Андрей Шипилов - Преимущество сетей. Как извлечь максимальную пользу из альянсов и партнерских отношений

Кроме наших собственных исследований, указанных в таблице А.1, книга опирается на труды других ученых. Они упомянуты в сносках к каждой главе.

В этом разделе описан процесс создания изображений портфеля альянсов, используемых в книге. Руководители предприятий, желающие визуализировать сети своих фирм и продумывающие шаги для извлечения преимущества сети, должны обратиться к более простым аналитическим инструментам, представленным в главах книги. Краткое описание этих простых инструментов представлено и в приложении Б.

Мы скачали информацию об альянсах и совместных предприятиях между фирмами из базы данных SDC Platinum, принадлежащей Thompson Reuters [89] http://thomsonreuters.com/products_services/financial/financial_products/a-z/sdc/ . Данные, охватывающие период с 2008 по 2011 г., включают альянсы и совместные предприятия. Вполне возможно, что в базу вошли не все альянсы компаний, поэтому, если партнерства вашей фирмы с компаниями-героями нашей книги (например, с Sony, Samsung, Intel) на наших рисунках отсутствуют, не волнуйтесь: мы не имеем ничего против вашей фирмы и упустили ее из виду не нарочно. Абсолютно полной базы данных не существует, и любую из них следует рассматривать как большую выборку из великого множества альянсов, заключаемых фирмами. В одном недавнем труде сравнивались разные базы данных, обычно используемые исследователями альянсов, и был сделан вывод: в базе SDC Platinum отсутствуют систематические ошибки, и результаты, основанные на ее данных, можно воспроизвести с помощью информации, взятой из других баз [90] Schilling M. 2009. Understanding the alliance data. Strategic Management Journal 30 (3): 233–260. .

С помощью этих данных мы изобразили глобальную сеть альянсов, создав симметричные матрицы, строки и столбцы которых обозначали фирмы. Запись « xij » в этой матрице обозначает альянс между фирмами i и j . Иными словами, список прямых партнеров фирмы i можно определить, выбрав ненулевые ячейки j в матрице. В SDC определены владельцы фирм, входящих в базу. Например, альянс между KEPCO и Westinghouse Electric будет отображаться на наших рисунках сетей как альянс между KEPCO и Toshiba, потому что Toshiba – владелица Westinghouse Electric.

Мы отобразили сети первого, второго и третьего уровней для отобранных фирм, используя пакет анализа сети UCINET [91] https://sites.google.com/site/ucinetsoftware/home . Для визуализации этих сетей мы использовали программу визуализации NodeXL [92] http://nodexl.codeplex.com/ . Когда сети были слишком велики, особенно когда дело дошло до визуализации сети третьего уровня (например, см. рисунок сети третьего уровня KEPCO в главе 6), мы наносили названия партнеров на рисунки при помощи программ редактирования изображений – таких как Adobe Photoshop [93] http://www.photoshop.com/ .

Для каждой фирмы i отношения первого уровня можно отразить, просто взглянув на значения в ячейках j ряда i в матрице глобальных альянсов. Если значение не равно нулю, между фирмой i и партнером j существует альянс.

Чтобы определить, какой у фирмы портфель альянсов – «паутина», «звезда» или «гибрид», мы использовали показатель «ограниченность сети». По сути, он определяет, есть ли между партнерами фирмы альянсы. Более высокая степень ограниченности означает, что сеть паутинообразная, а более низкая – что она звездообразная. Технические подробности о том, как рассчитывается этот показатель, изложены на стр. 55 (уравнение 2.4) знаменитой книги «Структурные дыры. Социальная структура конкуренции» (Structural Holes: The Social Structure of Competition Рона Бёрта) [94] Burt R. 1992. Structural Holes: The Social Structure of Competition . Cambridge, MA: Harvard University Press. . Он был рассчитан при помощи программы UCINET. Есть несколько других параметров (фактический размер, производительность, иерархия), но нам больше нравится «ограниченность сети», потому что формула этого индекса учитывает как количество партнеров в портфеле альянсов фирмы, так и наличие (или отсутствие) связей между ними.

Чтобы рассчитать статус для каждой фирмы, мы использовали показатель центральности Бонасича [95] Bonacich P. 1972. Factoring and weighting approaches to status scores and clique identification. Journal of Mathematical Sociology 2: 113–120. . Идея заключается в том, что «центральность» фирмы определяется «центральностью» (т. е. количеством) партнеров, с которыми она связана. Представьте себе две фирмы А и Б, у каждой из которых по четыре партнера. Если у каждого партнера фирмы А есть по два собственных партнера, но у каждого партнера фирмы Б по пять собственных партнеров, то фирма Б обладает более высоким статусом. Этот показатель тоже рассчитывался с помощью программных средств UCINET. Таков стандартный подход к определению статуса в научных исследованиях сетей. Рассчитав статус для всех фирм в глобальной сети альянсов, мы определили, у каких фирм самые высокие показатели собственной «центральности» (здесь чемпион – фирма KEPCO).