Анализ сетей (network analysis) - метод, который использует теорию графов, чтобы смоделировать и понять наблюдаемые явления.
В своем последнем проекте при помощи этого метода я изучал как паттерны в общении людей влияют на освоение Wrike. Результатом я доволен, буду развивать.
С “теорией” у теории графов проблем нет. Эту науку давно изучают, есть много учебных материалов. А вот с примерами прикладного характера встречаешься не часто. Не всегда очевидно, как интерпретировать какую-нибудь “метрику центральности” графа на реальную жизнь.
Вот материалы, которые помогли с “практикой”:
1.
All about Network Effects — презентация на SlideShare (он заболочен в РФ, но я верю, что вы сможете туда зайти), где c теорией и продуктовыми примерами рассказывают про полезность сетей. Тут расскажут, что такое “сетевой эффект” и чем это отличается от “виральности”.
Обязательно к просмотру.
2.
The Dynamics of Network Effects - эта статья “шлифует” теорию (закон Меткалфа) из предыдущей ссылки и указывает на ее ограничения.
3.
Two Powerful Mental Models: Network Effects and Critical Mass - для тех, кто хочет глубже проникнуться основными понятиями.
4.
16 Ways to Measure Network Effects - хватит теории! Вот как замерять сетевые эффекты в реальных продуктах.
5.
Better People Analytics: Measure Who They Know, Not Just Who They Are — поведенческие экономисты описали подход к анализу отношений внутри компании.
Ну и для тех, кто хочет углубиться в техническую составляющую, рекомендую курс
Stanford CS224W: Analysis of Networks (Autumn 2018). Его ведет Chief Data Scientist из Pinterest. Видео и презентации в свободном доступе.
#ссылки_недели
@product_science