Hard and Soft Ways to Create Value from Information Flows: Lessons from the Canadian Financial Services Industry
Notice bibliographique
Résumé
Abstract Over an extended period during the 1990s, using long interviews with the top management of five banks and secondary data, we studied the transformation of Canadian banks. We observed how the Canadian banks have changed to take full advantage of the increased technological potential for developing and exchanging information. The failure of the “pure players” has shown that the information advantages of the Internet are not sufficient to lead to sustainable competitive advantage. Existing financial institutions can make better use of that same information flow by combining it with organizational changes that make the new information more strategically valuable. By aligning information technology and the hard elements of their organizational architecture with soft elements like reputation, cooperation, and information sharing, traditional banks have developed powerful advantages in the 1990s. Résumé Dans les années 90, nous avons utilisé des données secondaires et les longues entrevues que nous avons eues avec les hauts responsables de cinq banques pour étudier les mutations du paysage bancaire canadien. Nous nous sommes intéressé à la façon dont les banques canadiennes se sont restructurées pour pouvoir tirer le maximum d'avantages des potentialités croissantes des technologies de l'information. L'échec relatif des banques virtuelles a démontré que les avantages informationnels basés sur le réseau Internet ne suffisent pas pour donner lieu à des avantages concurrentiels durables. Las banques traditionnelles peuvent parvenir à faire un meilleur usage des mêmes flux informationnels en les combinant à des changements organisationnels qui rendent la nouvelle information plus stratégiquenient valable. En accommodant les technologies de l'information et les composantes permanentes (hard elements) de leur architecture organisationnelle avec les composantes fluctuantes (soft elements) telles que la réputation, la coopération, et la diffusion des informations, les banques traditionnelles se sont créé de puissants avantages stratégiques au cours des années 90.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,003 | 0,005 |
| Science ouverte | 0,001 | 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 ».