Identifying business models in Networks
No Thumbnail Available
URL
Journal Title
Journal ISSN
Volume Title
Helsinki University of Technology |
Diplomityö
Checking the digitized thesis and permission for publishing
Instructions for the author
Instructions for the author
Authors
Date
2009
Major/Subject
Sovellettu matematiikka
Mcode
Mat-2
Degree programme
Language
en
Pages
109
Series
Abstract
Describing complex real world problems like business is difficult. With recent developments in computer capabilities, numerical methods have made more and more specified examination of networks feasible. In this study we developed a methodology and tool box to dissect the internal structure of a large company. We used networks to describe the socio professional network within a company i.e. the internal business model. For this work we developed numerical algorithms for data examination, verification and clustering. Our algorithm was based on the K-means algorithm which we then on further developed to handle fragmented datasets. We also learned how extremely important step in the process data mining is. Getting relevant data was very difficult and even after that pre processing and cleaning of the data is tidious work. This required development algorithms for this study. The study resulted in six identified reoccurring network structures which were then linked to business models. We did an expert interview in order to validate the results. The interview supported our conclusions. We also looked at the data from different perspectives filtering the data in various ways which gave perspective. No viewpoints contradicted our conclusions. The process brought up several more questions and lines for further study. The further development of clustering and filtering algorithms would be very promising. Also using different data sets to validate the results more or to find new kinds of business models.Monimutkaisten tosimaailman ilmiöiden kuvaaminen on vaikea ongelma. Viimeisen viidentoista vuoden aikana tapahtunut kehitys tietotekniikassa on avannut ovet uudenlaiselle numeeriselle tutkimukselle ja mahdollistanut sosiaalisten verkostojen tutkimisen. Tässä tutkimuksessa kehitimme työkalut ja metodologian bisnesmallien tutkimiselle sosiaalisten verkostojen avulla. Tarkastelimme yhden suuren konsernin sisäistä projektitietokantaa, jonka avulla kuvasimme sen sisäistä bisnesmallia. Bisnesmallien tutkimista varten kehitimme joukon algoritmeja datan tutkimiseen, verifioimiseen ja klusterointiin. Klusterointialgoritmimme perustuu K-means-algoritmiin, josta jatkokehitimme oman version, joka kykenee paremmin pureutumaan hajanaiseen projektidataan. Työn ohessa opimme kuinka suuri ja oleellinen osa datan louhiminen on. Relevantin datan kaivaminen ja puhdistaminen on erittöain työolöastöa ja vaati merkittävän osan työajasta, ja sitä varten jouduttiin kehittämän joukko omia työkaluja. Analyysin tuloksena löysimme kuusi erilaista verkkorakennetta. Linkitimme nämä toistuvat rakenteet edelleen bisnesmalleihin. Teimme asiantuntijahaastattelun tuloksiemme validoimiseksi. Haastattelu tuki omia johtopäätöksiämme. Tarkastelimme dataa myös erilaisten tunnuslukujen ja projektioiden avulla, joiden avulla saimme lisää perspektiiviä bisnesmallien luonteeseen. Eri tarkastelusuunnat tukivat saatuja tuloksia. Prosessi toi esiin useita uusia kysymyksiä ja tutkimuskohteita. Klusterointi- ja filtteröintialgoritmien jatkokehittäminen olisi erittäin houkuttelevaa. Välitön jatkokohde olisi myös erilaisen lähtödatan käsitteleminen esittelemällämme metodologialla. Erilaisten yritysten ja julkisyhteisöjen verkostoista voisi löytyä samoja tai hyvin erilaisia malleja.Description
Supervisor
Ehtamo, HarriThesis advisor
Lehtinen, HanneleKeywords
network, klusterointi, data mining, data-analyysi, clustering, verkosto, business model, bisnesmalli, network analysis, liiketoimintamalli, data analysis, verkostoanalyysi, tiedon louhinta