Archeological benchmarking: Fred Harvey and the service profit chain, <i>Circa</i> 1876
Notice bibliographique
Résumé
Abstract This article illustrates the potential for studying best practices from the past, engaging in what we term archeological benchmarking . Our focus for this study was the Fred Harvey Company, which operated a highly successful string of restaurants and hotels along the Atchison, Topeka and Santa Fe Railroad line starting in 1876, reaching its peak around 1912, and continuing until the early 1950s. Fred Harvey was a visionary businessman who understood many of the key concepts guiding the most successful service operations today. This article describes the operating system Harvey used for delivering 15 million meals per year in 65 restaurants extending over a span reaching from Chicago to San Francisco. The underpinnings of Harvey's system foretold concepts considered new today, particularly the service profit chain [Heskett, J., Jones, T., Loveman, G., Sasser Jr., W.E., Schlesinger, L., 1994] and its reliance on a clear operations strategy supported by well‐trained, loyal employees and a congruent system of measurement. It is significant that Harvey achieved his success without the advantages of modern information systems by relying, instead, on his iconic leadership, dogged attention to mundane details, and the service culture he was able to embed throughout the far‐flung enterprise. The Harvey story is an example of ahead‐of‐its‐time operations thinking, but it also asks us to attend more broadly to the history of the field – as does this entire special issue – as a source of inspiration and grounding.
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».