Notice bibliographique
Résumé
This case details how CIFI Holdings (Group) Co., Ltd. (hereinafter “CIFI”), a private real estate company in China, built up organizational capabilities through different stages of organizational and HR management efforts. It focuses particularly on an organizational change in 2022. At the beginning of the year, Ge Ming, Chief HR Officer of CIFI, proposed an organizational change, but faced initial reluctance from the company’s chairman Lin Zhong and most regional general managers. In spite of this, Ge insisted on a change after analyzing the situation. Eventually, successful trials in two top-performing regions earned Ge approval from Lin. Ge’s proposal addressed two aspects: 1) Personnel structure: In addition to streamlining its organizational structure and reducing the layers of reporting, CIFI should redesign its job architecture and ensure that individuals would go through a competitive hiring process before being appointed. These measures would lead CIFI to downsize while increasing productivity; 2) Compensation: CIFI should implement a role-based broadband pay structure to bring excessively high salaries down to more reasonable levels, thereby reducing overheads. When implementing change, Ge encountered multiple problems but resolved them by adhering to principles, maintaining timely communication, and allowing for some flexibility. Throughout the change process, senior executives such as Lin Zhong and Lin Feng, along with CHRO Ge Ming, each performed their own functions, demonstrating both the philosophy and tactics of change. Through case analysis and discussion, students will understand the concept of organizational capabilities, the ways to build such capabilities, the driving and resisting forces behind organizational change, and the corresponding implementation strategies.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,021 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».