Введение
Анализ социальных сетей (SNA – Social Network Analysis) – это методология изучения социальных структур путём применения теории графов. В рамках SNA любая социальная система представляется как граф G(V, E), где V – множество акторов (индивидов, организаций), а E – множество связей между ними. Центральная идея SNA: свойства и поведение акторов определяются не их атрибутами, а структурой их взаимосвязей.
SNA сочетает количественные методы математики с качественными социологическими интерпретациями и применяется в социологии, информатике, маркетинге, кибербезопасности и медицине.
История и контекст
Теоретические основы SNA заложены в 1930–1940-х годах: Якоб Морено создал социометрию и социограммы (1934), Курт Левин развил теорию поля. Математическую базу заложила теория графов Леонарда Эйлера. В 1979 году Марк Грановеттер опубликовал влиятельную работу «Сила слабых связей», описывающую роль слабых связей в распространении информации. Роберт Бёрт развил концепцию «структурных дыр».
Программные инструменты SNA: UCINET, Gephi, Pajek, NetworkX (Python), igraph. С ростом социальных сетей SNA получил новый импульс для анализа онлайн-сообществ.
Как это работает
Ключевые метрики SNA:
- Степень центральности (Degree Centrality) – количество прямых связей узла; выявляет «хабы» сети.
- Центральность по близости (Closeness Centrality) – среднее расстояние от узла до всех остальных; определяет скорость распространения информации.
- Центральность по посредничеству (Betweenness Centrality) – доля кратчайших путей, проходящих через узел; выявляет «мосты».
- Плотность сети (Density) – отношение существующих связей к максимально возможным.
- Модульность (Modularity) – мера разбиения сети на сообщества (кластеры).
Виды анализа: структурный (топология сети), позиционный (роль каждого узла), динамический (эволюция сети во времени).
Где применяется
- Маркетинг: выявление инфлюенсеров, моделирование вирального распространения контента.
- HR и организационное управление: анализ неформальных коммуникаций в компании (ONA – Organizational Network Analysis).
- Кибербезопасность: обнаружение аномальных связей в сети, выявление инсайдерских угроз.
- Эпидемиология: моделирование распространения инфекций через социальные контакты.
- Правоохранительные органы: анализ криминальных и террористических сетей.
- Финансы: выявление схем мошенничества через анализ транзакционных графов.
Преимущества и ограничения
Преимущества: выявление скрытых структур и ключевых акторов, возможность работы с большими графами (Big Graph Analytics), мощный визуальный инструментарий.
Ограничения: высокая вычислительная сложность для больших сетей (O(n²) и выше), сложность сбора полных данных о сети, необходимость интерпретации результатов квалифицированным аналитиком.
Связь с другими понятиями
SNA является математической базой для Social Computing и инструментом Social Analytics. В корпоративном контексте применяется вместе с Social Software для анализа внутренних коммуникаций. Social Technologies предоставляют данные для SNA-исследований. В области ИБ SNA пересекается с анализом угроз и UEBA-системами.
