基于社交網絡的組織非正式溝通實證研究

董晶 魏娜 張俊妮

摘要：非正式溝通是組織溝通的重要形式，文章應用社交網絡分析方法，證明了組織內部非正式網絡是一種小世界網絡，其能夠有效提升組織的溝通效率，同時證明了非正式溝通網絡由多個自發形成的子社區構成，而部門劃分是重要的影響因素。

關鍵詞：組織溝通；非正式溝通；小世界網絡；社區挖掘

一、 引言

組織溝通是在組織內外部進行的信息、感情和知識的交互過程（Krackhardt & Hanson，1993）。組織溝通包括正式溝通和非正式溝通兩類。不同于根據組織明確規則而進行的正式溝通，非正式溝通的目標、渠道、時機和內容等都未經規劃且難以預料（康青，2010），具有不受管理層控制、消息傳播快速等特點。非正式組織溝通的出現，一方面滿足了組織成員的社會性需求，便捷了成員的情感傳遞及情緒釋放，另一方面補充了正式溝通渠道中橫向溝通的不足，完善了組織內部的溝通系統（胡河寧，2006），運用得當的非正式組織溝通能夠有效促進組織業績的提升（熊小斌等，2005）。為剖析組織內部的溝通現象，Katz與Kahn（1978）提出了溝通圈概念，并認為在組織中每個成員都是溝通系統的組件，信息循著溝通圈所覆蓋的范圍進行流動，不同的覆蓋范圍使得溝通圈呈現結構特征。與之類似，Graen等（1975，1995）提出的領導-成員交換理論也指出組織內存在溝通圈，組織成員角色具有圈內人和圈外人之分。對于非正式溝通圈結構的研究一直是組織溝通領域的熱點，前人通過理論分析與案例研究（Ergen，2011；Lee，2016）發現，在同一組織中，非正式溝通網絡與正式溝通網絡所涵蓋的成員及其結構具有重復性。然而，這些研究的共同局限是缺乏對理論的實證支持，盡管也有少量研究（Mehra et al.，2006；李敏等，2011）嘗試引入問卷量表方法對組織內溝通網絡進行量化分析，但仍然是針對企業管理層的小樣本研究，難以完整概括整個溝通網絡的屬性與結構特征。

隨著互聯網的發展普及，以阿里釘釘、企業微信、用友工作圈等為代表的移動辦公軟件大量涌現，因其能夠打破時空壁壘、提供更便捷的溝通渠道而受到企業的青睞，這些移動辦公軟件的應用使得非正式組織溝通方式呈現線上化、移動化發展趨勢，以口頭溝通為主的溝通形式也逐漸被交互模式多樣的即時通訊取代。與此同時，移動辦公所積累的組織內部社交網絡數據以及近年來社交網絡分析方法的發展，為全面刻畫非正式溝通圈的結構提供了可能。本文運用社交網絡分析方法，基于某大型企業G集團總部的全量移動辦公社交網絡數據，對組織內部非正式溝通圈進行了實證分析。本研究所采用的全量網絡數據突破了樣本數據無法刻畫整體溝通網絡的局限，從網絡類型和網絡結構兩個角度，驗證了非正式溝通網絡是小世界網絡的屬性，論證了其由多個子社區構成的結構特征。

二、 理論分析及研究假說

1. 非正式溝通網絡類型。社交網絡分為規則網絡和復雜網絡，其中復雜網絡又分為隨機網絡和小世界網絡兩種模式（Strogatz，2001）。小世界網絡最早于1929年被人類學家Frigyees Karinthy提出，指世界上任意的兩個個體都可以通過較短的網絡通道聯系起來。六度分隔理論（Stanly，1969）進一步將小世界現象定義為任意兩個人最多通過5個中間人就可以建立聯系，并基于信件網絡開展了小世界實驗論證其觀點。Watts與Stigatz（1998）進一步給出了小世界網絡的數學定義，即相對于具有相同節點數的隨機網絡，小世界網絡具有更短的平均路徑長度和更大的聚類系數。Watts和Stigatz的研究證明演員、電力的行業網絡是小世界網絡。對于企業內部的非正式溝通網絡，其同樣具有便捷成員交互和個體聚集的特征，因此本文提出以下假設。

假設1：組織內部非正式溝通網絡是小世界網絡。

2. 非正式溝通網絡結構。溝通圈理論和領導—成員交換理論指出，組織內部溝通網絡具有群體聚類特征。熊小斌等（2005）認為非正式溝通網絡沒有統一的結構，但其與正式組織網絡相互作用且依存。康青（2010）認為組織內部非正式溝通網絡的主要成因是工作性質，換言之，從事類似崗位或有工作聯系的個體更可能自發形成社群。正式溝通網絡則主要由部門內部一對一垂直命令溝通網絡形成，其溝通圈主要根據部門劃分（余偉萍等，2003）。本文所采用的數據中，屬于同一部門的好友關系占到全部好友關系的57.9%，這也說明非正式溝通網絡可能也受部門設置的影響而劃分為多個子網絡，因此本研究提出以下假設。

假設2：非正式組織溝通網絡由若干子網絡構成；

假設3：部門是使溝通網絡劃分成子網絡的影響因素。

三、 研究方法

1. 小世界網絡判定方法。衡量網絡統計特征的指標主要包括度分布、平均路徑長度、網絡密度和聚集系數等。對于員工i，度（Degree）指與其相連的節點數，即i的好友數；網絡平均度即網絡內人均好友數，反映了網絡結構的稀疏程度。網絡密度（Density）用于刻畫網絡中各節點間相互連接的密集程度，其數學表述為網絡中真實存在的邊數除以可能存在的邊數上限，即d（G）=■，其中m表示網絡G中連邊的數目，n表示網絡G中的節點數。任意兩個員工i，j之間所有聯系通路中所經邊數最少的一條通路的長度被定義為最短路徑長度dij，平均路徑長度（Average Path Length）為整個網絡中所有dij的平均值，即L（G）=■？撞ni=1？撞nj=i+1 dij，其刻畫了網絡節點之間信息傳遞成本的大小，網絡平均路經常度為L，意味著平均經過L-1個節點就可以連接任意兩個網絡節點。聚集系數（Clustering Coefficient）描述了網絡中與節點的相鄰節點也互相連接的程度，即C（G）=■？撞ni=1■，其中ei為與節點i的相連節點間實際存在的邊數，ki為與節點i相連的節點數。

小世界網絡的驗證方法為，將實際網絡G與同樣規模、同樣網絡平均度的隨機網絡Grandom進行對比，如果（■）/（■）>1（或L（G）≈L（Grandom）且C（G）>C（Grandom）），則實際網絡G是小世界網絡。

2. 虛擬社區挖掘理論及算法。社交網絡中往往存在某些連接緊密的節點集合，這些集合對于整個網絡的拓撲結構具有重要的影響，這些具有局部緊密特性的節點集合被定義為虛擬社區（Community）。組織內部網絡中的虛擬社區實際上就是通常所定義的溝通圈。社區挖掘（Community Detection）是從復雜網絡中發現虛擬社區的方法，早在20世紀就出現了基于貪婪優化策略的Kernighan-Lin算法和基于網絡Laplace矩陣的譜平分法等社區挖掘方法（方濱興等，2014）。21世紀隨著復雜網絡科學的發展，網絡模塊度理論被提出（Mark Newman，2004），并在此基礎上設計了一種新的社區挖掘算法——GN算法。GN算法根據邊介數表示社區之間的網絡連邊，通過迭代去除介數最大的邊，從而將網絡分裂為若干個虛擬社區結構。在GN算法中，通過優化模塊度目標函數以發現社區結構。模塊度的具體定義如下：

Q=■？撞ij[Aij-■]？啄（ci，cj）

其中，A是復雜網絡的鄰接矩陣，m表示網絡中連邊的數目，ki表示節點i的度數，即ki=？撞jAij。■為基準網絡中任意連邊（i，j）存在的概率。ci表示節點i所屬的社區，當ci=cj，則？啄（ci，cj）=1，反之，？啄（ci，cj）=0。模塊度公式的數學含義為網絡中同一社區內邊的比值與在同樣社區結構下基準網絡內邊的比值的期望值差。模塊度的取值越高（越接近1），則網絡虛擬社區劃分、挖掘的結果越好。因此通過最大化模塊度取值，可以獲得網絡中每個節點i的社區分配ci。

四、 基于社交網絡的實證分析

1. 數據來源。G集團是一家世界500強企業，其資產規模、客戶數量、凈利潤等主要指標均位列行業第一，對其溝通網絡進行分析具有較強的代表意義。為提升員工之間及員工與客戶的溝通效率，2014年G集團上線了自主研發的移動辦公、即時通訊軟件Link。員工在注冊成為Link用戶后，可以通過申請好友和好友驗證流程，與集團內任意員工建立好友關系并開始溝通。員工在Link中形成的社交網絡是典型的組織內部非正式溝通網絡，員工即網絡中的節點，員工間的好友關系即網絡的連邊同時也表示員工間的溝通情況。本文中，我們將采用G集團總部員工的好友關系數據及員工部門歸屬數據，驗證非正式溝通網絡的小世界現象，并對組織內部溝通網絡的聚類結構進行發掘、分析。

數據采集時間為2017年6月，G集團總部開通使用該軟件的員工共2 946人，員工注冊率達到97.2%。本研究收集了集團總部全部好友關系明細，共30 054條關系數據。假設員工i，與員工j存在好友關系，記該關系為（i，j），數據包含的變量有員工i和其好友j的編號、歸屬部門、處室、是否屬于相同部門（1=是，0=否）、是否屬于相同處室（1=是，0=否）。

總部2 946名員工來自40個部門，412個處室，部均注冊人數73.5人。其中，注冊數最多的部門包含216名員工，最少的部門僅含3名員工。注冊員工中有2 584人擁有好友，并建立了好友關系共15 028對。

2. 小世界網絡。G集團總部網絡平均度為11.63人。網絡密度d（G）=2*15 028/（2 584*（2 584-1））=0.004 5，網絡相對稀疏。網絡平均路徑長度為L（G）=3.8，即網絡中任意員工通過平均2.8個人就能聯系到集團總部的任意其他人。網絡聚集系數為C（G）=0.16。

利用Watts等（1998）構建的小世界模型生成與 網絡同樣規模、同樣網絡平均度（n=2 584，平均度=11.63）的隨機網絡Grandom，并計算得網絡平均路徑長度為L（Grandom）=2.84，網絡聚集系數C（Grandom）=0.009，進而得到（■）/（■）=（■）/（■）=13.29>1。因此證明了假設1，即組織內部的非正式溝通網絡是一種小世界網絡。

3. 網絡社區挖掘。應用模塊度理論，本文運用R軟件中的igraph包，采用經典貪婪算法GN，利用好友關系數據，對G集團本部非正式溝通網絡中自發形成的虛擬社區進行挖掘。2 584名員工被劃分入323個虛擬社區，平均每個社區包含8名員工，這證明了假設2，即非正式組織溝通網絡由若干子網絡構成。對于網絡G，其最大的虛擬社區包含373名員工，51.4%的社區僅包含一個員工，超過20人的社區有27個，覆蓋了72.5%的員工，另外有166個離群社區均只包含一名員工。

在明確社區劃分后，結合成員的部門歸屬數據，通過計算社區主要組成部門的人員占比，可以發現，對于大部分社區，其成員都來自于相同部門。本文將每個社區中成員占比最高的部門稱作主來源部門，次高部門稱作次來源部門。超過10人的社區中，平均有72%的成員來自主來源部門。由此可見，員工的溝通圈歸屬與其部門歸屬緊密相關。

當聚焦規模相對較大的社區時，本文也發現有兩個社區在部門構成上比較分散，分別為社區Com2和有社區Com43。結合組成人員的部門和處室信息發現，社區Com2成員主要是由集團高管和各部門秘書處員工構成，社區Com43主要由分散在各部門的管理培訓生構成。

為驗證假設3，本文使用卡方統計量，檢驗不同部門員工的社區歸屬是否存在顯著差異，如果存在顯著差異則證明假設3成立。該卡方檢驗原假設為不同部門員工的社區歸屬分布相同，備擇假設為不同部門員工的社區歸屬分布不同。檢驗的p值小于2.2×10-16（卡方統計量=58 844，自由度=12 558），因此拒絕原假設，即不同部門員工的虛擬社區歸屬分布存在顯著差異。

五、 研究結論與啟示

本研究主要有以下兩點結論和啟示。第一，組織內非正式溝通網絡是一種小世界網絡，溝通過程具有小世界現象，即便是業務相關性低或距離遙遠的兩名員工之間，也能夠通過非正式溝通網絡經過少數中間人快速建立聯系。該網絡的小世界現象從側面說明，非正式溝通網絡作為正式溝通的有益補充，能夠通過縮短溝通路徑，顯著提高組織內部的溝通效率，降低成員間的信息交換成本。第二，組織內的非正式溝通網絡由多個虛擬子社區組成，雖然這些社區由成員自發形成，但社區受到部門設置的影響顯著，虛擬社區傾向于由相同部門或相同工作性質（如秘書、管理培訓生）的人員構成。雖然非正式溝通網絡在一定程度上降低了跨部門溝通的成本，但仍然不能完全打破跨部門溝通的障礙。

參考文獻：

[1] 方濱興，許進，李建華.在線社交網絡分析[M].北京：電子工業出版社，2014.

[2] 康青.管理溝通[M].北京：中國人民大學出版社，2010.

[3] 李敏，黃翠龍.跨部門組織社會網絡結構比較研究及其管理啟示[J].圖書情報知識，2011，（1）：95-101.

[4] 熊小斌，高勇強，戴鑫.企業中的非正式組織探析[J]. 現代管理科學，2005，（4）：50-51.

[5] 熊小斌，高勇強.非正式組織分類管理研究[J].現代管理科學，2005，（5）：53-54.

[6] 余偉萍，陳進，胡豪.信息時代條件下的企業組織變革研究[J].財經研究，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，漢族，遼寧省開源市人，中國工商銀行博士后科研工作站博士后，北京大學經濟學博士，研究方向為數據挖掘、社交網絡分析、文本分析；魏娜（1988-），女，漢族，湖北省武漢市人，清華大學公共管理學院博士后，北京大學管理學博士，研究方向為電子政務、大數據、政策量化研究；張俊妮（1978-），女，漢族，江西省新余市人，北京大學光華管理學院副教授、博士生導師，研究方向為數據挖掘、貝葉斯統計等。

收稿日期：2018-01-11。