Social Network (사회 연결망) 이란?

Social Network는 일반적으로 하나의 사회를 이루는 구성요소들간의 네트워크를 말합니다.
여기서 사회는 사회 전체를 나타낼 수도 있지만(현실적으로 어려움), 흔히 기업이나 기관내 조직 사회, 공동체와 같은 단체 등을 통상적으로 나타냅니다. 즉 각자가 속해있는 사회적 집단에 대해 네트워크(graph)로 표현한 것을 Social Network라고 할 수 있습니다.
  - Social Network : 사회를 이루는 구성요소들이 연결되어 있는 관계망 (구성요소 + 구성요소간 관계)

구성요소는 사람, 부서, 단체, 기업 등이 될 수 있습니다.
각 구성요소간의 관계는 인지 여부(서로 알고 있는 지), 공유가치 여부(가족, 소속, 등), 행위가치 여부(업무, 사제, 서비스 등), 그리고 기타 임의의 가치 여부로 결정될 수 있습니다.


Social Network Analysis (사회 연결망 분석) 이란?

SNA는 위에서 말한 Social Network에 대한 과학적인 분석 기법들을 말합니다.
여러가지 네트워크 분석 기법이 있지만, 대표적으로 Neighbor 분석, Centrality 분석, Clique 분석, Structural Equivalence 분석이 있습니다.
이러한 분석 기법을 통해서 다음과 같은 의미를 발견할 수 있습니다.
  - 개인적 : 인맥, 활동력, 영향력, 정보 획득 능력 등등
  - 네트워크 : 구속 및 자율성, 단결력, 하위네트워크(파당,파벌), 계층구조 등등
각 분석 기법에 대한 구체적인 내용은 앞으로 계속 업데이트 할 예정입니다.


아래 그림은 사회 네트워크의 한 예제입니다.


[그림 출처 : Social Networks and Organizations(Martin Kilduff/Wenpin Tsai)의 15p figure2.1에서]

1. 정의

Neighbor분석은 네트워크(network)를 구성하는 각 점(node)들간의 표면적인 연결상태를 파악하는 가장 기본적인 사회 연결망 분석(social network analysis) 방법입니다. 점(node)들간의 특정 관계 또는 흐름의 전체를 시각적으로 나타냅니다. 특정 관계 또는 흐름의 정도를 weight라는 수치로 표현할 수도 있습니다. 추가적으로 Neighbor 분석 결과에서 특정 점(node)을 선택해 가면서 그 점(node)와 직접적인 관계 또는 흐름을 가지는 점(node)을 지도상에서 표시할 수도 있습니다. 특정 점(node)으로 관계 또는 흐름을 유발시키는 경우(in 방향), 또는 특정 점(node)로부터 직접적인 관계 또는 흐름이 유발되는 경우(out 방향) 모두 고려할 수 있습니다. 직접적인 관계 또는 흐름을 가지는 점(node)이외에도 접근도(reachability)가 distance level 2인 점(node)도 표현할 수 있습니다. Distance level 2는 두 점(node) 사이의 관계 또는 흐름에 다른 점(node) 하나가 존재함으로써 간접적으로 연결되어 있음을 표현합니다.

2. 적용

전체 관계 또는 흐름을 한 눈에 파악할 수 있는 기초적인 정보를 제공합니다. 추가적인 옵션을 통해 점(node)별 직접적인 관계 또는 흐름을 가지는 점(node)과 distance level 2의 점(node)도 파악할 수 있습니다.

3. 프로세스 분석의 적용

[그림 1], [그림 2]는 Neighbor 분석 결과입니다. [그림 1]은 네트워크(network)에서 선도적인 역할을 수행하는 연구자들간의 관계 또는 흐름을 한 눈에 표현한 지도입니다. [그림 2]의 왼쪽 네트워크(network)는 중소기업 통신기기의 프로세스 정보로부터 부서들간의 방향성을 가지는 transfer of work를 나타낸 것입니다. 방향성을 가진다는 뜻은 A 부서에서 B 부서로 발생되는 transfer of work와 B 부서에서 A 부서로 발생되는 transfer of work에 유의한 차이가 있음을 의미합니다. [그림 2]의 오른쪽 표는 부서간 transfer of work 전체를 표 형식으로 나타내고 있습니다. IN-DEGREE는 다른 부서에서 해당 부서로 발생하는 transfer of work의 개수를 나타내며, OUT-DEGREE는 해당 부서로부터 다른 부서로 발생하는 transfer of work의 개수를 나타냅니다. 영업관리부서는 in 방향으로 48개의 transfer of work가 유입되고 있으며, out방향으로 65개의 transfer of work가 발생하고 있습니다.
 

[그림 1]


[그림 2]

위와 같은 기본적인 분석 결과에서 특정 점(node)을 선택해 가면서 그 점(node)과 접근도(reachability)가 distance level 1인 즉, 직접적인 관계 또는 흐름을 가지는 점(node)을 표시할 수도 있습니다. [그림 3]은 중소기업 통신기기의 프로세스에서 특정 부서인 기술정보관리조직(파란색 node로 표시)으로 직접적인 transfer of work를 유발시키는 부서를 노란색 점(node)으로 표시하고 있으며, 영업관리부서, 품질관리부서, 재무회계부서, 인사급여관리부서, 외부기관부서, 생산관리부서, 구매관리부서가 해당부서입니다.
 

[그림3]

또한 Neighbor 분석 결과에서 특정 점(node)을 클릭한 후 접근도(reachability)가 distance level 2인 점(node)도 지도상에 표시할 수가 있습니다. [그림 4]는 중소기업 통신 기기 프로세스에서 특정 부서인 구매관리부서로 transfer of work를 유발시키는 부서 중 distance level 2인 부서를 노란색 점(node)으로 표시하고 있습니다. 아래 그림에서는 수출입관리부서가 해당부서입니다.


[그림4]

1. 정의

Centrality 분석은 한 점(node)이 네트워크(network)에서 얼마나 중심에 위치하는지에 대한 정도를 측정하는 방법입니다. 점(node)이 특정 measure에 의해 가질 수 있는 maximum값과 현재 network상에서 가지는 값의 비율에 대한 분석입니다. Measure에는 degree와 betweenness가 있습니다.

Degree centrality 분석이란 네트워크(network)를 구성하는 어느 하나의 점(node)과 이것과 직접적으로 연결된 다른 점들과의 연결 정도를 측정하여, 각각의 점들이 네트워크에서 얼마나 중심에 위치하는지를 알아보는 기법입니다. 즉, 네트워크(network)상에서 점(node)이 직접적인 관계 또는 흐름을 가질 수 있는 전체 경우의 수에서 실제 점(node)이 가지고 있는 직접적인 관계 또는 흐름 수의 비율(portion)을 바탕으로 합니다. Degree centrality 분석은 두 점(node)의 연결 방향성에 따라 In-Degree centrality 분석과 Out-Degree centrality 분석으로 나누어 집니다. In-Degree centrality 분석은 다른 점들로부터 하나의 점(node)으로 들어오는(in) 관계만을 고려한 방법이며, Out-Degree centrality 분석은 하나의 점(node)에서 다른 점들로 나가는(out) 관계만을 고려한 방법입니다. [그림 1]에서 Diane는 network상에서 가장 많은 직접적인 연결을 가지고 있습니다. 이것은 Diane이 network상에서 가장 active한 점(node)을 나타내며 connector 또는 hub가 됩니다.
Betweenness centrality 분석이란 한 점(node)의 중심성을 측정하는 Degree centrality 분석과 달리, 네트워크(network)를 구성하는 한 점(node)과 다른 한 점(node)를 연결시키는 특정 점의(node) 매개(중개)정도로 중심성을 측정하는 기법입니다. 즉, 특정 점(node)의 betweenness centrality는 그 점(node)을 제외한 다른 모든 점(node)의 쌍(pair)들의 최단거리(shortest path)의 수와 실제 그 최단거리(shortest path)에 특정 점(node)이 존재하는 수의 비율(portion)을 표현합니다.

2. 적용

Degree centrality 분석을 통해 네트워크(network)상에서 degree 측면에서 가장 높은 중요도를 가지는 점(node)을 파악할 수 있습니다. 또는 네트워크(network)상에서 connector 또는 hub 역할을 수행하는 점(node)을 파악할 수 있습니다.
Betweenness centrality 분석을 통해 네트워크(network)상에서 broker 역할을 하는 점(node)을 찾을 수 있습니다.

3. 프로세스 분석의 적용

[그림 5]은 [그림 1]에 대한 degree centrality 분석 결과입니다. Diane이 다른 연구자에 비해 가장 많은 직접적인 연결을 가지고 있어 connector node가 됩니다. [그림 6]의 왼쪽의 동심원 그림은 중소 기업 통신 기기 프로세스에서 들어오는(in) 방향으로 직접적인 연결관계를 가지는 부서의 비율(portion)을 동심원 형태로 나타내는 in-degree centrality 분석 결과입니다. 동심원에서 원의 중심에 있을수록 in-degree가 높으며 원의 중심으로부터 동일한 거리에 있는 점(node)은 동일한 in-degree를 가집니다. 재무회계부서의 in-degree centrality score의 값이 1임으로 재무회계부서로 모든 부서가 transfer of work를 유발시키기 때문에 transfer of work의 유입 측면에서는 재무회계부서가 connector node가 됩니다. [그림 6]의 오른쪽 표는 Degree Centrality 분석 결과를 표로 나타낸 것입니다. IN-DEGREE와 OUT-DEGREE가 모두 나타냅니다. 재무회계부서인 경우에는 IN-DEGREE와 OUT-DEGREE가 모두 1인데, 이는 다른 모든 부서에서 재무회계부서로 직접적인 transfer of work가 유입되고 있으며, 또한 재무회계부서에서 다른 모든 부서로 직접적인 transfer of work가 발생되고 있음을 나타냅니다.

 
[그림5]

 
[그림6]

[그림7]은 [그림 1]에 대한 betweenness centrality 분석 결과입니다. [그림 5]와 같이 Heather은 Diane보다는 적은 degree centrality를 가지고 있지만, betweenness centraltiy는 가장 큰 값을 가지고 있습니다. 이는 Heather가 크게 두 개의 그룹의 중앙에 위치하고 있기 때문입니다. 이를 통해 [그림 1]의 network 상에서 Heather가 broker node 역할을 하고 있음을 파악할 수 있습니다. [그림 8]은 중소기업 통신기기 프로세스에서 transfer of work 측면에서 betweenness centrality 분석한 결과입니다. 재무회계부서와 인사급여관리부서의 betweenness centrality score의 값이 0.095로 가장 높습니다. 재무회계부서와 입사급여관리부서가 transfer of work 측면에서 broker 역할을 수행함을 알 수 있습니다.

 
[그림7]
 

[그림8]

1. 정의

Clique cohesion 분석이란 네트워크(network)를 구성하는 점(node)들간의 결합력(Cohesion)을 바탕으로 해서 군집 구조를 파악하는 것입니다. 결합력(Cohesion)은 social network를 구성하는 점(node)들간의 강한(strong) 연결관계를 나타냅니다. Clique은 결합력을 가지는 최소 3개의 점(node)으로 구성되는 그룹(group)을 나타내며 모든 점(node)이 직접적으로 연결되어 있어야만 Clique이 성립됩니다. 그러므로 Clique은 정의상 완벽한 연관관계와 높은 밀도를 가지게 됩니다.

2. 적용

Social Network에서 점(node)들간의 군집구조 또는 파벌구조를 파악할 수 있습니다. 군집(clique)은 연결망 속에서 강한 관계에 의해 서로가 연결되어 있는 점(node)들의 집합입니다.

3. 프로세스 분석의 적용

[그림 9]와 같은 네트워크(network)에서 결합력을 가지는 clique을 찾아봅니다.
 

[그림9]

[그림 10]과 같이 Actor-by-Actor Clique Co-Membership Matrix를 통해 분석하면 세 개의 사각형이 형성되는 것을 알 수 있습니다. 형성된 사각형이 군집(clique)을 의미합니다. 첫 번째 사각형을 구성하는 점(node)은 A, B, C, D이고 두 번째 사각형을 구성하는 점(node)은 D, E, F입니다. 마지막 사각형을 구성하는 점(node)은 E, F, G, H임을 알 수 있습니다. 따라서 다음과 같은 군집구조가 형성됩니다.

Clique 1: A, B, C, D
Clique 2: D, E, F
Clique 3: E, F, G, H
 

[그림10]Actor-by-Actor Clique Co-Membership Matrix