안녕하세요 여러분. 오늘 발표에서는 JMP용 새로운 네트워크 추가 기능에 대해 알아보겠습니다. 이 기능은 네트워크 다이어그램을 통해 사람 네트워크를 구축하는 데 사용됩니다. 저는 JMP에서 근무하는 제리 피쉬입니다. 미국 중부, 미시간, 위스콘신, 일리노이, 인디애나 지역의 고객을 지원하고 있습니다. 오늘은 동료 스콧 앨런과 함께합니다.
저는 스콧 앨런입니다. 저도 시스템 엔지니어이며, 미국 오하이오 밸리 준주를 지원하고 있습니다.
이 프로젝트는 4년 전쯤에 시작되었다고 할 수 있을 것 같습니다. 워튼 경영대학원에서 HR, 인적자원 분석 수업을 들었는데, 그 수업 중 네트워크 다이어그램과 관련된 내용이 있어서 관심을 갖게 되었습니다. 그 관심 덕분에 올해 Discovery Summit에 네트워크 다이어그램 초록을 제출하게 되었습니다.
초록만 제출하고 합격 통지를 받은 상태였는데, 스콧이 이미 이 작업을 완전히 독립적으로 진행하고 있다는 사실을 알게 되었습니다. 정말 잘 진행되었습니다. 스콧에게 감사를 표하고 싶습니다. 그는 이 작업의 최소 95%, 아마도 소프트웨어 코딩 및 개발의 더 큰 부분을 담당했을 것입니다. 스콧, 정말 감사합니다. 이 작업을 함께하게 되어 정말 기쁩니다. 정말 잘 진행되었습니다.
오늘은 기업 조직에서 네트워크 다이어그램을 적용하는 방법에 대해 이야기해 보겠습니다. 잠시 후에 가상의 회사에 대해 이야기하고, 그 회사가 어떻게 구성되어 있는지 보여드리겠습니다. 몇 가지 사항을 먼저 설명한 후, 스콧에게 소프트웨어의 작동 방식, 개발 과정, 그리고 제가 이 강연에서 다루지 않은 몇 가지 유용한 기능들에 대해 이야기해 드리겠습니다.
그런 다음 다른 네트워크 다이어그램 응용 프로그램에 대해 이야기해 보겠습니다. 이 기능은 인사부뿐만 아니라 다양한 곳에서 사용할 수 있습니다. 마지막으로 이 추가 기능을 어디에서 찾고 다운로드할 수 있는지 알려드리겠습니다.
가상의 회사인 ACME Medical Products부터 시작해 볼까요? Microsoft Copilot에 다양한 부서와 수많은 직원을 둔 회사를 만들어 달라고 부탁하고, 제게는 무작위로 이름을 지어 달라고 했습니다. 실제로는 그 내용을 바탕으로 PowerPoint를 사용하여 이 조직도를 만들었습니다. 아마 여러분도 조직도를 본 적이 있을 겁니다. 조직도는 계층 구조로 되어 있죠. 누가 누구에게 보고하는지, 그리고 사업이 어떻게 구성되어 있는지를 보여주는 명령 체계를 보여줍니다.
CEO와 직속 부하직원, 그리고 그 부하직원들의 직속 부하직원 등을 나열한 후, 한 가지 말씀드리고 싶은 게 있습니다. 이 상자들은 대부분 개인입니다. 하지만 조직도에서는 이런 모습을 볼 수 있습니다. 바로 여기 상자를 확대해 보면, 실제로는 세 명입니다. 이게 꼭 나쁜 건 아니지만, 조직도의 시각적인 측면만 보고 특정 개인에게 보고하는 사람의 수만 확인하려고 한다면 약간 오해의 소지가 있을 수 있습니다. 주의하셔야 할 부분입니다. 지금 다시 확인해 보세요. 자, 이제 시작입니다.
스스로에게 질문을 던져봅시다. 이 차트를 다르게 구성한다면 어떤 일이 일어날까요? 누가 누구에게 보고하는지에 대한 계층 구조만 보는 것이 아니라, 이 새로운 구성 안에서 서로의 연결성을 볼 수 있다면 어떨까요? 바로 그것이 우리가 작업해 온 네트워크 다이어그램입니다.
이것은 네트워크 다이어그램의 예입니다. 지금까지 제가 한 일은 조직도에서 계층적 데이터를 가져와서 새로운 추가 기능의 네트워크 다이어그램으로 변환한 것뿐입니다. 간단히 설명하자면, 연결은 매우 간단합니다. 바로 가운데 있는 점, 빨간 점은 CEO입니다. 이 시나리오에서 그의 이름은 Darren Whitmore입니다. 그는 조직의 중심에 위치하고 있으며, 이 모든 선은 그의 직속 보고자입니다. 그리고 그 점들에서 다른 사람이 나오고, 이 사람에게는 네 명의 직속 보고자가 있습니다. 계층적 조직도에서 본 것과 정확히 같은 정보이지만, 배치가 약간 다릅니다.
클러스터는 일반적으로 부서에 대해 이야기하거나 추론합니다. 우리는 여러 요소를 변경할 수 있으며, 점의 크기나 색상 등 여러 가지 요소가 추가되는 것을 보실 수 있습니다. 이러한 요소들은 의미를 가질 수 있습니다. 이러한 에지의 크기나 두께, 색상 역시 의미를 가질 수 있습니다. 잠시 후에 자세히 살펴보겠습니다. 또한, Scott이 실제 추가 기능 데모를 보여줄 때, 점 위에 마우스를 올리면 해당 점에서 일반적인 정보를 얻을 수 있습니다. 일반적인 JMP 그래프처럼 말이죠. 이 부분은 파워포인트 슬라이드에 불과합니다.
몇 가지 정의입니다. 이런 그림에서 원을 노드라고 합니다. 노드에 대해 자세히 설명하겠습니다. 인사부, 즉 인적 자원의 경우, 사람으로 해석할 수 있습니다. 각 점은 사람, 즉 개인을 나타냅니다. 앞서 말씀드렸듯이 노드 색상은 변경될 수 있습니다. 이 경우에는 부서를 나타낼 수 있습니다. 이제 각 부서를 색상으로 구분했습니다. 모서리나 선은 사람 간의 연결을 나타냅니다. 아직은 조직도의 연결, 즉 계층 구조만 살펴보겠습니다.
이제, 앞으로 몇 가지 용어를 접하게 될 겁니다. 그중 하나는 '도(degree)'입니다. 꽤 간단한 용어죠. 바로 여기 이 사람을 보면, 이 사람의 노드 값은 4도입니다. 즉, 이 노드에서 다른 노드로 연결되는 선이 네 개 있다는 뜻입니다. 도에 대한 내용을 보면 바로 그 의미입니다.
영어: Betweenness는 약간 다릅니다. Betweenness는 한 노드에서 다른 노드로 어떻게 이동할 수 있는지와 관련이 있습니다. 이것을 생각해 보세요... 여기, Andre Lewis와 Olivia Grant가 있고, 그들은 이 큰 네트워크 다이어그램의 반대편에 있습니다. Andre가 Olivia와 소통하고 싶다면 수업 시간에 메모를 전달하는 것처럼 생각해 보세요. Andre가 상사에게 전달하고 상사는 상사의 상사에게 전달하고 이런 식으로 Olivia에 도착할 때까지 계속 이어져 Olivia가 메시지를 받습니다. 음, 좋습니다. 다른 경로가 있을 수 있습니다. 이 사람은 여기에서 여기로 와서 여기로 오거나 여기에서 여기에서 여기로 가서 여기로 갈 수 있습니다. 예를 들어, Andre에서 Olivia까지 가는 가장 짧은 경로라는 개념이 있습니다.
모든 사람에서 다른 모든 사람으로 가는 최단 경로를 모두 표시하고, 그 중 개별 노드를 통과한 최단 경로의 수를 세어 보면, 다시 한번 우리 CEO인 대런 휘트모어를 보겠습니다. 그의 최단 경로의 83%가 대런 휘트모어를 통과한다는 것을 알 수 있습니다. 이를 바탕으로 보면… 참고로, 노드의 크기를 보면 점의 크기는 매개성과 관련이 있습니다. 그는 마치 거물처럼 보입니다. 모든 것을 그가 처리하고, 모든 것이 그를 통과합니다. 하지만 이것만으로는 이 조직의 진정한 연결성에 대해 많은 것을 알 수 없습니다. 좀 더 자세히 살펴보겠습니다.
첫 번째 가정으로, 8명의 직원이 있는 부서가 있고, 그 8명 모두가 서로 이야기한다고 가정해 봅시다. 그리고 그 연결들을 계층적 조직도에 추가한다고 가정해 봅시다. 이렇게 하면 매개성이 어떻게 바뀔까요? 바로 이 조직도가 그 예입니다. 자, 이 부서, 파란색으로 표시된 부서에는 8명에서 10명의 직원이 있습니다. 잘 보이지는 않지만, 모두 선, 노드, 아니, 엣지로 서로 연결되어 있습니다. 이제 이 사람이 저 사람과 이야기하고 싶다면 직접 할 수 있습니다. 대런 같은 사람을 통해서 여기까지 올 필요가 없습니다.
이제 중간성을 다시 계산해 보니, 임원의 중간성이 감소했습니다. 그는 여기 중간 지점에 있습니다. 우리 CEO인 대런 휘트모어의 중간성 값은 이제 2.7%입니다. 즉, 매일 대런을 통해 전달되는 소통은 매우 적습니다. 예를 들어, 여기 타냐 브룩스를 통해 전달되는 소통은 더 많습니다. 그녀의 중간성은 이제 훨씬 더 커졌습니다. 2.4%가 그녀를 통해 전달되고, 이런 식으로 계속됩니다. 우리는 소통, 정보의 흐름, 그리고 사업 운영 방식에 대해 조금 더 자세히 이해하기 시작했습니다.
이제 뭘 할까요? 자, 설문조사를 해 볼까요? 이렇게 생각해 보세요. 설문조사를 해 볼까요? 회사 내 모든 직원을 대상으로 설문조사를 실시할 겁니다. 샘플 설문조사에는 질문이 하나만 있을 겁니다. 업무상 정기적으로 소통하는 모든 직원을 적어 주세요.
자, 꽤 간단한 질문입니다. 질문으로 넘어가죠. 예를 들어, CEO인 대런 휘트모어가 "음, 저는 그의 모든 C-suite 임원진과 소통합니다."라고 답장을 보냅니다. 레나, 라지브, 모니카가 여기 아래에 있습니다. 그는 카를로스와 빅터와도 소통하므로, 그들도 여기에 나열되어 있습니다. JMP 데이터 테이블을 만들었고, 이건 그 일부입니다. 첫 번째 열에는 대런의 이름이 있고, 두 번째 열에는 그가 언급한 모든 연결 관계가 있습니다. 그런 다음 조직 내 다른 구성원들을 위해 이 테이블을 계속 구축합니다. 네트워크 다이어그램에 넣으면 어떤 모습일까요?
여기 있습니다. 지금 보시는 것처럼, 여기 가운데에 CEO가 앉아 있습니다. 그의 연결률은 아직 약 2.7%입니다. 하지만 여기 비앙카 토레스에게 집중해 보겠습니다. 비앙카는 엔지니어링 분야에서 일합니다. 여기는 엔지니어링 그룹이고, 공교롭게도 이 분은 엔지니어링 부문의 사장입니다. 하지만 비앙카는 여기 밖에 앉아 있습니다. 그녀는 여기 있는 개별적인 점들 중 하나였지만, 지금은 훨씬 더 커져서 훨씬 더 많은 연결고리를 가지고 있습니다. 자세히 보면, 그녀는 전체 그룹뿐만 아니라 품질 관리에도 연결되어 있습니다. 제조 그룹과도 연결되어 있고, 마케팅 그룹과도 연결되어 있습니다. 회사 내에서 다양한 업무에 관여하고 있습니다.
회사 관리자나 인사 담당자라면 이런 상황을 보고 여러 가지 생각을 하게 될 겁니다. 비앙카는 회사와 소통하기 위해 정말 많은 일을 하고 있잖아요. 보상을 받아야 할지도 몰라요. 아니면 "비앙카는 너무 많은 일을 하다 보니 평소 업무를 제대로 처리하지 못하는 것 같아요. 그래서 다른 업무도 제대로 처리하지 못하는 거예요. 회사 운영을 좀 더 원활하게 하려면 다른 사람을 찾아서 그 업무를 맡아야 할 것 같아요."라고 말하는 것일 수도 있겠죠. 비앙카라는 핵심 인물이 "비앙카는 정말 소중한 직원이에요. 뭔가 문제가 있는 것 같아요. 이 문제를 좀 더 조사해서 회사가 이런 식으로 돌아가길 바라는지 알아봐야 해요."라고 말하는 경우도 있습니다.
반면에, 고립된 사람이 있을 수도 있습니다. 여기 조던 엘리스가 있습니다. 그는 마케팅 부서에서 일합니다. 조던은 상사에게 보고하고, 그게 그가 우리에게 말한 유일한 연결 고리입니다. 글쎄요, 좋은 일일까요, 나쁜 일일까요? 아마도요. 어쩌면 조던이 특별 프로젝트 같은 걸 하고 있어서 그게 그가 해야 할 일일지도 모릅니다. 그냥 자기 할 일을 해야 하는 거죠. 하지만 어쩌면 조던은 원격 근무자라서 부서의 다른 사람들과 실제로 연결돼 있다고 느끼지 못하는 것일 수도 있습니다. 그렇다면 조던을 여기로 끌어들이고 그에게 다가가서 연결돼 있다고 느끼게 해야 할지도 모릅니다. 그게 회사에 도움이 될 겁니다. 조던의 경력 개발 등에도 도움이 될 수 있겠죠.
이 네트워크 다이어그램을 HR 환경에서 어떻게 활용할 수 있는지 간략하게 설명드렸습니다. 이제 Scott에게 넘겨서 프로그램 자체의 작동 방식과 개발 과정에 대해 설명해 드리겠습니다.
좋습니다. 고맙습니다, 제리. 추가 기능과 몇 가지 옵션을 살펴보고, 다이어그램을 만드는 방법을 보여드리겠습니다. 그리고 시각적 요소를 변경하고 상호 작용하여 결론을 도출하거나 통찰력을 얻는 데 사용할 수 있는 몇 가지 옵션도 보여드리겠습니다.
여기 제리가 사용했던 것과 같은 데이터 표가 있습니다. 여기에 열 하나만 더 추가했는데, 정보 열 몇 개입니다. 그 설문조사에는 빈도가 높은 추가 정보가 있었을 수도 있는데, 숫자가 높을수록 두 사람 간의 소통 빈도나 양이 더 많다는 것을 의미합니다.
애드인을 실행하려면 애드인 메뉴로 가서 네트워크 분석 애드인으로 내려오세요. 네트워크 분석을 처음 접하거나 아직 데이터를 설정하지 않은 경우, 시작하는 데 도움이 되는 도움말 문서가 있으며, 네트워크를 실행하기 전에 연습할 수 있도록 샘플 데이터도 제공됩니다. 여기서는 "네트워크 분석 실행"이라고만 하겠습니다.
네트워크 분석은 NetworkX라는 Python 패키지를 사용합니다. 또한 몇 가지 다른 Python 패키지도 호출합니다. 적절한 Python이 설치되어 있지 않으면 실행할 수 없습니다. 상태를 확인할 수 있습니다. 적절한 패키지가 설치되었음을 나타내는 간단한 상태 업데이트가 표시됩니다. 누락된 패키지가 있는 경우 작은 x 표시가 나타나고, 여기서 누락된 패키지를 설치할 수 있습니다. 아무것도 자동으로 설치되지 않으므로, 해당 패키지는 반드시 설치해야 합니다.
Python 패키지를 모두 설치했으면 이제 네트워크 그래프를 만들 수 있습니다. 노드를 선택하고 노드 역할에 캐스팅합니다. 노드의 초기 배치를 지정해야 합니다. 노드를 공간에 배치하는 방법은 여러 가지가 있습니다. 가장 일반적인 방법은 스프링 알고리즘을 사용하는 것인데, 여기서는 이 알고리즘을 사용할 것입니다. 또는 시각적인 표현에 따라 다른 방법을 선택할 수도 있습니다.
그런 다음 다양한 중심성 측정값을 선택할 수 있습니다. 제리는 정도와 매개성에 대해 이야기했습니다. 이 두 가지는 기본적으로 활성화되어 있으며, 다른 측정값도 선택할 수 있습니다. 이 경우 네트워크 규모가 매우 작기 때문에 측정값이 매우 빠르게 계산됩니다. 하지만 네트워크 규모가 매우 큰 경우, 시간이 다소 걸릴 수 있으므로 모든 측정값을 실행하지 않을 수 있습니다. 측정값을 지정한 후 "확인"을 클릭합니다.
이제 네트워크 다이어그램을 만들어 보겠습니다. 제리의 다이어그램과는 약간 다르게 보일 수 있는데, 약간의 무작위성이 있기 때문입니다. 이 다이어그램을 생성하는 데는 무작위 시드가 사용됩니다. 일반적으로 두 다이어그램은 동일한 특성을 가져야 하지만, 약간 다르게 보일 수 있습니다.
네트워크 분석은 몇 가지 추가 표와 통계도 생성합니다. 맨 위에는 네트워크 다이어그램이 있고, 요약 통계도 있습니다. 이 노드 표는 NetworkX에서 생성된 모든 노드의 공간적 배열을 보여주는데, 이는 원본 표의 복사본입니다.
가장 먼저 해보고 싶은 것은 이 네트워크를 탐색하는 것입니다. 여기에는 여러 도구가 있습니다. 예를 들어, 이 네트워크에서 우리 CEO인 대런 휘트모어는 어디에 있을까요? 모든 노드 목록을 확인하고 아래로 스크롤하여 대런을 찾을 수 있습니다. 이제 대런이 어디에 있는지 확인할 수 있고, 물론 다른 노드를 선택하여 대런의 위치를 확인할 수도 있습니다.
음, 또 다른 방법은 누가 누구와 연결되어 있는지 확인하는 것입니다. 여기서 노드를 선택할 수 있습니다. 킴벌리를 살펴보겠습니다. 킴벌리가 연결된 모든 노드를 선택해야 합니다. 연결된 모든 노드를 선택하면 킴벌리가 누구와 연결되어 있는지 확인할 수 있습니다. 이 과정을 반복적으로 수행할 수 있는데, 다시 실행하면 해당 연결에 연결된 모든 사람이 표시됩니다. 이제 본격적으로 네트워크를 탐색해 볼 수 있습니다.
이 경우, 이 부분을 살펴보는 것이 좋습니다. 제리가 언급했듯이, 때로는 보기 어려운 클러스터가 있을 수 있습니다. 다른 모든 것을 숨긴 후 뷰 크기를 조정하여 확대하면 선택한 하위 네트워크만 표시할 수 있습니다. 이렇게 하면 상호 연결된 하위 네트워크에서 더 자세한 정보를 볼 수 있고, JMP 도구를 사용하여 더 자세히 확대할 수도 있습니다. 또 다른 방법은… 혹시 여기서 길을 잃어 완전히 뒤로 돌아가야 할 때, 모든 노드를 표시한 후 뷰 크기를 조정하면 원래 뷰로 돌아갈 수 있습니다.
다음으로 할 일은 기본적인 분석을 시작하는 것입니다. 제리가 최단 경로 분석에 대해 이야기했으니, 두 노드를 선택하고 역할로 변환한 다음 최단 경로를 찾는 방식으로 최단 경로 분석을 수행할 수 있습니다.
또 다른 방법은 커뮤니티 감지, 즉 커뮤니티 감지라는 기능을 활용하는 것입니다. 클러스터링과 비슷한 개념입니다. 이러한 커뮤니티 중 일부는 유사한 통계나 특징을 가지고 있습니다. 이러한 커뮤니티를 찾기 위해 실행할 수 있는 다양한 알고리즘이 있습니다. 조직 내 부서나 직책처럼 고유한 커뮤니티가 있다는 것은 알고 있습니다. 하지만 이 경우에는 커뮤니케이션 클러스터나 커뮤니케이션 커뮤니티를 살펴볼 수 있습니다. 기본값을 사용하고 '실행'을 클릭하여 이러한 클러스터 중 하나를 실행할 수 있습니다. 여기에 열별로 색상을 지정하는 옵션이 있는데, 이제 해당 클러스터별로 색상을 지정할 수 있습니다. '확인'을 클릭합니다.
이제 클러스터링된 뷰를 볼 수 있는데, 이 네트워크의 여러 커뮤니티에 해당하는 다양한 색상을 볼 수 있습니다. 그중 일부는 의미가 있을 수 있습니다. 물론 여러 부서가 함께 클러스터링되어 있을 수도 있지만, 여기에는 몇 가지 놀라운 점이 있을 수 있습니다. 이러한 흥미로운 커뮤니케이션 및 클러스터링 배열을 볼 수 있는데, 이는 더 자세히 살펴볼 가치가 있습니다. 또한 해당 커뮤니티에 대한 요약 통계도 제공됩니다.
이 네트워크를 분석하기 위해 할 수 있는 또 다른 방법은 네트워크 요약 탭을 살펴보는 것입니다. 이 탭에는 전체 네트워크에 대한 몇 가지 공통 통계와 노드 피처, 에지 피처가 표시됩니다. 또한 계산된 모든 중심성 측정값(차수, 매개성, 고유 벡터 등)에 대한 요약 히스토그램도 제공됩니다. 시작 대화 상자에서 선택한 항목도 표시됩니다.
이 경우, 매개성을 살펴보는 것이 좋을 것 같습니다. 매개성을 살펴보면, 대부분의 커뮤니티나 네트워크는 매개성이 매우 낮습니다. 이들은 경계에 위치합니다. 하지만 매개성이 훨씬 높은 몇몇도 있습니다. JMP에서 연결된 데이터 테이블을 사용하고 있기 때문에, 해당 테이블을 선택한 후 네트워크 다이어그램으로 돌아가서 이들이 누구인지 확인할 수 있습니다.
제 생각에 이 기능은 Python으로 작업하면서 JMP에서 기본적으로 할 수 없는 분석을 수행하고, 이를 Python으로 전송한 후 결과를 JMP의 인터랙티브 그래프로 가져오는 것의 장점을 잘 보여주는 것 같습니다. 여기서 선택한 모든 항목에 대해 이 작업을 수행한 후 네트워크 다이어그램으로 돌아갈 수 있습니다.
네트워크 분석은 크게 두 가지 부분으로 나뉜다고 생각합니다. 통계적인 부분, 즉 여기 보이는 것처럼 네트워크 통계를 얻는 부분과 시각화하는 부분이죠. 노드와 엣지를 더 많은 정보를 얻을 수 있도록 정렬하는 데 도움이 되는 다양한 그래프 옵션이 있습니다.
배열을 변경할 수 있습니다. 어떤 네트워크는 다른 배열에서 더 좋아 보일 수 있는데, 그냥 선택해서 실행하면 됩니다. 네트워크를 Python으로 다시 전달해서 NetworkX 분석을 실행하고, 공간 방향을 재생성한 다음 다시 가져오는 방식입니다. 이러한 계수도 변경할 수 있습니다. 계수에 따라 결과도 달라진다는 것을 알게 될 것입니다. 일단 스프링으로 돌아가 보겠습니다. 같은 것을 두 번만 실행해 보면, 무작위로 선택된 시작점 때문에 결과가 다르게 보일 수 있습니다.
또 다른 방법은 앞으로 사용할 열에 다른 색상이나 열 크기를 선택하는 것입니다. 이 경우에는 차수로 돌아가 보겠습니다. 노드 색상을 찾아 선택하겠습니다. 실제로는 차수만 표시됩니다. 해당 열을 선택하고 "확인"을 클릭하면 노드 색상으로 돌아갑니다. 여기서는 JMP의 버블 플롯 기능을 사용한다는 점을 다시 한번 강조하고 싶습니다. 일반적인 버블 플롯 옵션도 모두 사용할 수 있습니다. 이 경우에는 모든 노드를 채우고 윤곽선을 표시하여 대비를 더하는 것이 좋습니다.
영어: 마지막으로 하고 싶지 않을 일은 모서리를 변경하는 것입니다.모서리 색상을 변경할 수 있습니다.색상이 마음에 들지 않으면 열로 색상을 지정할 수 있습니다.이번에는 너비를 변경해 보겠습니다.설문 조사에서는 빈도 열이 있지만 네트워크 다이어그램에서는 각 선의 너비가 같습니다.빈도에 따라 너비를 변경하면 어떻게 될까요?이제 누가 누구와 소통하는지 뿐만 아니라 얼마나 자주 소통하는지 볼 수 있습니다.열로 변경하고 빈도로 변경한 다음 확인을 클릭합니다.이제 가장 빈번한 대화가 어디에서 이루어지는지 확실히 볼 수 있습니다.이 두 사람처럼 소통하는 사람도 있지만 많지는 않습니다.추가 정보를 제공하기 위해 이 다이어그램에서 누가 가장 많이 소통하는지 확실히 볼 수 있습니다.
다양한 사용자 정의가 가능합니다. 에지 가중치 열을 사용하여 이 배열을 실행할 수도 있습니다. 네트워크 다이어그램에서 노드와 에지는 결과 또는 최종 배열에서 서로 다른 역할을 합니다. 가중치 열을 추가하고 다시 실행하면 전달하려는 스토리를 보여주는 데 도움이 되는 다른 배열을 얻을 수 있습니다.
제가 정말 보여드리고 싶었던 건 이게 전부입니다. 네트워크 분석을 처음 시작하시는 분이나 이 영상을 보고 시작하고 싶으신 분이라면, JMP와 Python을 상호 작용하며 작업할 수 있도록 도와주는 다양한 도구가 있다는 것을 알게 되실 겁니다. 제리, 다시 한번 말씀드리겠습니다.
좋아요. 고마워요, 스콧. 한 가지 하고 싶은 게 있는데… 여기서 동시에 공유할 수 있을지 한번 볼까요? 두 가지를 동시에 하세요. 이야기하고 공유하는 거죠. 한 가지 강조하고 싶은 건, 당신이 Python과 JMP에 대해 이야기하고 있다는 거예요. JMP는 Python과 아주 잘 어울리고, 당신은… 왜 바퀴를 새로 만들려고 하지 않나요? 일부 계산에는 Python을 사용하고, JMP의 강력한 기능과 JMP의 상호작용 기능을 활용하여 정보를 표시하고 있죠. 정말 멋지다고 생각했어요. 자, 이제 다시 공유해 볼까요?
이 데이터는 어디서 나오는 걸까요? 다이어그램 자체에 대해서는 이미 많이 이야기했습니다. 음, 설문조사일 수도 있다는 점은 이미 언급했습니다. 하지만 여기서 한 가지 짚고 넘어가고 싶은 점이 있습니다. 설문조사를 할 때는 개인정보 보호에 유의하세요. 사람들이 응답하고 싶어 하지 않을 만한 질문을 하게 되어 문제가 될 수 있습니다. 인사팀에 지원서를 제출할 때는 인사팀과 상의하세요. 페이스북이나 링크드인 같은 곳에서 데이터를 다운로드해서 관련 네트워크를 살펴볼 수도 있습니다.
생각해 볼 만한 몇 가지 문제가 있습니다. 연결의 강도를 어떻게 정량화할 수 있을까요? 스콧은 연결 빈도를 언급했는데, 아마 1~10점 척도로 표현하셨을 겁니다. 그렇다면 한 사람의 7점이 다른 사람의 7점 척도에도 동일하게 적용되도록 어떻게 할 수 있을까요? 이는 주관적인 척도에서 흔히 발생하는 문제입니다.
연결의 차이를 어떻게 해결하시나요? 예를 들어 A라는 사람이 "저는…와 깊은 유대감을 가지고 있어요."라고 말한다고 해 봅시다. "저는 스콧과 깊은 유대감을 가지고 있어요."라고 말하고, 스콧이 "아니요, 저는 제리와는 거의 이야기하지 않아요."라고 말한다고 해 봅시다. 이 문제를 어떻게 해결하시나요? 저는 좋은 답을 드릴 수 없습니다. 아마 당신이 해결해야 할 문제일 겁니다.
정보 흐름의 방향을 어떻게 정량화하시나요? 스콧은 매일 저에게 많은 정보를 제공하지만, 저는 그에게 거의 아무것도 제공하지 않습니다. 우리는 높은 연결성과 높은 소통 빈도를 가지고 있지만, 모든 것은 일방적으로 흐릅니다. 이 추가 기능을 사용하면서 여러 가지를 생각해 봐야 합니다.
HR 부서에서는 숨겨진 영향력 있는 인물과 고립된 개인을 찾아내는 것에 대해 이야기했습니다. 온보딩을 강화하는 데에도 활용할 수 있습니다. 누군가를 데려올 때, 단순히 조직도를 보여주는 대신 "자, 이 사람은 꼭 필요한 사람입니다. 이 사람은 현재 상황에 대해 많은 것을 알고 있으니 가까이 다가가야 합니다."라고 말할 수 있습니다. 이 다이어그램을 통해 보여줄 수 있습니다. 변화 관리와 같은 새로운 조직이 발표된다면, 이를 보여주는 좋은 방법이 될 수 있습니다. 승진이나 직원 격려와 같은 HR 활동의 정당성을 입증할 수 있습니다. 조직 내 정보 흐름을 확인할 수 있는데, 이는 모두 비즈니스에 유용한 정보입니다.
앞서 말씀드렸듯이 인사부 외에도 이 분야에는 다른 활용 사례가 있습니다. 도움말 문서를 보시면 이런 것들이 있을 겁니다… Scott이 도움말 파일에 삽입해 놓은 슬라이드가 네 장 정도 있는 것 같습니다. Scott, 각 슬라이드의 내용을 설명해 주시겠어요?
네, 그렇습니다. 각 데이터 세트는 추가 기능에서 사용할 수 있습니다. 이 데이터는 익명화된 Facebook 데이터입니다. 이 경우 수천 개의 노드가 있으며, 이 데이터를 분석하여 인플루언서가 누구인지 또는 두 개의 서로 다른 커뮤니티를 연결하는 역할을 하는 사람이 누구인지 확인할 수 있습니다. 이 경우 노드 하나를 선택하여 색상을 지정했습니다. 보라색 노드를 선택하고 연결된 모든 노드를 선택한 다음 청록색으로 표시했습니다. 보라색에 연결되지 않은 노드는 파란색으로 표시했습니다. 보라색 노드가 아래쪽 파란색 덩어리에 있는 청록색 노드와 연결되어 있음을 알 수 있습니다. 이를 통해 연결자 또는 대규모 소셜 연결 네트워크에서 인플루언서가 누구인지 확인할 수 있습니다.
다음은 미생물군집 분석입니다. 이는 발표된 일부 결과를 재현한 것으로, 해당 출판물과 데이터 세트에 대한 링크를 제공합니다. 이를 통해 어떤 박테리아, 즉 장내 미생물이 서로 긍정적 또는 부정적으로 상호작용하는지, 그리고 그 상호작용의 규모나 두께는 어느 정도인지를 알 수 있습니다. 이제 생태학적 또는 생물학적 시스템 간의 관계를 살펴보기 시작할 수 있습니다.
다음 예시는 재밌는 예시입니다. 네트워크 분석 관련 예시를 찾다가 이 그래프를 발견했습니다. 데이터 세트를 찾아서 재미있는 네트워크 다이어그램을 만들 수 있다는 것을 보여드리고 싶었습니다. 이 그래프는 1886년부터 1985년까지 세계 체스 선수권 대회의 다양한 경기와 대회를 보여줍니다. 누가 누구와 경기를 했는지만 표시하면 됩니다. 많은 경우 매우 선형적이지만, 몇 가지 분기점이 있는 것을 볼 수 있습니다. 에마누엘 라스커는 여러 사람과 경기를 했습니다. 맨 위에는 보리스 스파스키와만 경기를 하는 바비 피셔가 있습니다. 이 데이터 세트의 재밌는 예시이며, 추가 기능에서도 사용할 수 있는 것 같습니다.
피셔는 제가 어렸을 때 체스를 배울 때 우상이었어요. 이제 제 자신과 데이트를 하고 있는 거예요.
이 마지막 예시는… JMP에서 인공 신경망과 관련해서 예측 모델과 신경망에 대해 많이 이야기하는 것 같습니다. 또 다른 응용 분야는 실제 신경망을 시각화하는 것입니다. 벌레 종을 예로 들어, 실제 신경망을 매핑했습니다. 각 노드는 뉴런이고, 각 뉴런은 서로 다른 뉴런과 연결되어 있습니다. 간단한 커뮤니티 클러스터링 알고리즘을 실행하고, 각 뉴런에 따라 색상을 지정하고 정렬했습니다. 보시다시피, 이 맵은 인공 신경망 맵과 거의 비슷하며, 노드 간 연결 수에 따라 각 에지를 색칠했습니다. 색상이 진할수록 노드 간 연결이 더 많다는 것을 의미합니다.
네트워크 분석을 시작하려는 분이라면 아직 데이터가 없으시겠지만, 이 데이터 세트를 이용해 연습을 시작해 보세요.
네트워크 다이어그램에는 다른 응용 프로그램도 있습니다. 이해관계자 관계 및 계정 관계, 프로젝트 관리를 살펴볼 수 있습니다. 커뮤니티 자원을 계획하고 협업을 촉진할 수 있습니다. 두 그룹이 독립적으로 잘 운영되고 있다면, 그 그룹들을 하나로 모을 수 있습니다. 질병 전파. 어떤 커뮤니티에서 특정 질병이 발생하고 어떤 커뮤니티에서는 발생하지 않는지, 그리고 장벽은 어디에 있는지 살펴볼 수 있습니다. 공급망 매핑 등 네트워크 다이어그램을 활용할 수 있는 다양한 분야가 있습니다.
저희 애드인은… 저는 그냥 편하게 사용합니다. Scott의 애드인은 marketplace.jmp.com에 있습니다. 요즘 JMP 애드인은 모두 여기서 찾을 수 있죠. "Network Analysis"를 검색하거나, 이 URL을 직접 입력해도 됩니다. "Network Analysis"를 꼭 찾아보세요. "Network"라는 다른 애드인도 있습니다. 분명 유용할 텐데, 이 애드인은 "Network Analysis"라고 합니다. 이 애드인을 다운로드하여 JMP에 설치하면 Scott이 애드인과 함께 제공한 도움말 문서와 샘플 데이터 파일을 이용할 수 있습니다.
이상으로 감사 인사를 전합니다. 특히 이 모든 것을 완성하기 위해 애써주신 스콧에게 감사드립니다. 오늘 저희 작품을 시청해 주신 청취자 여러분께 감사드립니다. 궁금한 점이 있으시면 연락처를 확인해 주세요. 언제든지 연락 주세요. 기꺼이 상담해 드리겠습니다. 감사합니다.
