מה מתרחש (: אני אסף שפירא וזה נטפריקס – הפודקאסט העברי הראשון למדע הרשתות.
בפרק זה נסיים את הראיון מחלק א' עם פיני יחזקאלי העוסק שנים רבות התחום חקר הרשתות הארגוניות או ONA, Organizational Network Analysis. חלק זה של הראיון יעסוק בקהילות וידע בארגונים. לאחר הראיון, נבהיר חלק מהמושגים שעלו בו ונגלה ש-ONA, כפי שהוא נעשה כיום, סובל ממחסור בכלים ושיטות שמדע הרשתות פיתח לאורך השנים, בדגש על יכולות בעולם הביגדאטה. לכן נדגים כיצד אפשר לשלב אותם בניתוח הרשתי ומה נרוויח מכך.
לא חסרים סיפורי נפלאות על ONA. רוב קרוס, שכבר סיפור אחד שלו שמענו בפרק 8 של הפודקאסט, מביא סיפור נוסף על מחלקת מו"פ בארגון שהמנהלים שלה חשו שהיא לא מתפקדת כמו שצריך. ניתוח רשתי של המחלקה, שהיתה פרוסה על מספר מדינות, גילה שכמובן היחידות השונות לא דיברו זו עם זו ולא במפתיע, הדבר בא לידי ביטוי למשל בפיתוח מקביל של אותם פרויקטים. כדי לגשר על הקשרים החסרים, צוותו של קרוס אירגן כנס בינלאומי של המחלקה ובו כל אחד נשא תג זיהוי שנדלק כשהוא נמצא בקרבת אדם שהיה מבחינתו "קשר חסר".
מכיוון שהקשרים תועדו באונליין, הם הוצגו באופן חי על מסך גדול שבו נצפתה רשת המפגשים ההולכת ונרקמת.
מייקל ארינה (Michael Arena), שעבד בזמנו בחברת GM, סיפר גם הוא על ניסוי שעשו לשיפור יעילות צוותים שנתנו מענה ללקוחות. הם גילו שהצוותים האפקטיביים יותר הם צוותים בהם צפיפות הקשרים היא גבוהה יותר. כדי לאפשר זאת, הם הנחו את הצוותים לקחת את ההפסקות והארוחות באופן משותף במקום לגרור אותן בנפרד וכך לחזק את הקשרים.
המשותף להרבה מעלילות הגבורה של ה-ONA זה שרובם עושים שימוש במדדי הרשת הבסיסיים, ובעיקר במדדים עליהם דיברנו בפרק 4, כלומר מדדי המרכזיות.
למתעמקים, אני מציע לחזור לפרק ההוא. אבל פה נסקור את שלושת המדדים המרכזיים בקצרה:
מדד הדרגה (Degree), שפירושו פשוט לכמה צמתים ברשת אני מחובר או כמה קשרים יש לי. מדד זה מצביע בארגון על גורם שרבים פונים אליו והוא מוטמע חזק במיקום שלו בארגון.
מדד נוסף הוא מדד ה-Betweenness המוכר גם ב-ONA כמדד ה-Gate Keeper או "שומר הסף". מדד זה בודק כמה הצומת מהווה צוואר בקבוק ברשת או כמה היא מגשרת ומקשרת בין חלקים שונים של הרשת. מדד זה משמש ב-ONA לבדוק היכן תהליכים עלולים להיתקע בארגון אבל עם הזמן החלו להסתכל גם על הצדדים החיוביים של כאלו עם מדד betweenness גבוה ולזהות אותם כאנשים עם פתיחות לרעיונות חדשים בגלל המגע וההיכרות שלהם עם צדדים שונים של הרשת.
המדד האחרון הוא מדד ה-Closeness או הקירבה שמצביע על הצומת כמרכזית במיקומה הפיזי ברשת, כלומר, הקרובה ביותר לכלל הצמתים ברשת. מדד זה יכול להעיד על מישהו שהרבה מהידע בארגון עובר דרכו, גם אם אינו מקושר מאד או מגשר בין מקומות ברשת ולו בגלל מיקומו בלב הרשת.
עד כאן עיקר העיסוק במדדים היה דרך ראיית המיקרו של הארגון, כלומר, מדידת המרכזיות של האנשים בארגון. כדי לתת תמונת מאקרו, סיפר לנו פיני על תהליך האגרגציה שהוא עושה תוך שימוש במדדי המרכזיות. למה הכוונה?
כדי לתת תמונת מאקרו של הארגון, פיני מסתכל על מרכזיות המחלקות בארגון, תוך שימוש באותם מדדי מרכזיות שנעשה בהם שימוש למדידת הפרט. כך הוא יכול לראות האם מחלקת הליבה באמת מרכזית בארגון או לא.
הענין הוא, שיש כאן איזשהו פרדוקס. מצד אחד, יועצים ארגוניים מודעים לכך שעץ המבנה הוא במידת מה פיקטיבי. מצד שני, אנחנו נסמכים על אותו עץ מבנה, נכון, ברמת המאקרו, בשביל לנתח את מרכזיות המחלקות.
אבל מה אם גם מבנה המחלקות הוא קצת פיקטיבי? מה אם בעצם מה שמופיע לנו בעץ כמחלקה אחת, הוא למעשה כמה מחלקות קטנות או שחלקים ממחלקות מסוימות קשורים זה לזה יותר מלמחלקות שלהם עצמם?
למה הכוונה?
נגיד שיש לנו מחלקה שאחראית על customer success כלומר הטמעת המוצר, ואנו מאד מעוניינים שהם יעבדו בצמוד לסניפים שלנו ברחבי העולם, שמנהלים את הקשר מול הלקוחות. במקרה כזה, הייתי רוצה לראות שמחלקת ה-customer success מתפצלת להרבה תת קהילות שמהוות חלק מהסניפים איתם הם עובדים. יכול להיות גם מצב שבו גורמים ממחלקה X נמצאים בקשרים כל הזמן עם מחלקה Y ובקושי נמצאים בקשר עם המחלקה של עצמם. אולי זה יכול להצביע על צורך בשינוי ארגוני או בכפיפות של אותם גורמים?
לכן, כדי לאפשר ניתוח שהוא יותר מוכוון דאטה, ופחות מוכוון עץ ארגוני, אנחנו נידרש לניתוח קהילות ברשת. סקרנו לעומק את נושא החלוקה של רשת לקהילות בפרק 5 של הפודקאסט ולכן לא נרחיב עליו כאן, רק נזכיר שהגדרה של קהילה ברשת היא קבוצה של צמתים שיש בה הרבה יותר קשרים בתוכה מאשר מחוצה לה, וכל רשת בנויה ממספר קהילות שכאלה. קהילות אלו מתאפיינות במכנה משותף או הומופיליה בין הצמתים החברים בהן, שיכול להיות באופן תיאורטי חופף לעץ המבנה הארגוני אך לא בהכרח. למשל, כפי שציין פיני בראיון עימו, יכולה להיווצר קהילה על בסיס דימיון מגדרי - בנים בנות.
לא פעם, קהילות ברשת נוצרות על סמך הומופיליה גיאוגרפית, ולאו דווקא מבנה ארגוני. כלומר, הקירבה הפיזית באה לידי ביטוי גם בקירבה רשתית.
כדי להמחיש את הפוטנציאל, אתן דוגמא לרשת ארגונית (מעט פיקטיבית) שנבנתה על סמך השאלה "עם מי אתה עובד בארגון" (הקשר ממושקל לפי תדירות הקשר):
ע"י שימוש באלגוריתם ה-Louvain לחלוקה לקהילות, הרשת התחלקה ל-3 קהילות, שבינן לבין מבנה הארגון קשר רופף:
הקהילה הראשונה היתה קהילת השטח והקהילה השניה היתה קהילת ההנהלה או המטה, כלומר, ההומופיליה לפיה היו מסודרות הקהילות היא איפה הן פעלו. זה לא אומר בהכרח שהשטח וההנהלה לא מדברים זה עם זה, אבל זה אומר שעיקר העיסוק של השטח הוא עם השטח וההנהלה עם ההנהלה. זה לא מפתיע כי אנו נוטים להיות יותר בקשר עם אנשים שאנחנו חולקים איתם את אותו מרחב, אבל יכול להיות שהארגון יראה בזה תופעה בעייתית כי נוצרים כאן 2 תחומי התמחות שאמורים לעבוד ביחד, לשרת זה את זה וללמוד זה מזה. הקהילה השלישית היתה קהילה קטנה שכללה מנהל ואנשי שטח. כרגיל, האנומליה ברשת היא הסיפור המעניין. קהילה זו היתה מעין task force, צוות קטן שנוהל ע"י מנהל בכיר בשונה מהתנהלות שאר הרשת.
קהילה קטנה זו יכולה אולי להעיד על תושייתו של אחד המנהלים שהבין שיש בעיה ארגונית ולכן "אימץ" לעצמו מספר עובדים כדי לשפר את התפוקה של המחלקה שלו. מבט רשתי מהיר על העובדים שאותם בחר מראה שהם ככל הנראה טובים מאד בתחומם. הרשת הנ"ל היא אמנם small data לצרכי הדגמה, אבל היופי בחלוקה לקהילות זו היכולת לפשט רשתות ענקיות ומורכבות (והנה, אפילו בקטנות יש ערך בחלוקה).
נראה שנושא החלוקה לקהילות בעולם ה-ONA איננו מפותח כל כך.
זה כנראה לא כל כך מפתיע, שכן הרעיון של חלוקת הרשת לקהילות הוא רעיון חדש יחסית שפרץ רק ב-15 שנים האחרונות, אבל הפוטנציאל העצום שטמון בו עדיין מחכה לאנשי ה-ONA שיגלו אותו.
נהניתם, ורוצים לשתף? סבלתם ולא רוצים לסבול לבד?
שתפו ו/או כיתבו Review באתר הפודקסטים של ישראל ו/או דרגו את הפודקאסט בספוטיפיי או באפל-פודקאסטס ו/או כיתבו ביקורת. ניתן לדרג גם בפודקאסט-אדיקט (בטאב של ה-reviews). מותר ומומלץ להעלות פוסט ולתייג את נטפריקס בפייסבוק/טוויטר/אינסטגרם או לינקדאין ושוב, פוסטים יצירתיים במיוחד יושמעו בפרקים הבאים.
נתראה בפרק הבא של נטפריקס (:
#NetworkScience #SNA #SocialNetworkAnalysis #DataScience #ONA #OrganizationNetworkAnalysis