hrvatski

Analiza (socijalnih) mreža: praktična primjena

Dragi čitatelji, »U ruci držite plod ideje čija je iskra planula prije više od petnaest godina. Riječ je o primjeni strukturiranih analitičkih tehnika u poslovanju. Naravno, ta je ideja evoluirala, prateći trendove i potrebe suvremenih gospodarskih i drugih subjekata. Tako je započela priča o kompetitivnoj analizi. Osmišljavajući integralni pristup kompetitivnoj analizi, uočili smo potrebu ostvarenja sinergijskog učinka primjene različitih analitičkih tehnika nad istim poslovnim problemskim prostorom....« Ne možemo zamisliti drugačiji početak Predgovora ove knjige od citiranja uvodnih rečenica iz naše prethodne knjige Tehnike kompetitivne analize1. Jedno od poglavlja u navedenoj knjizi odnosi se na mrežnu analizu, a u sklopu tog poglavlja i na analizu (socijalnih) mreža (SNA). Mrežama se bavimo više od 20 godina. Mreže su svuda oko nas. Primjenjujući strukturirane analitičke tehnike mogli bismo utemeljeno postaviti hipotezu koja glasi: »postoji golem potencijal mreža i mrežnog načina razmišljanja koji nije dovoljno iskorišten«. Upravo smo tu hipotezu imali na umu pri pisanju ove knjige, no i ta je ideja (začeta prije više od petnaest godina) doživjela svoju evoluciju pa i revoluciju. Može se reći da je sjeme te ideje posijano objavljivanjem knjige Primjena analitičkog softvera2, namijenjene stručnom osposobljavanju analitičara, s obzirom na to da su u njoj obrađeni alati kojima se mogu izvoditi mnogobrojne analitičke tehnike: analiza povezanosti, mrežna analiza, analiza tijeka roba, telefonskih zapisa, tijeka događaja i dr. Nastavak evolucije te ideje slijedile su knjige o kompetitivnoj analizi – uz prethodno navedene, to su i knjige Kompetitivna analiza 1: poslovne i ekspertne kvantitativne analitičke tehnike3 i Kompetitivna analiza 2: strukturirane i kreativne analitičke tehnike4. Godine 2014. objavljena je knjiga Ekonomska analiza međunarodnog terorizma5, u kojoj je poglavlje pod nazivom »Primjena SNA u suzbijanju međunarodnog terorizma« posvećeno specifičnoj primjeni analize socijalnih mreža. I eto, 2016. godine objavljujemo knjigu Analiza (socijalnih) mreža: praktična primjena. Prethodnim rečenicama pokušali smo dočarati evoluciju ideje mrežne analize, a onda se dogodila znanost o podacima (data science) – revolucija. Već neko vrijeme traje opća diskusija i pokušaj da se jednostavno definira pojam data science, međutim, prema našemu mišljenju najbolja jest definicija Booza Allena Hamiltona (The Field Guide to Data Science): »Describing Data Science... is like trying to describe a sunset... it should be easy... but somehow capturing the words is impossible...«. Trud iznalaženja jednostavne, a opet sveobuhvatne definicije data sciencea rezultirao je sljedećim: data science jest umijeće pretvaranja podataka u akcije (»Data Science is the art of turning data into actions...«). Data Science je poput kuhanja… GLAD je poslovni problem HRANA je rješenje RECEPTI su smjernice PODACI su sastojci Budući da… RAZLIČITI KUHARI drukčije pripremaju hranu spravljenu od istih sastojaka SLADOKUSCI su katkada siti, a katkada gladni Tko čini razliku? PODATKOVNI ZNANSTVENICI i njihove inovacije koje jela čine neodoljivima Oni su… ŠEFOVI KUHINJA PODATAKA Za tako nešto potrebna su posebna znanja i vještine, a jedna od metoda jest i analiza (socijalnih) mreža. Međutim, što je još važnije, potrebni su vam podatkovni znanstvenici (data scientisti). Tko je data scientist ili podatkovni znanstvenik? U Mreži, časopisu za IT-profesionalce iz ožujka 2015., pokušali smo što jednostavnije dati odgovor na to kompleksno pitanje.6 Vrlo, vrlo, vrlo sažeto rečeno, data science je za nas znanje i vještina integriranja, analize i interpretiranja podataka u digitalnom obliku. Dakle, pri definiranju pojma data science, ključni je sastojak interdisciplinarno znanje u kombinaciji s analitičkim vještinama. Tijekom svibnja 2014. provedeno je istraživanje (Visoko učilište Algebra u suradnji s portalom MojPosao) radi uvida u raspoloživost i kvalitetu traženih kadrova u rastućem području data sciencea u Hrvatskoj. Rezultati provedenog istraživanja i empirijski su potvrdili kako je data science nužno promatrati u širem kontekstu. Podatkovni znanstvenik posjeduje razvijenu poslovnu pronicljivost i sposobnost prenošenja rezultata i poslovnom i IT- menadžmentu pa tako omogućuje organizaciji da se na najbolji način suočava s poslovnim izazovima i problemima. Podatkovni znanstvenik nije samo analitičar koji prikuplja podatke i izvješćuje o rezultatima nego ih izučava i utvrđuje njihovo značenje iz različitih kutova te daje preporuke za njihovu primjenu. Podatkovni znanstvenik istražuje, postavlja pitanja, izrađuje analize what if i iznova provjerava postojeće pretpostavke i procese. On je znatiželjna osoba koja istražujući podatke uočava trendove i otkriva prethodno skrivena značenja koja pružaju konkurentsku prednost ili rješenje konkretnog problema. Tri su ključna razloga (od mnogo njih) zašto je data science drukčiji te zašto predstavlja revoluciju. 1. Otkrivanje vs. reproduciranje pitanja: data science otkriva nova pitanja umjesto da samo odgovara na postojeća. 2. Proaktivnost vs. reaktivnost: data science traži odgovor na pitanje što je potrebno napraviti, a ne što se dogodilo. 3. Podatkovni znanstvenik vs. tim podatkovnih znanstvenika: timski rad rezultira sinergijom računalnih i matematičkih znanstvenika te poslovnih eksperata. Ova knjiga rezultat je timskog rada. Napisao ju je tim data scientista.

Socijalne mreže, mrežna analiza, data science, mrežna metrika, gustoća, dijametar, mjere centraliteta, grupiranost u mreži, SNA softveri

nije evidentirano