MétaCan
Menu
Retour à la cohorte
Enregistrement W1963992091 · doi:10.1080/0953732042000251142

Enterprise Resource Planning and the Price of Efficiency: The Trade Off Between Business Efficiency and the Innovative Capability of Firms

2004· article· en· W1963992091 sur OpenAlexfundno aff
Paul Trott, Andreas Hoecht

Notice bibliographique

RevueTechnology Analysis and Strategic Management · 2004
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueERP Systems Implementation and Impact
Établissements canadiensnon disponible
Organismes subventionnairesMemorial University of Newfoundland
Mots-clésEnterprise resource planningOrder (exchange)ProductivityIndustrial organizationOracleBusinessInvestment (military)Work (physics)MarketingResource (disambiguation)EconomicsCommerceComputer scienceFinance

Résumé

récupéré en direct d'OpenAlex

Enterprise Resource Planning (ERP) business software offers the integration of business functions and can reduce data collection and processing duplication efforts. It has become one of the most successful products in the world. For many firms such as Microsoft, Owens-Corning, ICI, UBS and Procter & Gamble, it has changed the way they work (see Gartner, How Procter & Gamble runs its global business on SAP, CS-15-3473, Research Note, 25 February 2002). The market leaders in this highly lucrative business-to-business market are SAP, Oracle, Baan and PeopleSoft. This paper reviews the ERP and innovation management literature in order to shed light on the potential problems that may exist in rigid ERP systems. It seems there is increasing evidence that firms fail to obtain the benefits of these investments within the anticipated timeframes (B. dos Santos and L. Sussman, Improving the return on IT investment: the productivity paradox, International Journal of Information Management, vol. 20, No. 6, 2000, pp. 429-440). Moreover, and possibly of greater concern is the affect on the firm's innovative ability. Especially in some creative working environments where previously autonomous and creative individuals are now being restricted to what's on offer via 'pull-down' menus.

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.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,017
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,046

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,017
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,004
Études des sciences et des technologies0,0020,010
Communication savante0,0140,015
Science ouverte0,0010,003
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,260
Écart entre enseignants0,244 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations21
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTechnology Analysis and Strategic ManagementMême sujetERP Systems Implementation and ImpactTravaux en français237 207