Hola a todos. Bienvenidos a nuestra presentación de hoy sobre un nuevo complemento de red para JMP que conecta redes de personas mediante estos diagramas de red. Me llamo Jerry Fish. Trabajo para JMP. Doy soporte a nuestros clientes en la región central norte de EE. UU., Michigan, Wisconsin, Illinois e Indiana. Hoy me acompaña mi colega Scott Allen.
Soy Scott Allen. También soy ingeniero de sistemas y brindo soporte técnico al Territorio del Valle de Ohio en EE. UU.
Este proyecto comenzó, supongo que podría decirse que empezó hace unos cuatro años. Tomé un curso en Wharton Business School sobre recursos humanos y análisis de recursos humanos. Uno de los temas del curso trataba sobre diagramas de red, y eso despertó mi interés. Esto culminó con la presentación de un resumen para la Cumbre Discovery de este año sobre diagramas de red.
Aunque solo había enviado el resumen y me habían notificado que me habían aceptado, descubrí que Scott ya había estado trabajando en esto de forma completamente independiente. Funcionó de maravilla. Le doy todo el crédito a Scott. Ha hecho al menos el 95 % del trabajo, probablemente la mayor parte del trabajo pesado: la codificación y la creación del software. Gracias, Scott. Me alegra mucho que nos hayamos unido en esto. Funcionó de maravilla.
Hoy vamos a hablar sobre la aplicación de un diagrama de red en una organización empresarial. Hablaremos de una empresa ficticia en un minuto y mostraremos cómo se representa. Repasaré varios puntos y luego le cederé la palabra a Scott para que explique cómo funciona el software, cómo lo desarrolló y algunos de los detalles que no cubriré en mi parte de la charla.
Luego, hablaremos de otras aplicaciones de diagramas de red. Esto no es solo para RR. HH. Se puede usar en diversos entornos. Finalmente, explicaremos dónde encontrar y descargar este complemento.
Empecemos con nuestra empresa ficticia, ACME Medical Products. Le pedí a Microsoft Copilot que creara una empresa con varios departamentos y muchos empleados, y que me diera nombres aleatorios. A partir de ahí, usé PowerPoint para crear este organigrama. Seguro que todos han visto un organigrama. Es jerárquico. Simplemente muestra la estructura de mando, quién reporta a quién y cómo está organizada la empresa.
Una cosa que quiero mencionar, después de que tengamos al director ejecutivo aquí arriba y luego a sus subordinados directos, y así sucesivamente, es que casi todos estos cuadros representan a una sola persona. Pero a veces, en un organigrama, verán algo como esto. Este cuadro de aquí, si lo amplío, en realidad son tres personas. No hay nada de malo en esto necesariamente, pero el aspecto visual de un organigrama puede ser un poco engañoso si solo se busca cuántas personas reportan a una persona en particular. Es algo a tener en cuenta. A ver si podemos volver. Listo.
Hagámonos una pregunta. ¿Qué pasaría si pudiéramos diseñar este gráfico de otra manera? ¿Qué pasaría si, en lugar de solo la jerarquía de quién reporta a quién, pudiéramos ver la conectividad dentro de esta nueva trama? En eso hemos estado trabajando: en este diagrama de red.
Este es un ejemplo de un diagrama de red. Hasta ahora, solo he tomado los datos jerárquicos del organigrama y los he transpuesto a un diagrama de red desde nuestro nuevo complemento. Para explicarlo brevemente, son conexiones muy simples. Este punto en el centro, el punto rojo, representa a nuestro director ejecutivo. En este caso, su nombre es Darren Whitmore. Está ubicado justo aquí, en el centro de la organización, y todas estas líneas que salen son sus subordinados directos. Luego, de esos puntos, se encuentra otra persona, y esta persona tiene cuatro subordinados directos, y así sucesivamente. Es exactamente la misma información que vimos en el organigrama jerárquico, solo que con una disposición ligeramente diferente.
Los clústeres generalmente indican o infieren departamentos. Podemos modificar aspectos, y verán muchos de ellos, como el tamaño y el color de los puntos; pueden tener significado. El tamaño, el grosor y el color de los... A estos los llamamos bordes, también pueden tener significado. Lo veremos en breve. Además, cuando Scott muestre su demostración del complemento, podrán pasar el cursor sobre los puntos y obtener la información normal, como esta, de ese punto en particular, de forma similar a un gráfico JMP normal. Por ahora, esto es solo una diapositiva de PowerPoint.
Algunas definiciones. Los círculos en un gráfico como este se llaman nodos. Hablaremos de ellos con frecuencia. En el caso de RR. HH., esto se puede traducir a personas. Cada punto se refiere a una persona, a un individuo. El color del nodo, como mencioné, puede cambiar. En este caso, puede ser un departamento. He modificado la distribución, por lo que ahora cada departamento tiene un código de color. Los bordes o las líneas representan las conexiones entre las personas. En este punto, solo estamos con las conexiones del organigrama, solo con la jerarquía.
Ahora, hay un par de términos que verán a medida que avancemos. Uno de ellos se llama grados. Es un término bastante simple. Si observamos a esta persona, el valor de su nodo es de 4 grados. Eso simplemente significa que hay cuatro líneas que conectan este nodo con otros nodos. A eso nos referimos si ven algo sobre grados.
La intermediación es algo un poco diferente. La intermediación tiene que ver con cómo llego de un nodo a otro. Piensen en esto como... Aquí tenemos a Andre Lewis y a Olivia Grant, y están en lados opuestos de este gran diagrama de red. Si Andre quisiera comunicarse con Olivia, imagínense que se pasa una nota en clase o algo así. Andre se la pasa a su jefe, quien se la pasa al jefe de ella, y así sucesivamente hasta llegar a Olivia, quien recibe el mensaje. Bueno, eso está bien. Podría haber otros caminos. Esta persona podría pasar por aquí, por aquí y por aquí, o podría ir de aquí a aquí, por aquí y por aquí. Existe el concepto de un camino más corto para llegar, por ejemplo, de Andre a Olivia.
Si marcamos cada ruta más corta de cada persona a cada otra persona, y luego contamos cuántas de esas rutas más cortas pasan por un nodo individual (aquí está nuestro director ejecutivo, Darren Whitmore), bueno, dice que el 83% de esas rutas más cortas pasan por Darren Whitmore. Parece que, según eso... Por cierto, tenemos el tamaño del nodo; el tamaño del punto está relacionado con la intermediación. Parece que es el pez gordo. Lo gestiona todo. Todo pasa por él. Pero esto no nos dice mucho sobre la verdadera conectividad de esta organización. Profundicemos un poco más.
¿Qué pasa si, como primera suposición, suponemos que tenemos un departamento de ocho personas que se comunican entre sí? Añadiremos esas conexiones al organigrama jerárquico. ¿Cómo cambiaría esto la intermediación? De eso se trata este organigrama. Vemos que en este departamento, este departamento azul, tenemos ocho o diez personas. No se aprecia bien, pero todas están conectadas entre sí mediante líneas, nodos... Disculpe, bordes. Si esta persona quiere hablar con otra, puede hacerlo directamente. No tiene que venir hasta aquí a través de Darren ni nada.
Ahora, recalculamos la intermediación, y esta se ha reducido para nuestro ejecutivo. Él está aquí en el medio. Nuestro director ejecutivo, Darren Whitmore, ahora tiene un valor de intermediación del 2,7%, por lo que muy poca comunicación diaria pasa por Darren. Más pasa por, por ejemplo, Tanya Brooks. Ahora tiene un punto mucho más grande. El 2,4% pasa por ella, y así sucesivamente. Empezamos a comprender mejor cómo fluye la comunicación, cómo fluye la información en nuestra empresa, cómo funciona la empresa.
¿Y ahora qué? Bueno, hagamos una encuesta. Piensen en esto. Vamos a hacer una encuesta. La enviaremos a todos los empleados de nuestra empresa. Esta encuesta de muestra solo tendrá una pregunta. Por favor, enumeren a todos los empleados de nuestra empresa con los que interactúan regularmente por motivos laborales.
Esa es una pregunta bastante sencilla. Se puede responder. Por ejemplo, el director ejecutivo, Darren Whitmore, responde: "Bueno, interactúo con todo su equipo ejecutivo de alto nivel". Bueno, esos son Lena, Rajiv y Mónica. También interactúa con Carlos y Víctor, así que también aparecen aquí. Creamos una tabla de datos JMP, y este es solo un pequeño fragmento. Tiene el nombre de Darren en la primera columna y todas las conexiones que menciona en la segunda. Luego, seguimos desarrollando esto para cada persona de la organización. ¿Cómo se ve esto al incorporarlo a nuestro diagrama de red?
Aquí está. Vemos que nuestro director ejecutivo está sentado aquí en el centro. Todavía tiene una tasa de conexión de aproximadamente el 2,7 %. Pero centrémonos en Bianca Torres. Bianca trabaja en ingeniería. Este es el grupo de ingeniería, y resulta ser el jefe de ingeniería. Pero Bianca está sentada aquí. Era uno de esos puntos individuales, pero ahora es mucho más grande, lo que significa que tiene muchas más conexiones. Si se fijan, también está conectada, además de con todo su grupo, con calidad. Está conectada aquí con los grupos de fabricación. Está conectada con el grupo de marketing. Simplemente está involucrada en muchas cosas diferentes en la empresa.
Como gerente de la empresa, o quizás como responsable de Recursos Humanos, podrías notar esto y pensar un par de cosas. Quizás Bianca se esfuerza mucho para mantener la empresa conectada. Quizás debería ser recompensada. O quizás esté diciendo: "Oye, tenemos a Bianca haciendo tantas cosas que no puede manejar sus responsabilidades habituales. Por eso sus otros esfuerzos han estado decayendo. Quizás necesitemos encontrar a alguien más que asuma algunas de esas responsabilidades para que la empresa funcione mejor". En ese caso, tenemos a una persona clave aquí en Bianca que nos grita: "Oye, es una empleada valiosa. Algo está pasando aquí. Necesitamos investigar esto un poco y averiguar si realmente queremos que la empresa funcione así".
Por otro lado, podríamos tener a una persona aislada. Aquí está Jordan Ellis. Trabaja en marketing. Jordan reporta a su jefe, y esa es la única conexión de la que nos habló. Bueno, ¿eso es bueno o no? Quizás. Quizás Jordan esté trabajando en un proyecto especial o algo así, y eso es lo que se supone que debe hacer. Se supone que simplemente debería estar haciendo lo suyo. Pero quizás Jordan trabaja a distancia y no se siente conectado con el resto de su departamento. Bueno, si ese es el caso, quizás deberíamos hacer un esfuerzo adicional para incorporar a Jordan y contactarlo para asegurarnos de que se sienta conectado. Eso ayudará a la empresa. Podría ayudar a Jordan en su desarrollo profesional, etc.
Esto explica brevemente cómo se pueden usar estos diagramas de red en un entorno de RR. HH. Ahora le cedo la palabra a Scott para que les explique cómo funciona el programa y cómo lo desarrolló.
Genial. Gracias, Jerry. Vamos a explicar el complemento y algunas de sus opciones, y a mostrar cómo crear estos diagramas. También veremos algunas opciones para modificar los elementos visuales e interactuar con ellos para sacar conclusiones o comprender mejor el proceso.
Aquí está la tabla de datos, la misma que usó Jerry. Solo agregué otra columna, algunas de información. Quizás había información adicional en esa encuesta que indicaba cierta frecuencia: cuanto mayor era el número, mayor era la frecuencia o el volumen de comunicación entre esas dos personas.
Para iniciar el complemento, simplemente vaya al menú Complementos y desplácese hasta el complemento Análisis de Red. Si es nuevo en el análisis de redes o aún no tiene los datos configurados, encontrará un documento de ayuda para comenzar y algunos datos de ejemplo para que pueda practicar antes de ejecutar sus propias redes. Simplemente seleccione "Ejecutar Análisis de Red".
El análisis de red utiliza un paquete de Python llamado NetworkX. También invoca otros paquetes de Python. No se puede ejecutar a menos que se tenga instalado el paquete de Python adecuado. Puede comprobar el estado. Recibirá una breve actualización que indica que se han instalado los paquetes adecuados. Si falta alguno, aparecerá una pequeña x y podrá instalarlos aquí. No se instala nada automáticamente. Debe asegurarse de instalarlos.
Una vez instalados todos los paquetes de Python, puedes construir tu grafo de red. Simplemente seleccionaremos nuestros nodos y los asignaremos a la función "Nodos". Debemos especificar su disposición inicial. Hay varias maneras de organizarlos en el espacio. Una forma común es usar un algoritmo Spring, y eso es lo que usaremos. Dependiendo de tus elementos visuales, puedes seleccionar otros.
Luego, podemos seleccionar diferentes medidas de centralidad. Jerry habló sobre el grado y la intermediación. Estas estarán activadas por defecto, y hay otras que pueden seleccionarse. En este caso, se trata de una red bastante pequeña, por lo que se calculan rápidamente. Sin embargo, si tiene redes muy grandes, es posible que no pueda ejecutarlas todas, ya que podrían tardar un poco. Una vez especificadas, haga clic en Aceptar.
Ahora, vamos a obtener nuestro diagrama de red. Podría verse un poco diferente al de Jerry debido a la aleatoriedad. Se generan semillas aleatorias. En general, deberían tener las mismas características, pero podrían verse un poco diferentes.
El análisis de red también genera tablas y estadísticas adicionales. Arriba, tenemos nuestro diagrama de red. Tenemos estadísticas resumidas. Esta tabla de nodos muestra la disposición espacial de todos los nodos generados en NetworkX; esta es solo una copia de la tabla original.
Lo primero que podrías querer hacer es explorar esta red. Hay varias herramientas para hacerlo aquí arriba. Por ejemplo, ¿dónde está Darren Whitmore, nuestro director ejecutivo, en esta red? Podemos obtener una lista de todos los nodos y, si nos desplazamos hacia abajo, encontrar a Darren. Ahora podemos ver dónde está y, por supuesto, podemos seleccionar cualquier otro nodo para ver dónde están.
Bueno, otra cosa que podrían querer hacer es ver quién está conectado con quién. Podemos seleccionar un nodo aquí. Vamos a ver a Kimberly. Queremos seleccionar todos los nodos con los que está conectada. Podemos hacerlo seleccionando todos los nodos conectados, y eso nos mostrará con quién está conectada. Podemos hacerlo iterativamente, así que puedo ejecutarlo de nuevo, y eso mostrará a todas las personas conectadas a esas conexiones. Pueden empezar a explorar estas redes.
En este caso, quizá queramos revisar esto. Como mencionó Jerry, a veces encontramos estos clústeres difíciles de ver. Podemos mostrar solo la subred seleccionada ocultando todo lo demás y luego reescalando la vista para ampliarla. Así, podemos ver más detalles en esa subred interconectada, o podemos usar herramientas de JMP para ampliarla aún más. Otra cosa que podemos hacer es... Quizás nos perdamos aquí y necesitemos retroceder completamente para mostrar todos esos nodos y luego reescalar la vista, lo que nos lleva de vuelta a la vista original.
Lo siguiente que podrías hacer es empezar a realizar un análisis básico. Jerry habló del análisis de la ruta más corta, así que puedes hacerlo seleccionando dos nodos cualesquiera, asignándoles roles y luego encontrando la ruta más corta.
Otra opción es la detección de comunidades. Es similar a la agrupación en clústeres. Algunas de estas comunidades tendrán estadísticas o características similares. Existen diferentes algoritmos para encontrarlas. Sabemos que existen comunidades inherentes, como los departamentos o puestos de la organización. En este caso, podríamos estar buscando clústeres o comunidades de comunicación. Podemos ejecutar uno de ellos usando la opción predeterminada y haciendo clic en Ejecutar. Aquí tendremos una opción para colorear por columna, así que ahora podemos colorear por esos clústeres. Haré clic en Aceptar.
Ahora, obtenemos una vista agrupada, donde podemos ver diferentes colores que corresponden a las distintas comunidades de esta red. Algunos podrían tener sentido. Es probable que los diferentes departamentos estén agrupados, pero podría haber algunas sorpresas. Vemos esta interesante disposición de comunicación y agrupación que quizás convenga analizar más a fondo. También se muestran estadísticas resumidas de esas comunidades.
Otra cosa que podrías hacer para analizar esta red es simplemente consultar la pestaña Resumen de la Red. Esta pestaña muestra estadísticas comunes para toda la red, así como las características de los nodos y de los bordes. También obtienes histogramas resumidos de todas las medidas de centralidad calculadas, como el grado, la intermediación, el vector propio y cualquier otra que se haya seleccionado en el cuadro de diálogo inicial.
En este caso, quizás nos interese analizar la intermediación. En cuanto a la intermediación, observamos que la mayor parte de nuestra comunidad o red tiene una intermediación muy baja. Se encuentran en los límites. Sin embargo, hay algunas con una intermediación mucho mayor. Como estamos en JMP y usamos tablas de datos conectados, podemos seleccionarlas y luego volver a nuestro diagrama de red para ver quiénes son.
Creo que esto demuestra la potencia de trabajar en Python, realizar análisis que no se pueden realizar de forma nativa en JMP, enviarlos a Python y luego capturar los resultados e incorporarlos a los gráficos interactivos de JMP. Podemos hacer esto con cualquiera de las selecciones aquí y luego volver a nuestro diagrama de red.
Creo que el análisis de redes consta de dos partes. La estadística, que permite obtener las estadísticas de red como las que tenemos aquí, y la visualización. Hay muchas opciones de gráficos diferentes para organizar estos nodos y aristas de forma que se obtenga más información.
Puedes cambiar la disposición. Algunas redes pueden verse bien con diferentes disposiciones, y puedes simplemente seleccionarlas y ejecutarlas. Se trata de devolver la red a Python para ejecutar el análisis de NetworkX, regenerar la orientación espacial y luego recuperarla. También puedes cambiar los coeficientes. Verás que diferentes coeficientes también darán lugar a resultados diferentes. Por ahora, volveré al resorte. Notarás que si ejecutas el mismo un par de veces, podrías obtener una vista diferente simplemente debido a los puntos de inicio aleatorios.
Otra cosa que podrías hacer es simplemente seleccionar diferentes colores o tamaños de columna para las futuras columnas. En este caso, quizás volvamos al grado. Voy a buscar el color del nodo. Lo seleccionaré, y en realidad es solo el grado. Seleccionaré esa columna y haré clic en Aceptar para volver al color del nodo. También quiero mencionar que esto usa la función de gráfico de burbujas de JMP. Tienes acceso a todas las opciones comunes de gráfico de burbujas. Quizás en este caso, queramos que todos nuestros nodos estén rellenos y delineados para crear contraste.
Lo último que podrías querer hacer es cambiar los bordes. Puedes cambiar el color del borde. Si no te gusta el color, puedes colorearlo por columna. Lo que quiero hacer en este caso es quizás cambiar el ancho de estos. Sabemos que en nuestra encuesta tenemos la columna de frecuencia, pero en nuestro diagrama de red, todas esas líneas tienen el mismo ancho. ¿Qué pasa si cambio el ancho según la frecuencia? Ahora puedo ver no solo quién se comunica con quién, sino también con qué frecuencia. Podemos cambiar esto a columna, y voy a cambiarlo a Frecuencia y hacer clic en Aceptar. Ahora, podemos ver claramente dónde están las conversaciones más frecuentes. Aunque algunas personas se comunican como estas dos, no son muchas. Podemos ver claramente quién se comunica más en este diagrama, solo para agregar información adicional.
Hay muchas otras personalizaciones que puedes realizar. De hecho, puedes ejecutar esta disposición ahora usando la columna de ponderación de aristas. En los diagramas de red, los nodos y las aristas desempeñan diferentes funciones en el resultado o en la disposición final. Puedes agregar una columna de ponderación y volver a ejecutarla para obtener una disposición diferente que ayude a mostrar la historia que intentas contar.
Eso es todo lo que quería mostrar. Espero que, si te estás iniciando en el análisis de redes o, después de ver esto, quieras empezar, descubras que aquí encontrarás muchas herramientas que te ayudarán a trabajar de forma interactiva entre JMP y Python. Te devuelvo la palabra, Jerry.
Muy bien. Gracias, Scott. Una cosa que quería... Veamos si puedo compartirlo aquí a la vez. Hacer dos cosas a la vez: hablar y compartir. Algo que quería señalar es que has estado hablando de Python y de JMP. JMP se integra muy bien con Python, y estás usando... ¿Para qué reinventar la rueda, verdad? Estás usando Python para algunos cálculos, y luego la potencia de JMP y su capacidad interactiva para mostrar información. Me pareció fabuloso. Ahora, deberíamos compartirlo de nuevo.
¿De dónde provienen estos datos? Hemos hablado mucho sobre los diagramas en sí. Bueno, ya mencionamos que podría ser una encuesta. Sin embargo, quería añadir una nota: tengan cuidado con la privacidad al realizar una encuesta. Podrían empezar a hacer preguntas que la gente podría no querer responder y meterse en problemas. Si lo hacen para una solicitud de RR. HH., asegúrense de consultar con su departamento. Pueden descargar datos de Facebook, LinkedIn y otras plataformas similares y consultar esas redes.
Hay algunos problemas que quizás quieras considerar. ¿Cómo se cuantifica la fuerza de la conexión? Scott mencionó la frecuencia de las conexiones, y creo que la usabas en una escala del 1 al 10. Bueno, ¿cómo te aseguras de que un 7 en la escala de una persona sea un 7 en la de otra? Ese es un problema común con esas escalas subjetivas.
¿Cómo se resuelven las diferencias en las conexiones? Digamos que la persona A dice: "Tengo una fuerte conexión con...". Digamos: "Tengo una fuerte conexión con Scott", y Scott dice: "No, la verdad es que no hablo mucho con Jerry". ¿Cómo se resuelve eso? No tengo una buena respuesta. Es algo que quizás debas analizar.
¿Cómo se cuantifica la dirección del flujo de información? Quizás Scott me da mucha información a diario, pero yo no le doy mucha información. Puede que tengamos mucha conectividad y una comunicación frecuente, pero todo fluye en una sola dirección. Hay muchos aspectos que conviene tener en cuenta al usar este complemento.
En RR. HH., hemos hablado sobre cómo identificar influenciadores ocultos y personas aisladas. También puedes usarlo para mejorar la incorporación. Incorporas a alguien y, en lugar de simplemente mostrarle un organigrama, puedes decirle: "Esta persona es de referencia. Quieres conectar con ella porque sabe mucho de lo que está pasando". Puedes mostrarle esto en este diagrama. La gestión del cambio, si se anuncia una nueva organización, podría ser una buena manera de demostrarlo. Puedes justificar acciones de RR. HH. como ascensos y motivación de empleados. Puedes ver el flujo de información dentro de tu organización; todo ello es útil para una empresa.
Como mencioné antes, esto tiene otras aplicaciones además de Recursos Humanos. Si consultan la documentación de ayuda, verán estas... Creo que tenemos cuatro diapositivas que Scott ha incluido en su archivo de ayuda. Scott, ¿podrías explicarnos de qué se trata cada una?
Claro. Cada uno de estos conjuntos de datos está disponible en el complemento. Este es un conjunto de datos anonimizados de Facebook. Hay miles de nodos en este caso, y podrías querer analizarlos para ver quién es un influencer o quién podría ser un puente entre dos comunidades diferentes. En este caso, coloreamos los nodos seleccionando uno. Seleccionamos el nodo morado, seleccionamos todos los conectados y luego los coloreamos en verde azulado, y luego cualquier nodo que no esté conectado al morado está en azul. Puedes ver que el morado está conectado al verde azulado en esa masa azul abajo. Puedes ver quiénes son los conectores o quiénes podrían ser los influencers en grandes redes sociales.
El siguiente paso es el análisis del microbioma. Se trata de una reproducción de algunos resultados publicados, y proporciono un enlace a la publicación, así como al conjunto de datos. Esto permite mostrar qué bacterias, o microbios, en este caso en el intestino, pueden interactuar entre sí de forma positiva o negativa, y la magnitud o densidad de dichas interacciones. Ahora pueden empezar a observar las relaciones entre sistemas ecológicos o biológicos.
El siguiente ejemplo es un ejemplo divertido. Lo vi cuando buscaba ejemplos de análisis de redes y me encontré con este gráfico. Busqué el conjunto de datos y quería mostrar cómo se podía crear un diagrama de red divertido. Este muestra todas las diferentes partidas y competiciones del Campeonato Mundial de Ajedrez de 1886 a 1985. Simplemente indique quién jugó contra quién. En muchos casos es muy lineal, pero se ven algunas ramificaciones. Emanuel Lasker jugó con bastantes jugadores. Se puede ver a Bobby Fischer arriba, jugando solo contra Boris Spassky. Este es un ejemplo divertido de este conjunto de datos; creo que también está disponible en el complemento.
Fischer era mi ídolo cuando era niño y aprendía ajedrez. Me estoy delatando.
Este último ejemplo es… Creo que en JMP hablamos mucho de modelos predictivos y redes neuronales cuando se trata de redes neuronales artificiales. Otra aplicación es visualizar redes neuronales reales. Se trata de una especie de gusano, y se mapeó su red neuronal real. Cada nodo es una neurona y tiene diferentes conexiones con diferentes neuronas. Simplemente ejecuté un algoritmo simple de agrupamiento comunitario, lo coloreé según esos valores y lo organicé. Pueden ver que esto casi parece un mapa de red neuronal artificial, y luego coloreé esos bordes según el número de conexiones entre nodos. Cuanto más oscuro sea el color, más conexiones hay entre esos nodos.
Con suerte, si estás comenzando con el análisis de redes y aún no tienes tus datos, puedes comenzar a practicar con estos conjuntos de datos.
Los diagramas de red tienen otras aplicaciones. Permiten analizar las relaciones entre las partes interesadas y las cuentas, así como la gestión de proyectos. Permiten mapear los recursos de la comunidad. Facilitan la colaboración. Si se observa que dos grupos funcionan bien de forma independiente, se pueden unir. Se aborda la transmisión de enfermedades. Quizás se esté analizando qué comunidades presentan un brote específico y cuáles no, dónde podrían estar las barreras. Se puede mapear la cadena de suministro, entre muchas otras aplicaciones.
Nuestro complemento… lo uso con cierta libertad. El complemento de Scott se encuentra en marketplace.jmp.com. Ahí encontrarás todos los complementos de JMP disponibles actualmente. Busca "Análisis de Red" o simplemente escribe esta URL. Asegúrate de buscar "Análisis de Red". Hay otro que se llama "Análisis de Red". Seguro que también es útil, pero este en particular se llama "Análisis de Red". Una vez que lo hayas descargado e instalado en JMP, tendrás acceso al documento de ayuda y a los archivos de datos de ejemplo que Scott proporcionó con el complemento.
Dicho esto, les agradezco. Gracias, especialmente a Scott, por todo el esfuerzo que hizo para que esto funcionara. Gracias, como espectadores, como oyentes de hoy, por echar un vistazo a nuestro trabajo. Si tienen alguna pregunta, aquí tienen nuestra información de contacto. No duden en contactarnos. Estaremos encantados de hablar con ustedes. Gracias.
