社会网络分析

社会网络分析(Social Network Analysis)

　　社会网络分析方法是由社会学家根据数学方法﹑图论等发展起来的定量分析方法，近年来，该方法在职业流动、城市化对个体幸福的影响、世界政治和经济体系、国际贸易等领域广泛应用，并发挥了重要作用。社会网络分析是社会学领域比较成熟的分析方法，社会学家们利用它可以比较得心应手地来解释一些社会学问题。许多学科的专家如经济学、管理学等领域的学者们在新经济时代——知识经济时代，面临许多挑战时，开始考虑借鉴其他学科的研究方法，社会网络分析就是其中的一种。

　　网络指的是各种关联，而社会网络(Social Network)即可简单地称为社会关系所构成的结构。社会网络分析（Social Network Analysis，SNA）问题起源于物理学中的适应性网络，通过研究网络关系，有助于把个体间关系、“微观”网络与大规模的社会系统的“宏观”结构结合起来，通过数学方法﹑图论等定量分析方法，是20世纪70年代以来在社会学、心理学、人类学、数学、通信科学等领域逐步发展起来的一个的研究分支。

　　从社会网络的角度出发，人在社会环境中的相互作用可以表达为基于关系的一种模式或规则，而基于这种关系的有规律模式反映了社会结构，这种结构的量化分析是社会网络分析的出发点。社会网络分析不仅仅是一种工具，更是一种关系论的思维方式。可以利用来解释一些社会学、经济学、管理学等领域问题。近年来，该方法在职业流动、城市化对个体幸福的影响、世界政治和经济体系、国际贸易等领域广泛应用，并发挥了重要作用。

　　网络指的是各种关联，而社会网络(social network)即可简单地称为社会关系所构成的结构。故从这一方面来说，社会网络代表着一种结构关系，它可反映行动者之间的社会关系。构成社会网络的主要要素有：

　　行动者(actor)：这里的行动者不但指具体的个人，还可指一个群体、公司或其他集体性的社会单位。每个行动者在网络中的位置被称为“结点(node)”。

　　关系纽带(relational tie)：行动者之间相互的关联即称关系纽带。人们之间的关系形式是多种多样的，如亲属关系、合作关系、交换关系、对抗关系等，这些都构成了不同的关系纽带。

　　二人组(dyad)：由两个行动者所构成的关系。这是社会网络的最简单或最基本的形式，是我们分析各种关系纽带的基础。

　　三人组(triad)：由三个行动者所构成的关系。

　　子群(subgroup)：指行动者之间的任何形式关系的子集。

　　群体(group)：其关系得到测量的所有行动者的集合。

　　社会网络分析是对社会网络的关系结构及其属性加以分析的一套规范和方法。它又被称结构分析法(structural analysis)，因为它主要分析的是不同社会单位(个体、群体或社会)所构成的社会关系的结构及其属性。

　　从这个意义上说，社会网络分析不仅是对关系或结构加以分析的一套技术，还是一种理论方法——结构分析思想。因为在社会网络分析学者看来，社会学所研究的对象就是社会结构，而这种结构即表现为行动者之间的关系模式。社会网络分析家B·韦尔曼(Barry Wellman)指出：“网络分析探究的是深层结构——隐藏在复杂的社会系统表面之下的一定的网络模式。”例如，网络分析者特别关注特定网络中的关联模式如何通过提供不同的机会或限制，从而影响到人们的行动。

　　韦尔曼指出，作为一种研究社会结构的基本方法，社会网络分析具有如下基本原理：

　　1．关系纽带经常是不对称地相互作用着的，在内容和强度上都有所不同。

　　2．关系纽带间接或直接地把网络成员连接在一起；故必须在更大的网络结构背景中对其加以分析。

　　3．社会纽带结构产生了非随机的网络，因而形成了网络群(network clusters)、网络界限和交叉关联。

　　4．交叉关联把网络群以及个体联系在一起。

　　5．不对称的纽带和复杂网络使稀缺资源的分配不平等。

　　6．网络产生了以获取稀缺资源为目的的合作和竞争行为。

　　这种结构分析的方法论意义是：社会科学研究的对象应是社会结构，而不是个体。通过研究网络关系，有助于把个体间关系、“微观”网络与大规模的社会系统的“宏观”结构结合起来。故英国学者J·斯科特指出：“社会网络分析已经为一种关于社会结构的新理论的出现奠定了基础。”

　　传统上对社会现象的研究存在着个体主义方法论与整体主义方法论的对立。前者强调个体行动及其意义，认为对社会的研究可以转换为对个体行动的研究。如韦伯明确指出，社会学的研究对象就是独立的个体的行动。但整体主义方法论强调只有结构是真实的，认为个体行动只是结构的派生物。

　　尽管整体主义方法论者重视对社会结构的研究，但他们对结构概念的使用也有很大的分歧。其实，在社会学中，社会结构是在各不相同的层次上使用的。它既可用以说明微观的社会互动关系模式，也可说明宏观的社会关系模式。也就是说，从社会角色到整个社会，都存在着结构关系。

　　通常，社会学家们是在如下几个层次上使用社会结构概念的：

　　第一，社会角色层次的结构(微观结构)：即最基本的社会关系是角色关系。角色常常不是单一的、孤立的，而是以角色丛的形式存在着。它所体现的是人们的社会地位或身份关系，如教师—学生。

　　第二，组织或群体层次的结构(中观结构)：是指社会构成要素之间的关系，这种结构关系不是体现在个体活动之间。如职业结构，它所反映的是人们之间在社会职业地位及拥有资源等方面的关系。

　　第三，社会制度层次的结构(宏观结构)：是指社会作为一个整体的宏观结构。如阶级结构，它所体现的是社会中主要利益集团之间的关系，或者是社会的制度特征。

　　因此，社会结构有多重含义。但从新的结构分析观来说，社会结构是社会存在的一般形式，而非具体内容。所以，许多结构分析的社会学家都主张社会学的研究对象应是社会关系，而非具体的社会个体。因为作为个体的人是千差万别、变化多端的，而惟有其关系是相对稳定的。故有人主张：社会学首先研究的是社会形式，而不是研究这些形式的具体内容。网络分析研究的就是这些关系形式，它类似于几何学。例如，运用社会网络分析我们可以研究人们社会交往的形式、特征，也可以分析不同群体或组织之间的关系结构。这有助于我们认识不同群体的关系属性及其对人们的行为的影响。

　　社会网络分析作为社会结构研究的一种独特方法，B·韦尔曼总结出了它的五个方面的方法论特征：；

　　1．它是根据结构对行动的制约来解释人们的行为，而不是通过其内在因素(如对规范的社会化)进行解释，后者把行为者看做是以自愿的、有时是目的论的形式去追求所期望的目标。

　　2．它关注于对不同单位之间的关系分析，而不是根据这些单位的内在属性(或本质)对其进行归类。

　　3．它集中考虑的问题是由多维因素构成的关系形式如何共同影响网络成员的行为，故它并不假定网络成员间只有二维关系。

　　4．它把结构看做是网络间的网络，这些网络可以归属于具体的群体。也可不属于具体群体。它并不假定有严格界限的群体一定是形成结构的阻碍。

　　5．其分析方法直接涉及的是一定的社会结构的关系性质，目的在于补充——有时甚至是取代——主流的统计方法，这类方法要求的是独立的分析单位。

　　所以，按照社会网络分析的思想，行动者的任何行动都不是孤立的，而是相互关联的。他们之间所形成的关系纽带是信息和资源传递的渠道，网络关系结构也决定着他们的行动机会及其结果。

　　社会网络分析法可以从多个不同角度对社会网络进行分析，包括中心性分析、凝聚子群分析、核心一边缘结构分析以及结构对等性分析等，这里仅介绍前3种。

　　2．1中心性分析

　　“中心性”是社会网络分析的重点之一。个人或组织在其社会网络中具有怎样的权力，或者说居于怎样的中心地位，这一思想是社会网络分析者最早探讨的内容之一。个体的中心度(Centrality)测量个体处于网络中心的程度，反映了该点在网络中的重要性程度。因此一个网络中有多少个行动者／节点，就有多少个个体的中心度。除了计算网络中个体的中心度外，还可以计算整个网络的集中趋势(可简称为中心势)(Centralization)。与个体中心度刻画的是个体特性不同，网络中心势刻画的是整个网络中各个点的差异性程度，因此一个网络只有一个中心势。根据计算方法的不同，中心度和中心势都可以分为3种：点度中心度／点度中心势，中间中心度／中间中心势，接近中心度／接近中心势。

　　2．1．1点度中心性在一个社会网络中，如果一个行动者与其他行动者之间存在直接联系，那么该行动者就居于中心地位，在该网络中拥有较大的“权力”。在这种思路的指导下，网络中一个点的点度中心度，就可以网络中与该点之间有联系的点的数目来衡量，这就是点度中心度。网络中心势指的是网络中点的集中趋势，它是根据以下思想进行计算的：首先找到图中的最大中心度数值；然后计算该值与任何其他点的中心度的差，从而得出多个“差值”；再计算这些“差值”的总和；最后用这个总和除以各个“差值”总和的最大可能值。

　　2．1．2中间中心性在网络中，如果一个行动者处于许多其他两点之间的路径上，可以认为该行动者居于重要地位，因为他具有控制其他两个行动者之间的交往能力。根据这种思想来刻画行动者个体中心度的指标是中间中心度，它测量的是行动者对资源控制的程度。一个行动者在网络中占据这样的位置越多，就越代表它具有很高的中间中心性，就有越多的行动者需要通过它才能发生联系。中间中心势也是分析网络整体结构的一个指数，其含义是网络中中间中心性最高的节点的中间中心性与其他节点的中间中心性的差距。该节点与别的节点的差距越大，则网络的中间中心势越高，表示该网络中的节点可能分为多个小团体而且过于依赖某一个节点传递关系，该节点在网络中处于极其重要的地位。

　　2．1．3接近中心性点度中心度刻画的是局部的中心指数，衡量的是网络中行动者与他人联系的多少，没有考虑到行动者能否控制他人。而中间中心度测量的是一个行动者“控制”他人行动的能力。有时还要研究网络中的行动者不受他人“控制”的能力，这种能力就用接近中心性来描述。在计算接近中心度的时候，我们关注的是捷径，而不是直接关系。如果一个点通过比较短的路径与许多其他点相连，我们就说该点具有较高的接近中心性。对一个社会网络来说，接近中心势越高，表明网络中节点的差异性越大，反之，则表明网络中节点间的差异越小。

　　2．2凝聚子群分析

　　当网络中某些行动者之间的关系特别紧密，以至于结合成一个次级团体时，这样的团体在社会网络分析中被称为凝聚子群。分析网络中存在多少个这样的子群，子群内部成员之间关系的特点，子群之间关系特点，一个子群的成员与另一个子群成员之间的关系特点等就是凝聚子群分析。由于凝聚子群成员之间的关系十分紧密，因此有的学者也将凝聚子群分析形象地称为“小团体分析”。

　　2．2．I凝聚子群根据理论思想和计算方法的不同，存在不同类型的凝聚子群定义及分析方法。

　　1)派系(Cliques)。在一个无向网络图中，“派系”指的是至少包含3个点的最大完备子图。这个概念包含3层含义：①一个派系至少包含三个点。②派系是完备的，根据完备图的定义，派系中任何两点之间都存在直接联系。③派系是“最大”的，即向这个子图中增加任何一点，将改变其“完备”的性质。

　　2)n-派系(n-Cliques)。对于一个总图来说，如果其中的一个子图满足如下条件，就称之为n-派系：在该子图中，任何两点之间在总图中的距离(即捷径的长度)最大不超过n。从形式化角度说，令d(i,j)代表两点和n在总图中的距离，那么一个n-派系的形式化定义就是一个满足如下条件的拥有点集的子图，即：，对于所有的，,来说，在总图中不存在与子图中的任何点的距离不超过n的点。

　　3)n-宗派(n—Clan)。所谓n-宗派(n—Clan)是指满足以下条件的n-派系，即其中任何两点之间的捷径的距离都不超过n。可见，所有的n-宗派都是n-派系。

　　4)k-丛(k-Plex)。一个k-丛就是满足下列条件的一个凝聚子群，即在这样一个子群中，每个点都至少与除了k个点之外的其他点直接相连。也就是说，当这个凝聚子群的规模为n时，其中每个点至少都与该凝聚子群中n-k个点有直接联系，即每个点的度数都至少为n—k。

　　2．2．2凝聚子群密度凝聚子群的密度(External—Internal Index，E-I Index)主要用来衡量一个大的网络中小团体现象是否十分严重。这在分析组织管理等问题时十分有用。最糟糕的情形是大团体很散漫，核心小团体却有高度内聚力。另外一种情况就是大团体中有许多内聚力很高的小团体，很可能就会出现小团体间相互斗争的现象。凝聚子群密度的取值范围为[-1，+1]。该值越向1靠近，意味着派系林立的程度越大；该值越接近-1，意味着派系林立的程度越小；该值越接近0，表明关系越趋向于随机分布，看不出派系林立的情形。

　　E-I Index可以说是企业管理者的一个重要的危机指数。当一个企业的E-I Index过高时，就表示该企业中的小团体有可能结合紧密而开始图谋小团体私利，从而伤害到整个企业的利益。其实E-I Index不仅仅可以应用到企业管理领域，也可以应用到其他领域，比如用来研究某一学科领域学者之间的关系。如果该网络存在凝聚子群，并且凝聚子群的密度较高，说明处于这个凝聚子群内部的这部分学者之间联系紧密，在信息分享和科研合作方面交往频繁，而处于子群外部的成员则不能得到足够的信息和科研合作机会。从一定程度上来说，这种情况也是不利于该学科领域发展的。

　　2．3核心一边缘结构分析

　　核心一边缘(Core—Periphery)结构分析的目的是研究社会网络中哪些节点处于核心地位，哪些节点处于边缘地位。核心边缘结构分析具有较广的应用性，可用于分析精英网络、科学引文关系网络以及组织关系网络等多种社会现象中的核心一边缘结构。

　　根据关系数据的类型(定类数据和定比数据)，核心—边缘结构有不同的形式。定类数据和定比数据是统计学中的基本概念，一般来说，定类数据是用类别来表示的，通常用数字表示这些类别，但是这些数值不能用来进行数学计算；而定比数据是用数值来表示的，可以用来进行数学计算。如果数据是定类数据，可以构建离散的核心一边缘模型；如果数据是定比数据，可以构建连续的核心一边缘模型。而离散的核心一边缘模型根据核心成员和边缘成员之间关系的有无及关系的紧密程度，又可分为3种：

　　①核心一边缘全关联模型；

　　②核心一边缘局部关联模型；

　　③核心一边缘关系缺失模型。

　　如果把核心和边缘之间的关系看成是缺失值，就构成了核心一边缘关系缺失模型。这里介绍适用于定类数据的4种离散的核心一边缘模型。

　　1)核心一边缘全关联模型。网络中的所有节点分为两组，其中一组的成员之间联系紧密，可以看成是一个凝聚子群(核心)，另外一组的成员之间没有联系，但是，该组成员与核心组的所有成员之间都存在关系。

　　2)核心一边缘无关模型。网络中的所有节点分为两组，其中一组的成员之间联系紧密，可以看成是一个凝聚子群(核心)，而另外一组成员之间则没有任何联系，并且同核心组成员之间也没有联系。

　　3)核心一边缘局部关联模型。网络中的所有节点分为两组，其中一组的成员之间联系紧密，可以看成是一个凝聚子群(核心)，而另外一组成员之间则没有任何联系，但是它们同核心组的部分成员之间存在联系。

　　4)核心一边缘关系缺失模型。网络中的所有节点分为两组，其中一组的成员之间的密度达到最大值，可以看成是一个凝聚子群(核心)，另外一组成员之间的密度达到最小值，但是并不考虑这两组成员之间关系密度，而是把它看作缺失值。

　　社会网络分析方法是由社会学家根据数学方法﹑图论等发展起来的定量分析方法，近年来，该方法在职业流动、城市化对个体幸福的影响、世界政治和经济体系、国际贸易等领域广泛应用，并发挥了重要作用。社会网络分析是社会学领域比较成熟的分析方法，社会学家们利用它可以比较得心应手地来解释一些社会学问题。许多学科的专家如经济学、管理学等领域的学者们在新经济时代——知识经济时代，面临许多挑战时，开始考虑借鉴其他学科的研究方法，社会网络分析就是其中的一种。我们已经知道人际间联系对信息获取(格拉诺维特，1973；艾琳，1977；博特，1992)很重要，同时我们也知道知识创造是一个社会过程(米德，1934；维特根斯坦，1953；伯杰和拉克曼，1966)，需要知识的主体——人的相互交织促进知识的。因为在人的所有活动中，社会网络都是一个现实存在。既然在管理、经济等各领域都存在社会网络，那么，将社会网络分析引入企业知识管理成了自然而然的事情。社会网络分析在企业知识管理的应用研究就是以企业所在的内、外部环境为导向, 以知识管理的运作过程为轴线, 来探讨网络联系的强弱、网络规模、网络范围及联系机制对知识获取、共享、转移、创新、应用等产生的影响及功效。该研究主要是利用社会网络分析方法(social network analysis, SNA)对知识管理进行定量研究。

　　为了了解目前社会网络分析在企业知识管理的应用研究的现状，我们在Emerald、ProQuest、SpringerLink、中国期刊网、万方数据库等国内外数据库中检索，得到国内相关文献7篇，国外相关文献31篇 。文献调查结果显示，学术界对社会网络分析与知识管理的交叉研究起步较晚，自2005年开始，相关文献数量才开始有明显增长趋势。通过对国内外文献进行标题分析发现，学术界对社会网络分析在企业知识管理中的应用研究可大致分为如下几个阶段：

　　1．从理论上探究社会网络分析是企业实施知识管理的一种工具

　　1999年，社会网络分析，作为一种收集和分析群体中人际间联系模式的诊断方法，首次被哈佛大学的汉森(Morten T. Hansen)引入知识管理领域，用社会网络中的弱联系(Weak Ties)解释组织内部知识转移问题。研究结果发现，部门间的弱联系(weak interunit ties)利于发现存在其他部门的有用知识，但却不利于部门间复杂知识(Complex Knowledge)的转移，只有存在强联系(Strong Ties)才能实现复杂知识的转移。

　　2000年，社会网络分析作为一项知识管理实践由IBM知识基础组织学院(IBM Institute for Knowledge-Based Organizations，IKO)首次提出。IBM的研究者们在进行了“运用社会网络分析(SNA)改进知识创造和分享”的相关研究后认为，社会网络分析在组织知识创造和分享过程中发挥着重要作用：①识别组织中促进信息、知识有效流动的核心人物，注意他们有时候会成为组织工作顺利开展的瓶颈；②识别组织内部网络中的边缘人物，如果是高层管理人员，会延缓决策；③辨识某一小组与整个网络的关系，判断其与整个组织的知识和信息的交流、分享情况。在企业实践中，IBM一直积极利用社会网络促进知识管理，如开辟“创新智慧园”，可直接接收全球30多万名员工提交的创新想法和实施方案，加快知识流通，促进知识共享。

　　2001年，作为IBM管家的帕克等(Andrew Parker，Rob Cross and Dean Walsh)根据自己的切身体验，写了《社会网络的隐藏力量》一书，详细讲述了社会网络分析在企业知识管理中的具体运用。他们认为社会网络分析的确能够促进非正式组织间的知识流动，改善正式组织内部的知识活动，推进部门间的合作。同年，文聘 塔斯(Wenpin Tasi)通过自己的实证调查指出，在组织内部的知识转移中，网络位置影响新知识的吸收能力和业务单位的创新和绩效。社会内聚力(social cohesion)与网络范围(network range)对知识转移的效果远高于个人之间强关系的作用。

　　2003年，安克拉姆(Patti Anklam)在企业知识管理权威期刊《知识管理》上发表观点，认为社会网络分析是支撑战略知识管理的强有力的诊断工具。人们一旦掌握了这一分析工具，就能够利用它来改善知识和信息的流动，促进企业知识管理战略的顺利实施3。

　　2．从应用的角度来探究社会网络分析在企业知识管理活动各环节的应用

　　这一阶段，克罗斯和鲍格蒂(Cross，Borgatti)对社会网络分析在企业知识管理中的应用研究的贡献功不可没。2002年，他们通过对两个组织的知识获取行为的调查数据进行社会网络分析，建立了一个知识获取模型。在该模型中，“知道(知道那个人知道什么)”、“通道(能够及时得到那个人想法的途径)”和“成本(认识到从那个人那里找到信息所要花费的代价)”这三个变量影响知识获取4。只要该网络模型构建良好，就能很好的实现知识获取。此后，人们对社会网络分析在企业知识管理活动中的应用研究更加细化，从社会网络的角度展开对企业知识管理活动各环节的研究。如2002年，李久鑫在其博士论文中，以社会网络视角定量地解析了市场知识活动、R&D活动、决策活动等代表性的企业知识活动，并提出了一个可供实际操作的企业知识管理活动成熟度模型(EKM-AAM)5。詹姆斯?艾伦(James Allen)等探讨了企业研发中的非正式网络在知识开发﹑知识转换和知识分发中的角色6。里根和麦克爱威立(Ray Reagans，Bill McEvily)从网络位置的角度研究知识转移，结果发现，不仅网络位置影响知识转移，网络的聚合力和网络规模都会影响知识转移。杜雷格和胡布勒(Scott B Droege，Jenny M Hoobler，2003)则专门研究了社会网络的属性与隐性知识扩散之间的关系。结论是：①在社会网络密度高的企业中，隐性知识的扩散更迅速；②在成员互动频繁的企业中，隐性知识扩散更迅速；③在合作水平高的企业中，隐性知识扩散更迅速。④在拥有强弱关系混合的企业中，隐性知识扩散更迅速。2004年，丹尼尔和克罗斯(Daniel Z Levin，Rob Cross)分析了社会网络中的信任在知识转移中所扮演的角色。他们认为，高信任度能大大促进隐性知识的传递。尤其在强联系居多的网络中，成员间的高密度联系促使彼此间信任度的增加，成员间愿意相互交流和交换隐性知识。

　　3．从综合的角度研究社会网络分析在企业知识管理中的应用

　　2004年，克罗斯和卡明斯(Rob Cross，Jonathan N. Cummings)梳理了前人的研究方法，从总体上对社会网络分析在企业知识管理中的应用进行研究。他们将以自我为中心的网络方法和有限(边界)网络方法结合起来，通过实证研究，分析了关系节点、网络结构与工作绩效的关系。他们认为：①网络结构使一些关系结点可以获得其他结点得不到的信息；②中介中心性可以使个人的信息网络和意识网络完美结合，充分利用网络中的资源，促使工作绩效的大大提高。所谓的信息网络中心性反映的是一个人利用专业技能解决目前问题的能力，意识网络中心性反映的是一个人利用他人专业技能获取新机会的能力。

　　伯克(Sandra M. Birk,2005年)则研究了如何利用SNA评估一个组织的知识能力。他选取三个指标，如专家选择、选择频率、连通性，来评价组织知识能力。他通过研究发现：①社会网络分析是描述网络成员与专家之间联系的好工具，因为它能使不可见组织间联系成为可见；②社会网络分析可以为企业管理者快速了解企业的知识能力提供系统的方法，因为它能使管理者对企业活动所需专业技能的潜在所有者的网络分布有一个清晰认识。伊波拉希(Ibrahim Rahinah，2005年)的博士论文“组织间的不连续性：知识流对组织行为的影响”中整合知识流动力学和组织理论，提出知识的非连续性，倡议用社会网络分析方法去研究企业的知识流，建议为减少动态环境中知识的流失，企业内部成员应该建立非连续性的联系。

　　莱伯维兹(Jay Liebowitz，2005)认为，“区间测量”可用于人际网络分析，用以判断组织中个体之间、部门与部门之间联系的紧密度，而“层次分析法”有助于发展这种区间测量，最终完善知识地图。薛杰(2005)在其博士论文“为知识管理在网络中挖掘静态和动态的结构模式：一个计算框架和案例研究”中提出企业内外部都存在网络。他认为企业内外部都存在网络，企业内网是由员工组成，企业外网是由供应商，买方和股东等组成。企业知识管理战略的顺利实施有赖于这些网络的良好构建，因为内外网的网络结构和联系都会对企业知识管理活动中的知识挖掘、知识发现等产生重大影响。

　　佛兰芒和马克斯(Lee Fleming，Matt Marx，2006)以硅谷为例，分析了知识创新中的小世界现象。指出小世界中的创新既赋于跨组织边界的创新以活力，也加速了组织中的知识溢出。面对这样的机遇与挑战，如何加强对小世界中的创新管理成了大家比较关注的问题。对此，作者提出了自己的解决之道，利用社会网络分析辨识核心结点，加强对其的控制与管理。

　　萨尔瓦多·派瑞斯(salvatore Parise ,2007年)在调查了80多家公司后得出结论：社会网络分析有利于知识创造和革新、知识转移和保存以及成功工作经验的继承。

　　格雷格·佩普斯(Greg Pepus 2007年)认为社会网络分析能自动生产、处理和可视化商业智能信息，知识管理所要实现的目标也正在于此，将社会网络分析引入企业知识管理可以大大提高知识管理绩效。

　　布鲁斯卡姆(Mary Branscombe 2007年)认为企业的最大资产就是你的员工知道的和企业内部员工们所保有的知识。社会网络分析可以帮助管理者发现这些知识，倡议利用社会网络创造一个商业合作框架来避免传统的知识管理问题。

　　总的来说，社会网络分析在知识管理中的应用虽然只是在近几年才兴起，但已取得一定成绩。作为一种定性与定量相结合的实证方法，社会网络分析能够确实为知识(特别是隐性知识)创新、获取、转移、共享和扩散每一环节提供强有力的工具。从总体上来讲，学术界对社会网络分析与知识管理交叉研究开始较晚。虽然自2005年以来，利用社会网络分析工具对知识管理实践进行实证研究的文献数量在逐渐增多，并且对利用社会网络理论和方法对知识管理综合问题的解决也展开了研究，但缺乏利用社会网络分析工具诊断和发现企业知识活动中存在的问题，从而针对问题从理论与实践的角度提出相应对策的研究。

• 聚类分析法
• 层次分析法
• 多元判别分析法
• 神经网络分析法