O objetivo deste experimento é a identificação das demandas de melhorias para fazendas com diferentes níveis de competitividade no Oeste do RS. Entrevistaram-se 63 produtores grandes (área= +900 ha) por meio de um questionário semi-estruturado, dividido em quatro direcionadores: tecnologia (TEC), gestão (MAN), relações de mercado (MR) e ambiente institucional (IE). Utilizou-se o software SAS 2002, versão 9.0, para realização da análise de cluster, realizando a tipologia dos produtores. Nesta análise, formaram-se aleatoriamente três clusters, sendo denominados de baixo nível de competitividade (LCL), médio nível de competitividade (MCL) e alto nível de competitividade (HCL). Dividiram-se as 29 variáveis (subfatores) avaliadas na análise de cluster de acordo com nível de impacto na competitividade das fazendas de bovinos de corte, sendo classificadas em variáveis de alto, médio ou baixo impacto. Esta estratificação do ranking de demanda de melhorias foi realizada a partir dos pesos atribuídos pelos especialistas aos subfatores. Os pecuaristas com baixo nível de competitividade apresentaram status desfavorável para MAN, enquanto os pecuaristas pertencentes aos clusters MCL e HCL apresentaram, respectivamente, status neutro e favorável para o mesmo direcionador. Portanto, a gestão é determinante para definir o nível de competitividade das fazendas entrevistadas
The aim of this experiment was to identify improvement demands for farms with different levels of competitiveness in the west of Rio Grande do Sul state, Brazil. A total of 63 owners of large farms were interviewed (farms with an area greater than 900ha) by applying a semi-structured questionnaire, guided by four drivers: technology (TEC), management (MAN), market relations (MR) and the institutional environment (IE).It was used the Statistical Analysis System 9.2 software to perform the cluster analysis and identify farmers' characteristics. Three random clusters with different levels of competitiveness were observed: low competitiveness level (LCL), middle competitiveness level (MCL) and high competitiveness level (HCL). The 29 variables (sub factors) were evaluated in the cluster analysis according to level of impact on competitiveness, being classified into variables of high, medium or low impact. Stratification was carried out, ranking demands for improvements from aspects attributed by experts in relation to sub factors. The farmers with low competitiveness level (LTL) had an unfavorable status for MAN, while the farmers belonging to clusters MCL and HCL have, respectively, favorable and neutral status for the same driver. The management characteristics determined the level of competitiveness of the farms surveyed