[논문 리뷰] Organization Mining Using Online Social Networks

Michael Fire, Rami Puzis외 1명|arXiv (Cornell University)|2013. 03. 15.

Complex Network Analysis Techniques참고 문헌 17인용 수 11

한 줄 요약

이 논문은 페이스북과 링크드인에서 공개된 자료만을 사용하여 기업의 조직적 사회망 구조를 재구성하고, 리더십 역할과 공동체 분할과 같은 내부 구조를 추론하는 방법을 제안한다. 직원이 제공한 소셜 미디어 정보에 중심성 분석과 기계학습을 적용함으로써, 내부 접근 없이도 리더와 조직 공동체를 성공적으로 식별하였으며, 지리적 지사 배치나 인수 합병 패턴과 같은 구조적 통찰을 드러냈다.

ABSTRACT

Mature social networking services are one of the greatest assets of today's organizations. This valuable asset, however, can also be a threat to an organization's confidentiality. Members of social networking websites expose not only their personal information, but also details about the organizations for which they work. In this paper we analyze several commercial organizations by mining data which their employees have exposed on Facebook, LinkedIn, and other publicly available sources. Using a web crawler designed for this purpose, we extract a network of informal social relationships among employees of a given target organization. Our results, obtained using centrality analysis and Machine Learning techniques applied to the structure of the informal relationships network, show that it is possible to identify leadership roles within the organization solely by this means. It is also possible to gain valuable non-trivial insights on an organization's structure by clustering its social network and gathering publicly available information on the employees within each cluster. Organizations wanting to conceal their internal structure, identity of leaders, location and specialization of branches offices, etc., must enforce strict policies to control the use of social media by their employees.

연구 동기 및 목표

• 공개된 소셜 미디어 데이터만을 사용하여 기업의 비공식적 사회망 구조를 재구성하는 방법을 개발하는 것.
• 사회망 중심성 분석과 기계학습 분류기를 적용하여 조직 내 숨겨진 리더십 역할을 탐지하는 것.
• 네트워크 클러스터링과 직원 데이터를 교차 확인하여 조직 내 다양한 공동체의 역할을 식별하고 해석하는 것.
• 내부 조직 데이터에 접근하지 않더라도 지리적 분포, 부서 구조, 인수 합병 패턴과 같은 비직관적인 조직 통찰을 드러내는 것.
• 직원의 소셜 미디어 노출과 관련된 개인정보 위험을 부각하고, 더 엄격한 조직 정책을 촉구하는 것.

제안 방법

• 페이스북과 링크드인에서 공개된 소셜 미디어 데이터를 추출하기 위해 웹 크롤러를 사용하여, 직원 간 연결 관계와 프로필 정보에 중점을 두었다.
• 직원이 제공한 연결 관계와 소속 정보를 바탕으로 여섯 개의 고급 기술 기업에 대한 비공식적 사회망 구조를 구축했다.
• 잠재적 리더십 역할을 식별하기 위해 다수의 중심성 측정법(예: 차수 중심성, 중간 중심성, 고유벡터 중심성)을 적용했다.
• WEKA에서 사용된 기계학습 분류기(예: 로지스틱, RandomForest, IBk)를 활용해 중심성 특징을 기반으로 관리직을 예측하였으며, ZeroR 기준선을 초월하는 성능을 기록했다.
• 최신 기술의 공동체 탐지 알고리즘을 적용하여 각 기업의 네트워크를 상호 배타적인 공동체로 분할했다.
• 공동체 구성원을 링크드인 데이터와 교차 확인하여 각 공동체의 역할, 지리적 위치, 기능 전문성 등을 유추했다.

실험 결과

연구 질문

• RQ1 기업의 비공식적 사회망 구조는 공개된 소셜 미디어 데이터만으로 재구성될 수 있는가?
• RQ2 공개 데이터를 사용할 때 중심성 측정법과 기계학습이 조직 내 리더십 역할을 얼마나 정확하게 식별할 수 있는가?
• RQ3 공동체 탐지와 데이터 교차 확인을 통해 지리적 분포, 부서 구조, 또는 인수 합병 패턴과 같은 비직관적인 조직 통찰을 어떤 정도 추론할 수 있는가?
• RQ4 고립된 공동체나 구조적 간극 같은 구조적 특징은 조직의 취약성을 어떻게 반영하는가?
• RQ5 공개 소셜 미디어 데이터와 내부 데이터 소스를 조합한 다중 레이블 사회망은 조직 구조 추론을 향상시킬 수 있는가?

주요 결과

• 이 연구는 공개된 페이스북과 링크드인 데이터만을 사용하여 여섯 개의 고급 기술 기업의 비공식적 사회망 구조를 성공적으로 재구성했다.
• RandomForest와 Logistic과 같은 기계학습 분류기는 중심성 특징을 기반으로 관리직을 식별하는 데에서 ZeroR 기준선을 상회하는 높은 정확도, AUC, F-measure를 달성했다.
• 공동체 탐지 기법을 통해 지리적 지사, R&D 팀, 지원 부서와 같은 명확한 조직 단위를 파악하였으며, 구성원의 프로필과 위치 정보를 통해 각 공동체의 역할을 유추했다.
• 한 사례에서는 인수한 스타트업이 모회사와 사회적 연결이 끊어져 있어 통합 과정에서 구조적 간극이 존재하는 것으로 나타났다.
• 이 방법을 통해 기업 S2에서 다국적으로 활동하는 프로젝트 매니저를 발견했고, M1과 L2에서는 고위 경영진 공동체를 식별하여 비공식적 리더십 네트워크를 드러냈다.
• 연구는 연구 집중 분야, 부서 간 관계, 지역 전문화와 같은 핵심 조직 통찰을 내부 데이터 접근 없이도 도출할 수 있음을 입증했다.