Кто здесь главный?

12/05/2010
Подписка RSS

social network analysis, анализ социальных сетей

В данной статье рассматриваются методы анализа социальных сетей применительно к управлению изменениями.

Представьте себя на месте консультанта, попавшего на проект по управлению изменениями в новую компанию. Или на месте нового специалиста отдела кадров, того редчайшего типа, что работают с сотрудниками в течение всего времени их пребывания в коллективе, а не только по приходу и увольнению.

Вы знакомитесь с руководством, перед вами на столе оказывается оргструктура, которая, в лучшем случае, будет отражать функциональное разделение, а в худшем - этапы роста компании. В неформальной беседе вы узнаете, что эта оргструктура не имеет ничего общего с влиянием специалистов и процедурами принятия решений в компании. Вы начинаете анализировать факты и, в конце концов, приходите к мысли, что вам необходимо составить карту, которая отражала бы информационные потоки в компании. Имея подобный инструмент, можно сократить затраты на продвижение изменений в компании, можно выявить ключевых "моральных авторитетов" (как, оказывается, сложно подобрать перевод к идиоме key opinion leader), понять слабые места информационного обмена (сотрудники одного подразделения не общаются с другим подразделением или общается с теми, кем не следовало бы), можно разработать план по повышению эффективности коммуникаций... или просто насладиться арт-объектом.

Карта распространения инфекционного заболевания

С чего начать построение подобной карты? Сайт Дэвида Кракхарда, одного из самых цитируемых специалистов-теоретиков в данной области, имеет целый раздел, посвящённый проведению анкетирования и сбору данных для построения карты информационного обмена. Подробную информацию можно найти также на сайте Валдиса Кребса, консультанта по анализу социальных сетей. Тем не менее, анкетирование - это далеко не единственный способ сбора данных.

Хорошим источником данных (для конкурентной разведки в том числе) являются социальные сети, особенно "профессиональные", вроде linkedin. Несколько лет назад я провёл эксперимент и попытался построить карту "дружеских" взаимосвязей себя, друзей, друзей моих друзей, их друзей и т.д. В общем, это было шуточное мероприятие с шуточным результатом: несколько тысяч узлов (человек), расположенных по кругу, и линейные связи между ними. Целый океан информации и даже волны на нём. При построении подобных схем, массив данных нужно ограничивать десятками, максимум, сотней человек.

Откуда ещё можно черпать информацию для анализа социальных сетей? Учитывая, что большинство компаний предоставляет сотрудникам сервис электронной почты и возможность разговора через внутреннюю АТС с другими сотрудниками, а также тот факт, что эти взаимодействия протоколируются (регистрируются как события: абонент А связался с абонентом Б), появляется возможность использовать журналы почтовых серверов и АТС для анализа наиболее устойчивых каналов информационного обмена. Один из примеров подобного анализа описан на сайте MIT.

Даже если мы имеем простейшую социограмму из классического примера Д. Кракхарда (см. рисунок ниже), разобраться в структуре взаимосвязей между отдельными узлами бывает затруднительно. Попробуйте ответить на вопрос, кому из персонажей приведённой сети следует сообщить сплетню, чтобы она достигла каждого сотрудника через минимальное число посредников? Кого нужно устранить, чтобы нанести максимальный урон распространению информации, максимально разъединить общающихся, не дав возможности воспользоваться дублирующими каналами передачи сведений?

В замечательном учебнике по численному анализу данных в социальных сетях, Роберт Ханнеман и Марк Риддл дают развёрнутый перечень основных методов анализа социальных сетей. Среди многообразия метрик наибольший интерес представляют те, что отражают силу влияния и зависимость персонажей в информационном обмене:

  • порядок связей в узлах (degree);
  • близость узлов в социограмме (closeness);
  • связность узлов (betwenness).

Заметим, что для этих групп метрик существует несколько вариантов расчёта с разными результатами для одной и той же метрики.

Порядок связей - это количество входящих и исходящих соединений в данном узле. Чем больше порядок, тем больше связей проходит через данного персонажа, тем выше его активность в информационном обмене. Так как максимальное число связей в графе из N персонажей равно N*(N-1), можно измерить интегральный показатель, отражающий насколько граф насыщен связями (отношение общего числа связей к максимальному).

В описанном примере у Алексея наивысшее число входящих и исходящих связей (они эквивалентны в данном случае), это значение принято за эталонную единицу.

Близость узлов, в отличие от порядка связей, учитывающих только ближайшее окружение персонажа, отражает, насколько далеко от остальных узлов сети находится данный персонаж. Т.е., сколько посредников нужно пройти, чтобы оказаться на самой периферии сети. Этот показатель смог бы дать подсказку на вопрос о том, кто был бы идеальным начальным носителем идеи об изменениях в компании (или "сплетни"). Из рисунка ниже видно, что Зураб и Елена являются "наиболее близкими" большинству сотрудников персонажами.

Показатель связности узлов исследует меру контроля над информационным потоком для каждого из персонажей. Допустим, мы хотим обезвредить сеть террористов, лишив её системы управления. Нам необходимо выявить тех персонажей, устранение которых вызовет необратимые последствия для всей сети. Например, обезвредив Ивана, мы лишим Эдуарда возможности взаимодействовать с кем бы то ни было, т.к. у него нет альтернативных каналов обмена данными. Показатель связности максимален для тех узлов, которые обеспечивают не имеющие дублёров каналы обмена информацией для наибольшего числа узлов. В нашем случае, устранение Агнессы приведёт к наибольшему урону для сети в целом, а вот Валентина и Сергей, похоже, вообще не принимают участия в важных решениях:

Мы рассчитали три основных метрики для анализа социальной сети. Насколько можно доверять полученным сведениям? Очевидно, что для узлов с максимальным числом связей в центре сети мы, скорее всего, располагаем наилучшей информацией, а для узлов на периферии ситуация может быть двоякой. С одной стороны, периферийные персонажи могу быть исполнителями, и их значимость в сети соответствует результатам анализа, с другой стороны, это могут быть новые участники информационного обмена, выполняющие важные функции, но информация об их взаимодействиях просто не попала в наше поле рассмотрения. Например, Эдуард может быть субподрядчиком, имеющим значительные связи вне рассматриваемой социальной сети.

Последний случай рассмотрен в одной из работ Д. Кракхарда, который ввёл в обращение понятие метрики E-I, отражающей, как соотносятся обмен внутри группы с обменом информацией за её пределами. В одном из экспериментов Кракхард собрал в функциональные группы студентов-друзей и ребят, которые друг-друга практически не знали. В этом эксперименте несколько функциональных групп имитировали подразделения компании (продажи, производство и т.д.). Кракхард давал задания, которые требовали от каждой компании найти наилучший отклик к изменениям рыночной среды. Выяснилось, что те компании, в которых друзья находились в разных функциональных группах, гораздо лучше адаптировались к внешним изменениям, чем компании, в которых внутренний обмен внутри групп превалировал над взаимодействиями между группами.

Фернандез и Гулд предложили интересную интерпретацию того, как можно свести воедино различные виды взаимодействий между индивидуумами и группами в социальной сети. Они рассмотрели базовый элемент социальной сети - триаду узлов, соединённых связями. Если существуют прямые связи между A-B-C, то сеть насыщенна, но если прямая связь между узлами нарушена, возникает "структурная дыра", которая и определяет особенности информационного обмена. Авторы предложили методы анализа "структурых дыр" в графах, позволяющих численно оценить последствия "дефектов" в сети общения. Видимо, не далёк тот день, когда сотрудников будут увольнять с формулировкой: "За систематическое создание структурных дыр". Ещё одним важным результатом исследований стало выявление различных ролей, которые играют персонажи в информационном обмене:

Много лет назад мой гораздо более опытный коллега удивил меня после переговоров на крупном предприятии тем, что по окончании, когда все разошлись, отправился поздравлять незнакомого ассистента одного из руководителей с прошедшим днём рождения. На мой удивлённый взгляд он с улыбкой ответил что-то вроде: "Теперь мы будем знать судьбу нашего проекта гораздо раньше официальных заявлений". Спустя некоторое время, составив карту информационных взаимосвязей по данным журнала почтового сервера одной компании, я с восхищением вспоминал его слова, видя количество информационных связей, замкнутых на секретарей.

P.S. Несколько слов о ПО. Для расчётов мы использовали систему yEd, ту же, что и в "Анализе парных предпочтений". Наиболее часто цитируемой среди профессионалов является коммерческая система UCINET. В статистическом пакете R есть специализированные модули и пакеты для анализа социальных сетей.