Social Network Analysis: dimmi con chi sei connesso e ti dirò chi sei

La Social Network Analysis è una moderna metodologia di analisi delle relazioni interpersonali. Comunemente associata allo studio delle interazioni nei più noti social network (Facebook, Twitter, Linkedin), la tematica trova applicazione già negli anni '30 del secolo scorso grazie agli studi di Jacob Levi Moreno, fondatore della microsociologia, branca che si occupa dello studio e dell’osservazione di piccoli gruppi sociali e della loro interazione. L’obiettivo è quello di monitorare come dall’interazione nascano i rapporti sociali, come da questi si sviluppino dei ruoli definiti e come la relazionalità crei i presupposti per la nascita di ulteriori forme di aggregazione.

Nel corso degli anni la Social Network Analysis ha trovato diverse applicazioni sia nelle scienze sociali sia nel management, ed è stata utilmente impiegata nello studio di diversi fenomeni come la diffusione dell’informazione, lo studio delle istituzioni e il funzionamento delle organizzazioni.

Nella teoria delle reti sociali, la società è vista e studiata come rete di relazioni più o meno estese e strutturate. Il presupposto fondante è che ogni individuo si relaziona con gli altri e questa sua interazione plasma e modifica il comportamento di ciascun soggetto coinvolto nella relazione.

Lo scopo principale dell’analisi dei network è proprio quello di individuare ed analizzare tali legami tra individui. L’obiettivo è quello di scoprire schemi riconducibili a strutture relazionali, di determinare le condizioni di origine delle relazioni e di rilevarne le conseguenze. Secondo questa prospettiva la struttura sociale è assunta come un modello persistente di relazioni fra posizioni sociali e si configura attraverso insiemi di “nodi”, ovvero i networks, e “legami”, ossia le interconnessioni.

A questo punto è utile far riferimento ad alcuni indicatori necessari per la corretta analisi di una rete. Tra questi troviamo la densità, importante strumento per individuare il livello generale di coesione del network. Da un punto di vista matematico, la densità di una rete è la proporzione dei legami presenti su tutti i legami possibili. Questa, quindi, assume valori compresi tra 0 e 1: valori prossimi allo 0 indicano bassi livelli di coesione, mentre valori vicino ad 1 indicano alti livelli di coesione della rete.

Le misure di centralità permettono di definire il posizionamento di un attore nella propria rete in termini relazionali, nello specifico due indici notevolmente diffusi per il l’analisi della centralità sono:

• indegree, che rappresenta la centralità basata sul grado di popolarità (numero di collegamenti ricevuti);
• betweenness, che misura la centralità basata sulla interposizione del nodo

L’indegree di un nodo corrisponde al numero dei suoi legami in entrata. Si può affermare che più è alto il numero di scelte ricevute da ciascun nodo, tanto maggiore è la sua popolarità (centralità) all’interno della rete in esame. Questo indicatore varia tra 0 e n-1. Valori vicino allo 0 indicano una scarsa centralità del nodo all’interno della rete, ovvero il nodo è periferico; al contrario, valori prossimi a n-1 indicano invece una elevata centralità dell’individuo.

L'indice betweenness è invece basato sulla frequenza con cui ogni singolo nodo si trova nel percorso più breve che collega ogni altra coppia di nodi. Pertanto indica quanto una persona è “intermediaria” tra persone all’interno di un gruppo. In pratica, se il valore è alto probabilmente siamo in presenza di uno “snodo” importante di riferimento nelle comunicazioni, negli scambi, nel collegamento tra aree diverse della rete.

Infine per ciascuna delle due misure di centralità può essere calcolata la corrispondente misura di centralizzazione della rete (global centrality). La centralizzazione considera infatti la rete nel suo insieme e misura il grado in cui il network si concentra intorno ad alcuni nodi centrali; in altre parole, descrive quanto la coesione della rete sia organizzata intorno a determinati punti focali e rappresenta un modo alternativo per individuare gruppi di opinion leader.

Nell'era degli algoritmi, la Social Network Analysis rappresenta oggi una modalità consolidata, intelligente ed efficace per individuare gruppi di influencers all'interno dell'organizzazione coinvolgendoli quindi nei processi di cambiamento per contagio in modo da diffondere con rapidità ed efficacia in azienda nuovi set di comportamenti virtuosi.