Customer Satisfaction as a Critical Success Factor for ERP Design
Notice bibliographique
Résumé
Enterprise Resource Planning (ERP) has been an important tool over the last number of years in managing business processes for large corporations. An ERP is a software system that links various departments and allows them to work together through a centralized software system. An example would be a hotel management ERP where multiple departments such as accounting, front desk, housekeeping and human resources share vital business information. However, more research needs to be done on ERP initiatives for small to midsized enterprises (SME) to also help them reach their productivity goals effectively. This is, in part, the motivation behind this thesis. This thesis first looks at various methodologies and metrics that can help inform the design and implementation of an ERP. This thesis also incorporates customer satisfaction as a Critical Success Factor (CSF) and metric for analyzing an SME’s ERP design and implementation. Prior to the design and implementation phase, gathered quantitative customer experience data is used as a guide to inform the design criteria with respect to the implementation of an ERP for an SME. This thesis demonstrates that ERP design and implementation concepts can utilize the sentiment of an SME’s customer base to subsequently help key issues get resolved in the ERP design process which may also lead to a successful ERP implementation for an SME. In this thesis, an ERP is designed and developed that is informed through customer satisfaction as a CSF in addition to other techniques such as the As-Is, To-Be and Balanced Scorecard methodologies [1]. Customer Satisfaction is used quantitatively before and after the design and implementation of an ERP to both inform and evaluate the success of the ERP design and implementation for an SME.
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 | 0,000 | 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 | 0,000 | 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) | 0,024 | 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 ».