基于SNA 的供需网企业间知识协同网络分析

梁 莹

(韶关学院信息科学与工程学院，广东 韶关512005)

社会网络分析法(Social Network Analysis，SNA)是一种从量化的角度分析社会关系内在结构的研究方法。通过对成员之间关系与联结情况进行研究与分析，其结果可用于描述和测量成员之间的关系或通过这些关系流动的各种有形或无形的资源，如知识等。社会网络分析的关键在于把复杂多样的关系形态表征为一定的网络构型，然后基于这些构型及其变动，阐述其对个体行动和社会结构的意义［1］。除本身的方法论外，社会网络分析还适用于小群体、社会圈以及企业网络、市场网络等结构，这些也逐渐成为社会网络分析的主要内容。在按照组织间关系进行层次分类的社会网络分析中，网络中的节点可以表示任何事物，例如个体、团队、组织、专利等，连接两个节点的边既可以是有向的也可以是无向的，社会网络一般都不是随机的，而是具有一定结构，可能表现出聚类性、分派性或者六度分割、核心——边缘结构等，通过分析网络的结构，甚至可以为组织的关系管理带来直接效益［2］。

供需网(Supply and Demand Network with multi－function and opening characteristics for enterprises，SDN)是一种在全球范围内，通过集成相关企业的“相关能力”来满足多种供需要求而建立起来的多功能、充分开放式的企业网络结构模式［3］。它是在动态联盟和供应链企业各种合作模式基础之上发展起来的更高层次的合作模式，它综合集成各联盟形式的优势，并克服它们在运行过程中的缺陷和不足，是全球化环境下一种创新的管理理念［4］。因此，以供需网作为研究对象，用社会网络理论分析其网络结构有助于揭示现存的网络模式是否适合和支持知识协同行为，以及是否仍存在交流或制度方面的局限，有利于明确目前影响知识协同管理的关键原因，以达到提高供需网企业间知识协同效率的目的。

1 供需网企业间的知识协同关系模式

供需网管理模式的重要特征之一是为分散在异地的成员企业提供了一个协同环境，通过分工协作，敏捷地适应市场变化，快速提供迎合用户个性化需求的服务，实现“共赢”，文中所说的供需网企业是指那些在供需网管理模式下具备充分合作与开放性等特征的企业。从复杂性理论的角度来看，供需网的形成在于成员企业为适应市场环境，提高自身核心能力而寻求资源互补效应的动态相互作用，资源的互补是企业相互作用的前提条件。当一个新的企业寻求加入供需网或者与供需网内的现有企业之间产生新的连接时，首要条件是双方必须具备资源的互补性，供需网中典型的资源包括知识、资金、人才和管理等，本文主要以企业的知识资源作为研究对象。因此，供需网成员企业间要形成知识协同网络，必须具备的一个关键条件是企业之间具有互补性的知识。

社会网络理论认为世界是由关系所构成的网络组成，关系是资源流动的渠道，而行动主体之间的关系是多元的，由此构成了社会网络的多层性，供需网本身就是一个多层次的复杂网络结构，在这个庞大的网络中，各个成员企业之间无时不在进行着包括物流、信息流、资金流、知识流在内的各种活动［5］。知识如何在企业与合作伙伴之间流动才有助于核心能力的提高，企业如何理解和把握与合作伙伴之间的关系等，这些都是关系到企业本身乃至整个供需网发展的关键性问题。所以，利用社会网络的理论对供需网进行分析与研究，有助于理解企业之间的交互关系，提高对信息沟通和知识流动的干预能力，进而帮助我们解决供需网企业间知识协同管理问题。供需网企业间的知识协同管理涉及协同任务、协同关系、协同企业、协同资源等多种因素，各因素之间联系紧密，形成多种映射关系，共同构成了供需网企业间复杂多样的知识协同管理的组织关系模式，如图1 所示。

图1 供需网企业间知识协同管理关系模式

在执行每个协同任务时，拥有某种知识关联的成员企业间可组建成不同的知识供需合作子网，参与每个子网的成员企业均是动态变化的，成员企业可以动态加入和退出子网，同一个企业也可以同时加入多个子网。在供需网的开放动态环境下，企业间知识协同管理实际上是发生在各知识供需合作子网中的，这些子网交叉重叠，能对外界市场变化做出敏捷反应，实现动态重构。在知识协同管理过程中，每个子网内部的成员企业间合作较为密切，而相对与子网外部协同企业间的合作较为松散，但并非没有任何关联。在供需网企业间形成的知识协同网络体系中，基于不同任务和资源耦合成的知识供需合作子网之间也存在一定程度的协同关系，而在各子网内部的成员企业间同样存在协同关联，依据这些关联，彼此间采用不同的、或松或紧的方式合作，这种合作有时甚至可以打破供需合作子网的组织界限。可以说，供需网企业间知识协同网络体系正是依托供需网多通道、多层次的知识交互环境，通过协同企业间的直接交互及子网集结、关联运作过程，为知识协同管理创造了条件。供需网模式下各成员企业之间基于知识资源所建立的协同关系必须能够创造出新的市场价值，在增强各成员企业的核心能力的同时，能为整个供需网的持续发展带来新的动力。

通常情况下，当各供需合作子网或各成员企业执行同一级别的协同任务时，相互间处于平等地位。它们各自相对于不同的知识协同环节和协同任务独立运作，却往往由于某方面资源的共享及任务的调配发生关联，这种关联或是依照彼此运作呈现的递进顺序(例如，研发、加工、销售等)体现出强关联，或是彼此相对并行运作体现出弱关联。另外，构成供需网企业间知识协同网络体系的多个知识供需合作子网如果是相互关联或者互补，则有利于供需网整体的知识协同管理及供需网自身的发展，供需合作子网之间关联性越强或者互补性越强，则供需网的协同优势越为明显。反之，如果多个知识供需合作子网相互间呈现的关联性很弱甚至无任何关联，则不利于供需网整体的知识协同管理及发展。按照层次式递进方式进行扩展，供需网企业间知识协同网络体系中的整体协同关系表现为由多个不同级别协同供需子网构成的嵌套层次式协同关系。在实际运作中，知识协同关系往往时常处于动态变化之中，可能是基于某些客观原因，或协同目标的更改导致某一时刻执行不同子任务的知识供需合作子网的建立或是解散;也可能是由于个体主观原因，导致参与某一知识供需合作子网管理的企业的加入或退出。

2 以供需网为研究对象的社会网络分析步骤

利用社会网络分析方法对供需网企业间形成的知识协同网络进行分析的主要目的是揭示知识资源在网络中的流动状态，明确当前企业间的知识协同管理模式，优化作为共享性知识资源载体的供需网成员企业间的协同管理。下面分别列出应用社会网络分析法研究供需网企业的具体步骤。

2.1 数据的收集与处理

首先明确哪些企业参与社会网络分析，负责收集社会网络分析的数据。本文假设以家电企业构成的供需网为分析对象，其中企业数据的获取通常借助企业日志中相关合作项目的真实情况记录，同时辅以访谈、调查方法的运用。其中日志里记载的合作情况多反映出已发生的正式性协同活动，及由此而建立的正式协同伙伴关系，但通过民意调查和访谈则更多体现出网络中非正式协同活动的发生情况。其次将收集到的数据进行二值化处理，基于一定标准的临界值分别用1 或者是0 进行编码，用以体现供需网企业间基于知识协同的社会网络关系的存在。

2.2 绘制并分析知识协同网络结构

根据企业的日志调查和访谈结果，构建出供需网企业间的知识协同关系矩阵后，可以借助UCINET (University of California at Irvine NETwork)软件绘制出该网络初步的网络结构图［6］。并进一步对该网络的整体结构、网络密度、网络中心性等问题进行详细分析。通过分析网络结构的各项指标，进一步明确该供需网企业间知识协同的整体结构，判断该结构是否支持企业间的知识协同行为。

2.2.1 网络的密度

2.2.2 网络成员之间的平均距离

平均距离(average distance)强调网络中任意两个节点(即两个企业)之间实施知识协同行为所需经过的连线数，即二者之间在图论或矩阵意义上最短路径的长度。对平均最短路径的计算通过矩阵算法:

2.2.3 知识协同凝聚子群

社会网络分析的任务之一是对“社会群体”概念进行形式化处理。群体是在既定目标和规范的约束下，彼此互动、协同活动的一群社会行动者。凝聚子群是指网络中的派系、小团体。研究表明，有利于促进知识协同有效运作的理想性网络拓扑结构是网络中存在密度较高的小团体，同时各个小团体之间又存在一定程度联系的网络结构。“子群”的形式化概念是通过子群体中成员的总体凝聚性给出的，这种凝聚性建立在成员之间的某些特定关系属性的基础上。

由于我们可以根据多种网络属性对一个群体的凝聚性进行量化处理，因此，凝聚子群也有多种形式化定义。可以从以下4 个方面考察凝聚子群:关系的互惠性;子群成员之间的接近性或者可达性;子群内部成员之间关系的频次(点的度数);子群内部成员之间的关系密度相对于内、外部成员之间的关系的密度。本文对知识协同凝聚子群的分析主要从派系划分、k－核等方面了解知识协同企业之间的关联。

2.2.4 点的中间中心度

中间中心度(betweenness centrality)测量的是该点在多大程度上控制他人之间的交往。中间中心度反映的是两个节点间的捷径，也是连接两个企业的最短路径，中间中心度越高，则说明该节点在该网络中的媒介作用越明显［7］。如果一个点处于许多其他点对的捷径(最短路径)上，我们就说该点具有较高的中间中心度。假设一个点对X 和Z 之间存在n 条捷径，一个点Y 相对于点X 和Z 的中间度指的是该点处于此点对的捷径上的能力。假设点j 和k之间存在的捷径数目用gjk表示，第三个点i 能够控制此两点的交往能力用bjk(i)来表示，即i 处于点j 和k 之间的捷径上的概率，点j 和k 之间存在的经过点i 的捷径数目用gjk(i)来表示，那么bjk(i)=gjk(i)/gjk［8］。

2.3 给出分析结论和改进措施

运用社会网络分析法对供需网的网络结构进行解析，利用得到的分析数据，可以解释现存的社会网络模式是否适合和支持知识协同行为的开展，找出促进或妨碍知识协同管理的关键原因，提出合理化的改进措施或建议，从而提高网络整体知识协同管理成效。

3 供需网企业间知识协同的社会网络应用算例

为从社会网络的视角分析供需网企业间因知识协同形成的网络结构，本文通过一个简单算例，运用社会网络分析软件UCINET 对供需网模式下的企业知识协同网络进行模拟分析。分别从整体结构分析、知识协同网络凝聚子群和中间中心度等角度具体分析如何促进供需网企业间的知识流动，并应用社会网络分析方法对该网络的知识协同现状进行仿真，借以探讨供需网企业间的知识协同关系。

在进行图表和数据设计分析时，为方便解释和计算，本文简化了实际可能存在的节点点数和关联［9］。实际上，现实中的企业间知识协同关系比下文描述的复杂得多。我们只做简单假设:以25 家企业形成的知识协同网络为研究对象。在企业调研后，根据各成员企业的日志调查和访谈结果，构建这25 个企业间知识协同关系矩阵，如果两个企业有技术或工程等方面的立项合作，或者双方在技术方面的访谈与报告讲座、技术性人员之间电话交流等非正式的知识交流频率较高，则表明两者之间存在知识协同关系;如果双方没有此类合作行为，则表明双方不存在知识协同关系。为方便描述，25 个企业分别用E1 ～E25 表示，在此不考虑企业间协同关系的方向性，可认为构建的知识协同关系矩阵是对称矩阵，运用网络分析软件UCINET 绘制出25 个企业参与知识协同所形成的网络结构，如图2 所示。

图2 企业间知识协同网络图

3.1 网络整体结构分析

在UCINET 中，选定我们要分析的网络数据，即可计算出该网络的整体密度，经计算可知该网络的总平均密度为Density(matrix average)=0.4431，网络中关系的标准差为0.4967。这是一个相对适中的网络密度值，表明该网络中企业间知识协同关系的紧密程度较好，任何两个企业之间都是可达的，但是有些企业之间建立协同关系还需要通过媒介企业。在网络中，两点之间的距离是图论上的距离，即二者之间在图论或者矩阵意义上最短途径的长度。根据UCINET 软件的分析，整个供需网企业间的平均距离为1.523，即大多数参与知识协同的企业通过平均不到1 个媒介企业就可以和另外一个成员企业建立协同关系。

Widmeyer［10］等人将凝聚力定义为:“在追求群体目标的过程中，反映一个群体团结在一起，保持整体倾向的动力过程。”在UCINET 中，有一个凝聚力指数的分析指标，该指数在0 ～1 之间，经软件分析可知，该网络建立在“距离”基础上的凝聚力指数为0.739，该指数越大，表明该整体网络越具有凝聚力。由以上分析，我们可以认为这25个企业节点之间的关系比较紧密，凝聚力强。

3.2 网络的凝聚子群分析

凝聚子群研究是一种社会结构研究。下面主要从“关系的互惠性”和“成员之间关系的频次”两方面来分析所考察供需网的结构特点。

3.2.1 建立在互惠性基础上的凝聚子群主要是派系(cliques)

对于不同性质的网络来说，派系的定义是不同的。在一个图中，“派系”指至少包含3 个点的最大完备子图，派系是“完备”的，即其中任何两点之间都是直接相关的，都是邻接的，且不存在任何与派系中所有点都有关联的其他点，派系为“最大”的含义是指在总图中不能向其中加入新的点，否则将改变“完备”这个性质［11］。派系的成员至少包含3 个点的要求说明了仅一个互惠对不构成派系。对由供需网企业所构成的网络进行派系分析，得到的结果就是由指定成员数构成的最大知识供需合作子网数目。进行派系分析时，在UCINET 中根据知识协同关系矩阵中的数据，考虑到企业间的实际合作情况，人为设定派系的最小成员数为5。由软件分析结果可知数据中包含规模为5个及以上的派系共有30 个，例如第1 派的成员为E4、E5、E7、E12、E13、E17，第四派的成员为E3、E4、E5、E11、E17，由此可见，派系的成员之间是可以重叠的，这与供需网理念中同一企业可以参与不同供需合作子网的内容是一致的。分析结果中的派系共享成员矩阵给出了每一对企业共同隶属的派系数目如图3 左边所示。

这个结果给出了企业间知识协同的派系情况，例如，第7 行第4 列的值是3，说明企业E7 和E4 隶属于3 个派系，即参与了3 个不同的知识供需合作子网的运作。对角线上的值则说明对应的企业隶属的派系数，例如第3 行第3 列的值是6，说明该企业参与了6 个派系的知识协同活动。此外，该程序还生成了一个聚类图 (Clustering Diagram)，该图可以清楚地告诉我们派系分派的情况，如图3右边所示。从图中可以看出，E1 和E8，E13 和E20 共同隶属于4 个派系，E4 和E17 共同隶属于12 个派系，而E22和E23 不隶属于任何派系。

图3 企业共同参与的派系数量及成员聚类图

3.2.2 建立在点度数基础上的凝聚子群是通过限制子群中每个成员的相邻点个数而得到的

与派系概念不同，以度数为基础的凝聚子群研究要求成员的点度数不低于某个值。k－核即是建立在点度数基础之上的凝聚子群概念之一。它的定义为:如果一个子图中全部点都至少与该子图中的k 个其他点邻接，则称这样的子图为k－核。通过UCINET 分析该企业知识协同网络的k－核，得到如下结果，如图4 所示。

可见，在全部25 家企业的知识协同关系中，可以进行3 种分区，其度数分别为9，8，7。对于度数为7 的分区(即7－核)来说，它包含全部25 家企业;度数为8 的核(即8－核)中包含的企业是除E22 外的其余24 家企业;度数为9 的核(即9－核)中包含的企业有20 家，分别是E1 ～E11，E14 ～E17，E19，E20，E23 ～E25。此外，图4中还给出了3 种k－核分区中包含的聚类数，可见这3 类分区中的聚类数分别是1，2，6。第一列包含1 个聚类，即由全部25 家企业构成的7－核聚类。第二列包含2 个聚类，是由E22 作为一个聚类和另外一个8－核聚类构成。第三列包含6 个聚类，聚类1 由上述20 家企业构成，另外5 个聚类分别由剩下的E13、E18、E21、E22 和E23 构成。

图4 k-核分析结果

3.3 中间中心度分析

中间中心度反映的是某企业在整个网络中所起媒介作用的情况，较高的中间中心性说明该企业作为整个网络知识传播的媒介作用明显。中间中心度这个指标同时也测量了网络中的成员对资源控制的程度。通过UCINET 可以计算出本例网络中各个节点企业的中间中心度，如图5 所示。其中第一列计算结果为各企业的绝对中间中心度，第二列为相对中间中心度，单位均为数值百分数。由图5 可见，E17 的中间中心度是最高的，这说明E17 在网络中对企业间知识资源的控制优势最大，其次是E4、E5、E10，这说明这些企业在整个网络的知识流动中发挥了积极作用，有效促进了企业间的知识协同管理。E13 的中间中心度是最低的，则说明其在网络中对企业间知识资源的控制优势最弱。

图5 点的中间中心度与图的中间中心势

中心势指数是一个与网络密度相反的概念，它代表的是群体集权的程度，也就是团队互动或者团队合作集中在少数人的状况，中心势指数越高，则越不利于知识的交流与共享［1］。对于一个无向网络而言，计算出来的中间中心势只有一个，它刻画的是这个网络所具有的中心趋势。从分析结果可见，整个网络的标准化中间中心势为2.55%，这个值相对较小，说明该网络的中心趋势较弱，即各企业节点所处的位置是相对平等的，不存在明显的核心企业，这符合供需网中企业间相互关系的特点。

3.4 算例分析

由以上分析可知，该算例中供需网企业间存在明显的知识协同关系，并体现出社会网络结构的特征。从整体而言，该网络的密度适中，说明企业间知识协同关系的紧密程度较好，网络成员之间的平均距离较短，大多数参与知识协同的企业通过平均不到1 个媒介企业就可以和另外一个成员企业建立协同关系，成员企业之间具有较强的凝聚力。

根据社会网络中不同的凝聚子群考察方法，可以分析出该供需网中哪些企业间联系紧密，并具有长期稳定合作关系。同时，还可以分析出联系较为松散的企业。对于这些企业，应进一步分析它们没有广泛与其他成员企业建立知识协同关系的原因，可能是自身运作领域、技术水平受限，也有可能是存在协同合作的进入壁垒，明确其原因，将有利于企业自身能力的提高和发展方向的合理确定。此外，每个参与知识协同企业的中间中心度不尽相同，中间中心度最高的企业，在整体知识协同运作中处于最为关键的“桥梁”位势，说明它对其他企业成员具有较强的控制优势，这些“桥梁”企业应尽可能发挥关联作用融入供需网的整体知识协同运作中。

4 结 语

本文将社会网络理论应用于供需网企业间的知识协同中，运用社会网络分析方法研究了供需网企业间知识协同的关系和网络结构。借助该分析方法，可以明确目前供需网络的构成和特征，了解当前供需网企业间知识协同管理模式的优势和弊端，由此判断这种组织模式是否支持与配合知识协同行为的顺利开展。这一判断过程及其原因分析也是探索如何更好改善目前知识协同现状、提高协同成效的过程。

［1］ 邬爱其. 集群企业网络化成长机制研究［D］. 杭州:浙江大学博士学位论文，2004.

［2］ 邵云飞，欧阳青燕，孙雷. 社会网络分析方法及其在创新研究中的运用［J］. 管理学报，2009，6 (9):1188－1193.

［3］ 徐福缘. 大批量定制生产的理论与应用［M］. 上海:上海科学技术出版社，2008.

［4］ 倪明. 两种组织理念及其在推进社会和谐发展中的应用［J］.中国软科学，2009，(3):68－75.

［5］ 张翠英，乔湫娟. 基于社会网络的供应链知识流动模型［J］.情报杂志，2010，29 (5):26－31.

［6］ 刘军. 整体网分析讲义——UCINET 软件实用指南［M］. 上海:格致出版社，2009.

［7］ 蒋同明. 科技园区创新网络结构特征测度的仿真研究［J］.科学学与科学技术管理，2011，32 (1):78－81.

［8］ 王锐. 基于MONGODB 的关系网络分析技术研究与应用［D］. 长沙:国防科技大学硕士学位论文，2011.

［9］ 蔡新霞. 社会网络视角下的联盟企业知识转移分析［J］. 齐齐哈尔大学学报:哲学社会科学版，2010，(11):36－39.

［10］ Widmeyer W N，Canon A V，Brawley L R. Group cohesion in sport and exercise ［J］. Handbook of Research on Sport Psychology，1993:672－679.

［11］ 张鹏程，彭菡. 科研合作网络特征与团队知识创造关系研究［J］. 科研管理，2011，32 (7):104－111.