基于社交网络的组织非正式沟通实证研究

董晶 魏娜 张俊妮

摘要：非正式沟通是组织沟通的重要形式，文章应用社交网络分析方法，证明了组织内部非正式网络是一种小世界网络，其能够有效提升组织的沟通效率，同时证明了非正式沟通网络由多个自发形成的子社区构成，而部门划分是重要的影响因素。

关键词：组织沟通；非正式沟通；小世界网络；社区挖掘

一、 引言

组织沟通是在组织内外部进行的信息、感情和知识的交互过程（Krackhardt & Hanson，1993）。组织沟通包括正式沟通和非正式沟通两类。不同于根据组织明确规则而进行的正式沟通，非正式沟通的目标、渠道、时机和内容等都未经规划且难以预料（康青，2010），具有不受管理层控制、消息传播快速等特点。非正式组织沟通的出现，一方面满足了组织成员的社会性需求，便捷了成员的情感传递及情绪释放，另一方面补充了正式沟通渠道中横向沟通的不足，完善了组织内部的沟通系统（胡河宁，2006），运用得当的非正式组织沟通能够有效促进组织业绩的提升（熊小斌等，2005）。为剖析组织内部的沟通现象，Katz与Kahn（1978）提出了沟通圈概念，并认为在组织中每个成员都是沟通系统的组件，信息循着沟通圈所覆盖的范围进行流动，不同的覆盖范围使得沟通圈呈现结构特征。与之类似，Graen等（1975，1995）提出的领导-成员交换理论也指出组织内存在沟通圈，组织成员角色具有圈内人和圈外人之分。对于非正式沟通圈结构的研究一直是组织沟通领域的热点，前人通过理论分析与案例研究（Ergen，2011；Lee，2016）发现，在同一组织中，非正式沟通网络与正式沟通网络所涵盖的成员及其结构具有重复性。然而，这些研究的共同局限是缺乏对理论的实证支持，尽管也有少量研究（Mehra et al.，2006；李敏等，2011）尝试引入问卷量表方法对组织内沟通网络进行量化分析，但仍然是针对企业管理层的小样本研究，难以完整概括整个沟通网络的属性与结构特征。

随着互联网的发展普及，以阿里钉钉、企业微信、用友工作圈等为代表的移动办公软件大量涌现，因其能够打破时空壁垒、提供更便捷的沟通渠道而受到企业的青睐，这些移动办公软件的应用使得非正式组织沟通方式呈现线上化、移动化发展趋势，以口头沟通为主的沟通形式也逐渐被交互模式多样的即时通讯取代。与此同时，移动办公所积累的组织内部社交网络数据以及近年来社交网络分析方法的发展，为全面刻画非正式沟通圈的结构提供了可能。本文运用社交网络分析方法，基于某大型企业G集团总部的全量移动办公社交网络数据，对组織内部非正式沟通圈进行了实证分析。本研究所采用的全量网络数据突破了样本数据无法刻画整体沟通网络的局限，从网络类型和网络结构两个角度，验证了非正式沟通网络是小世界网络的属性，论证了其由多个子社区构成的结构特征。

二、 理论分析及研究假说

1. 非正式沟通网络类型。社交网络分为规则网络和复杂网络，其中复杂网络又分为随机网络和小世界网络两种模式（Strogatz，2001）。小世界网络最早于1929年被人类学家Frigyees Karinthy提出，指世界上任意的两个个体都可以通过较短的网络通道联系起来。六度分隔理论（Stanly，1969）进一步将小世界现象定义为任意两个人最多通过5个中间人就可以建立联系，并基于信件网络开展了小世界实验论证其观点。Watts与Stigatz（1998）进一步给出了小世界网络的数学定义，即相对于具有相同节点数的随机网络，小世界网络具有更短的平均路径长度和更大的聚类系数。Watts和Stigatz的研究证明演员、电力的行业网络是小世界网络。对于企业内部的非正式沟通网络，其同样具有便捷成员交互和个体聚集的特征，因此本文提出以下假设。

假设1：组织内部非正式沟通网络是小世界网络。

2. 非正式沟通网络结构。沟通圈理论和领导—成员交换理论指出，组织内部沟通网络具有群体聚类特征。熊小斌等（2005）认为非正式沟通网络没有统一的结构，但其与正式组织网络相互作用且依存。康青（2010）认为组织内部非正式沟通网络的主要成因是工作性质，换言之，从事类似岗位或有工作联系的个体更可能自发形成社群。正式沟通网络则主要由部门内部一对一垂直命令沟通网络形成，其沟通圈主要根据部门划分（余伟萍等，2003）。本文所采用的数据中，属于同一部门的好友关系占到全部好友关系的57.9%，这也说明非正式沟通网络可能也受部门设置的影响而划分为多个子网络，因此本研究提出以下假设。

假设2：非正式组织沟通网络由若干子网络构成；

假设3：部门是使沟通网络划分成子网络的影响因素。

三、 研究方法

1. 小世界网络判定方法。衡量网络统计特征的指标主要包括度分布、平均路径长度、网络密度和聚集系数等。对于员工i，度（Degree）指与其相连的节点数，即i的好友数；网络平均度即网络内人均好友数，反映了网络结构的稀疏程度。网络密度（Density）用于刻画网络中各节点间相互连接的密集程度，其数学表述为网络中真实存在的边数除以可能存在的边数上限，即d（G）=■，其中m表示网络G中连边的数目，n表示网络G中的节点数。任意两个员工i，j之间所有联系通路中所经边数最少的一条通路的长度被定义为最短路径长度dij，平均路径长度（Average Path Length）为整个网络中所有dij的平均值，即L（G）=■？撞ni=1？撞nj=i+1 dij，其刻画了网络节点之间信息传递成本的大小，网络平均路经常度为L，意味着平均经过L-1个节点就可以连接任意两个网络节点。聚集系数（Clustering Coefficient）描述了网络中与节点的相邻节点也互相连接的程度，即C（G）=■？撞ni=1■，其中ei为与节点i的相连节点间实际存在的边数，ki为与节点i相连的节点数。

小世界网络的验证方法为，将实际网络G与同样规模、同样网络平均度的随机网络Grandom进行对比，如果（■）/（■）>1（或L（G）≈L（Grandom）且C（G）>C（Grandom）），则实际网络G是小世界网络。

2. 虚拟社区挖掘理论及算法。社交网络中往往存在某些连接紧密的节点集合，这些集合对于整个网络的拓扑结构具有重要的影响，这些具有局部紧密特性的节点集合被定义为虚拟社区（Community）。组织内部网络中的虚拟社区实际上就是通常所定义的沟通圈。社区挖掘（Community Detection）是从复杂网络中发现虚拟社区的方法，早在20世纪就出现了基于贪婪优化策略的Kernighan-Lin算法和基于网络Laplace矩阵的谱平分法等社区挖掘方法（方滨兴等，2014）。21世纪随着复杂网络科学的发展，网络模块度理论被提出（Mark Newman，2004），并在此基础上设计了一种新的社区挖掘算法——GN算法。GN算法根据边介数表示社区之间的网络连边，通过迭代去除介数最大的边，从而将网络分裂为若干个虚拟社区结构。在GN算法中，通过优化模块度目标函数以发现社区结构。模块度的具体定义如下：

Q=■？撞ij[Aij-■]？啄（ci，cj）

其中，A是复杂网络的邻接矩阵，m表示网络中连边的数目，ki表示节点i的度数，即ki=？撞jAij。■为基准网络中任意连边（i，j）存在的概率。ci表示节点i所属的社区，当ci=cj，则？啄（ci，cj）=1，反之，？啄（ci，cj）=0。模块度公式的数学含义为网络中同一社区内边的比值与在同样社区结构下基准网络内边的比值的期望值差。模块度的取值越高（越接近1），则网络虚拟社区划分、挖掘的结果越好。因此通过最大化模块度取值，可以获得网络中每个节点i的社区分配ci。

四、 基于社交网络的实证分析

1. 数据来源。G集团是一家世界500强企业，其资产规模、客户数量、净利润等主要指标均位列行业第一，对其沟通网络进行分析具有较强的代表意义。为提升员工之间及员工与客户的沟通效率，2014年G集团上线了自主研发的移动办公、即时通讯软件Link。员工在注册成为Link用户后，可以通过申请好友和好友验证流程，与集团内任意员工建立好友关系并开始沟通。员工在Link中形成的社交网络是典型的组织内部非正式沟通网络，员工即网络中的节点，员工间的好友关系即网络的连边同时也表示员工间的沟通情况。本文中，我们将采用G集团总部员工的好友关系数据及员工部门归属数据，验证非正式沟通网络的小世界现象，并对组织内部沟通网络的聚类结构进行发掘、分析。

数据采集时间为2017年6月，G集团总部开通使用该软件的员工共2 946人，员工注册率达到97.2%。本研究收集了集团总部全部好友关系明细，共30 054条关系数据。假设员工i，与员工j存在好友关系，記该关系为（i，j），数据包含的变量有员工i和其好友j的编号、归属部门、处室、是否属于相同部门（1=是，0=否）、是否属于相同处室（1=是，0=否）。

总部2 946名员工来自40个部门，412个处室，部均注册人数73.5人。其中，注册数最多的部门包含216名员工，最少的部门仅含3名员工。注册员工中有2 584人拥有好友，并建立了好友关系共15 028对。

2. 小世界网络。G集团总部网络平均度为11.63人。网络密度d（G）=2*15 028/（2 584*（2 584-1））=0.004 5，网络相对稀疏。网络平均路径长度为L（G）=3.8，即网络中任意员工通过平均2.8个人就能联系到集团总部的任意其他人。网络聚集系数为C（G）=0.16。

利用Watts等（1998）构建的小世界模型生成与 网络同样规模、同样网络平均度（n=2 584，平均度=11.63）的随机网络Grandom，并计算得网络平均路径长度为L（Grandom）=2.84，网络聚集系数C（Grandom）=0.009，进而得到（■）/（■）=（■）/（■）=13.29>1。因此证明了假设1，即组织内部的非正式沟通网络是一种小世界网络。

3. 网络社区挖掘。应用模块度理论，本文运用R软件中的igraph包，采用经典贪婪算法GN，利用好友关系数据，对G集团本部非正式沟通网络中自发形成的虚拟社区进行挖掘。2 584名员工被划分入323个虚拟社区，平均每个社区包含8名员工，这证明了假设2，即非正式组织沟通网络由若干子网络构成。对于网络G，其最大的虚拟社区包含373名员工，51.4%的社区仅包含一个员工，超过20人的社区有27个，覆盖了72.5%的员工，另外有166个离群社区均只包含一名员工。

在明确社区划分后，结合成员的部门归属数据，通过计算社区主要组成部门的人员占比，可以发现，对于大部分社区，其成员都来自于相同部门。本文将每个社区中成员占比最高的部门称作主来源部门，次高部门称作次来源部门。超过10人的社区中，平均有72%的成员来自主来源部门。由此可见，员工的沟通圈归属与其部门归属紧密相关。

当聚焦规模相对较大的社区时，本文也发现有两个社区在部门构成上比较分散，分别为社区Com2和有社区Com43。结合组成人员的部门和处室信息发现，社区Com2成员主要是由集团高管和各部门秘书处员工构成，社区Com43主要由分散在各部门的管理培训生构成。

为验证假设3，本文使用卡方统计量，检验不同部门员工的社区归属是否存在显著差异，如果存在显著差异则证明假设3成立。该卡方检验原假设为不同部门员工的社区归属分布相同，备择假设为不同部门员工的社区归属分布不同。检验的p值小于2.2×10-16（卡方统计量=58 844，自由度=12 558），因此拒绝原假设，即不同部门员工的虚拟社区归属分布存在显著差异。

五、 研究结论与启示

本研究主要有以下两点结论和启示。第一，组织内非正式沟通网络是一种小世界网络，沟通过程具有小世界现象，即便是业务相关性低或距离遥远的两名员工之间，也能够通过非正式沟通网络经过少数中间人快速建立联系。该网络的小世界现象从侧面说明，非正式沟通网络作为正式沟通的有益补充，能够通过缩短沟通路径，显著提高组织内部的沟通效率，降低成员间的信息交换成本。第二，组织内的非正式沟通网络由多个虚拟子社区组成，虽然这些社区由成员自发形成，但社区受到部门设置的影响显著，虚拟社区倾向于由相同部门或相同工作性质（如秘书、管理培训生）的人员构成。虽然非正式沟通网络在一定程度上降低了跨部门沟通的成本，但仍然不能完全打破跨部门沟通的障碍。

参考文献：

[1] 方滨兴，许进，李建华.在线社交网络分析[M].北京：电子工业出版社，2014.

[2] 康青.管理沟通[M].北京：中国人民大学出版社，2010.

[3] 李敏，黄翠龙.跨部门组织社会网络结构比较研究及其管理启示[J].图书情报知识，2011，（1）：95-101.

[4] 熊小斌，高勇强，戴鑫.企业中的非正式组织探析[J]. 现代管理科学，2005，（4）：50-51.

[5] 熊小斌，高勇强.非正式组织分类管理研究[J].现代管理科学，2005，（5）：53-54.

[6] 余伟萍，陈进，胡豪.信息时代条件下的企业组织变革研究[J].财经研究，2003，29（6）：52-58.

[7] Ergen E.Turning the Informal Communication Network of an Organization into a Knowledge Tool through Communities of Practice[J]. Biomedical Engineering，2011，25（10）：165-172.

[8] Graen G B， Haga W J. A Vertical Dyad Linkage Approach to Leadership within Formal Org- anizations： A Longitudinal Investigation of the Role Making Process[J].Organizational Behavior & Human Performance，1975，13（1）：46-78.

[9] Graen G B， Uhl-Bien M. Relationship-based Ap- proach to Leadership： Development of Leader- member Exchange （LMX） Theory of Leadership over 25 Years： Applying a Multi-level Multi-domain Perspective[J].Leadership Quart- erly，1995，6（2）：219-247.

[10] Katz D， Kahn R L. The Social Psychology of Organizations[M]. New York： Wiley，1978.

作者簡介：董晶（1989-），女，汉族，辽宁省开源市人，中国工商银行博士后科研工作站博士后，北京大学经济学博士，研究方向为数据挖掘、社交网络分析、文本分析；魏娜（1988-），女，汉族，湖北省武汉市人，清华大学公共管理学院博士后，北京大学管理学博士，研究方向为电子政务、大数据、政策量化研究；张俊妮（1978-），女，汉族，江西省新余市人，北京大学光华管理学院副教授、博士生导师，研究方向为数据挖掘、贝叶斯统计等。

收稿日期：2018-01-11。