Ciao a tutti. Benvenuti alla nostra presentazione di oggi su un nuovo componente aggiuntivo di rete per JMP che coinvolge reti di persone tramite questi diagrammi di rete. Mi chiamo Jerry Fish. Lavoro per JMP. Fornisco supporto ai nostri clienti nella zona centro-settentrionale degli Stati Uniti, Michigan, Wisconsin, Illinois e Indiana. Oggi sono in compagnia del mio collega Scott Allen.
Sono Scott Allen. Sono anche un ingegnere di sistema e supporto l'Ohio Valley Territory negli Stati Uniti.
Questo progetto è iniziato, direi che è iniziato circa 4 anni fa. Ho seguito un corso alla Wharton Business School su Risorse Umane e Analisi delle Risorse Umane. Uno degli argomenti di quel corso riguardava i diagrammi di rete, e questo mi ha incuriosito. Questo mi ha portato a presentare un abstract sui diagrammi di rete per il Discovery Summit di quest'anno.
Nonostante avessi semplicemente inviato l'abstract e ricevuto la notifica di accettazione, ho scoperto che Scott ci stava già lavorando in modo completamente indipendente. Ha funzionato davvero bene. Devo dare merito a Scott. Ha svolto almeno il 95% del lavoro, probabilmente la maggior parte del lavoro più impegnativo, della codifica e della creazione del software. Grazie, Scott. Sono così felice che ci siamo trovati d'accordo su questo. Ha funzionato davvero bene.
Oggi parleremo di un'applicazione di un diagramma di rete in un'organizzazione aziendale. Tra poco parlerò di un'azienda fittizia e mostreremo come funziona. Esaminerò diversi aspetti, poi passerò la parola a Scott per spiegare come funziona il software, come lo ha sviluppato e alcuni dettagli che non tratterò nella mia parte del discorso.
Poi torneremo a parlare di altre applicazioni per diagrammi di rete. Non è solo per le risorse umane. Può essere utilizzato in diversi contesti. Infine, concluderemo spiegando dove trovare e scaricare questo componente aggiuntivo.
Cominciamo con la nostra azienda immaginaria, ACME Medical Products. Ho chiesto a Microsoft Copilot di creare un'azienda con questi vari reparti e così tanti dipendenti, e di darmi dei nomi casuali. Da lì, in realtà, ho usato PowerPoint per creare questo organigramma. Sono sicuro che tutti abbiano visto un organigramma. È di natura gerarchica. Mostra semplicemente la struttura di comando di chi riporta a chi e il modo in cui è strutturata la vostra attività.
Una cosa che vorrei sottolineare, dopo aver visto l'amministratore delegato, i suoi diretti subordinati e i loro diretti subordinati e così via, è che quasi tutti questi riquadri rappresentano singoli individui. Ma a volte, in un organigramma, si vede qualcosa del genere. Questo riquadro qui, se ingrandisco, in realtà rappresenta tre persone. Non c'è niente di sbagliato in questo, ma l'aspetto visivo di un organigramma può essere un po' fuorviante se si cerca solo di capire quante persone fanno capo a un determinato individuo. È solo una cosa a cui fare attenzione. Vediamo se possiamo tornare indietro. Eccoci qui.
Poniamoci una domanda. Cosa succederebbe se potessimo impostare questo grafico in modo diverso? E se potessimo vedere, anziché solo la gerarchia di chi risponde a chi, se potessimo vedere le connessioni all'interno di questo nuovo grafico? È su questo che abbiamo lavorato, su questo diagramma di rete.
Questo è un esempio di diagramma di rete. Tutto quello che ho fatto finora è stato prendere i dati gerarchici dall'organigramma e trasporli in un diagramma di rete dal nostro nuovo componente aggiuntivo. Giusto per spiegarlo un po', si tratta di connessioni molto semplici. Questo punto qui al centro, il punto rosso, è il nostro CEO. Il suo nome in questo scenario è Darren Whitmore. Si trova proprio qui al centro dell'organizzazione, e tutte queste linee che escono sono i suoi subordinati diretti. Poi, da quei punti, c'è un'altra persona, e questa persona ha quattro subordinati diretti e così via. Sono esattamente le stesse informazioni che abbiamo visto nell'organigramma gerarchico, solo disposte in modo leggermente diverso.
I cluster generalmente parlano o deducono i dipartimenti. Possiamo cambiare le cose, e ne vedrete molte, come la dimensione dei punti, il loro colore, possono avere un significato. La dimensione o lo spessore e il colore di... li chiamiamo bordi, possono anche avere un significato. Lo vedremo tra poco. Inoltre, quando Scott mostrerà la sua demo del componente aggiuntivo vero e proprio, potrete passare il mouse sui punti e ottenere le normali informazioni, come queste, da quel particolare punto, proprio come farebbe un normale grafico JMP. Questa è solo una diapositiva di PowerPoint a questo punto.
Alcune definizioni. I cerchi in un grafico come questo sono chiamati nodi. Ne parleremo a lungo come nodi. Nel caso delle risorse umane, si può tradurre questo concetto in persone. Ogni punto si riferisce a una persona, a un individuo. Il colore dei nodi, come ho detto, può cambiare. In questo caso, può trattarsi di dipartimenti. Ho modificato alcune cose, quindi ora ogni dipartimento è codificato a colori. I bordi o le linee rappresentano le connessioni tra le persone. A questo punto, ci occupiamo ancora solo delle connessioni dell'organigramma, solo della gerarchia.
Ora, ci sono un paio di termini che incontrerete man mano che andiamo avanti. Uno di questi si chiama "gradi". È un termine abbastanza semplice. Se osserviamo questa persona qui, il valore del suo nodo ha 4 gradi. Ciò significa semplicemente che ci sono quattro linee che collegano questo nodo ad altri nodi. Questo è ciò che intendiamo quando leggi qualcosa sui gradi.
L'intermediazione è qualcosa di un po' diverso. L'intermediazione ha a che fare con il come si passa da un nodo all'altro? Pensate a questo come... Qui, abbiamo Andre Lewis e Olivia Grant, e si trovano ai lati opposti di questo grande diagramma di rete. Se Andre volesse comunicare con Olivia, immaginatelo mentre passa un biglietto in classe o qualcosa del genere. Andre lo passa al suo capo, che lo passa al suo capo e così via fino a qui, fino ad arrivare a Olivia, e Olivia riceve il messaggio. Bene, questo è giusto. Potrebbero esserci altri percorsi. Questa persona potrebbe passare da qui a qui e qui, oppure potrebbe andare da qui a qui a qui e qui. C'è questo concetto di percorso più breve per arrivare, diciamo, da Andre qui a Olivia.
Se si segnassero tutti i percorsi più brevi da ogni persona a ogni altra persona e poi si contasse quanti di questi percorsi più brevi passano attraverso un singolo nodo – ecco di nuovo il nostro CEO, Darren Whitmore – beh, si otterrebbe che l'83% di questi percorsi più brevi passi attraverso Darren Whitmore. Sembra che, in base a questo… A proposito, abbiamo la dimensione del nodo, la dimensione del punto è correlata alla centralità. Sembra che sia il pezzo grosso. Gestisce tutto. Tutto passa attraverso di lui. Ma questo non ci dice molto sulla vera interconnessione di questa organizzazione. Andiamo un po' oltre.
E se, come prima ipotesi, supponiamo di avere un dipartimento di otto persone, che queste otto persone comunichino tra loro, aggiungeremo queste connessioni a quell'organigramma gerarchico. Come cambierebbe questo l'intermediazione? Ecco cos'è questo organigramma. Ora, possiamo vedere in questo dipartimento, questo dipartimento colorato di blu, che abbiamo 8 o 10 persone. Non si vede molto bene, ma sono tutte collegate tra loro con linee, con nodi... Scusate, con archi. Ora, se questa persona vuole parlare con quest'altra persona, può farlo direttamente. Non deve passare da Darren o da chissà chi.
Ora, ricalcoliamo l'intermediazione, e questa si è ridotta per il nostro dirigente. Lui è qui nel mezzo. Il nostro CEO, Darren Whitmore, ha ora un valore di intermediazione del 2,7%, quindi solo una minima parte della comunicazione giornaliera passa attraverso Darren. Di più passa attraverso, per esempio, Tanya Brooks. Ora ha un punto molto più grande. Il 2,4% passa attraverso di lei e così via. Iniziamo a vedere un po' di più su come la comunicazione, come le informazioni fluiscono nella nostra azienda, come funziona l'azienda.
E ora? Bene, facciamo un sondaggio. Pensateci. Faremo un sondaggio. Lo sottoporremo a ogni persona nella nostra azienda. Questo sondaggio campione conterrà una sola domanda. Per favore, elencate tutti i dipendenti della nostra azienda con cui interagite regolarmente per motivi di lavoro.
Ora, questa è una domanda abbastanza semplice. Ecco come funziona. Ad esempio, il CEO, Darren Whitmore, risponde: "Beh, interagisco con tutto il suo team dirigenziale di alto livello". Beh, quelli qui sotto sono Lena, Rajiv e Monica. Interagisce anche con Carlos e Victor, quindi sono elencati anche loro. Abbiamo creato una tabella dati JMP, e questo è solo un piccolo estratto. Ha il nome di Darren nella prima colonna e tutte le connessioni che ha menzionato nella seconda colonna. Poi continuiamo a sviluppare questo per ogni altro membro dell'organizzazione. Che aspetto ha quando lo inseriamo nel nostro diagramma di rete?
Ecco qua. Ora, vediamo, ecco il nostro CEO seduto qui al centro. Ha ancora un tasso di connessione di circa il 2,7%. Ma concentriamoci qui su Bianca Torres. Bianca lavora in ingegneria. Questo è il gruppo di ingegneria, e questo è il capo dell'ingegneria. Ma Bianca è seduta qui. Era uno di questi puntini individuali qui, ma ora è molto più grande, il che significa che ha molte più connessioni. Se ci pensi, è connessa anche, oltre che con tutto il suo gruppo, con la qualità. È connessa qui con i gruppi di produzione. È connessa con il gruppo marketing. È coinvolta in molte cose diverse in azienda.
Come manager in azienda o magari come responsabile delle risorse umane, potresti notarlo e dire e pensare un paio di cose. Forse Bianca sta lavorando molto per mantenere l'azienda in contatto. Forse dovrebbe essere ricompensata. O forse sta dicendo: "Ehi, abbiamo Bianca che fa così tante cose che non riesce a gestire le sue normali responsabilità. Ecco perché i suoi altri sforzi sono stati vani. Forse dovremmo trovare qualcun altro che le assuma alcune di queste responsabilità per far funzionare l'azienda un po' meglio". È qualcosa in cui abbiamo una persona chiave, Bianca, che ci urla: "Ehi, è una dipendente preziosa. Sta succedendo qualcosa. Dobbiamo indagare un po' e scoprire se è davvero così che vogliamo che l'azienda funzioni".
D'altra parte, potremmo avere una persona isolata. Ecco Jordan Ellis qui sopra. Lavora nel marketing. Jordan risponde al suo capo, ed è l'unico collegamento di cui ci ha parlato. Beh, è una buona cosa o no? Forse. Forse Jordan è qui fuori a lavorare a un progetto speciale o qualcosa del genere, ed è quello che dovrebbe fare. Dovrebbe solo essere lì fuori a fare il suo lavoro. Ma forse è perché Jordan è un dipendente remoto e non si sente davvero in sintonia con le altre persone del suo dipartimento. Beh, se è così, forse dovremmo fare qualche sforzo in più per coinvolgere Jordan qui e contattarlo per assicurarci che si senta in sintonia. Questo aiuterà l'azienda. Potrebbe aiutare Jordan nella sua crescita professionale e così via.
Questo è un breve riassunto di come questi diagrammi di rete possono essere utilizzati in un ambiente HR. Ora passo la parola a Scott e lascio che sia lui a spiegarvi come funziona il programma e come lo ha sviluppato.
Ottimo. Grazie, Jerry. Ora esamineremo il componente aggiuntivo e alcune delle sue opzioni, mostreremo come creare questi diagrammi e poi alcune delle opzioni che puoi usare per modificare gli elementi visivi e interagire con essi per trarre conclusioni o acquisire informazioni.
Ecco la tabella dati, la stessa usata da Jerry. Ho solo aggiunto un'altra colonna, alcune colonne informative. Forse c'erano altre informazioni in quel sondaggio che avevano una certa frequenza: più alto era il numero, più frequenti o maggiori erano le comunicazioni tra quei due individui.
Per avviare il componente aggiuntivo, andiamo al menu "Componenti aggiuntivi" e selezioniamo il componente aggiuntivo "Analisi di rete". Se non hai familiarità con l'analisi di rete o non hai ancora configurato i dati, puoi trovare un documento di supporto per iniziare e alcuni dati di esempio per esercitarti prima di eseguire le tue reti. Diremo semplicemente "Esegui analisi di rete".
L'analisi di rete utilizza un pacchetto Python chiamato NetworkX. Richiama anche alcuni altri pacchetti Python. Non è possibile eseguirlo se non è installato il pacchetto Python appropriato. È possibile controllare lo stato. Riceverai un piccolo aggiornamento di stato che mostra che hai installato i pacchetti appropriati. Se ne manca qualcuno, vedrai una piccola x, e potrai installare i pacchetti mancanti qui. Nessun pacchetto viene installato automaticamente. Devi assicurarti di installarli.
Una volta installati tutti i pacchetti Python, puoi costruire il tuo grafo di rete. Selezioneremo semplicemente i nostri nodi e li assegneremo al ruolo Nodes. Dobbiamo specificarne la disposizione iniziale. Esistono diversi modi per disporre i nodi nello spazio. Un metodo comune è semplicemente un algoritmo Spring, ed è quello che useremo. In alternativa, a seconda delle tue esigenze visuali, potresti selezionarne altri.
Possiamo quindi selezionare diverse misure di centralità. Jerry aveva parlato di grado e centralità. Queste saranno attive di default, ma ce ne sono altre che è possibile selezionare. In questo caso, si tratta di una rete piuttosto piccola, quindi vengono calcolate abbastanza rapidamente. Ma se si hanno reti molto grandi, è possibile non eseguirle tutte perché potrebbero richiedere un po' di tempo. Una volta specificate, fare clic su OK.
Ora, otterremo il nostro diagramma di rete. Potrebbe apparire leggermente diverso da quello di Jerry perché c'è una certa casualità. Ci sono semi casuali coinvolti nella loro generazione. In generale, dovrebbero avere le stesse caratteristiche, ma potrebbero apparire leggermente diversi.
L'analisi di rete genera anche alcune tabelle e statistiche aggiuntive. In alto, abbiamo il nostro diagramma di rete. Abbiamo alcune statistiche di riepilogo. Questa tabella dei nodi mostra la disposizione spaziale di tutti i nodi generati in NetworkX, e questa è solo una copia della tabella originale.
La prima cosa che potresti voler fare è esplorare questa rete. Ci sono diversi strumenti per farlo qui sopra. Ad esempio, dov'è Darren Whitmore, il nostro CEO in questa rete? Possiamo ottenere un elenco di tutti i nodi e magari scorrere verso il basso e trovare Darren. Ora possiamo vedere dove si trova e, naturalmente, possiamo selezionare qualsiasi altro nodo per vedere dove si trova.
Bene, un'altra cosa che potresti voler fare è vedere chi è connesso a chi. Possiamo selezionare un nodo qui. Osserveremo Kimberly. Vogliamo selezionare tutti i diversi nodi con cui Kimberly è connessa. Possiamo farlo selezionando tutti i nodi connessi, e questo ci mostrerà con chi è connessa. Possiamo farlo in modo iterativo, quindi posso rieseguirlo, e questo mostrerà tutte le persone connesse a quelle connessioni. Puoi davvero iniziare a esplorare queste reti.
In questo caso, forse vorremmo dare un'occhiata a questo. Come ha detto Jerry, a volte otteniamo questi cluster difficili da vedere. Possiamo mostrare solo quella sottorete selezionata nascondendo tutto il resto e quindi ridimensionando la vista per ingrandire. Ora, possiamo vedere maggiori dettagli in quella sottorete interconnessa, oppure possiamo semplicemente usare alcuni strumenti JMP per aiutarci a ingrandire ulteriormente. Un'altra cosa che possiamo fare è quando arriviamo... Forse ti perdi qui, e devi tornare indietro completamente, in modo da poter mostrare tutti quei nodi e quindi ridimensionare la vista, e questo ci riporta alla vista originale.
La prossima cosa che potresti voler fare è iniziare a fare un'analisi di base. Jerry ha parlato dell'analisi del percorso più breve, quindi puoi sicuramente farla selezionando due nodi qualsiasi, assegnando loro ruoli e poi trovando il percorso più breve.
Un'altra cosa che possiamo fare è eseguire il rilevamento delle comunità, o qualcosa chiamato rilevamento delle comunità. È simile al clustering. Alcune di queste comunità avranno statistiche o caratteristiche simili. Esistono diversi algoritmi che è possibile eseguire per trovare queste comunità. Sappiamo che ci sono comunità intrinseche, come i dipartimenti o le posizioni nell'organizzazione. Ma in questo caso, potremmo esaminare cluster di comunicazione o comunità di comunicazione. Possiamo semplicemente eseguirne uno utilizzando l'impostazione predefinita e facendo clic su Esegui. Qui avremo un'opzione per colorare in base a una colonna, quindi ora possiamo colorare in base a quei cluster, quindi cliccherò semplicemente su OK.
Ora, otteniamo una vista a cluster e possiamo vedere diversi colori che corrispondono alle diverse comunità di questa rete. Alcuni di essi potrebbero avere senso. Certo, diversi dipartimenti sono probabilmente raggruppati insieme, ma potrebbero esserci delle sorprese. Vediamo questa interessante disposizione di comunicazione e clustering che potrebbe essere utile approfondire. Si ottengono anche alcune statistiche riassuntive per queste comunità.
Un'altra cosa che potresti voler fare per analizzare questa rete è semplicemente guardare la scheda Riepilogo Rete, che fornisce alcune statistiche comuni per la rete complessiva, oltre alle caratteristiche dei nodi e dei bordi. Otterrai anche istogrammi di riepilogo per tutte le misure di centralità calcolate, come grado, betweenness, autovettore e qualsiasi cosa sia stata selezionata nella finestra di dialogo iniziale.
In questo caso, forse siamo interessati a esaminare la betweenness. Per quanto riguarda la betweenness, possiamo vedere che la maggior parte della nostra comunità o rete ha una betweenness molto bassa. Si trovano ai margini. Ma ce ne sono alcune che hanno una betweenness molto più alta. Poiché utilizziamo JMP e tabelle di dati connesse, possiamo selezionarle e tornare al nostro diagramma di rete per vedere chi sono.
Credo che questo dimostri davvero la potenza del lavorare in Python, fare analisi che non è possibile eseguire in modo nativo in JMP, essenzialmente inviarle a Python e poi acquisire i risultati e inserirli nei grafici interattivi di JMP. Possiamo farlo per qualsiasi di queste selezioni e poi tornare al nostro diagramma di rete.
Penso che l'analisi di rete abbia in realtà due parti. Da una parte c'è la parte statistica, che permette di ottenere le statistiche di rete come quelle che abbiamo qui, e dall'altra c'è la visualizzazione. Ci sono molte opzioni grafiche diverse per aiutarti a organizzare questi nodi e archi in modo da ottenere maggiori informazioni.
È possibile modificare la disposizione. Alcune reti potrebbero apparire ottimali in diverse disposizioni, e basta selezionarle ed eseguirle. Si tratta di passare la rete a Python per eseguire l'analisi NetworkX, rigenerare l'orientamento spaziale e quindi ripristinarla. È anche possibile modificare i coefficienti per questi. Scoprirete che coefficienti diversi porteranno anche a risultati diversi. Per ora, tornerò alla sorgente. Noterete che se eseguite la stessa rete un paio di volte, potreste ottenere una visualizzazione diversa semplicemente a causa dei punti di partenza casuali.
Un'altra cosa che potresti voler fare è semplicemente selezionare colori o dimensioni diverse per le colonne future. In questo caso, forse torneremo al grado. Cercherò il colore del nodo. Lo seleziono, e in realtà è solo il grado. Seleziono quella colonna, clicco su OK, così possiamo tornare al colore del nodo. Voglio solo menzionare che questo sta utilizzando la funzionalità del grafico a bolle di JMP. Hai accesso anche a tutte le opzioni comuni del grafico a bolle. Forse in questo caso, vogliamo che tutti i nostri nodi siano riempiti e delineati per creare un po' di contrasto.
L'ultima cosa che potresti voler fare è cambiare i bordi. Puoi cambiare il colore dei bordi. Se non ti piace il colore, puoi colorarli per colonna. Quello che voglio fare in questo caso è forse cambiare la larghezza di queste. Sappiamo che nel nostro sondaggio abbiamo quella colonna di frequenza, ma nel nostro diagramma di rete, ciascuna di quelle linee ha la stessa larghezza. Cosa succede se modifico la larghezza in base alla frequenza? Ora posso vedere non solo chi comunica con chi, ma anche con quale frequenza. Possiamo cambiare questo in colonna, e lo cambierò in Frequenza e cliccherò su OK. Ora possiamo certamente vedere dove si trovano le conversazioni più frequenti. Anche se alcune persone comunicano come queste due qui, non è molto. Possiamo certamente vedere chi comunica di più in questo diagramma, giusto per aggiungere ulteriori informazioni.
Ci sono moltissime altre personalizzazioni che puoi apportare. Puoi effettivamente eseguire questa disposizione ora utilizzando quella colonna di peso degli archi. Nei diagrammi di rete, i nodi e gli archi svolgono ruoli diversi nel risultato o nella disposizione finale. Puoi aggiungere una colonna di peso e rieseguirla per ottenere una disposizione diversa che ti aiuti a mostrare la storia che stai cercando di raccontare.
Questo è tutto ciò che volevo mostrarti. Spero che, se stai iniziando con l'analisi di rete o magari dopo aver visto questo video, desideri iniziare, scoprirai che ci sono molti strumenti qui per aiutarti a farlo, lavorando in modo interattivo tra JMP e Python. Ti lascio la parola, Jerry.
Va bene. Grazie, Scott. Una cosa che volevo... Vediamo se riesco a condividere qui contemporaneamente. Fai due cose contemporaneamente, parlare e condividere. Una cosa che volevo sottolineare è che hai parlato di Python e di JMP. JMP si integra molto bene con Python, e tu stai usando... Perché reinventare la ruota, giusto? Stai usando Python per alcuni calcoli, e poi la potenza di JMP e la sua capacità interattiva per visualizzare le cose. Ho pensato che fosse semplicemente fantastico. Ora, dovremmo condividere di nuovo.
Da dove provengono questi dati? Abbiamo parlato molto dei diagrammi stessi. Beh, abbiamo già accennato che potrebbe trattarsi di un sondaggio. Volevo però aggiungere una nota. Fate attenzione alle questioni relative alla privacy quando fate un sondaggio. Potreste iniziare a porre domande a cui le persone potrebbero non voler rispondere e potrebbero finire nei guai. Se lo state facendo per una candidatura alle risorse umane, assicuratevi di contattare il vostro ufficio Risorse Umane. Potete scaricare alcuni dati da Facebook, LinkedIn e simili e consultare queste reti.
Ci sono alcuni problemi su cui potresti riflettere. Come si quantifica la forza della connessione? Scott ha menzionato la frequenza delle connessioni, e credo che tu l'abbia usata su una scala da 1 a 10. Bene, come fai ad assicurarti che un 7 sulla scala di una persona sia un 7 sulla scala di un'altra? Questo è un problema comune con queste scale soggettive.
Come si risolvono le differenze di relazione? Supponiamo che la persona A dica: "Ho un forte legame con...". Supponiamo: "Ho un forte legame con Scott", e Scott risponde: "No, non parlo molto con Jerry". Come si risolve questo problema? Non ho una risposta valida per te. È qualcosa su cui potresti dover lavorare.
Come si quantifica la direzione del flusso di informazioni? Forse Scott mi fornisce molte informazioni ogni giorno, ma io non gliene do molte. Potremmo avere un'elevata connettività, un'alta frequenza di comunicazione, ma tutto scorre in una sola direzione. Ci sono solo un sacco di cose diverse a cui pensare mentre si gioca con questo componente aggiuntivo.
Nelle Risorse Umane, abbiamo parlato di come individuare influencer nascosti e individui isolati. Puoi anche usarlo per migliorare l'onboarding. Accogli qualcuno e, invece di mostrargli semplicemente un organigramma, puoi dire: "Ora, questa persona qui, questa è una persona di riferimento. Vuoi avvicinarti a quella persona perché sa molto di quello che sta succedendo". Puoi mostrarglielo in questo diagramma. La gestione del cambiamento, se stai annunciando una nuova organizzazione, potrebbe essere un buon modo per dimostrarlo. Puoi giustificare azioni delle Risorse Umane come promozioni e incoraggiamento dei dipendenti. Puoi semplicemente visualizzare il flusso di informazioni all'interno della tua organizzazione, tutte cose utili per un'azienda.
Ora, come ho detto prima, ci sono altre applicazioni per questo, oltre alle risorse umane. Se guardi nella documentazione di supporto, vedrai queste... Credo che ci siano quattro slide che Scott ha incorporato nel suo file di supporto. Scott, vuoi spiegarci di cosa tratta ciascuna di queste?
Certo. Ognuno di questi set di dati è disponibile nel componente aggiuntivo. Questo è un dato anonimo di Facebook. Ci sono migliaia di nodi in questo caso, e potresti voler analizzare questi dati per vedere chi è un influencer o chi potrebbe fungere da ponte tra due diverse comunità. In questo caso, abbiamo colorato i nodi selezionandone uno. Abbiamo selezionato il nodo viola, selezionato tutti quelli connessi, e poi quelli sono colorati in verde acqua, e poi tutti i nodi non connessi al viola sono in blu. Puoi vedere che il viola è connesso a quel verde acqua in quella massa blu laggiù in basso. Puoi vedere chi sono i connettori o chi potrebbero essere gli influencer nelle grandi reti di connessioni social.
Il prossimo passo è l'analisi del microbioma. Si tratta di una riproduzione di alcuni risultati pubblicati, e fornisco un link alla pubblicazione e al set di dati. Questo può mostrare quali batteri, quali microbi, in questo caso nell'intestino, possono interagire tra loro in modo positivo o negativo, e l'entità di tali interazioni o lo spessore. Ora potete iniziare a vedere le relazioni tra sistemi ecologici o biologici.
Il prossimo esempio, questo è solo un esempio divertente. L'ho visto mentre cercavo esempi di analisi di rete, e mi sono imbattuto in questo grafico. Ho rintracciato il set di dati e volevo solo dimostrare che è possibile creare un diagramma di rete divertente. Questo mostra tutte le diverse partite e competizioni per i Campionati del Mondo di Scacchi dal 1886 al 1985. Basta dire chi ha giocato contro chi. In molti casi è molto lineare, ma si vedono alcune diramazioni. Emanuel Lasker ha giocato contro parecchie persone. Si può vedere Bobby Fischer in alto, che gioca solo contro Boris Spassky. Questo è solo un esempio divertente in questo set di dati, credo sia disponibile anche nel componente aggiuntivo.
Fischer era il mio idolo quando da bambino imparavo a giocare a scacchi. Mi sto invecchiando.
Quest'ultimo esempio è... Penso che in JMP parliamo molto di modelli predittivi e reti neurali quando si parla di reti neurali artificiali. Un'altra applicazione è la visualizzazione di reti neurali reali. Questa è una specie di verme, e la sua rete neurale reale è stata mappata. Ogni nodo è un neurone e ha connessioni diverse con neuroni diversi. Ho appena eseguito un semplice algoritmo di clustering comunitario, l'ho colorato in base a queste connessioni e l'ho organizzato. Come potete vedere, sembra quasi una mappa di una rete neurale artificiale, e poi ho colorato quei bordi in base al numero di connessioni tra i nodi. Più scuro è il colore, più connessioni ci sono tra quei nodi.
Se stai iniziando con l'analisi di rete e non hai ancora i tuoi dati, speriamo che tu possa iniziare a esercitarti con questi set di dati.
Esistono poi altre applicazioni per i diagrammi di rete. È possibile analizzare le relazioni tra stakeholder e account, la gestione dei progetti. È possibile mappare le risorse della comunità. È possibile facilitare la collaborazione. Se si nota che due gruppi operano in modo piuttosto indipendente, è possibile riunirli. Trasmissione di malattie. Forse si sta esaminando quali comunità hanno una particolare epidemia e quali no, dove potrebbero esserci delle barriere. Mappatura della catena di approvvigionamento e tante, tantissime altre applicazioni per cui è possibile utilizzarlo.
Il nostro componente aggiuntivo... lo uso in senso lato. Il componente aggiuntivo di Scott si trova su marketplace.jmp.com. È lì che troverete tutti i componenti aggiuntivi di JMP di oggi, tutti i componenti aggiuntivi JMP disponibili. Cercate "Network Analysis" oppure potete semplicemente digitare questo URL specifico. Assicuratevi di cercare "Network Analysis". Ce n'è un altro che si chiama "Network something else". Sono sicuro che sia altrettanto utile, ma questo in particolare si chiama "Network Analysis". Quindi, una volta scaricato e installato in JMP, avrete accesso alla guida e ai file di dati di esempio che Scott ha così opportunamente fornito con il componente aggiuntivo.
Con questo, vorrei ringraziarvi. Grazie, soprattutto a Scott, per tutto il duro lavoro che ha fatto per mettere insieme tutto questo. Grazie, come spettatori e ascoltatori di oggi, per aver dato un'occhiata al nostro lavoro. Per qualsiasi domanda, ecco i nostri recapiti. Non esitate a contattarci. Saremo lieti di parlare con voi. Grazie.
