皆さん、こんにちは。本日は、ネットワーク図を通して人々のネットワークを可視化するJMPの新しいネットワークアドインのプレゼンテーションへようこそ。私はJerry Fishです。JMPで勤務し、米国中部北部、ミシガン州、ウィスコンシン州、イリノイ州、インディアナ州のお客様をサポートしています。本日は同僚のScott Allenが参加しています。
スコット・アレンです。システムエンジニアとして、アメリカのオハイオバレー地域を支援しています。
このプロジェクトは、確か4年くらい前に始まったと言ってもいいかもしれません。私はウォートン・ビジネス・スクールで人事、つまり人材分析のクラスを受講していました。そのクラスでネットワーク図に関する内容が取り上げられ、それがきっかけで興味を持ちました。それがきっかけで、今年のディスカバリー・サミットにネットワーク図に関する概要を提出することになったのです。
まだ要旨を提出して採択通知を受け取ったばかりだったのですが、スコットが既に完全に独立してこの研究に取り組んでいたことを知りました。本当にうまくいきました。スコットに感謝の意を表します。彼は少なくとも95%の作業、おそらくコーディングとソフトウェアの作成といった重労働をこなしてくれました。スコット、ありがとう。私たちが一緒にこの研究に取り組めたこと、本当に嬉しいです。本当にうまくいきました。
今日は、ビジネス組織におけるネットワーク図の応用についてお話します。架空の会社について少しお話ししますが、その会社がどのようにネットワーク図を描くのかをお見せします。いくつかポイントを説明した後、スコットにバトンタッチして、ソフトウェアの仕組み、開発方法、そして私の講演では触れなかった機能についてお話ししてもらいます。
その後、他のネットワーク図作成アプリケーションについてもお話しします。これは人事部門だけに限った話ではありません。様々な場面で活用できます。最後に、このアドインの入手先とダウンロード方法についてまとめます。
架空の会社「ACME Medical Products」から始めましょう。Microsoft Copilot を使って、様々な部門と多数の従業員を持つ会社を作成し、ランダムな名前を付けてもらいました。そして、PowerPoint を使って、ここにある組織図を作成しました。皆さんも組織図を見たことがあると思います。組織図は階層構造になっており、誰が誰に報告するかという指揮命令系統と、事業の組織図を示しています。
CEOとその直属の部下、さらにその直属の部下といった具合に、ここで一つ言及しておきたいことがあります。これらのボックスのほとんどは、個々の人物を表しています。しかし、組織図では、このような表示になることがあります。このボックスを拡大すると、実際には3人です。これは必ずしも問題ではありませんが、組織図の視覚的な側面だけでは、特定の人物に何人の部下がいるのかを知りたいだけの場合、少し誤解を招く可能性があります。この点には注意が必要です。さあ、戻ってみましょう。
自分自身に問いかけてみましょう。もしこの図を別の形でレイアウトできたらどうなるでしょうか？誰が誰に報告しているかという階層構造だけでなく、この新しい図の中につながりが見えたらどうなるでしょうか？まさに私たちが取り組んでいるのが、このネットワーク図です。
これはネットワーク図の例です。ここまでの作業は、組織図の階層構造データを新しいアドインのネットワーク図に転置しただけです。少し説明すると、非常にシンプルな接続になっています。真ん中の赤い点がCEOです。このシナリオでは、彼の名前はDarren Whitmoreです。彼は組織のまさに中心に位置しており、そこから伸びている線はすべて彼の直属の部下です。そして、これらの点から伸びている線は別の人物で、この人物には4人の直属の部下がいます。これは階層構造の組織図で見た情報と全く同じですが、レイアウトが少し異なります。
クラスターは一般的に、部門について言及したり、推測したりします。様々な要素を変更することが可能で、これから多くの点が出てきます。例えば、ドットのサイズや色などは意味を持ちます。エッジと呼ばれるもののサイズ、太さ、色にも意味があります。これについては後ほど説明します。また、スコットが実際のアドインのデモを見せてくれた際には、点にマウスポインターを合わせると、通常のJMPグラフと同様に、その点からこのように通常の情報を取得できます。これは現時点ではPowerPointのスライドです。
いくつか定義を述べましょう。このようなグラフ内の円はノードと呼ばれます。これからノードについて詳しく説明していきます。人事の場合、これは人を表します。それぞれの点は人、つまり個人を表します。先ほど述べたように、ノードの色は変更できます。この場合は、部門を表します。変更を加えたので、各部門が色分けされています。エッジや線は、人と人のつながりを表しています。この時点では、まだ組織図のつながり、つまり階層構造だけです。
さて、これから説明するいくつかの用語について見ていきましょう。その一つが「度」です。これは非常に単純な用語です。この人物を見てみると、ノードの値は4度です。これは、このノードから他のノードにつながる線が4本あることを意味します。度について何かを見れば、それが意味するところです。
媒介性は少し異なります。媒介性とは、あるノードから別のノードにどうやって移動するかに関係しています。考えてみてください。ここに、アンドレ・ルイスとオリビア・グラントがいて、この大きなネットワーク図の反対側にいます。アンドレがオリビアと通信したい場合、授業中などにメモを渡すようなものだと考えてください。アンドレは上司に渡し、上司はオリビアの上司に渡し、そしてオリビアのところまでずっと渡っていき、オリビアがメッセージを受け取ります。まあ、それはそれでいいでしょう。他の経路もあり得ます。この人はここからここまで来てここまで来るかもしれませんし、ここからここからここまで来てここまで来てここまで来るかもしれません。例えば、アンドレからここからオリビアまで行くための最短経路という概念があります。
すべての人からすべての人への最短経路をすべてマークアップし、それらの最短経路のうち、個々のノード（ここに再びCEOのダレン・ホイットモアがいます）を通過する経路の数を数えると、最短経路の83%がダレン・ホイットモアを経由することがわかります。これに基づくと…ちなみに、ノードのサイズがあり、ドットのサイズは媒介関係に関係しています。彼は大物に見えます。彼はすべてを掌握し、すべてが彼を経由しています。しかし、これだけではこの組織の真のつながりについてはあまり分かりません。もう少し詳しく見てみましょう。
最初の前提として、例えば8人で構成される部署があり、その8人全員が互いに連絡を取り合っていると仮定しましょう。そして、そのつながりを階層的な組織図に追加するとどうなるでしょうか。これで、関係性はどのように変化するでしょうか？それがこの図です。この部署、青い色の部署には、8人か10人の人がいます。よく見えませんが、全員が線、ノード、いや、エッジで繋がっています。これで、ある人が別の人に連絡を取りたい場合、直接連絡を取ることができます。わざわざダレンなどを介してここまで来る必要はありません。
さて、媒介性を再計算すると、幹部の媒介性は減少しました。彼は真ん中にいます。CEOのダレン・ウィットモアの媒介性は2.7%です。つまり、日々のコミュニケーションのうち、ダレンを経由する割合は非常に少ないということです。例えば、ここにいるタニヤ・ブルックスを経由する割合の方が高くなっています。彼女のドットは以前よりずっと大きくなり、2.4%が彼女を経由しています。このように、コミュニケーションや情報がビジネスの中でどのように流れ、ビジネスがどのように機能しているかが、少し見えてきました。
では、どうしましょう？ では、アンケートを実施しましょう。考えてみてください。アンケートを実施します。社内の全員にアンケートを配布します。サンプルアンケートには、1つの質問だけを記入します。業務上、定期的にやり取りのある当社の従業員全員をリストアップしてください。
これはかなりシンプルな質問です。例えば、CEOのダレン・ウィットモアが「私は彼のCレベル役員チーム全員と交流しています」と返信したとします。ここにいるのは、レナ、ラジブ、モニカです。彼はカルロスとビクターとも交流しているので、彼らもここにリストされています。JMPデータテーブルを作成しました。これはそのほんの一部です。1列目にダレンの名前、2列目に彼が言及したすべてのつながりが表示されています。そして、組織内の他の各個人についても同様に構築していきます。これをネットワーク図に当てはめると、どのように見えるでしょうか？
これがそれです。さて、CEOが真ん中に座っています。彼の接続率は依然として約2.7%です。では、ビアンカ・トーレスに注目してみましょう。ビアンカはエンジニアリング部門で働いています。こちらがエンジニアリンググループで、こちらがエンジニアリング部門のボスです。ビアンカはここに座っています。以前はここにいる個々の点の1つでしたが、今ではずっと大きくなっており、より多くの接続を持っていることを意味します。ご覧の通り、彼女はグループ全体だけでなく、品質管理部門にも接続しています。こちらでは製造グループ、マーケティンググループにも接続しています。彼女は会社内の様々な業務に関わっています。
会社のマネージャーや人事担当者として、あなたはこれに気づき、いくつかのことを言ったり考えたりするかもしれません。もしかしたら、ビアンカは会社の繋がりを維持するために多くの仕事をしている。彼女には報いるべきだ、と。あるいは、「ビアンカはあまりにも多くのことをやらされているので、本来の業務をこなすことができない。だから他の仕事が滞っているのだ。会社の業務を少しでも良くするために、彼女の代わりに業務の一部を担ってくれる人を探す必要があるかもしれない」と言っているのかもしれません。これは、ビアンカという重要な人物が私たちに「彼女は貴重な従業員だ。何かが起こっている。もう少し調査して、本当にこれが会社の望ましいやり方なのかを見極める必要がある」と強く訴えかけているようなものです。
一方で、サイロ化された人材がいるかもしれません。ここにジョーダン・エリスがいます。彼はマーケティング部門で働いています。上司に報告しており、彼が私たちに話してくれた唯一のつながりは上司です。これは良いことでしょうか、それとも悪いことでしょうか？もしかしたらそうかもしれません。ジョーダンは特別なプロジェクトか何かで外で仕事をしているのかもしれません。それが彼の本来の仕事です。彼はただ自分の仕事をしているだけなのです。しかし、もしかしたらジョーダンはリモートワーカーで、部署の他のメンバーとの繋がりをあまり感じていないのかもしれません。もしそうなら、ジョーダンをチームに迎え入れ、繋がりを感じられるよう働きかけるために、特別な努力をすべきかもしれません。そうすれば会社にとっても、ジョーダンのキャリア開発などにも役立つでしょう。
以上が、これらのネットワーク図を人事環境でどのように活用できるかについての説明です。それではスコットにバトンタッチして、プログラム自体の仕組みと構築方法についてお話ししてもらいます。
素晴らしいですね。ジェリー、ありがとう。これからアドインといくつかのオプションについて説明し、図の作成方法、そしてビジュアルを変更したり、操作して結論を導き出したり、洞察を得たりするためのオプションをいくつか紹介します。
こちらはJerryが使用したのと同じデータテーブルです。ここには列をもう1つ追加しました。情報列です。おそらく、この調査には、数値が大きいほど2人の個人間のコミュニケーションの頻度や量が多いことを示す追加情報が含まれていたのでしょう。
アドインを起動するには、「アドイン」メニューから「ネットワーク分析」アドインを選択します。ネットワーク分析を初めて使用する方や、まだデータの設定が不十分な方は、ヘルプドキュメントをご覧ください。また、サンプルデータも用意されているので、ご自身のネットワークを実行する前に練習することができます。「ネットワーク分析を実行」を選択します。
ネットワーク分析は、NetworkXというPythonパッケージを使用します。このパッケージは、他にもいくつかのPythonパッケージを呼び出します。適切なPythonがインストールされていないと実行できません。ステータスを確認できます。適切なパッケージがインストールされたことを示す小さなステータス更新が表示されます。不足しているパッケージがある場合は、小さなx印が表示されます。ここで不足しているパッケージをインストールできます。自動的にインストールされるものはありません。必ずインストールしてください。
Pythonパッケージをすべてインストールしたら、ネットワークグラフを構築できます。ノードを選択し、Nodesロールにキャストします。ノードの初期配置を指定する必要があります。ノードを空間に配置する方法はいくつかあります。一般的な方法の一つはスプリングアルゴリズムを使用するもので、ここではそれを使用します。あるいは、ビジュアルによっては他の方法を選択することもできます。
次に、様々な中心性指標を選択できます。ジェリーが次数と媒介性について説明しました。これらはデフォルトでオンになっていますが、他にも選択できる指標がいくつかあります。今回の場合はネットワークがかなり小さいので、これらの計算は非常に速く行われます。しかし、非常に大きなネットワークの場合は、計算に少し時間がかかる可能性があるため、全てを実行しない方が良いかもしれません。これらを指定したら、「OK」をクリックします。
さて、ネットワーク図を作成しましょう。Jerryのネットワーク図とは少し異なるように見えるかもしれません。これはランダム性が含まれているためです。ネットワーク図の作成にはランダムシードが使用されています。一般的には同じ特徴を持つはずですが、見た目が少し異なる可能性があります。
ネットワーク分析では、追加のテーブルと統計も生成されます。上部にはネットワーク図といくつかの要約統計があります。このノードテーブルは、NetworkXで生成されたすべてのノードの空間配置を示しています。そして、これは元のテーブルのコピーです。
まず最初に、このネットワークを探索してみましょう。ここにはそのためのツールがいくつかあります。例えば、CEOのダレン・ウィットモアはこのネットワークのどこにいるでしょうか？すべてのノードのリストを取得して、下にスライドしてダレンを探すことができます。これで、ダレンの居場所を確認できます。もちろん、他のノードを選択して、それらのノードの位置を確認することもできます。
さて、もう一つやりたいことは、誰が誰とつながっているかを確認することです。ここでノードを選択します。Kimberlyを見てみましょう。Kimberlyがつながっているすべてのノードを選択します。すべての接続ノードを選択すると、Kimberlyが誰とつながっているかが表示されます。この操作は繰り返し実行できるので、もう一度実行すると、それらの接続につながっているすべての人が表示されます。これで、これらのネットワークを実際に探索できるようになります。
この場合、おそらくこれを確認する必要があるでしょう。Jerryが言ったように、見づらいクラスターが時々発生します。選択したサブネットワークだけを表示するには、他のすべてを非表示にして、ビューのスケールを変更して拡大します。これで、相互接続されたサブネットワークの詳細を確認できます。あるいは、JMPのツールを使用してさらに拡大することもできます。もう一つできることは、ここで迷ってしまった場合、完全に元に戻る必要がある場合です。すべてのノードを表示してからビューのスケールを変更すれば、元のビューに戻ることができます。
次に、基本的な分析を始めましょう。ジェリーが最短経路分析について説明していたので、任意の2つのノードを選択し、それらを役割として割り当て、最短経路を見つけることで、最短経路分析を行うことができます。
もう一つできることは、コミュニティ検出、いわゆる「コミュニティ検出」です。これはクラスタリングのようなものです。これらのコミュニティの中には、類似した統計情報や特徴を持つものがあります。こうしたコミュニティを見つけるために実行できる様々なアルゴリズムがあります。組織には、部門や役職といった固有のコミュニティが存在することは周知の事実です。しかし、今回の場合は、コミュニケーションクラスターやコミュニケーションコミュニティに注目している可能性があります。デフォルト設定を使用して「実行」をクリックするだけで、これらのいずれかを実行できます。列ごとに色分けするオプションがあるので、クラスターごとに色分けできます。「OK」をクリックします。
クラスター化されたビューが表示され、ネットワーク内の様々なコミュニティに対応する異なる色分けが表示されています。いくつかは納得できるかもしれません。確かに、異なる部門が一緒にクラスター化されている可能性はありますが、ここには意外な点があるかもしれません。コミュニケーションとクラスター化の興味深い配置が見られ、さらに詳しく調べる価値があるかもしれません。また、各コミュニティの概要統計も表示されます。
このネットワークを分析する際にもう一つできることは、「ネットワークサマリー」タブを確認することです。ネットワーク全体の一般的な統計情報に加え、ノード特性とエッジ特性も表示されます。また、次数、媒介性、固有ベクトルなど、開始ダイアログで選択されたすべての中心性指標の要約ヒストグラムも表示されます。
この場合、媒介性に注目するとよいでしょう。媒介性について見ると、コミュニティやネットワークの大部分は媒介性が非常に低く、端に位置していることがわかります。しかし、媒介性が非常に高いグループもいくつかあります。JMPで接続されたデータテーブルを使用しているため、それらを選択してネットワーク図に戻り、誰が媒介性を持つかを確認できます。
これは、Pythonで作業することで、JMPではネイティブではできない分析をPythonに送って結果を取得し、JMPのインタラクティブなグラフに取り込むことができるという、JMPの真に強力な機能の一端を示していると思います。ここで選択したどの項目に対してもこれを実行でき、その後ネットワーク図に戻ることができます。
ネットワーク分析は実際には2つの部分から成り立っていると思います。統計の部分、つまりここに表示されているようなネットワーク統計を取得する部分と、可視化の部分です。ノードとエッジを整理してより多くの情報を得るための、様々なグラフオプションが用意されています。
配置を変更できます。ネットワークによっては、配置を変えた方が見栄えが良いものもあるので、それらを選択して実行できます。ネットワークをPythonに戻し、NetworkX解析を実行して空間方向を再生成し、元に戻します。これらの係数も変更できます。係数を変えると、結果も異なることがわかります。今はスプリングに戻りましょう。同じものを数回実行すると、開始点がランダムなため、異なるビューが得られることに気付くでしょう。
もう一つの方法として、今後作成する列の色やサイズを変更することもできます。今回の場合は、次数に戻りましょう。ノードの色を見つけます。これを選択すると、次数が表示されます。この列を選択して「OK」をクリックすると、ノードの色に戻ります。これはJMPのバブルプロット機能を使用していることを付け加えておきます。一般的なバブルプロットのオプションはすべて使用できます。今回の場合は、コントラストを強調するために、すべてのノードを塗りつぶしてアウトライン表示にすると良いでしょう。
最後に、エッジの色を変更してみましょう。エッジの色を変更できます。色が気に入らない場合は、列ごとに色分けできます。ここでは、線の幅を変更してみましょう。アンケートには頻度の列がありますが、ネットワーク図では各線の幅は同じです。頻度に応じて幅を変えたらどうなるでしょうか？これで、誰が誰とコミュニケーションを取っているかだけでなく、どのくらいの頻度でコミュニケーションを取っているかが分かります。これを列に変更し、「頻度」に変更して「OK」をクリックします。これで、最も頻繁に会話が行われている場所がはっきりと分かります。この2人のようにコミュニケーションを取っている人もいますが、それほど多くはありません。この図では、誰が最も頻繁にコミュニケーションを取っているかがはっきりと分かります。これは、追加情報として役立ちます。
他にも様々なカスタマイズが可能です。実際に、エッジの重み列を使ってこの配置を実行してみましょう。ネットワーク図では、ノードとエッジは結果、つまり最終的な配置において異なる役割を果たします。重み列を追加して再実行すると、異なる配置が得られ、伝えたいストーリーをより効果的に表現できます。
私が本当にお見せしたかったのはこれだけです。ネットワーク分析を始めようとしている方、あるいはこの動画を見て始めてみたいと思われた方は、JMPとPythonをインタラクティブに連携させるのに役立つツールがたくさんあることに気づいていただけると思います。それではジェリー、バトンタッチしましょう。
分かりました。スコット、ありがとう。一つだけ…ここで共有できるかどうか試してみようと思います。話すことと共有すること、この二つのことを同時に。一つ指摘しておきたいのは、PythonとJMPについてお話されていたことです。JMPはPythonと非常に相性が良く、JMPは…車輪の再発明なんて不要ですよね？計算の一部にはPythonを使っていて、表示にはJMPのパワーとインタラクティブな機能を使っているんですね。本当に素晴らしいと思いました。さて、また共有しましょう。
このデータはどこから来ているのでしょうか？図自体については既にたくさんお話ししました。アンケート調査の可能性もあることは既に述べました。ただし、ここで注意点として付け加えておきたいことがあります。アンケート調査を行う際は、プライバシーに関する懸念事項に注意してください。回答したくない質問をしてしまうと、トラブルに巻き込まれる可能性があります。人事アプリケーションで調査を行う場合は、必ず人事部に相談してください。FacebookやLinkedInなどのサービスからデータをダウンロードして、それらのネットワークを調べることもできます。
いくつか考えるべき問題があります。つながりの強さをどのように定量化するのでしょうか？スコットはつながりの頻度について言及しましたが、これは10段階評価だったと思います。では、ある人にとっての7が、別の人にとっての7であると、どうやって確認するのでしょうか？これは、主観的な尺度によくある問題です。
つながりの違いをどう解決するのでしょうか？例えば、Aさんが「私は…と強いつながりを持っています」と言ったとします。そして、スコットさんが「いや、ジェリーとはあまり話さないんです」と言ったとします。どうすれば解決できるでしょうか？良い答えはありません。それはあなた自身で解決する必要があるかもしれません。
情報の流れの方向をどのように定量化しますか？スコットは毎日たくさんの情報を提供してくれますが、私は彼にほとんど何も提供していません。接続性が高く、コミュニケーションの頻度も高いかもしれませんが、すべて一方通行です。このアドインを操作しながら、考えるべきことはたくさんあります。
人事部門では、隠れた影響力を持つ人材やサイロ化された人材を見抜くことについてお話しました。また、オンボーディングの強化にも活用できます。例えば、誰かを採用する際に、単に組織図を見せるのではなく、「この人は頼りになる人材です。この人は現状をよく把握しているので、ぜひこの人と親しくなりたいですね」と伝えることができます。そして、この図を使ってそれを示せます。例えば、新しい組織が発表されるようなチェンジマネジメントにおいては、この図はそれを示す良い方法かもしれません。昇進や従業員の奨励といった人事施策の正当性を説明できます。組織内の情報の流れを可視化できるため、ビジネスに役立つ情報が得られます。
さて、先ほど申し上げたように、人事以外にもこの機能は活用できます。ヘルプドキュメントをご覧いただくと…スコットがヘルプファイルに埋め込んだ4枚のスライドが出てきますが、スコット、それぞれ何についての説明がありますか？
はい。これらのデータセットはそれぞれアドインで利用できます。これは匿名化されたFacebookデータです。このデータには数千ものノードがあり、このデータを分析して、誰がインフルエンサーなのか、あるいは2つの異なるコミュニティの橋渡し役になりそうな人は誰なのかを見極めたいかもしれません。この例では、ノードを1つ選択して色分けしています。紫色のノードを選択し、接続されているノードをすべて選択すると、それらは青緑色に色分けされます。紫色に接続されていないノードは青色で表示されます。下部の青い塊の中で、紫色が青緑色のノードに接続されていることがわかります。大規模なソーシャルコネクションネットワークにおいて、誰がコネクターなのか、誰がインフルエンサーなのかを確認できます。
次はマイクロバイオーム解析です。これは発表されたいくつかの結果を再現したもので、発表論文とデータセットへのリンクを提供しています。これにより、腸内細菌叢におけるどの細菌、どの微生物が互いに正または負に相互作用するか、そしてそれらの相互作用の程度、つまり厚みが分かります。生態系や生物システム間の関係性を今から見始めることができます。
次の例は、ちょっとした面白い例です。ネットワーク分析の例を探していた時に、このグラフを見つけました。データセットを調べて、面白いネットワーク図が作れることをお見せしたかったのです。これは、1886年から1985年までの世界チェス選手権の様々な試合と大会を示しています。誰が誰と対戦したかだけを記しています。多くの場合、非常に直線的ですが、いくつかの分岐があるのが分かります。エマニュエル・ラスカーは多くの選手と対戦しました。一番上にボビー・フィッシャーがいますが、彼はボリス・スパスキーとのみ対戦しています。これは、このデータセットのちょっとした面白い例ですが、アドインでも利用できると思います。
子供の頃、チェスを習っていた頃の私のアイドルはフィッシャーでした。もう歳をとってしまったようです。
この最後の例は…JMPでは、人工ニューラルネットワークに関して、予測モデルやニューラルネットワークについてよく話します。もう一つの応用として、実際のニューラルネットワークを視覚化する方法があります。これはある種類の線虫で、その実際のニューラルネットワークをマッピングしたものです。各ノードはニューロンであり、異なるニューロンと異なる接続を持っています。単純なコミュニティクラスタリングアルゴリズムを実行し、ノードごとに色分けして配置しました。これは人工ニューラルネットワークのマップのように見えますが、エッジはノード間の接続数に応じて色分けされています。色が濃いほど、ノード間の接続数が多いことを示しています。
ネットワーク分析を始めたばかりで、まだデータがない場合は、これらのデータ セットを使用して練習を開始できます。
ネットワーク図には他にも活用方法があります。ステークホルダーや取引先との関係、プロジェクト管理などを把握できます。コミュニティのリソースをマッピングしたり、コラボレーションを促進したりできます。2つのグループがそれぞれ独立して活動していることが分かれば、それらを統合することも可能です。例えば、病気の伝染。特定の病気が流行しているコミュニティと流行していないコミュニティ、そしてどこに障壁があるかなどを調べることもできます。サプライチェーンのマッピングなど、実に様々な用途に活用できます。
アドイン…と言っても、あまり厳密には使いません。スコットのアドインはmarketplace.jmp.comにあります。ここには、JMPの最近のアドイン、JMPで利用可能なすべてのアドインがあります。「Network Analysis」を検索するか、このURLを入力するだけで検索できます。必ず「Network Analysis」を探してください。他にも「Network」という名前のアドインがあります。これもきっと役に立つと思いますが、今回は「Network Analysis」という名前です。ダウンロードしてJMPにインストールすると、スコットがアドインに同梱してくれたヘルプドキュメントとサンプルデータファイルにアクセスできます。
それでは、お礼を申し上げます。特にスコットには、この番組をまとめるために多大な労力を費やしていただき、感謝いたします。視聴者の皆様、今日のリスナーの皆様、私たちの作品をご覧いただき、ありがとうございます。ご質問等ございましたら、こちらの連絡先までお気軽にお問い合わせください。喜んでお話しさせていただきます。ありがとうございます。
