大家好！歡迎觀看我們今天的演示，內容是關於 JMP 的一款新網頁插件，它可以透過網路圖來展現人員網路。我叫 Jerry Fish，在 JMP 工作。我為美國中北部地區、密西根州、威斯康辛州、伊利諾州和印第安納州的客戶提供支援。今天我的同事 Scott Allen 也和我們一起分享了這次示範。
我是史考特·艾倫。我也是系統工程師，我支持美國俄亥俄河谷地區。
這個計畫大概始於四年前左右。我當時在華頓商學院選修了一門人力資源分析課程。課程內容之一與網路圖有關，引起了我的興趣。最終，我為今年的探索高峰會提交了一份關於網路圖的摘要。
我剛提交摘要就收到了錄取通知，然後就發現Scott已經完全獨立地開始做這件事了。效果真的很好。 Scott功不可沒。他至少完成了95%的工作，可能更多是繁重的工作，包括程式設計和軟體開發。謝謝你，Scott。很高興我們能一起合作。效果真的很好。
今天，我們將討論網絡圖在商業組織中的應用。我們假設有一家公司，我稍後會講解，並展示其繪製過程。我會先講解其中的幾個方面，然後請 Scott 講解該軟體的工作原理、他是如何開發的，以及其中的一些額外功能，這些功能我不會在本次演講中涉及。
然後我們再回過頭來討論其他網路圖應用程式。它不僅適用於人力資源部門，還可以用於許多不同的地方。最後，我們將介紹如何找到並下載此外掛程式。
讓我們從虛構的公司 ACME Medical Products 開始。我使用 Microsoft Copilot 創建了一家公司，其中包含各種部門和眾多員工，並隨機給我一些名字。實際上，我以此為基礎，使用 PowerPoint 建立了這張組織架構圖。我相信每個人都看過組織結構圖。它本質上是層級結構。它只是顯示了誰向誰報告的命令結構以及業務佈局。
我想提一下，在我們把CEO、他的直接下屬以及他們的直接下屬等等都列出來之後，幾乎所有這些方框都代表一個人。但有時在組織架構圖中，你會看到類似這樣的情況。如果我放大這個方框，你會發現其實是三個人。這本身並沒有什麼問題，但如果你只是想看看有多少人向某個人報告工作，組織結構圖的視覺效果可能會有點誤導。這只是需要注意的一點。看看我們現在能不能回到正題。好了。
讓我們問自己一個問題。如果我們能以不同的方式佈局這張圖表，會發生什麼事？如果我們看到的不僅僅是誰向誰報告的層級，而是這張新圖表中的關聯性，又會如何？這就是我們一直在研究的，這張網路圖。
這是網絡圖的範例。目前我所做的就是從組織結構圖中提取層級數據，然後將其從我們新的插件中轉置到網路圖中。這裡稍微解釋一下，它們只是一些非常簡單的連結。中間這個紅點代表我們的執行長。在這個場景中，他的名字是達倫惠特莫爾 (Darren Whitmore)。他位於組織的中心位置，所有延伸出的線條代表他的直接下屬。然後，從這些點開始，是另一個人，這個人有四個直接下屬，依此類推。這些資訊與我們在層級組織結構圖中看到的資訊完全相同，只是佈局略有不同。
聚類通常用於討論或推斷部門。我們可以進行一些更改，您會看到很多變化，例如點的大小、顏色，它們都有意義。我們稱之為邊的大小、厚度和顏色……它們也有意義。稍後我們會看到。此外，當 Scott 展示實際插件的演示時，您可以將滑鼠懸停在點上，並從該特定點獲取常規信息，就像普通的 JMP 圖表一樣。目前這只是一張 PowerPoint 投影片。
一些定義。像這樣的圖中的圓圈稱為節點。我們以後會常用節點來討論它們。在人力資源部門，你可以將其轉化為人。每個點代表一個人，一個個體。正如我所提到的，節點的顏色可以改變。在這個例子中，它可以代表部門。我做了一些調整，所以現在每個部門都有顏色編碼。邊或線代表人與人之間的連結。目前，我們仍然只使用組織結構圖的連接，也就是層級結構。
現在，我們接下來會看到幾個術語。其中一個叫做“度”。這是一個相當簡單的術語。如果我們看一下這個人，這個人的節點值是4度。這意味著有四條線從這個節點連接到其他節點。這就是我們所說的「度」。
介數性有點不同。介數性與如何從一個節點到達另一個節點有關？想像一下…這裡，我們有安德烈·劉易斯 (Andre Lewis) 和奧利維亞·格蘭特 (Olivia Grant)，他們位於這個大網絡圖的兩端。如果安德烈想與奧莉維亞溝通，可以想像他在課堂上傳遞紙條或類似的東西。安德烈把紙條傳給他的老闆，他的老闆再傳給她的老闆，如此反复，直到奧利維亞收到訊息。嗯，這很好。可能還有其他路徑。這個人可能從這裡到這裡，再到這裡，或者可以從這裡到這裡，再到這裡。這裡有一個最短路徑的概念，比如說，從安德烈到這裡到奧莉維亞。
如果你標記每個人到每個人之間的每條最短路徑，然後統計其中有多少最短路徑經過單個節點——這裡又是我們的首席執行官達倫·惠特莫爾——結果顯示，83% 的最短路徑都經過達倫·惠特莫爾。看起來，基於此……順便說一下，我們得到了節點大小，點的大小與介數有關。他看起來像個大人物。他掌控一切。一切都要經過他。但這並不能告訴我們這個組織真正的連結程度。讓我們更進一步。
如果我們假設，作為我們的第一個假設，假設我們有一個部門有 8 個人，這 8 個人都互相交流，我們將這些連結加入到那個層級組織結構圖中。這會如何改變中介性？這就是這張圖。現在，我們可以看到在這個部門，這個藍色的部門，我們有 8 到 10 個人。你看不太清楚，但他們都透過線、通過節點……抱歉，透過邊互相連結。現在我們知道，如果這個人想和這個人交談，他們可以直接交談。他們不必一路經過 Darren 或其他人。
現在，我們重新計算了中介值，發現我們這位主管的中介值降低了。他現在位於中間。我們的執行長達倫·惠特莫爾現在的中介值是2.7%，所以現在日常溝通中只有很少一部分是透過達倫進行的。更多的是透過比如說坦妮亞·布魯克斯進行的。她現在的點更大了。有2.4%的溝通是透過她進行的，以此類推。我們開始更多地了解溝通方式、資訊如何在我們的業務中流動，以及業務如何運作。
現在怎麼辦？好吧，我們來做個調查。想想看。我們要做一個調查。我們要寄一份問卷給公司裡的每個人。這份抽樣問卷只會包含一個問題。請列出所有你經常與公司員工進行業務往來的員工。
這是一個相當簡單的問題，很容易理解。例如，執行長達倫·惠特莫爾回覆說：「嗯，我和他所有的高階主管團隊都有聯繫。」 嗯，從莉娜、拉吉夫、莫妮卡一直到下面都是這樣。他也和卡洛斯、維克多有聯繫，所以他們也列在這裡。我們創建了一個JMP資料表，這只是其中的一個小片段。第一列是達倫的名字，第二列是他提到的所有聯絡人。然後，我們繼續為組織中的每個人建立這個資料表。當我們把它放到網路圖中時，會是什麼樣子呢？
就是這樣。現在，我們看到我們的執行長坐在中間。他的連接率仍然在 2.7% 左右。不過，讓我們把注意力集中在比安卡·托雷斯身上。比安卡在工程部工作。這是工程組，而這位剛好是工程部的老闆。但比安卡坐在這裡。她曾經是這裡的一個獨立點，但現在她的規模更大了，這意味著她擁有更多的連結。如果你仔細觀察，你會發現，除了與整個團體聯繫之外，她還與品質部門聯繫。她與製造組聯繫。她與行銷組聯繫。她參與了公司裡很多不同的事情。
身為公司經理或人力資源部，你可能會注意到這一點，並會說幾句話、想幾件事。例如比安卡，她為了維繫公司凝聚力付出了很多努力。也許她應該得到獎勵。又或者，有人會說：「嘿，我們讓比安卡忙得不可開交，以至於她無法勝任日常工作。所以她其他方面的努力一直在下滑。也許我們需要找人來接手她的部分工作，讓公司運轉得更好一些。」這時，我們公司的關鍵人物比安卡就會衝出我們喊：「嘿，她是一位寶貴的員工這裡是一位寶貴的員工。
另一方面，我們可能有一個孤立的人。例如喬丹·艾利斯，他在行銷部門工作。喬丹向他的老闆報告工作，這是他告訴我們的唯一聯絡方式。這到底是好事還是壞事？也許吧。也許喬丹正在外面處理一個特殊項目之類的事情，這是他應該做的。他只是應該在外面做他自己的事情。但也可能是因為喬丹是遠距員工，他感覺與部門裡的其他人沒有真正的聯繫。如果是這樣的話，也許我們應該付出額外的努力，讓喬丹融入我們的團隊中，並與他進行一些溝通，確保他感覺與公司有聯繫。這會對公司有所幫助，也可能有助於喬丹的職業發展等等。
以上是關於如何在人力資源環境中使用網路圖的一些介紹。現在我將把時間交給 Scott，讓他來跟大家講解一下這個程式本身的工作原理以及他是如何建構它的。
太好了！謝謝，傑瑞。我們將逐步講解這個外掛程式和一些選項，並展示如何建立這些圖表，然後介紹一些可以用來更改視覺效果並與之互動的選項，以便得出結論或獲得一些見解。
這是數據表，和Jerry用的一樣。我只是在這裡添加了一列，一些信息列。也許那份調查中有一些額外的信息，這些信息表明了頻率，數字越高，兩個人之間的交流就越頻繁或數量越多。
要啟動該插件，我們只需進入「插件」選單，找到「網路分析」插件。如果您是網路分析新手，或者還沒有設定好數據，這裡有一個幫助文件可以幫助您入門，這裡也有一些範例數據，您可以在運行自己的網路之前進行練習。我們只需點擊「運行網路分析」即可。
網路分析使用一個名為 NetworkX 的 Python 套件。它還會呼叫其他一些 Python 套件。除非您安裝了相應的 Python 包，否則無法運行它。您可以檢查狀態。您將收到一個小的狀態更新，顯示您已安裝相應的套件。如果缺少任何包，您將看到一個小 x，然後您可以在此處安裝缺少的包。系統不會自動安裝任何套件。您需要確保安裝這些套件。
安裝完所有 Python 軟體包後，您就可以建立網路圖了。我們只需選擇節點並將它們轉換為 Nodes 角色。我們需要指定這些節點的初始排列方式。在空間中排列這些節點有許多不同的方法。一種常見的方法是使用 Spring 演算法，我們將使用它。或者，您也可以根據自己的視覺效果選擇其他方法。
然後我們可以選擇不同的中心度量。 Jerry 之前提到過度和介數。這些度量預設啟用，還有一些其他度量可以選擇。在本例中，網路規模很小，所以這些度量計算起來很快。但如果網路規模很大，你可能不會全部運行，因為它們可能需要一些時間。指定這些度量後，點選「確定」。
現在，我們將得到我們的網路圖。它可能看起來與Jerry的略有不同，因為其中存在一些隨機性。產生這些圖需要使用隨機種子。通常情況下，它們應該具有相同的特徵，但看起來可能略有不同。
網路分析也會產生一些額外的表格和統計數據。最上面是網路圖，其中包含一些總計統計資料。這個節點表顯示了 NetworkX 中產生的所有節點的空間排列，這只是原始表的副本。
您可能想做的第一件事就是探索這個網路。這裡有很多工具可以做到這一點。例如，我們的執行長 Darren Whitmore 在這個網路中的什麼位置？我們可以取得所有節點的列表，然後向下滑動以找到達倫。現在，我們可以看到他的位置，當然，我們也可以選擇任何其他節點來查看他們的位置。
嗯，你可能還想做的另一件事就是看看誰和誰有聯繫。我們可以在這裡選擇一個節點。讓我們來看看金伯莉。我們要選擇金伯利連接的所有不同節點。我們可以透過選擇所有連接的節點來實現這一點，這樣就能顯示出她與誰有聯繫。我們可以重複執行此操作，所以我可以再次運行該操作，這樣就能顯示出所有與這些連接相關的人。現在，你就可以真正開始探索這些網路了。
在這種情況下，我們或許需要看看。就像Jerry提到的，有時我們會遇到一些難以看清的聚集。我們可以隱藏其他所有內容，然後重新縮放視圖以放大，只顯示選定的子網路。現在，我們可以看到該互連子網的更多細節，或者我們當然可以使用一些JMP工具來幫助我們進一步放大。我們還可以做的一件事是，當我們…也許你在這裡迷失了方向，需要完全退出，這樣你就可以顯示所有這些節點，然後重新縮放視圖，這樣我們就可以回到原始視圖。
接下來你可能想做的就是開始做一些基本的分析。 Jerry 之前曾經講過最短路徑分析，所以當然可以這麼做：選擇任兩個節點，將它們轉換為角色，然後找出最短路徑。
我們還可以做的另一件事是進行社群檢測，或者說社群檢測。這類似於聚類。其中一些社區會具有相似的統計數據或相似的特徵。您可以運行不同的演算法來尋找這些社區。我們知道組織中存在著固有的社群，例如部門或職位。但在本例中，我們可能要查看的是溝通集群或溝通社群。我們可以使用預設設定並點擊“運行”來運行其中一個。這裡我們將提供一個按列著色的選項，因此我們現在可以按這些群集著色，然後點擊「確定」。
現在，我們得到了一個聚類視圖，可以看到不同的顏色對應網路中不同的社區。其中一些顏色可能很有意義。當然，不同的部門可能會聚集在一起，但這裡可能也有一些意外。我們看到了這種有趣的溝通和聚類安排，可能需要進一步研究。您還可以獲得這些社區的一些匯總統計數據。
分析此網路時，您可能還想做的另一件事是查看「網路摘要」選項卡，它提供了整個網路的一些常見統計數據，以及節點特徵和邊特徵。您還可以獲得所有計算的中心性度量的摘要直方圖，例如度數、介數、特徵向量以及在開啟的對話方塊中選擇的任何內容。
在這種情況下，我們可能對介數感興趣。就介數而言，我們可以看到，大多數社群或網路的介數都很低，它們處於邊緣。但也有一些介數很高。因為我們在 JMP 中使用關聯資料表，所以我們可以選擇這些介數，然後回到我們的網路圖，看看它們是誰。
我認為這確實展現了 Python 的強大功能，可以進行 JMP 原生無法完成的分析。本質上，只需將資料傳送到 Python，然後抓取結果並將其匯入 JMP 的互動式圖表即可。我們可以對此處的任何選擇執行此操作，然後返回到我們的網路圖。
我認為網絡分析實際上包含兩個部分。首先是統計部分，也就是取得我們這裡提到的網路統計資料；其次是視覺化部分。有許多不同的圖表選項可以幫助你以更方便的方式排列這些節點和邊，從而提供更多資訊。
您可以變更排列方式。有些網路在不同的排列方式下可能看起來不錯，您只需選擇並運行它們即可。它會將網路傳回 Python 運行 NetworkX 分析，重新產生空間方向，然後將其傳回。您也可以變更這些網路的係數。您會發現不同的係數也會導致不同的結果。我現在先回到彈簧。您會注意到，如果您只執行同一個程式幾次，您可能會得到不同的視圖，只是因為它們的起始點是隨機的。
您可能還想做的另一件事是為以後的列選擇不同的顏色或大小。在本例中，我們或許應該回到度數。我要找到節點顏色。我選擇它，它其實就是度數。我選擇該列，點擊“確定”，這樣我們就可以回到節點顏色了。我還想提一下，這是使用 JMP 的氣泡圖功能。您也可以使用所有常用的氣泡圖選項。在本例中，我們或許希望所有節點都填滿並帶有輪廓，以便形成對比。
您可能想要做的最後一件事是更改邊線。您可以變更邊線顏色。如果您不喜歡該顏色，可以透過列來為其著色。我在這裡想要做的可能是更改這些線的寬度。我們知道，在我們的調查中，我們有頻率列，但在我們的網路圖中，每條線都是相同的寬度。如果我根據頻率更改寬度會怎麼樣？現在，我不僅可以看到誰在與誰交流，還可以看到交流的頻率。我們可以將其更改為列，我將其更改為“頻率”，然後按一下“確定”。現在，我們當然可以看到最頻繁的對話在哪裡。即使有些人像這兩個人一樣在交流，但交流次數並不多。我們當然可以在這張圖中看到誰交流最多，只是為了增加額外的資訊。
您還可以進行各種其他自訂。現在您實際上可以使用邊權重列來運行此排列。在網路圖中，節點和邊在結果或最終排列中扮演著不同的角色。您可以添加權重列並重新運行它，得到不同的排列，以幫助展現您想要講述的故事。
這就是我真正想展示的全部內容。希望如果你剛開始接觸網路分析，或是看完這篇文章後想要開始學習，你會發現這裡有很多工具可以幫助你，在 JMP 和 Python 之間進行互動。 Jerry，我把這個交給你了。
好的。謝謝，斯科特。有一件事我想…我們看看能不能同時在這裡分享。一舉兩得，一邊聊天一邊分享。我想指出的是，你一直在談論 Python 和 JMP。 JMP 與 Python 配合得很好，而且你正在使用…為什麼要重新發明輪子呢？你使用 Python 進行一些計算，然後利用 JMP 的強大功能和互動功能來顯示資料。我覺得這太棒了。現在，我們應該再次分享了。
這些數據從何而來？關於圖表本身我們已經討論過很多了。嗯，我們已經提到這可能是一項調查。不過，我還是想在這裡補充一點。做調查時要注意隱私問題。你可能會問一些人們可能不想回答的問題，這可能會帶來麻煩。如果你是為了人力資源部門申請，請務必與人力資源部門溝通。你可以從Facebook、LinkedIn之類的平台下載一些數據，並查看這些社群網路。
你可能需要考慮一些問題。如何量化連接的強度？史考特提到了連結的頻率，我認為你用的是1-10的量表。那麼，如何確保一個人量表上的7分在另一個人量表上也是7分呢？這是這些主觀量表的常見問題。
你該如何解決人際關係上的差異？假設甲說：「我和…關係很密切。」 又比如說：「我和史考特關係很密切。」史考特說：「不，我和傑瑞其實根本不怎麼說話。」你該如何解決這個問題？我沒有好的答案。這可能需要你自己去思考。
你如何量化資訊流的方向？斯科特可能每天都會給我很多訊息，但我給他的資訊卻不多。我們之間可能聯繫緊密，溝通頻率也很高，但訊息都是單向流動的。你在使用這個插件時需要考慮很多不同的事情。
在人力資源領域，我們討論過如何發現隱藏的影響者和孤立的個體。你也可以用它來提升入職訓練的效果。你招募員工時，與其只給他們看組織結構圖，不如說：「這個人是關鍵人物。你想和他接觸，因為他對目前的情況非常了解。」你可以用這張圖來展示這一點。在變革管理方面，如果你宣布了新的組織架構，這可能是展示這一點的好方法。你可以用它來解釋人力資源部門的行動，例如昇遷和鼓勵員工。你可以看到組織內部資訊流，所有這些都對企業有用的。
現在，正如我之前所說，除了人力資源之外，還有其他應用。如果你查看幫助文檔，你會看到這些…我記得斯科特在他的幫助文件中嵌入了四張幻燈片。史考特，你想分別說明一下這些投影片分別是什麼嗎？
當然。每個資料集都可以在插件中找到。這個資料集是匿名的 Facebook 資料。在這種情況下，有數千個節點，您可能想要分析這些數據，看看誰是影響者，或者誰可能是兩個不同社區之間的橋樑。在本例中，我們透過選擇一個節點來為它們著色。我們選擇了紫色節點，選擇了所有連接的節點，然後這些節點被塗成藍綠色，而任何未連接到紫色的節點都顯示為藍色。您可以看到，在底部的藍色區域裡，紫色節點與藍綠色節點相連。您可以看到誰是連結者，或者誰可能是大型社交網路中的影響者。
下一個是微生物組分析。這是對一些已發表結果的複現，我提供了該出版物的連結以及資料集。這可以顯示哪些細菌、哪些微生物（在本例中是腸道中的細菌、微生物）可以以正向或負向的方式相互作用，以及這些相互作用的強度或厚度。現在您可以開始了解生態或生物系統之間的關係。
下一個例子，這只是一個有趣的例子。我在尋找網絡分析的例子時看到了這個圖。我找到了這個資料集，只是想展示如何製作一些有趣的網路圖。它展示了1886年至1985年世界象棋錦標賽的所有不同比賽和比賽。只要說明誰與誰對弈即可。在很多情況下，它都是線性的，但你確實可以看到其中有一些分支。伊曼紐拉斯克與許多人對弈過。你可以看到鮑比·菲舍爾在最上面，只與鮑里斯·斯帕斯基對弈過。這只是這個資料集中的一個有趣的例子，我相信插件中也有這個功能。
菲舍爾是我小時候學棋時的偶像。我正在和自己約會。
最後一個例子是…我記得在JMP中，當談到人工神經網路時，我們經常討論預測模型和神經網路。另一個應用是將實際的神經網路視覺化。這是某種蠕蟲，它的實際神經網路被映射出來了。每個節點都是一個神經元，它與不同的神經元有不同的連結。我運行了一個簡單的社區聚類演算法，根據這些節點為它上色，並進行排列。你可以看到，它看起來幾乎像一張人工神經網路圖，然後根據節點之間的連接數來為這些邊上色。顏色越深，表示節點之間的連接越多。
希望如果您剛開始進行網路分析，但還沒有數據，您可以開始使用這些數據集進行練習。
網路圖還有其他應用。你可以查看利害關係人關係和客戶關係，以及專案管理。你可以繪製社區資源圖，促進合作。如果你發現兩個團體獨立運作良好，你可以將它們整合在一起。疾病傳播。也許你可以查看哪些社區爆發了某種疾病，哪些沒有，以及可能的障礙在哪裡。供應鏈圖譜，以及你可以用它做的很多不同的事情。
我們的插件……我不太常用。 Scott 的插件在 marketplace.jmp.com。在那裡你可以找到目前 JMP 的所有插件，所有 JMP 可用的插件。搜尋“網頁分析”，或直接輸入這個特定的 URL。一定要搜尋「網路分析」。還有一個插件，叫做“網路”，或其他什麼的。我相信它也很有用，但這個插件叫做「網路分析」。下載並安裝到 JMP 後，你就可以存取 Scott 隨插件提供的說明文件和範例資料檔了。
最後，我要向大家致上謝意。特別感謝斯科特，感謝他為籌備這場活動付出的辛勤工作。感謝各位觀眾及聽眾朋友關注我們的工作。如有任何疑問，請點擊這裡查看我們的聯絡方式。歡迎隨時與我們聯絡。我們很樂意與您交流。謝謝！
