и сложных межорганизационных сетей. (К таковым относятся, в частности, отраслевые кластеры, где всегда выделяются подгруппы, в связи с чем ряд авторов предлагает рассматривать кластер как среду, в которой действуют различные межфирменные сети. В нашем понимании, однако, кластер является особым типом межорганизационной сети, единым структурным образованием, состоящим из тесно взаимодействующих подгрупп.) Пример подгруппы представлен на рис. 2.4.
Рис. 2.4. Пример бизнес-сети, в которой выделена подгруппа, состоящая из трех компаний, взаимодействующих между собой
Следует отметить, что уже при переходе к анализу на уровне тетрад обнаружилась необходимость учета взаимовлияния взаимодействий между парами на всю тетраду и деятельности тетрады как единицы анализа на составляющие ее взаимоотношения между парами. Это оказалось серьезной проблемой, анализ литературы и научные дискуссии на международных конференциях по сетевой проблематике показывают, что задача далека от решения.
Безусловно, с развитием информационно-коммуникационых технологий возможные подходы к ее решению расширились за счет возможности накапливать, хранить и анализировать огромные массивы информации, содержащие тысячи записей, в рамках электронных баз данных. Это вызвало бум в анализе сетевых структур – как в естественных, так и в общественных науках, где стал возможен количественный анализ прежде всего сетей большого размера в виртуальном пространстве: World Wide Web [Albert et al., 1999], Интернет [Kandampully, 2003; Chun, Hahn, 2007], социальные сети «в узком смысле слова» (Facebook, Linkedln и np.) [Garrigos-Simon et al., 2012; Hopkins, 2012], электронные В2В-площадки [Kaplan, Sawhney, 2000; Albrecht et al., 2005; Matook, Vessey, 2008; Chong et al., 2010] и т. д.
Однако в отличие от естественных наук, где это быстро привело к более глубокому пониманию макросвойств сетей [Albert, Barabasi, 2002; Dorogovtsev, Mendes, 2002], в общественных науках хотя и произошло быстрое накопление эмпирического материала, но почти сразу обнаружилось, что анализ этого материала ведет к противоречивым выводам исследователей. Главная проблема состоит в том, что накопление данных о формальных связях между тысячами личностей (или фирм, которые не являются «точками», или «черными ящиками») далеко не всегда позволяет объяснить, сочетание каких ожиданий, восприятий и ограниченно рациональных соображений вызывают действия, приводящие к тем или иным видимым результатам. Сбор данных методом опроса (например, менеджеров, задействованных в принятии решений в сетях) также сопряжен с целым рядом сложностей, главными из которых являются различие в восприятии отдельными личностями объективно одинаковых транзакций и связанных с ними взаимоотношений, а также в оценке их результативности и невозможность определить, насколько высказанное респондентом мнение является его собственным. Вероятность получить сознательно сформулированные «правильные» ответы, обусловленные внутрикорпоративными нормами, собственными частными интересами, требованиями руководства, недостаточной компетентностью или другими (опять же ограниченно рациональными) соображениями, достаточно высока. Соответственно сравнимость результатов
