项目利益相关方社会网络边界确定方法研究

摘要：项目是由利益相关方构成的临时性社会网络。从利益相关方关系的角度识别并构建了利益相关方社会网络，基于决策论和信息论的思想，将项目利益相关方社会网络简化成基于信息流的有向网络。以信息熵为指标衡量网络中利益相关方的个体风险，以结构洞分析为计算手段衡量网络的整体风险，提出了项目利益相关方社会网络边界确定的统一算法。

关键词：利益相关方；社会网络；边界；风险

DOI：10.13956/j.ss.1001-8409.2015.XX.XX

中图分类号：C93-03 文献标识码： 文章编号：

Research on the Boundary Determination Method of Project Stakeholders Social Network

DING Rong-gui， WANG Jin-an， SUN Hua， ZHANG Lei

（School of Management， Shandong University， Jinan 250100）

Abstract：Project is a temporary social network composed by stakeholders. This paper builds the project stakeholders social network from the perspective of stakeholder relationships. Based on the idea of Information theory and Decision theory， project stakeholders social network can be simplified into a social network based on the flow of information. It uses information entropy as the indexes for stakeholders risk analysis and structural holes as a tool for risk analysis in the whole network. Given this， it designs the boundary determination algorithm of project stakeholder network.

Key Words：project stakeholder； social network； boundary determination； risk

引言

现代项目管理的成功标准是利益相关方满意。利益相关方是项目成功的关键因素。英国政府商务部对项目失败的共性因素调查结果显示，导致项目失败的8项原因中，有6项来源于项目团队之外，其中包括缺少利益相关方的承诺、仅对项目进行经济可行性分析而缺少项目为组织的带来的收益分析等。这些问题的产生，大部分与项目的利益相关方没有对项目做出承诺有关[1]。项目失败很大程度上是利益相关方不尽责造成的，这也是利益相关方管理逐渐成为现代项目管理研究热点的原因[2]。进行项目利益相关方管理首要解决的问题是识别哪些是项目的利益相关方。

现有关于项目利益相关方识别方法的研究可以分为两类：一类是根据项目类别和所处环境制定政策和规则来识别利益相关方，如马宁、宋安华等对代建类项目、投资类项目的利益相关方进行识别[3，4]；另一类是通过研究实际中项目的运行过程来为识别利益相关方提供经验性的指导，如Lehtonen P、Turner、丁荣贵等基于项目的运行过程构建了利益相关方识别的模型[5，6，7]。第一类方法面向于具体项目的利益相关方，不能满足项目独特性的需求；第二类方法是基于“先验式”的，并未提出项目利益相关方边界确定的有效方法。此外，这两类分析方法只关注到各个利益相关方在项目中的责任，没有考虑他们之间的关系对项目造成的影响。项目利益相关方之间存在需求和责任关系，一个利益相关方需求的满足需要由其他利益相关方扮演不同的角色、承担不同的责任来实现[8]。因此，项目的利益相关方之间构成了一个临时性社会网络[9，10，11]。项目成功的关键在于有效地管理这些对临时性的社会网络产生一定影响的利益相关方 。

对项目利益相关方管理就是进行项目治理的过程，该过程通过建立和维护利益相关方关系以实现降低项目利益相关方社会网络整体风险的目的。因此，项目治理在一定程度上就是利益相关方社会网络风险管理，识别出必须将哪些利益相关方列入考虑范围内是风险管理的关键[12]。基于此，本文将从项目治理网络风险的角度切入，借助于决策论和信息论的思想，将利益相关方社会网络简化成基于信息流的有向网络，设计出项目利益相关方社会网络边界算法并通过设定阀值确定算法终止条件，从而为项目管理者在给定的风险承受水平下快速、有效地识别项目的利益相关方提供统一方法支持。

1 项目利益相关方社会网络风险度量模型

本文进行项目利益相关方社会网络边界确定的研究是以项目治理网络风险为衡量指标，因此，需要首先确定项目利益相关方社会网络风险度量方法，而网络结构分析是进行社会网络风险分析的基础。

1.1 项目利益相关方社会结构

“滚雪球”方式可以根据某些研究特征对样本数量进行筛选，能够为初步构建项目利益相关方社会网络提供有效的手段[13]。

在项目利益相关方社会网络形成过程中，存在一个或者几个核心利益相关方（发起人、出资方、用户等），他们会根据项目需要拓展项目利益相关方社会网络，直至将全部有必要考虑的利益相关方纳入到该网络中。

根据某利益相关方与核心利益相关方的远近关系，对项目利益相关方网络进行分层，将核心的利益相关方作为该网络的第一层，将该网络中与这些核心利益相关方具有直接联系的利益相关方作为网络的第二层，依次类推，形成项目利益相关方网络结构。

1.2 项目利益相关方社会网络量化

项目利益相关方的识别是基于一定风险水平的，不同风险水平下利益相关方的数量、种类等存在很大的差异。风险水平可以根据项目管理者的风险承受能力确定，进行项目利益相关方社会网络边界分析首先要构建项目利益相关方社会网络风险度量模型。项目利益相关方社会网络是一个“质性”网络，如何将网络进行量化是衡量社会网络风险的关键。

根据Simon[14]对组织的定义，本文认为在项目利益相关方构成的临时性“组织”（社会网络）中，个体的行为可以看作是其所作决策的具体体现，而个体的决策主要受与之相关的其他个体的综合影响，这种影响主要是通过信息传递施加的，个体进行决策就是按照既定的准则对各种来源信息进行综合判断的过程。因此，项目利益相关方社会网络可以简化成基于信息流的有向网络，网络中个体之间通过信息传递（分为输入、传递和接收3个阶段[15]，如图 1所示）相互影响。因此，项目利益相关方社会网络风险分析就变为分析不同网络结构下利益相关方之间的信息失真、延时等风险。

图 1信息传递系统模型

（资料来源： Shannon， C.E.， A mathematical theory of communication. ACM SIGMOBILE Mobile Computing and Communications Review， 2001.5（1）： 53-55.）

分析项目利益相关方社会网络风险需要度量利益相关方之间关系的强弱。项目是以目标为导向的，以项目目标为判断准则就可以得到各个利益相关方在资金、技术等方面对其他利益相关方之间所起到的重要程度的评价，即利益相关方之间的关系紧密程度，将其称作“信息量”。信息量的测定方法有多种，按照性质可以以分为定性方法和定量方法两类。定性的方法有专家调查法、访谈等，定性方法中有层次分析法、对比矩阵等。

1.3 项目利益相关方社会网络风险度量

项目利益相关方社会网络由结点（利益相关方）和连线（利益相关方间的关系）两部分组成，其风险可以分为两类：一种是从结点的角度考察单个利益相关方对其承担角色任务的不确定性；另一种是从网络整体的角度考察整个网络的可靠性[15]。项目利益相关方社会网络简化为基于信息流的有向网络后，在风险度量方法的选择上，可以借鉴信息熵、结构洞等信息不确定性分析方法[16～18]。

1.3.1 结点的风险度量

项目利益相关方与其联系人信息交换的不确定性代表该利益相关方的风险。信息论中，信息的不确定程度用信息熵表示。考察对象越有序，其信息熵就越低[16]。综合考虑信息熵在管理研究中的应用以及项目利益相关方社会网络结构，以利益相关方与核心利益相关方信息交换的不确定性来度量结点风险。

根据熵思想，项目决策所获得的信息多少和质量是决策精度和可靠性的重要因素[19]，据此可以得到项目利益相关方风险熵和熵权定义。

利益相关方 的风险熵的定义为

公式（1）

其中 ， 表示利益相关方 的直接联系人当中与 同一网络层次或者更接近核心利益相关方的利益相关方数目。

公式（2）

其中 代表利益相关方 向利益相关方 传递的信息量， 就表示利益相关方 对其直接联系人 所传递的信息量占 向其直接联系人传递的信息总量的比例。

利益相关方 的风险熵权定义为

公式（3）

其中 表示项目利益相关方社会网络中利益相关方数目。

从公式（1）、公式（3）对熵和熵权的定义可以看出：利益相关方 在它的直接联系人之间的信息量分配都相同时，信息传递的不确定性高，熵值达到最大值1，这就表示利益相关方 没能向项目的核心利益相关方发出强有力的拥护信号，该结点的风险就越高；当利益相关方 向其联系人传递的信息量差别较大时，熵值较小，熵权较大，说明利益相关方 存在重要的信息通路，其受到的信息干扰就越小，风险就越小。

1.3.2 网络整体的风险度量

项目利益相关方社会网络整体风险并不是网络内各个结点风险水平的简单加总，还取决于各结点的关联方式[20，21]。

网络整体风险分析是站在整个网络的角度考察利益相关方之间不同关联方式对网络造成的风险。结构洞理论是衡量这一风险的有效方式，网络中较小的结构洞表明项目整体网络较为可靠[18]。

现考虑利益相关方 ，与其有直接联系的利益相关方 之间的信息量为 ，利益相关方 的熵权为 ，利益相关方 投资在 的精力占利益相关方 在其所有直接联系人身上总投资的比例为

公式（4）

其中 是利益相关方 的直接联系人。

结构洞的测量已经成为一种范式，考察对象 因为其联系人 周围缺少一个初级结构洞而受到的约束为

公式（5）

在结构洞理论中用结构洞信号比较考察对象在其所处的网络中与其他联系人在投资和所受约束上的差值，结构洞信号越大，该考察对象越有机会采取对自己有利的行为。综合考虑利益相关方 的所有联系人，将与其联系人结构洞信号的均值作为考察对象 的结构洞信号值

公式（6）

其中 是 的直接联系人数目。

结构洞信号代表网络中个体在采取行动时拥有多大的主动权。结构洞信号越大，网络中个体的主动权就越大，风险也就越大。求各个利益相关方结构洞信号的均值，得到网络风险的测量值 。

公式（7）

其中 是网络中已进入考虑范围的利益相关方数目。

从公式（7）可以看出，R越小，利益相关方的自主性就会越低，网络的风险就越小。

2 项目利益相关方社会网络边界确定算法

项目是独特的，如何基于统一的过程设计算法并确定算法终止的条件是本部分的关键。

2.1 算法设计思想

项目利益相关方社会网络是由核心利益相关方向外拓展形成的，因而利益相关方的选择也须从核心利益相关方开始。首先让项目核心利益相关方进入项目利益相关方社会网络，然后优先选择风险值比当前网络风险低的利益相关方，即优先选择结构洞信号A低于当前R值的利益相关方。在这个过程中，随着利益相关方数量的增加，这些风险值（R）会组成一个单调递减数列 ，又由于结构洞信号A是大于等于零的，由单调有界数列收敛定理[22]可知数列 具有收敛性。

算法具有收敛性，但是如果每个网络的收敛极限无法确定，那么算法终止或结束的条件就无法确定。在利益相关方数目相同的情况下，不同网络结构的项目利益相关方社会网络整体风险是不同的。为打破由于网络结构的不同而不能统一确定网络风险极限值的局限，本研究采用变化率设计阈值。阈值代表将一个新的利益相关方加入网络时整体风险测量值最小可接受的减少量。若考察的利益相关方进入网络时整体风险测量值的减少量小于阈值，再增加利益相关方对整个网络风险的减少量贡献太小，以至于不再花费精力考虑边界外的利益相关方，计算也到此为止。

2.2 算法设计步骤

本文基于最速下降法[23]的算法思想设计项目利益相关方社会网络边界确定算法，其过程如下（如图 2）。

第1步：度量利益相关方之间的信息量 ，确定项目各阶段所需时间组成的时间向量 ，以及各个阶段的核心利益相关方集合 ；

第2步：计算项目各阶段网络风险测量值 ，初始值设定为最大值1；

第3步：计算整个项目生命周期的网络风险测量值 ；

第4步：如果网络风险测量值的减少量小于阈值 （即 ） ，那么集合 就是所求的利益相关方集合，算法结束，否则进入下一步；

图 2 算法流程

（资料来源：作者整理）

第5步：在项目不同阶段中，选择使得各阶段网络风险测量值与其阶段时间乘积的最大者，将这一项目阶段（t）的利益相关方集合 作为考虑对象；

第6步：计算集合 中各个利益相关方的结构洞信号 ，选择其中拥有最大结构洞信号的利益相关方 。

第7步：在 的直接联系人中选取一个未被加入到集合 的利益相关方 ，将其暂时作为考虑对象，与集合 合并，组成新集合 ，转入第8步，如果不存在满足条件的 ，则转入第10步，更换考虑对象 ；

第8步：以 作为项目第t阶段的利益相关方集合重新计算网络的风险测量值 ；

第9步：如果 ，将集合 作为集合 ，转到第4步计算是否达到阈值，否则将 排除到考虑范围之外转入第7步；

第10步：将 排除到集合 的考虑范围之外，转入第6步；如果 当中的利益相关方都已经被考察过，则更换其他阶段的利益相关方集合作为考察对象，转入第5步；如果各个阶段的利益相关方都已经被考察过而还未达到算法阈值，表明现在考虑到的所有利益相关方都对项目风险降低做了很大贡献，得到最后的利益相关方集合S，算法结束。

3 算法模拟和结果讨论

3.1 算法模拟

现以深港产学研项目为例对项目利益相关方社会网络边界算法进行分析。

产学研项目社会网络是由创业企业研发中心（A）、高校科研基地（B）、产业发展中心（C）这3个利益相关方为核心向外拓展形成的。因此A、B、C是核心利益相关方，接下来借鉴“滚雪球”的思想，考虑到的项目利益相关方有创业投资有限公司（D）、高校培训中心（E）、企业高层（F）、高校院系（G）、企业生产经营部门（H）以及政府主管部门（I）。

在度量项目利益相关方之间的关系时，根据产学研项目的特点和成功要素，将项目利益相关方之间的关系分成知识关系、资本关系、管理合作关系以及战略伙伴关系4类，设计调查问卷，以5分作为调查问卷的最高总得分，汇总得到各个利益相关方之间的信息量，见表1。

利用Matlab对本文设计的项目利益相关方社会网络边界算法进行编程。输入项目利益相关方之间的信息量并将利益相关方A、B与C设置为网络的第一层，考虑全部的利益相关方所能够达到的网络风险最小值与网络风险最大值1之间的差值（定义为α），就是加入利益相关方所降低的网络风险最大范围。如果加入一个项目利益相关方对整个网络风险的降低程度还未达到α的5%，则不考虑该利益相关方。计算所得结果见表1，并绘制结果如图 3。

图 3 深港产学研项目利益相关方网络边界确定算法结果

（资料来源：作者整理）

从输出结果可以看出，如果将网络风险控制在0.05以内，那么需要考虑的项目利益相关方最小集合为

3.2 结果讨论

社会网络分析常用的两个指标是结点中心度以及间距中心度。本文将此算法的结果与按照这两个指标计算的结果 进行对比分析，从而得到本文设计的利益相关方边界确定算法的利弊。

3.2.1 算法的优点

通过上面的分析可以看出该算法主要有以下几方面的优点：

1. 考虑了项目利益相关方社会网络的形成过程和结构，能够体现项目核心利益相关方的价值和作用。

2. 能够较好地体现社会网络分析的结点中心度和间距中心度指标（如表2所示）。

3. 考虑了项目核心利益相关方在利益相关方识别中的作用和网络中存在结构洞的情况，能够更有效地体现项目利益相关方社会网络的实际。例如从表1可以看出G、H之间存在结构洞，而结点F跨越此结构洞，其重要性有了很大提高，对网络造成很大的风险。

3.2.2 算法的适用范围

该算法以项目利益相关方社会网络整体风险为衡量指标，其实施主要基于以下两个方面：

1. 该算法不能在利益相关方之间的信息量收集前对它们的重要性提供指导，而算法要求收集的信息量很多，工作量大，主要适用于对项目风险控制要求高的项目利益相关方识别。

2. 算法设有初始结点A、B、C，从初始结点出发寻找利益相关方，一旦利益相关方进入边界内，其后的利益相关方只能尽量降低边界内利益相关方的风险而不能将其从边界内剔除，在某些情况下可能出现达不到网络整体风险最低的结果。

4 结论

本文从利益相关方关系的角度识别和构建了项目利益相关方社会网络。基于信息论和决策论，将项目利益相关方社会网络简化成基于信息流的有向网络。以社会网络整体风险为衡量指标，设计了在一定风险承受水平下项目利益相关方社会网络边界确定算法，能够帮助项目管理人员有效地识别项目的利益相关方。该算法考虑了项目核心利益相关方在项目利益相关方社会网络中的作用，能够较好地体现社会网络分析的结点中心度和间距中心度指标等。同时，这一算法基于统一的过程，能够适应项目独特性的需求。虽然本文对于项目利益相关方社会网络风险边界算法的研究还存在工作量大等局限性，但是本文能够快速有效地识别项目的利益相关方，可以为后续项目利益相关方边界识别研究和项目利益相关方管理实践提供指导和参考价值。

参考文献

[1] Common Cause of Project Failure- OGC Best Practice [R]. Office of Government Commerce， 2005.

[2] Project Management Institute.项目管理知识体系指南（第五版）[M].北京：电子工业出版社，2013.

[3] 马宁.大型政府投资代建项目主要利益相关方风险管理研究[D].山东大学， 2011.

[4] 宋安华.投标项目利益相关方的识别模型分析[J].科技创新导报，2009，16：181.

[5] Lehtonen P， Martinsuo M. Change program initiation： defining and managing the program–organization boundary[J]. International Journal of Project Management. 2008， 26（1）： 21-29.

[6] Turner， J.R. and A. Keegan， Mechanisms of governance in the project-based organization： Roles of the broker and steward[J]. European Management Journal，2001.19（3）： 254-267.

[7] 丁荣贵.项目管理：项目思维与管理关键（第2版）[M].北京：中国电力出版社，2013.

[8] 丁荣贵，高航，张宁.项目治理相关概念辨析[J].山东大学学报（哲学社会科学版），2013，2： 132-142.

[9] L. Hossain， A. Wu.Communications network centrality correlates to organizational coordination[J]. International Journal of Project Management， 2009，27 （8）：795–811.

[10] Mead， S.P.， Using social network analysis to visualize project teams[J]. Project Management Journal，2001.32（4）： 32-38.

[11] 崇丹，李永奎，乐云.城市基础设施建设项目群组织网络关系治理研究—一种网络组织的视角[J].软科学，2012，26（2）：13-19.

[12] Marubo yina， R. Project Uncertainty Management[J].Cost Engineering，2003.

[13] 丁荣贵，刘芳，孙涛等.基于社会网络分析的项目治理研究—以大型建设监理项目为例[J].中国软科学，2010（6）：132-140.

[14] 西蒙.管理行为[M].北京：机械工业出版社，2007.

[15] Shannon， C.E.， A mathematical theory of communication. ACM SIGMOBILE Mobile Computing and Communications Review， 2001.5（1）： 53-55.

[16] 孙利娟，邢小军，周德群.熵值赋权法的改进[J].统计与决策，2010，（21）：153-154.

[17] 罗纳德.伯特.任敏译.结构洞[M].上海：格致出版社，2008.

[18] Alojairi A， Safayeni F. The dynamics of inter-node coordination in social networks： a theoretical perspective and empirical evidence[J]. International Journal of Project Management. 2012， 30（1）： 15-26.

[19] 徐韫玺，王要武，姚兵.基于熵理论的建设项目参与者多目标协同群决策模型[J].中国管理科学，2008，10：117-121.

[20] Zou X， Ingram P. Bonds and boundaries： Network structure， organizational boundaries， and job performance[J]. Organizational Behavior and Human Decision Processes. 2012.

[21] Gargiulo M， Ertug G， Galunic C. The two faces of control： Network closure and individual performance among knowledge workers [J]. Administrative Science Quarterly.2009，54（2）：299-333.

[22] 郭林，王学武，刘柏枫.数学分析[M].北京：清华大学出版社，2008.

[23] 陈宝林.最优化理论与算法[M].北京：清华大学出版社，2008.