👉Social Network Analysis (SNA) หรือการวิเคราะห์เครือข่ายทางสังคม ใช้ในการตรวจสอบโครงสร้าง ความสัมพันธ์ของ Chart โดยเน้นไปที่ความสัมพันธ์ระหว่าง Entities
พื้นฐานของการวิเคราะห์เครือข่ายทางสังคม
การวิเคราะห์เครือข่ายทางสังคม (Social Network Analysis หรือ SNA) คือวิธีศึกษาความสัมพันธ์ระหว่างคนหรือกลุ่มคน SNA ช่วยให้เราเข้าใจว่า
- กลุ่มคนทำงานร่วมกันอย่างไร
- พวกเขามีปฏิสัมพันธ์กันแบบไหน
- ทำไมพวกเขาถึงแสดงพฤติกรรมบางอย่าง
SNA ช่วยให้เราสร้างแผนผังและวัดความสัมพันธ์ในกลุ่มคนหรือองค์กร และช่วยคาดการณ์ว่าพวกเขาอาจทำอะไรในอนาคต
การทำงานของ SNA
SNA รวมความรู้เรื่ององค์กร เข้ากับ คณิตศาสตร์ เพื่อให้เราเข้าใจวิธีทำงานของกลุ่มและองค์กรได้ดีขึ้น
การศึกษาโครงสร้างเครือข่ายช่วยให้เรารู้
- เครือข่ายทำงานได้ดีแค่ไหน และบรรลุเป้าหมายได้หรือไม่
- มีกลุ่มย่อยซ่อนอยู่ในเครือข่ายใหญ่หรือไม่
- ใครคือคนสำคัญที่มีอิทธิพลมากที่สุดในเครือข่าย
- ข้อมูลเดินทางในเครือข่ายเร็วและตรงไปตรงมาแค่ไหน
ปัญหาในโลกจริงที่ SNA ช่วยแก้ได้
- ข้อมูลมากเกินไป ปัจจุบันมีข้อมูลมากมาย SNA ช่วยกรองข้อมูลที่สำคัญออกมาได้เร็วและมีประสิทธิภาพ
- การระบุคนสำคัญ SNA ช่วยค้นหาบุคคลหรือกลุ่มสำคัญอย่างรวดเร็ว ทำให้ใช้ทรัพยากรที่มีจำกัดได้อย่างคุ้มค่า
- การเข้าใจการเปลี่ยนแปลง SNA ช่วยดูว่าเครือข่ายเปลี่ยนแปลงอย่างไรตามเวลา ไม่ใช่แค่ดูโครงสร้างปัจจุบัน
- ความสำคัญที่แตกต่างกัน ในเครือข่ายจริง ไม่ใช่ทุกความสัมพันธ์จะสำคัญเท่ากัน SNA ช่วยวัดน้ำหนักความสำคัญของแต่ละความสัมพันธ์ได้
ข้อควรระวัง
SNA เป็นเพียงเครื่องมือช่วยวิเคราะห์ ไม่ใช่คำตอบสำเร็จรูป มันเป็นจุดเริ่มต้นที่ดีสำหรับการวิเคราะห์เพิ่มเติม
SNA จะมีประสิทธิภาพสูงสุดเมื่อใช้ร่วมกับการวิเคราะห์โดยมนุษย์ และต้องระวังว่า
- ข้อมูลอาจไม่สมบูรณ์
- อาจไม่เห็นภาพรวมทั้งหมดของเครือข่าย
Social Network Analysis (SNA) การวิเคราะห์เครือข่ายทางสังคม
ความเป็นศูนย์กลาง (Centrality)
ความเป็นศูนย์กลางคืออะไร
ความเป็นศูนย์กลางเป็นแนวคิดสำคัญในการวิเคราะห์เครือข่ายทางสังคม มันบอกว่าใครหรืออะไรมีอิทธิพลมากที่สุดในเครือข่าย
ผลของความเป็นศูนย์กลาง
เครือข่ายที่มีความเป็นศูนย์กลางสูง
- มีคนคนเดียวที่ควบคุมข้อมูลเกือบทั้งหมด
- ถ้าคนนี้หายไป ทั้งเครือข่ายอาจล้มเหลว
เครือข่ายที่มีความเป็นศูนย์กลางต่ำ
- ไม่มีจุดล้มเหลวเพียงจุดเดียว
- ข้อมูลยังเดินทางได้แม้บางช่องทางถูกปิด
วิธีวัดความเป็นศูนย์กลาง
โปรแกรม Analyst’s Notebook วัดความเป็นศูนย์กลางได้ 4 แบบ
- แบบระหว่าง (Betweenness) – วัดว่าคนนั้นเป็น “สะพาน” เชื่อมระหว่างกลุ่มอื่นๆ มากแค่ไหน
- แบบใกล้ชิด (Closeness) – วัดว่าคนนั้นอยู่ใกล้คนอื่นๆ ในเครือข่ายแค่ไหน
- แบบระดับ (Degree) – วัดว่าคนนั้นมีการเชื่อมต่อกับคนอื่นๆ มากแค่ไหน
- แบบไอเกนเวกเตอร์ (Eigenvector) – วัดว่าคนนั้นเชื่อมต่อกับคนสำคัญมากแค่ไหน
โปรแกรมยังสามารถปรับการวัดให้ละเอียดขึ้นได้โดยคำนึงถึง
- ทิศทางของความสัมพันธ์ (ใครส่งข้อมูลให้ใคร)
- น้ำหนักของความสัมพันธ์ (บางความสัมพันธ์สำคัญกว่าความสัมพันธ์อื่น)
ความเป็นศูนย์กลางแบบระหว่าง (Betweenness) แบบเข้าใจง่าย
ความเป็นศูนย์กลางแบบระหว่างคืออะไร
ความเป็นศูนย์กลางแบบระหว่าง วัดว่าคนหนึ่งเป็น “สะพาน” เชื่อมต่อระหว่างคนอื่นๆ ในเครือข่ายมากแค่ไหน
หน้าที่ของผู้ควบคุมประตู (Gatekeeper)
คนที่มีค่าความเป็นศูนย์กลางแบบระหว่างสูงเรียกว่า “ผู้ควบคุมประตู” เพราะพวกเขา
- สามารถควบคุมการไหลของข้อมูลระหว่างส่วนต่างๆ ในเครือข่าย
- เป็นจุดผ่านที่ข้อมูลต้องเดินทางผ่านเพื่อไปถึงอีกส่วนหนึ่งของเครือข่าย
ลักษณะของผู้ควบคุมประตู
ผู้ควบคุมประตูอาจมีลักษณะได้ 2 แบบ
- มีหลายเส้นทางผ่าน – สามารถส่งข้อมูลถึงคนส่วนใหญ่ในเครือข่ายได้
- มีเส้นทางผ่านน้อย แต่สำคัญ – อาจไม่มีการเชื่อมต่อมาก แต่เป็นคนเดียวที่เชื่อมระหว่างกลุ่มที่แตกต่างกัน
ตัวอย่าง
จากตัวอย่าง ลินดา ไบรท์แมน (Linda BRIGHTMAN) มีคะแนนความเป็นศูนย์กลางแบบระหว่างสูงที่สุด เพราะเธอเป็นคนเดียวที่เชื่อมต่อระหว่างสองกลุ่มในเครือข่าย หากไม่มีเธอ ทั้งสองกลุ่มจะไม่สามารถติดต่อกันได้เลย

ความเป็นศูนย์กลางแบบระหว่างของการเชื่อมโยง (Link Betweenness)
ความเป็นศูนย์กลางแบบระหว่างของการเชื่อมโยงคืออะไร
ในขณะที่ความเป็นศูนย์กลางแบบระหว่าง (Betweenness) วัดความสำคัญของคน “Link Betweenness” วัดความสำคัญของเส้นเชื่อมระหว่างคน
มันวัดว่าเส้นเชื่อมนั้นมีข้อมูลเดินทางผ่านมากแค่ไหน หรือพูดง่ายๆ คือ “ถนนเส้นนี้มีการจราจรหนาแน่นแค่ไหน”
ความสำคัญของ Link Betweenness
เส้นเชื่อมที่มีค่า Link Betweenness สูง
- เป็นเส้นทางสำคัญที่ข้อมูลใช้เดินทางในเครือข่าย
- ถ้าเส้นนี้ถูกตัด การสื่อสารในเครือข่ายจะมีปัญหามาก
ตัวอย่าง
ในตัวอย่างที่กล่าวถึง เส้นเชื่อมที่มีค่า Link Betweenness สูงแสดงด้วยสีแดง
ถ้าเส้นเชื่อมนี้ถูกตัด
- การแลกเปลี่ยนข้อมูลสำคัญจะหยุดชะงัก
- เครือข่ายอาจแยกออกเป็นสองส่วนที่ไม่สามารถติดต่อกันได้
เปรียบเสมือนถนนหลักที่เชื่อมระหว่างสองเมือง ถ้าถนนนี้ถูกปิด จะไม่มีทางอื่นให้เดินทางระหว่างเมืองได้

ความเป็นศูนย์กลางแบบใกล้ชิด (Closeness)
ความเป็นศูนย์กลางแบบใกล้ชิดคืออะไร
ความเป็นศูนย์กลางแบบใกล้ชิด วัดว่าคนหนึ่งอยู่ “ใกล้” กับคนอื่นๆ ในเครือข่ายแค่ไหน นี่ไม่ใช่ระยะทางจริง แต่เป็นจำนวนก้าวที่ต้องใช้เพื่อเข้าถึงคนอื่นๆ
ประโยชน์ของการอยู่ใกล้คนอื่นในเครือข่าย
คนที่มีค่าความเป็นศูนย์กลางแบบใกล้ชิดสูง
- มีเส้นทางสั้นๆ ไปหาคนอื่นในเครือข่าย
- สามารถส่งและรับข้อมูลได้เร็วกว่าคนอื่น
- เข้าถึงทุกคนในเครือข่ายได้ง่าย
คนที่อยู่ริมขอบเครือข่าย
คนที่อยู่ริมขอบของเครือข่าย (มีการเชื่อมต่อน้อย) จะมีค่าความเป็นศูนย์กลางแบบใกล้ชิดต่ำ เพราะ:
- ข้อมูลต้องเดินทางไกลเพื่อไปถึงคนอื่นๆ
- ต้องใช้เวลามากขึ้นทั้งในการส่งและรับข้อมูล
ความใกล้ชิดมี 2 แบบ
- ความใกล้ชิดทางตรง – คนสองคนเชื่อมต่อกันโดยตรง (เป็นเพื่อนกัน)
- ความใกล้ชิดทางอ้อม – คนสองคนต้องผ่านคนกลางเพื่อติดต่อกัน (เพื่อนของเพื่อน)
ความเป็นศูนย์กลางแบบใกล้ชิดคำนึงถึงทั้งการเชื่อมต่อทางตรงและทางอ้อม
ตัวอย่าง
จากตัวอย่างที่กล่าวถึง เอสรี ดุ๊ค (Esry DUKE) และ โรเบิร์ต โฮลเดอร์ (Robert HOLDER) มีคะแนนความใกล้ชิดสูงสุด หมายความว่า
- พวกเขาสามารถติดต่อกับคนส่วนใหญ่ในเครือข่ายได้อย่างรวดเร็ว
- ข้อมูลจากพวกเขาสามารถกระจายไปทั่วเครือข่ายได้เร็วที่สุด
- พวกเขามักจะรู้สิ่งที่เกิดขึ้นในเครือข่ายก่อนคนอื่น

ความเป็นศูนย์กลางแบบระดับ (Degree)
ความเป็นศูนย์กลางแบบระดับคืออะไร
ความเป็นศูนย์กลางแบบระดับ คือการวัดว่าคนหนึ่งมีการเชื่อมต่อกับคนอื่นมากแค่ไหน เป็นการนับจำนวนเพื่อนหรือคนรู้จักโดยตรงของแต่ละคนในเครือข่าย
วิธีวัด
วิธีวัดง่ายมาก
- นับจำนวนการเชื่อมต่อโดยตรงที่คนนั้นมีกับคนอื่น
- ยิ่งมีการเชื่อมต่อมาก ค่าความเป็นศูนย์กลางแบบระดับก็ยิ่งสูง
สิ่งที่บอกเราได้
ค่านี้บอกเราว่า
- ใครมีกิจกรรมมากที่สุดในเครือข่าย
- ใครมีความกระตือรือร้นในการเชื่อมต่อกับคนอื่น
- ใครรู้จักคนมากที่สุดในเครือข่าย
ตัวอย่าง
จากตัวอย่างที่กล่าวถึง ไอรีน เบเกอร์ (Irene BAKER) มีค่าความเป็นศูนย์กลางแบบระดับสูงที่สุด นั่นหมายความว่า
- เธอมีการเชื่อมต่อโดยตรงกับคนอื่นมากที่สุดในเครือข่าย
- เธอน่าจะเป็นคนที่มีปฏิสัมพันธ์กับคนอื่นมากที่สุด
- เธอรู้จักคนในเครือข่ายมากกว่าใครๆ
เปรียบเสมือนคนที่มีเพื่อนในงานปาร์ตี้มากที่สุด และทักทายผู้คนมากที่สุด

ความเป็นศูนย์กลางแบบไอเกนเวกเตอร์ (Eigenvector)
ความเป็นศูนย์กลางแบบไอเกนเวกเตอร์คืออะไร
ความเป็นศูนย์กลางแบบไอเกนเวกเตอร์ วัดว่าคนหนึ่งมีการเชื่อมต่อกับคนสำคัญในเครือข่ายมากแค่ไหน หรือพูดง่ายๆ คือ “คุณรู้จักคนดังมากแค่ไหน”
หลักการทำงาน
แทนที่จะแค่นับจำนวนการเชื่อมต่อ (แบบ Degree) Eigenvector พิจารณาด้วยว่า
- คนที่คุณเชื่อมต่อด้วยสำคัญแค่ไหน
- การเชื่อมต่อกับคนสำคัญมีค่ามากกว่าการเชื่อมต่อกับคนทั่วไป
ลักษณะของคนที่มีค่า Eigenvector สูง
คนที่มีค่า Eigenvector สูง
- มักจะอยู่ในกลุ่มคนสำคัญของเครือข่าย
- สามารถติดต่อกับคนมีอิทธิพลได้โดยตรง
- มีอำนาจและอิทธิพลในเครือข่ายมาก
ฮับและออทอริตี้
ในเครือข่ายที่ความสัมพันธ์มีทิศทาง (เช่น ใครส่งข้อมูลให้ใคร) จะมีการวัดเพิ่มเติม 2 แบบ
- ฮับ (Hub) – คนที่ส่งข้อมูลออกไปหาคนสำคัญมาก
- เหมือนคนที่แชร์โพสต์ของคนดังหลายคน
- ออทอริตี้ (Authority) – คนที่ได้รับข้อมูลจากคนสำคัญมาก
- เหมือนคนดังที่มีคนพูดถึงเยอะ
ทั้งสองส่วนสัมพันธ์กัน ฮับที่ดีส่งข้อมูลไปหาออทอริตี้ที่ดี และออทอริตี้ที่ดีรับข้อมูลจากฮับที่ดี
ตัวอย่าง
จากตัวอย่างที่กล่าวถึง วาเลอรี กรีน (Valerie Green) มีค่า Eigenvector สูงที่สุด เพราะ
- เธอเชื่อมต่อกับคนที่มีบทบาทสำคัญในเครือข่าย
- เธออยู่ตรงกลางของกลุ่มคนสำคัญ
- เธอสามารถมีอิทธิพลต่อคนสำคัญได้เร็วกว่าคนอื่น

ทิศทางการเชื่อมโยง (Link Direction)
ทิศทางการเชื่อมโยงคืออะไร
ทิศทางการเชื่อมโยง คือการแสดงว่าข้อมูลหรือสิ่งของเคลื่อนที่ไปในทิศทางไหนระหว่างคนในเครือข่าย โดยใช้ลูกศรชี้ทิศทาง
ประโยชน์ของการดูทิศทาง
การดูทิศทางช่วยให้เรารู้ว่า
- ข้อมูลไหลในเครือข่ายอย่างไร
- ใครเป็นผู้ให้ข้อมูลและใครเป็นผู้รับข้อมูล
- ข้อมูลเดินทางเร็วหรือช้าจากส่วนหนึ่งไปอีกส่วนหนึ่ง
รูปแบบของทิศทาง
ทิศทางการเชื่อมโยงมี 2 แบบ
- ทิศทางเดียว – ข้อมูลไหลจากคนหนึ่งไปหาอีกคนเท่านั้น (ลูกศรชี้ทางเดียว)
- สองทิศทาง – ข้อมูลไหลไปมาระหว่างสองคน (ลูกศรชี้ทั้งสองทาง)
ผลต่อความเป็นศูนย์กลาง
คนที่ข้อมูลไหลผ่านทั้งสองทิศทาง (รับและส่ง) จะมีค่าความเป็นศูนย์กลางสูงกว่าคนที่ข้อมูลไหลผ่านทิศทางเดียว (แค่รับหรือแค่ส่ง)
ตัวอย่าง
จากตัวอย่างที่กล่าวถึง ลินดา ไบรท์แมน (Linda BRIGHTMAN) มีลักษณะพิเศษคือ
- เธอรับข้อมูลจากคนอื่นได้ (ลูกศรชี้เข้าหาเธอ)
- แต่เธอไม่ส่งข้อมูลต่อไปยังส่วนอื่นๆ ของเครือข่าย (ไม่มีลูกศรชี้ออกจากเธอ)
- เธอเป็นเหมือน “ทางตัน” ของข้อมูลในเครือข่าย

การถ่วงน้ำหนักการเชื่อมโยง (Link Weightings)
การถ่วงน้ำหนักการเชื่อมโยงคืออะไร
การถ่วงน้ำหนักการเชื่อมโยง คือการให้ค่าความสำคัญที่แตกต่างกันกับความสัมพันธ์แต่ละแบบในเครือข่าย เพราะในชีวิตจริง ไม่ใช่ทุกความสัมพันธ์จะมีความสำคัญเท่ากัน
ทำไมต้องถ่วงน้ำหนัก
การถ่วงน้ำหนักช่วยให้
- เข้าใจพลวัตของเครือข่ายได้ตรงกับความเป็นจริงมากขึ้น
- แยกแยะความสัมพันธ์สำคัญจากความสัมพันธ์ทั่วไป
- วิเคราะห์เครือข่ายได้ละเอียดขึ้น
ตัวอย่างการถ่วงน้ำหนัก
ในชีวิตจริง
- ความสัมพันธ์ในครอบครัวอาจแข็งแกร่งกว่าความสัมพันธ์ทางธุรกิจ
- เราจึงให้น้ำหนักความสัมพันธ์ครอบครัวมากกว่า
ผลต่อการวิเคราะห์
การถ่วงน้ำหนักมีผลต่อการวิเคราะห์
- เส้นทางที่มีน้ำหนักมากอาจเป็นเส้นทางหลักที่ข้อมูลไหลผ่าน
- คนที่ใช้เส้นทางที่มีน้ำหนักมากอาจมีบทบาทสำคัญในเครือข่าย
- ค่าความเป็นศูนย์กลางจะเปลี่ยนไปตามน้ำหนักการเชื่อมโยง
เปรียบเสมือนการดูไม่เพียงแค่ว่ามีถนนเชื่อมระหว่างเมืองหรือไม่ แต่ดูด้วยว่าถนนนั้นเป็นทางด่วนหรือทางเล็กๆ ซึ่งจะมีผลต่อความสำคัญของเส้นทางและเมืองที่เชื่อมต่อกัน

การจัดรูปแบบแบบมีเงื่อนไข (Conditional Formatting)
การจัดรูปแบบแบบมีเงื่อนไขคืออะไร
การจัดรูปแบบแบบมีเงื่อนไข คือวิธีการเน้นข้อมูลสำคัญในแผนภูมิเครือข่ายที่ซับซ้อน โดยใช้สี ขนาด หรือความหนาที่แตกต่างกัน เพื่อให้เห็นสิ่งสำคัญได้ชัดเจน
ทำไมต้องใช้
เมื่อเครือข่ายมีความซับซ้อน
- ยากที่จะเห็นว่าใครสำคัญที่สุด
- ยากที่จะเห็นโครงสร้างของเครือข่าย
- ข้อมูลสำคัญอาจหายไปในความวุ่นวาย
วิธีการทำงาน
ในโปรแกรม Analyst’s Notebook คุณสามารถ
- สร้างกฎการจัดรูปแบบตามเงื่อนไขที่กำหนด
- ใช้กฎนั้นกับข้อมูลในแผนภูมิ
- ทำให้สิ่งสำคัญโดดเด่นขึ้นมา
วิธีเน้นข้อมูลสำคัญ
โปรแกรมช่วยเน้นข้อมูลสำคัญโดย
- ขยายขนาดของจุดหรือไอคอนที่สำคัญ
- ทำให้เส้นเชื่อมโยงหนาขึ้น
- ใส่สีที่โดดเด่นให้กับข้อมูลสำคัญ
ตัวอย่าง
จากตัวอย่างที่กล่าวถึง
- ยิ่งวงกลม (กรอบไอคอน) ของคนใหญ่เท่าไร
- คะแนนความเป็นศูนย์กลางแบบระหว่าง (Betweenness) ของคนนั้นก็ยิ่งสูงเท่านั้น
- ทำให้เราเห็นได้ง่ายว่าใครคือคนสำคัญในเครือข่าย และพวกเขาอยู่ตรงไหน
เปรียบเสมือนการใช้ไฮไลท์เน้นข้อความสำคัญในหนังสือ ทำให้เราสามารถหาข้อมูลสำคัญได้อย่างรวดเร็ว แม้ในหน้าที่มีข้อความมาก

Reference – ข้อมูลทั้งหมดในบทความนี้ มาจากคู่มือ Analyst’s Notebook : Social Network Analysis
✅Note: – ติดตามเรื่อง Conditional Formatting (การจัดรูปแบบแบบมีเงื่อนไข) ได้ในบทความต่อไปนะครับ ! 😊





















