MétaCan
Menu
Retour à la cohorte
Enregistrement W2634259625 · doi:10.5539/ibr.v10n7p67

Construction of a Strategic Business Process Reengineering Model: Empirical Research on the After-sale Service Process of SH

2017· article· en· W2634259625 sur OpenAlexvenueno aff
An-Shin Shia, Bau-Jung Chang

Notice bibliographique

RevueInternational Business Research · 2017
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCollaboration in agile enterprises
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBusiness process reengineeringBusinessProcess managementCompetitive advantageProcess (computing)Service (business)Business processStrategic managementMarketingIndustrial organizationKnowledge managementComputer scienceWork in process

Résumé

récupéré en direct d'OpenAlex

For the past decade, business process reengineering (BPR) has gradually evolved from a revolutionary principle, which provided enterprises with methods to eliminate problems, into a set of management approaches for enterprises to face unpredictable and uncontrollable circumstances. This study puts forward an integrated model, strategic business process reengineering model,, which focuses on analysis of the three stages of BPR, and explores how BPR develops into competitive advantage with strategic basic factors – positioning, unique activities, trade-offs and fit. The authors undertake SH, a famous Taiwanese brand of small appliance, for case study and analysis. The research results show that the process reengineering activities held after strategic positioning should be improved through unique activities and trade-offs, such as technology-oriented, cross-departmental labor integration and trade-offs, cross-departmental rotation and talent cultivation, and cross-organizational support for channel manufacturers in their training of technicians. During the activities, mutual fit would lead to a set of behavior system, where construction plays an essential role, as it is difficult to imitate in competitive advantage.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,082
Score d'incertitude au seuil0,800

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0010,001
Communication savante0,0010,002
Science ouverte0,0020,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,197
Tête enseignante GPT0,439
Écart entre enseignants0,242 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Business ResearchMême sujetCollaboration in agile enterprisesTravaux en français237 207