非洲零售銀行的數據驅動動態能力

1. 基本資訊

這篇文章由 Thomas Anning-Dorson、Faeeza Baba、Melissa Zulu 與 George Acheampong 發表於 2025 年的 International Journal of Information Management，題目是〈Data-driven dynamic capabilities in emerging markets: A grounded theory approach to digital transformation in african retail banking〉，DOI 為 10.1016/j.ijinfomgt.2025.102914。文章關心的核心問題是：在數據很多、但資源不足的情境裡，組織到底是如何把 data capability 做出來，而不是只停留在「應該做數位轉型」的口號。

2. 研究問題

作者實際上提出三個過程導向的問題。第一，非洲零售銀行透過哪些具體實務，在資源受限條件下發展 data-driven capabilities。第二，這些能力如何被部署到特定組織實踐中，去回應市場、監管與顧客情境。第三，這些發展與部署過程如何共同形成 competitive advantage。這個設定很重要，因為它不再把 capability 當成靜態資源，而是問 capability 怎麼在特定情境裡被做出來、用出來。

3. 理論基礎

理論上，本文結合 dynamic capabilities、big data analytics 與 emerging market strategy。作者認為，傳統 dynamic capabilities 理論雖然強調 sensing、seizing、reconfiguring，但對於「在資源不足卻數據豐富的場景裡，這些能力到底如何透過日常實務被建構」說得還不夠細。文章特別反對把資源限制只當成 institutional void，而是把它看成可能促使創新做法出現的 generative constraints。因此，關鍵不是有沒有最完整的資源，而是組織如何發展出符合當地條件的能力組合與流程。

4. 研究架構

整體上，作者建出一個 process model of Data-Driven Dynamic Capabilities (DDDC)。這個模型包含三層。第一層是 capability development practices，例如 data-driven culture cultivation、cross-functional integration、adaptive infrastructure development。第二層是由這些實務長出的核心能力，包括 Data Integration and Synthesis、Real-time Insight Generation、Agile Marketing Execution。第三層則是 capability deployment practices，例如 contextually adaptive customer engagement 與 regulatory navigation，這些部署實務再把能力轉成 competitive outcomes。也就是說，文章強調的是 practices → capabilities → deployment → outcomes 的過程鏈，而不是一次到位的能力清單。

5. 假設邏輯

這篇不是假設檢驗型研究，而是 grounded theory building。作者的核心邏輯是：在 emerging markets，data-driven capability 並不是靠單一 technology investment 直接生成，而是透過一連串情境化實務逐步長出來。這些實務一方面回應數位基礎設施不足、分析人才短缺、監管複雜與顧客數位準備度差異，另一方面又必須能把資料真正轉成可執行的 insight 與 customer action。因此 capability development 與 capability deployment 都會受到 context 強烈塑造。

6. 方法

方法上，本文採 grounded theory 的 qualitative multiple case study design，研究對象是兩家跨多國營運的非洲大型零售銀行。作者透過深度訪談與多重資料來源，從案例中歸納出 capability development practices、核心能力與 deployment practices 的關聯。這種方法的強項在於，作者不是先拿成熟市場理論硬套，而是從 African banking 的具體做法往上長出理論，因此非常適合捕捉資源受限情境中的組織適應。

7. 結果

研究結果非常有結構。第一，銀行會透過一系列 development practices 來培養資料驅動能力，例如建立 data-driven culture、在各部門與各國營運單位中培養 data champions、形成 cross-functional data squads，以及發展 hybrid infrastructure 來因應連線與系統不穩定。第二，這些做法逐步長出三個核心能力：Data Integration and Synthesis 讓銀行把來自多個接觸點與替代性資料源的資訊整合起來；Real-time Insight Generation 讓組織能更快地形成可用洞見；Agile Marketing Execution 則讓洞見能轉成敏捷、在地化且可執行的市場回應。第三，能力並不自動轉成績效，還需要 deployment practices，例如 contextually adaptive customer engagement、alternative data use、hybrid digital-physical service models、以及 regulatory navigation。作者因此主張，competitive advantage 並不是來自單一 analytics investment，而是來自一整套因地制宜的 capability process。

8. 理論貢獻

這篇最大的理論貢獻，是把 dynamic capabilities 從抽象 sequence 拉回到具體實務。第一，它把 capability development 重新概念化為持續被 enact 的 organisational practices，而不是線性步驟。第二，它補充了 big data analytics 文獻，指出能力不是在資源豐富情境下才長得出來，反而可能在 resource-constrained settings 裡，以更創新的方式被做出來。第三，它對 emerging markets 文獻的貢獻在於，證明情境不是背景雜訊，而是直接塑造 capability formation 與 deployment 的核心條件。

9. 實務意涵

對管理者來說，這篇的訊息非常清楚：不要把數位轉型理解成先買最好的工具，再等能力自然出現。真正重要的是建立與情境相符的 practices，例如跨部門整合、資料文化、在地資料治理、混合式基礎設施與對監管要求的敏捷回應。對 emerging markets 的金融服務業尤其如此，因為它們面對的是數據很多但資源、人力與制度條件不對稱的環境，最有效的路徑往往不是複製成熟市場，而是設計 contextually appropriate practices。

10. 研究限制

限制方面，第一，研究採兩個案例的 grounded theory approach，理論深度很夠，但外推性自然有限。第二，研究脈絡集中在非洲零售銀行，因此其他產業或其他類型 emerging markets 是否有相同機制，仍需後續檢驗。第三，文章強在過程理論建構，但沒有提供量化驗證，因此目前更適合作為理論框架與機制文，而不是效果大小估計。第四，作者聚焦 capability 正向形成，對於內部權力衝突、失敗案例與長期路徑依賴仍可再展開。

11. 對我研究的啟發

這篇對我很有價值，因為它把 practices → capability → deployment → outcome 這條鏈說得很清楚，而且是在資源受限情境中成立。我前面讀了不少 AI capability、human-GenAI collaboration、knowledge creation 與 digital innovation 文章，這篇可以補上「能力怎麼被做出來」這個過程層次。特別是若我想把人機協作或知識創造往組織層次推進，這篇提醒我不要只問哪種能力有效，而要問哪些 practices 讓能力長出來，以及這些 practices 如何被情境塑造。它也很適合拿來和我近期讀的 CIO orchestration、AI-powered CRM capability 文章互補：一篇偏治理、一篇偏 customer-facing capability，這篇則偏 capability formation process。

12. 整體評價

我認為這篇很值得在 backlog 中優先讀，因為它不是又一篇成熟市場條件下的數據能力文章，而是少數真正從 emerging market 限制條件出發，去建構 dynamic capability process model 的研究。它的強項在於 grounded theory 做得紮實、過程邏輯完整，而且對我後續理解 AI / data capability 的形成很有幫助。若要挑剔，就是它目前仍停在質性理論生成階段，尚待更多量化或跨情境驗證；但作為理論中介文，它很強。