Extracting business process decomposition
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Purpose This paper seeks to offer a step‐by‐step methodology to extract and model business processes with a focus on business process decomposition. The main motivation is the lack of repeatable measurable methods and techniques for extracting business process decomposition. Design/methodology/approach A step‐by‐step methodology for extracting business process models is provided. This methodology is called “the V methodology” because of its approach to break down the enterprise through a functional hierarchy and then collecting it up again via its process decomposition. Porter's value chain model is noticed as a powerful tool to complete the roadmap. The paper is designed using sections: benefits and necessities of having such a methodology, terminology, the V methodology, learned lessons and further work. Findings Success stories using the V methodology expressing its impact on quality business process models are mentioned. Experts find it useful to gain unified process models as well as helping them to discover gaps, bottlenecks and redundancies amongst business processes. Research limitations/implications It is too hard to receive reliable information about previous experiences from the working companies in the area. Practical implications The main implications found when using the V methodology are: practiced analysts feel it dangerous to their position, younger analysts use it as the only source of modeling and people find it difficult to apply Porter's model in practice. Originality/value Almost all of the previous papers refer to modeling notations when using the term “methodology”. This paper instead describes the process of business process modeling. Another original value of the paper would be using Porter's model to classify the processes within their right process groups.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,007 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,002 | 0,006 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle