Implementing Enterprise Resource Planning Systems: The Role of Learning from Failure
Notice bibliographique
Résumé
Introduction Problems associated with software implementations are not new, nor specific to enterprise resource planning (ERP) systems. Nevertheless, ERP systems have been blamed for the poor performance of several organizations (Osterland, 2000). A number of companies have reported negative impacts on earnings as the changeover to an ERP takes place, among them Hershey (Girard and Farmer, 1999), AeroGroup (Asbrand, 1999), and Snap-On (Hoffman, 1998). Hershey, for example, suffered a third quarter (1999) sales decrease of 12.4% and an earnings decrease of 18.6% compared with the preceding year (Osterland, 2000). Implementing an ERP is a major undertaking and the Standish Group International estimates that 90% of SAP R/3 (the dominant ERP) projects run late (Williamson, 1997). The trade press is now also replete with articles on ERP failures, cancellations, and cost/time overruns. Dell canceled its R/3 system after two years when it determined that it could not support the required processes (King, 1997). AeroGroup (Asbrand, 1999), Unisource (IW, 1998), and a number of garbage disposal companies (Bailey, 1999) also abandoned their ERP projects. The most dramatic example of an organization claiming to be damaged by an ERP implementation is that of FoxMeyer Drug Corporation. FoxMeyer claims that its SAP R/3 system sent the company into bankruptcy (Bulkeley, 1996). Note, however, that, at the same time, many companies have experienced benefits that far exceeded their expectations (Davenport, 1998; Deloitte Consulting, 1998).
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,006 |
| Communication savante | 0,009 | 0,009 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».