Opis
O knjizi:
Analiza socijalnih mreža (SNA) skup je analitičkih metoda kojima se prikazuje i mjeri povezanost i tijek npr. transakcije, utjecaja, informacije, robe ili nečeg drugog (ovisno o temi povezanosti) između osoba, grupa, organizacija i drugih čvorova. Analiza socijalnih mreža pomaže u otkrivanju skrivenih povezanosti i stupnjeva utjecaja među čvorovima te je ujedno i najkompleksnija razina mrežne analize (postoje tri razine). Primjenjuje se u financijama i bankarstvu, osiguranju, telekom industriji, upravljanju ljudskim resursima, nacionalnoj i korporativnoj sigurnosti, medicini i zdravstvu i dr.
Korištenjem analize (socijalnih) mreža postižu se ovakvi konkretni poslovni rezultati: 10x poboljšanje retentiona i up-sell uspješnosti; na svakog zadržanog influencera, zadržava se još 3,3 klijenta; akvizicija klijenata poboljšava se 21x; usmjeravanjem kampanje na influencere te primjenom viralnog efekta na sljedbenika postiže se 50%-tno povećanje prodaje.
Analiza (socijalnih) mreža može se i primijeniti u društvenim mrežama npr. Facebooku, Twitteru i dr., i to SNA analizom vaše FCB stranice koju, primjerice, posjećuje više desetaka tisuća klijenata možete saznati koji klijenti se nalaze blizu središta mreže. Ti klijenti mogu kroz 5 koraka (5 drugih klijenata) prenijeti informacije o vašem novom proizvodu do 90% svih klijenata mreže. Oni klijenti koji se nalaze na obodu mreže za to isto trebaju 23 koraka (23 druga klijenta). Za promociju proizvoda vam vrlo učinkovito mogu pomoći i klijenti koji spajaju različite dijelove mreže kao i klijenti koji imaju najveći socijalni kapital (najveći broj veza) i dr.
Iz sadržaja:
Znanost o podacima ……………………………………………………………………………………………………….. 18
Data science u užem i širem smislu …………………………………………………………………………………..20
Reaktivni vs. proaktivni pristup …………………………………………………………………………………………………………20
Podatkovni znanstvenik vs. tim podatkovnih znanstvenika ………………………………………………………….21
Što je zapravo data science? ………………………………………………………………………………………………………………21
Pristup Booza Allena Hamiltona (i naš pristup) data scienceu ………………………………………………………22
Pogled kroz 720°: operativna vs. strateška razina i horizontalni vs. vertikalni pristup ……………….25
BI vs. »data science« ili ETL vs. DAD …………………………………………………………………………………………………..26
Tehnološki i poslovni pogled na data science ………………………………………………………………..31
Data science u politici…………………………………………………………………………………………………………… 37
»Obama for America« …………………………………………………………………………………………………………………………37
Začeci data sciencea u politici ……………………………………………………………………………………………………………38
Demokrati u davnoj i bližoj prošlosti ………………………………………………………………………………………………..40
Republikanci i politički/lifestyle DNK ……………………………………………………………………………………………….43
Penn: politički data researcher mikrotrendova ……………………………………………………………………………….45
Trendovi neodlučnih glasača …………………………………………………………………………………………………………….47
Sadašnjost: mrežni pristup i ponovno Obama ………………………………………………………………………………..49
Budućnost primjene data sciencea u politici: promjena paradigme i rušenje dogmi ………………..51
Uvod u analizu (socijalnih) mreža …………………………………………………………………………….54
Uvod u analizu socijalnih mreža ………………………………………………………………………………………..56
»Mali svijet« Stanleyja Milgrama ……………………………………………………………………………………………………….59
Metode i metrika analize socijalnih mreža ………………………………………………………………………………………83
Homofilija i asortativno miješanje …………………………………………………………………………………………………..113
Mehanizmi u osnovi homofilije: odabir i društveni utjecaj …………………………………………………………124
Povezivanje (afilijacija) ……………………………………………………………………………………………………………………..125
Usklađena tržišta …………………………………………………………………………………………………………………..130
Savršeno poklapanje ……………………………………………………………………………………………………………………….. 130
Vrednovanje i optimalno dodjeljivanje …………………………………………………………………………………………. 134
Market-clearing prices …………………………………………………………………………………………………………………….. 136
Aukcije ………………………………………………………………………………………………………………………………………………. 139
Modeliranje mrežnog prometa upotrebom teorije igara …………………………………………141
Model mrežnog prometa. Stanje ravnoteže…………………………………………………………………………………..141
Braessov paradoks …………………………………………………………………………………………………………………………… 143
Odnos stanja ravnoteže i društveno optimalnog prometa ………………………………………………………… 145
Praktična primjena SNA ……………………………………………………………………………………………….150
Uvod u praktičnu primjenu SNA u poslovanju
(primjer telekomunikacijske industrije) ………………………………………………………………………….152
Izravne prednosti primjene SNA u telekomunikacijskoj industriji …………………………………………….. 156
Uvod u modeliranje i segmentacija ………………………………………………………………………………………………. 162
Primjer tehničke strukture složenog projekta ………………………………………………………………………………165
Znate li tko su najutjecajniji korisnici vaše mreže
(analiza mreže na razini klijenta)? ………………………………………………………………………………………………….. 166
Procjena vrijednosti segmenata upotrebom »društvene vrijednosti« ………………………………………168
Identifikacija kućanstava te prijatelja i obitelji …………………………………………………………………………….. 169
Scoring modeli …………………………………………………………………………………………………………………………………..171
Churn modeli obogaćeni SNA metrikama i retention kampanje ………………………………………………. 179
Upravljanje marketinškim kampanjama i viralni marketing zasnovan na SNA …………………………200
Ostale zanimljive primjene ……………………………………………………………………………………………………………..203
Primjer projekta i projektne arhitekture ………………………………………………………………………………………..205
Popis najčešće upotrijebljenih atributa; preporuka ………………………………………………………………………212
Prediktivno modeliranje odlazaka korisnika telekomunikacijskih operatera ……..214
Dizajn razvojnog uzorka …………………………………………………………………………………………………………………..214
Dizajn ciljne varijable ………………………………………………………………………………………………………………………..216
Validacija modela ………………………………………………………………………………………………………………………………216
Primjena …………………………………………………………………………………………………………………………………………….219
Financijski sektor ………………………………………………………………………………………………………………….221
Analiza rizičnosti ………………………………………………………………………………………………………………………………221
Tradicionalni pristup bankarskim rizicima …………………………………………………………………………………….222
Analiza socijalnih mreža i njezina uloga u procjeni bankarskih rizika ……………………………………….227
Otkrivanje / forenzika prijevara ………………………………………………………………………………………………………228
Osiguravateljski sektor ………………………………………………………………………………………………………..231
Uloga analize socijalnih mreža u otkrivanju prijevara u osiguranju …………………………………………..234
Koncept sustava za otkrivanje prijevara u 10 koraka ……………………………………………………………………235
Primjena SNA pri evaluaciji odštetnih zahtjeva u autoosiguranju ……………………………………………..236
Ograničenja SNA ………………………………………………………………………………………………………………………………. 241
Zaključak …………………………………………………………………………………………………………………………………………… 241
Zdravstvo i medicina …………………………………………………………………………………………………………..242
Širenje visoko rezistentnih infekcija ……………………………………………………………………………………………….242
Simulacija širenja infekcija ………………………………………………………………………………………………………………245
SNA nadopuna rutinskom istraživanju kontakata tuberkuloznih bolesnika ……………………………. 251
Ljudski resursi ………………………………………………………………………………………………………………………..262
Ljudski vs. socijalni kapital u modernom HR menadžmentu ………………………………………………………262
Kontekst analize organizacijskih mreža …………………………………………………………………………………………266
Organizacije 21. stoljeća …………………………………………………………………………………………………………………..268
SNA na primjerima ……………………………………………………………………………………………………………………………275
Korporativne prijevare ………………………………………………………………………………………………………. 285
Nacionalna sigurnost …………………………………………………………………………………………………………. 292
Mrežna analiza dijela terorističke mreže Al-Qa’ide ………………………………………………………………………299
Mrežna analiza organiziranog kriminalnog djelovanja u Republici Hrvatskoj ………………………….307
Robna razmjena ……………………………………………………………………………………………………………………315
SNA programska rješenja ……………………………………………………………………………………………324
Praktična primjena SNA SW: Node XL (primjer Twitter) …………………………………………….326
Kako analizirati komunikaciju na Twitteru s pomoću NodeXL-a …………………………………………………328
Komparativna analiza SNA SW …………………………………………………………………………………………342
Gephi ………………………………………………………………………………………………………………………………………………….342
NetworkX …………………………………………………………………………………………………………………………………………..343
IGraph ………………………………………………………………………………………………………………………………………………..344
Pajek …………………………………………………………………………………………………………………………………………………..344
NodeXL ………………………………………………………………………………………………………………………………………………345
GraphX ……………………………………………………………………………………………………………………………………………….346
Graph-tool …………………………………………………………………………………………………………………………………………346
NetworKit…………………………………………………………………………………………………………………………………………..347
SNAP …………………………………………………………………………………………………………………………………………………..347
Usporedba alata ……………………………………………………………………………………………………………………………….348
Odabir alata ……………………………………………………………………………………………………………………………………….352
Socijalna fizika …………………………………………………………………………………………………………………. 354
Socijalna fizika ……………………………………………………………………………………………………………………….356
Ime »socijalna fizika« ………………………………………………………………………………………………………………………..356
Big data: »motor« koji pokreće socijalnu fiziku ……………………………………………………………………………..357
Studije slučaja ……………………………………………………………………………………………………………………………………359
Literatura …………………………………………………………………………………………………………………………………………………..366
Popis slika …………………………………………………………………………………………………………………………………………………. 371
Popis tablica ………………………………………………………..373