Sosyal Ağ Analizi

R, NodeXL, Gephi, ve Python ile Uygulamalı Eğitim Programı

“Sosyal ağ” deyince günümüzde akla Facebook, Twitter gibi işletme dışı sosyal mecralar gelmektedir. Ancak bunun yanısıra iş örgütlerinde çalışanlar arasındaki enformel ilişkilerden oluşan ağlar, yani işletme içi ağlar, işletmeler arası (örn. şubeler, tedarikçiler, rakipler, partnerler arası, pazar ilişkileri) ağlar, ve işletme-müşteri arasındaki ağlar (örn. markanın sosyal medya etkileşimleri) da iş dünyası için önemlidir. Bu derste her üç türde ağların ilişkilsel analizindeki kavram ve yöntemler ele alınmaktadır. R platformunda uygulamalı olarak yapılan bu derste öğretilen kavramlar ve metrikler ile sosyal ağ ilişkileri ölçülebilir, istatistiksel olarak modellenebilir hale gelmektedir. Bu sayede sosyal ağların örneğin çalışan verimliliği, pazarlama faaliyetleri gibi birçok alanda etkilerinin ölçülmesi mümkün olmaktadır.

Katılımcılar bu ders boyunca sosyal ağ analizi araçlarını kullanmak konusunda temel beceriler geliştirirler. Uygulamalı olarak yapılan bu eğitimde sosyal ağ analizi farklı teknik derinliğe sahip birkaç yazılım platformunda yapılmaktadır: Gephi, NodeXL, ve katılımcı seviyesine bağlı olarak R ve Python. Bu şekilde eğitimin farklı yetkinlik ve ihtiyaçlara sahip işletmeler veya profesyonel gruplarına uygulanabilirliği sağlanmaktadır.

Eğitim süresi: 5 gün

(Eğitimde katılımcıların İngilizce seviyesine bağlı olarak tercihen eğitimciye ait “Applied Social Network Analysis” kitabı kullanılmaktadır)

Bu eğitim programını tamamlayan katılımcılar:

  • İşletme ve sosyal yapıyı oluşturan aktörler ve onların aralarındaki ilişkilerin matematiksel temsilini kurgulayabilirler.
  • İş örgütleri içinde, müşteriler ve diğer firmalar arasında bilginin, söylentilerin, fırsatların, vb., nasıl aktığını ve bu akışın temel sosyal ağ analizi metrikleri ile nasıl operasyonelleştirileceğini açıklayabilirler.
  • İşletme ve sosyal ağ (Facebook, Twitter) verilerini aktarıp analize hazırlayabilirler.
  • Sosyal ağ verilerini NodeXL isimli Excel eklentisine yükleyerek basit metrik ve görseller üretebilirler (Zorluk derecesi: kolay).
  • Sosyal ağ verilerini Gephi yazılımı ile işleyip daha kontrollü metrik ve görseller üretebilirler (Zorluk derecesi: orta zorluk).
  • Verileri R istatistik platformu üzerinde ilgili yazılım eklentileri ile beraber kullanarak profesyonel istatistiksel analizler yapabilirler. Bu şekilde standart analizleri kurumun iş zekası çözümlerine entegre edebilirler (Zorluk derecesi: orta-üst zorluk).
  • Verileri Python programlama dili ile işleyerek kurumsal ihtiyaca özel analiz algoritmalarını gerçekleştirebilirler (Zorluk derecesi: üst düzey).
  • Analiz sonuçlarını işletme yönetimi ile ilişkili aksiyonlar almak üzere yorumlayabilirler.

1. Gün

Sosyal ağ analizi ile neler yapılabilir?

  • Sosyal medya analizleri ile pazarlama ve müşteri ilişkileri yönetimi.
  • ‘influencer’ kavramının sosyal ağ yapısı açısından tanımı
  • Şirket içi sosyal ağların verimlilik, problem çözme, ve inovasyon performansına etkileri

Sosyal ağların temsili ve ağ veri setleri

  • Yapısalcı yaklaşıma giriş. Ağların temsili ve ağ verilerinin yapısı.
  • Matematiksel “çizge” kavramı ve basit (yönsüz, ağırlıksız) ağların temsili.
  • Çizge verilerinin tablolarla temsili
  • Veri standartları ve veri yönetimi
  • Kurumsal veri kaynakları
  • Kurum dışı veri kaynakları

Basit metrik ve görselleştirmeler (NodeXL)

  • NodeXL ile ağ verilerinin yüklenmesi
  • NodeXL ile ağların görselleştirilmesi
  • En basit metrikler ve anlamı: derece merkeziliği.
  • Metriklerin NodeXL ile üretilmesi, görselleştirmede kullanımı, ve dışa aktarılması.

2. Gün

Farklı ağ türlerinin Gephi ile analizi

  • Ağı oluşturan ilişkilerin türleri ve ağ verilerine yansıması.
  • Gephi yazılımının kullanımı. Ağ verisi girişi yapma ve görselleştirme. Görsellerin dışa aktarımı.
  • Temel ağ metriklerinin (derece merkeziliği) hesaplanması ve görsellerde kullanılması.
  • Gephi ile farklı büyüklükteki ağların görselleştirilmesi için çizim algoritmalarının kontrolü.
  • Gephi ile farklı veriseti formatlarının kullanımı ve dönüştürülmesi.

Yapının geneline dair metrikler ve yorumlanması

  • Sosyal yapının büyüklüğü (çapı) ve yoğunluğu. Gephi ile hesaplanması.
  • Yapıya aktörün konumuna daha geniş bir bakış: Doğrudan olmayan bağlantılar, yollar ve jeodeziler.
  • Aktörlerin uzaklığı ve bir aktörün merkez-periferi konumunun ölçülmesi
  • Ayrıksılık ölçümü.
  • Derece dağılımı
  • İşletme içi ve işletme dışı ağlarda temel metriklerin yorumlanması: vaka çalışmaları.

Sosyal aktörlerin genel yapıdaki yerine dair metrikler ve yorumlanması

  • Aktörün büyük resimdeki konumunu belirten metrikler: aradalık, yakınlık, özvektör merkezilikleri. Yönlü ilişkilerde Kleinberg ‘hub’ merkeziliği kullanımı.
  • Metriklerin Gephi görselleştirmelerinde kullanımı.
  • İş örgütlerindeki sosyal “roller”
  • ‘Blokmodel’ analizi ile işletme içi veya müşteri-tedarikçi ağlarındaki rollerin ortaya çıkartılması.

3. Gün

Ağ metrikleri ve hesaplamalarının farklı özellikteki ağlarda uygulanması

  • Yönlü-yönsüz, ağırlıklı-ağırlıksız, tek parçalı, iki-parçalı ağlar ve sahadaki karşılıkları.
  • Metriklerin farklı ağlarda uygulanabilirliği. Sadeleştirme teknikleri ve sonuçları.
  • Ağ büyüklüğünün uygulamalardaki etkisi.

Sosyal ağlarda gruplaşma, grupların bulunması ve analizi

  • Topluluk analizi: temel kavramlar.
  • Birleştirerek yapılan topluluk analizi.
  • Bölerek yapılan topluluk analizi.
  • Modülarite ile topluluk analizi
  • Uygulama: Gephi ile topluluk analizi ve görselleştirilmesi.

R İstatistik platformu ve RStudio temel eğitimi

  • R sistemi, kolaylaştırıcı araçlar, yardım sistemi, bilgi kaynakları, önyüklü örnek verisetleri
  • R dilindeki ifadelerin temel özellikleri, operatörler ve veri tipleri. R’da fonksiyonlar .Veri seti manipülasyonları
  • Temel veriseti istatistiklerinin çıkartılması
  • Rstudio ve R entegrasyonu. Rstudio’da Rnotebook ile modern analitik raporlaması teknikleri

4. Gün

R ile ağ verilerinin kullanımı

  • R üzerinde ağ analizi kitaplıkları: igraph, ggplot, sna/network, vb.
  • Ağ verileri içe/dışa aktarma, dönüştürme.
  • Veri temizliği gereksinimleri.
  • Farklı veri tiplerine uygun görseleştirme ve metrik hesaplama fonksiyonları.

Sosyal mecraların (Facebook, Twitter) analizi

  • Sosyal mecraların ağ verisi arayüzleri
  • Arayüzlerin kullanımı ve verilerin R ile entegrasyonu

İstatistiksel ağ modelleri ile ağların gelecekteki halinin tahminlenmesi

  • Rassal ağlar
  • p* modelleri ve verilere uygulanması. Sonuçların sosyal ilişki dinamikleri açısından yorumlanması.
  • Exponansiyel rassal ağ modelleri ve R-ergm kitaplığı
  • Ağların ergm ile modellenmesi ve değişimin tahminlenmesi.

5. Gün

Python ile ağ analizi

  • Python gözden geçirme. Kitaplık kullanımı.
  • NetworkX kitaplığı ve özellikleri.
  • Python ağ verilerinin işlenmesi. Düğüm ve bağ döngüleri ile algoritmalar.
  • Algoritmik olarak ağ oluşturma.

Coğrafi ağlar

  • Coğrafi konum bilgisi ile ilişki bilgisinin beraber kullanımı.
  • R ggmap kitaplığı ile görselleştirme.

BigData (BüyükVeri) ağ uygulamaları ve ağ veritabanları

  • Ağ analizlerinin hesaplama güçlük derecelerinin belirlenmesi ve eldeki verisetlerine uygulanabilirliğinin değerlendirilmesi.
  • Neo4J ve benzeri (NoSQL) ağ veri tabanlarının kullanımı.
  • “Event networks” kavramı ve canlı akan ağ verilerinin işlenmesi teknikleri.
  • Map-Reduce ile ağ verilerinin işlenmesi.