Agility in Retail Banking: A Numerical Taxonomy of Strategic Service Groups
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
This research demonstrates that operations agility—defined as the ability to excel simultaneously on operations capabilities of quality, delivery, flexibility, and cost in a coordinated fashion—is a viable option for retail banks encountering increasing environmental change. The question of whether there is empirical evidence that services, specifically retail banks, display the characteristics of agility like their manufacturing counterparts is open to debate. Conventional wisdom in operations management posits that most successful services trade off one capability for another. Drawing from the resource-based view of the firm, combinative capabilities view, and the cybernetics work of Ashby (1958), theoretical arguments suggest the contrary. The agility paradigm is viable in environments calling for a mix of strategic responses. Applying cluster analytic techniques to a sample of retail banks, using capabilities as taxons, we identify four strategic service groups: agile, traditionalists, niche, and straddlers. Our empirical results provide thematic explanations consistent with theory that account for how the agile strategic group offers a unique configuration of service concept, resource competencies, strategic choices, and business orientation. Profiles of the operations strategies of each strategic service group suggest that each group has found a fit between what certain segments of the market may want and what they have to offer. In particular, we found that the agile group exhibited greater resource competencies than its counterparts, requiring greater investments in infrastructure and technology. Consistent with theory, agile banks performed better over time on an absolute measure of return on assets.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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