Trouble in Paradise (HBR Case Study)
Notice bibliographique
Résumé
Life in Shanghai has been more than comfortable for Mike Graves, the general manager of a U.S. apparel company's 50/50 joint venture with a Chinese manufacturer. His children go to the best school, he lives in a beautiful expat neighborhood, and his company pays for a chauffeur and a nanny. Mike has made the joint venture into a big success, at least in the eyes of its Chinese executives and local officials. Zhong-Lian Knitting has turned around three money-losing businesses and has increased its payroll from 400 to 2,300 employees. But Mike's boss, the CEO of the U.S. company, Heartland Spindle, doesn't share the rosy view. "A 4% ROI is pathetic," he says. "The numbers should be better by now." He's looking for a 20% ROI, which he says will require laying off 1,200 Chinese workers. He also wants to aim at the high end of the clothing market, meaning the JV will have to meet much tougher standards of quality than it has been able to do so far. To make matters worse, the Chinese executives now want to make a fourth acquisition, which they hope will position the venture to start its own brand of apparel--a move that could eat into profits for years. Can Mike keep the joint venture from unraveling? Four commentators offer expert advice in this fictional case study: Eric Jugier, the chairman of Michelin (China) Investment in Shanghai; Dieter Turowski, a managing director in Mergers & Acquisitions at Morgan Stanley in London; David Xu, a principal at McKinsey in Shanghai; and Paul W. Beamish, the director of the Asian Management Institute at the University of Western Ontario's Richard Ivey School of Business in Canada.
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 | 0,001 |
| 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) | 0,000 | 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 ».