Как измерить социальные сети в корпорациях, бизнес-организациях?

1)Выделяем несколько типов внутренних и внешних связей: формальные и неформальные, их интенсивность и эффективность. Каждое взаимодействие оцениваем по некоторой шкале.

2)Оцениваем эффективность структуры. Оптимальность общей структуры взаимодействий можно определить совпадением/несовпадением интенсивных и эффективных взаимодействий. Коэффициент эффективности P позволяет количественно оценить эффективность организационной структуре:

3)Проведение регрессионного анализа. Все переменные, полученные в результате опроса и рассчитанные в сетевом анализе, используем в регрессионных уравнениях.

ТРЕБОВАНИЯ К АНКЕТЕ:

• Анкета имеет блочную структуру, в которую были включены блоки вопросов о фирме (паспортичка фирмы), о самом участнике, блоки вопросов по оценке результатов внедрения инноваций на предприятии, а так же сетевой блок вопросов

• Специфические требования к формулировке вопросов. Перечисление внутренних подразделений должно абсолютно точно совпадать с их перечнем, когда устанавливается структура предприятия и место работы специалиста в этой структуре

• Следующая важная методологическая проблема, которую также необходимо решить: как выделить сильные взаимодействия при анализе агрегированных матриц взаимодействия? Как обосновать пороговое значения весов взаимодействий?

От себя: Суть кейса в том, что в организации не совпадали эффективные и формальные связи. Потом реорганизовали и организация заработала лучше.

27. Casestudy: Новые типы карьер ( по данным опроса HeadHunter)

Серия глубинных интервью и опрос на сайте HeadHunterприводят к выводу, что в менеджерской среде нарастает недовольство корпоративными правилами: люди жалуются на механистичность работы, идеологическое зомбирование, бессмысленные запреты и неразумную трату времени. Менеджеры перестали видеть идеалы карьеры в постепенном продвижении к верхним должностным ступенькам. Вывод можно назвать революционным, он свидетельствует о глубоком недоверии профессионалов к системе идеологии корпораций. Главные причины разлада в системе являются психологическими: постоянная “промывка мозгов”, необходимость постоянно демонстрировать лояльность компании, внутренняя, вынужденная конкуренция воспринимается бесчеловечной. Основное противоречие заключается в том, что от людей требуют полной отдачи и преданности, в то время как постоянный контроль и жесткая регламентация низводит их до уровня винтиков. Победителями бесконечный соцсоревнований становятся те, кто лучше преподнес себя. Парадокс заключается в том, что тот кто занимается своим профессиональным делом где-то помимо основной работы, имеет большое число опыта и связей, чем их более законопослушные коллеги. Несмотря на официальные запреты большинство опрошенных считает, что побочная деятельность не наносит ущерба организации. Стратегия пожизненной карьеры в одной организации фактически отмирает.

Условно формируется два профессиональных типа: менеджер и независимый профессионал.( 1991-1998 г.г.- эра “ Красных директоров”; 1999-2001- формирование новых российских корпораций - агрессивное приобретение, захват предприятий; 2003-2004 –приход менеджеров “второго поколения”)

28.Типы массивов данных в экономике и социологии: time-seriesVScross-section/ Линейная регрессия в том и другом случае. Case-study: Презентация А.Илларионова как пример манипулирования данными.

29.Факторный анализ. Case-study: Явка на выборы, антикризисные стратегии.

30.Кластерный анализ. Case-study: Международные рейтинги как инструмент политического манипулирования.

Кластерный анализ— это совокупность методов, позволяющих классифицировать многомерные наблюдения, каждое из которых описывается набором исходных переменныхХ1, X2, ..., Xm. Целью кластерного анализа является образование групп схожих между собой объектов, которые принято называть кластерами.

Слово кластеранглийского происхождения(cluster), переводится каксгусток, пучок, группа. Родственные понятия, исполь­зуемые в литературе, —класс, таксон, сгущение.

Как используется кластерный анализ?

• проведение классификации объектов с учетом признаков, отражающих сущность, природу объектов. Решение такой задачи, как правило, приводит к углублению знаний о совокупности классифицируемых объектов;

• проверка выдвигаемых предположений о наличии некоторой структурыв изучаемой совокупности объектов, т.е. поиск существующей структуры;

• построение новых классификацийдля слабоизученных яв­лений, когда необходимо установить наличие связей внутри совокупности и попытаться привнести в нее структуру.

Объектами КА являются:

• Респонденты, общности, институты

• Бренды, марки, продукты

• Политики, регионы, населенные пункты

Исходные данные:

CROSS-SECTIONAL DATA:

• Опросы общественного мнения

• Статистические характеристики объектов

Результат:

• Выясняется степень сходства всех наблюдаемых объектов

• Устанавливается принадлежность объектов к той или иной группе

Идея:

1. «Оторвать» объекты от системы координат исходных переменных и рассчитать сходство объектов между собой

2. Группировать объекты в кластеры. В дальнейшем с кластерами можно работать как с новыми агрегированными объектами

Монотетический подход:Если каждый наблюдаемый объект характеризуется двумя признаками Х1и X2, то при выполнении комбинационной группировки вся совокупность объектов будет разбита на группы по Х1, а затем внутри каждой выделенной группы будут образованы подгруппы по X2. Такой подход получил название монотетического. Определить принадлежность каждого объекта к той или иной группе можно, последовательно сравнивая его значения Х1и Х2границами выделенных групп. Образование группы в этом случае всегда связано с указанием ее границ по каждому группировочному признаку отдельно.

Политетический подход: В кластерном анализе используется иной принцип образования групп, так называемый полшетический подход. Все группировочные признаки одновременно участвуют в группировке, т.е. они учитываются все сразу при отнесении наблюдения в ту или иную группу. При этом, как правило, не указаны четкие границы каждой группы, а также неизвестно заранее, сколько же групп целесообразно выделить в исследуемой совокупности.

Кластерный анализ приводит к разбиению объектов на группы с учетом всех группировочных признаков одновременно

Методы кластерного анализа:

1. Агломеративные – последовательно обдъединяют отдельные объекты в кластеры

2. Дивизимные - расчленяют группы на отдельные объекты

3. Итеративные - в частности, метод k-средних и метод поиска сгущений Их характерная особенность в том, что кластеры формируются исходя из задаваемых условий разбиения (параметров), которые в процессе работы алгоритма могут быть изменены пользователем для достижения желаемого качества разбиения. Итеративные методы относятся к быстродействующим, что позволяет использовать их для обработки больших массивов исходной информации. В отличие от агломеративных и дивизимных методов итеративные алгоритмы могут привести к образованию пересекающихся кластеров, когда один объект может одновременно принадлежать нескольким кластерам.

Алгоритм иерархического кластерного анализа:

1. Исходные данные опроса нормируются

2. Рассчитываются меры сходства между объектами и заполняется матрица расстояний

3. Происходит объединение объектов в группы по определенным методам

4. Строится дендрограмма последовательности объединения объектов в кластеры

5. Принадлежность объекта к кластерам сохраняется в отдельной переменной(с нейи можно работать как с отдельными переменными)

6. Иногда может потребоваться проверка кластеров на устойчивость

Оценка сходства между объектами сильно зависит от абсолютного значения признака и от степени его вариации в сово­купности. Чтобы устранить подобное влияние на процедуру классификации, можно значения исходных переменных норми­ровать одним из следующих способов:

Из всех методов кластерного анализа, самыми распространенными являются иерархические агломеративные методы. Сущность этих методов заключается в том, что на первом шаге каждый объект выборки рассматривается как отдельный кластер. Процесс объединения кластеров происходит последовательно: на основании матрицы расстояний или матрицы сходства объединяются наиболее близкие объекты. Если мат­рица сходства первоначально имеет размерностьт хт, то полностью процесс кластеризации завершается зат— 1 шагов, в итоге все объекты будут объединены в один кластер. Последова­тельность объединения легко поддается геометрической интер­претации и может быть представлена в виде графа-дерева (дендрограммы). На дендрограмме указываются номера объединяемых объектов и расстояние (или иная мера сходства), при котором произошло объединение.

• Метод одиночной связи

• Метод полных связей

• Метод средней связи

• Метод Уорда

Корреляция международных индексов:

DB - Doing Business

CPI - Corruption Perceptions Index Индексвосприятиякоррупциимеждународногоагентства Transparency International

IEF - Index of Economic Freedom

AGI - Aggregate Government Index

В целом, все международные индексы тесно взаимосвязаны.Небольшое расхождение индексов между корреляциями по всем странам и корреляциями по странам бывшего СССР говорит о меньшей репутационной устойчивости в оценках.

В ряде случаев международные рейтинги - это многолетние сравнительные исследования, с помощью которых собраны ценные базы данных. Методология расчета многих индексов и конкретных рейтингов на их основе регулярно уточняется и корректируется, что совершенно нормально для исследований такого масштаба. Это их «плюсы». Но вот вопрос: можно ли сложную, изменчивую и многомерную реальность современного мира адекватно измерить с помощью используемых в подобных индексах и рейтингах изолированных, не связанных друг с другом одномерных шкал: «демократия – автократия», «свобода – несвобода», «свободная пресса – несвободная пресса» и пр.?

Кроме того, основой для составления многих индексов и рейтингов являются экспертные оценки. Строгие статистические базы данных используются гораздо реже, как правило, в нацеленных на научную строгость академических проектах, не рассчитанных на широкую публику. Экспертные оценки, с одной стороны, позволяют более детально и тонко учитывать специфику изучаемых объектов. Но с другой стороны, при всех их достоинствах они по определению потенциально не свободны от субъективизма. Как раз подобные рейтинги, открытые для политического манипулирования, и предлагаются широкой публике. В подобных случаях нередко сказываются и вполне конъюнктурные политические мотивы, которые явно деформируют результаты сравнения стран. Чего стоит, например, приравнивание России по совокупной оценке состояния политических прав и гражданских свобод (5.5) в последнем докладе «FreedomHouse» к Анголе, Брунею, Камбодже, Египту, Ираку, Пакистану, Руанде, Таджикистану, Чаду и др.[10] Не нужно приукрашивать сегодняшнюю ситуацию в России, но такая оценка – лицемерие.

31.Многомерное шкалирование/ . Case-study: Коррупционные практики поведения по исследованиям ФОМ.

Методы многомерного шкалирования разрабатывались и применялись в практике для исследований сложных явлений и процессов, не поддающихся непосредственному описанию или моделированию.

В основу теории многомерного шкалирования положена идея о возможности развертывания наблюдаемых объектов в некотором теоретическом пространстве, адекватно отображающем реальность.

В отличие от других статистических методов поиск координатного пространства в МШ осуществляется не по значениям самих характеризующих объекты признаков, а по данным, представляющим различия, или наоборот, сходство этих объектов.

	Измерение1	Измерение2
Эстония	1,9716	-0,9754
Литва	1,5625	-0,2772
Грузия	1,636	0,1597
Латвия	1,3939	-0,1323
Армения	0,6311	0,4172
Азербайджан	0,7688	0,7351
Казахстан	0,2485	0,3019
Кыргызская Р.	-0,2627	0,4757
Молдова	-0,6867	-0,3678
Беларусь	-0,2863	0,3172
Россия	-1,1107	0,024
Украина	-1,799	-0,2584
Узбекистан	-1,8349	-0,298
Таджикистан	-2,2321	-0,3899

2

5 Человек и его работа. М. 1967.