Die Zentralitätsanalyse hilft beim Identifizieren der kritischsten Knoten bzw. der Knoten mit dem größten Einfluss in einem Netzwerk. Anwendungsbeispiele sind die Suche der am stärksten vernetzten Person auf einer Social-Media-Plattform, die Ermittlung des Teils einer kritischen Infrastruktur, deren Verschlechterung sich am stärksten auf ein Netzwerk auswirkt, und die Hilfe bei der Identifizierung krankheitsbezogener Superspreading-Ereignisse mit Kontaktverfolgung.
Wenn Sie ein Beziehungsdiagramm mit mindestens einem Knotensatz und einem Beziehungssatz zum Verbinden Ihrer Knoten verwenden, dann führen Sie die folgenden Schritte aus, um eine Zentralitätsanalyse durchzuführen:
- Klicken Sie auf der Registerkarte Diagramm des Beziehungsdiagramms auf Beziehungsanalyse, um das Fenster mit den Analysewerkzeugen zu öffnen.
Um das Fenster zu minimieren, klicken Sie auf den Pfeil links oben.
- Wählen Sie unter Analysemethode die Option Zentralität aus.
- Wählen Sie neben Zentralität eine der folgenden Optionen aus:
- Zwischenzentralität: Gibt an, wie oft ein Knoten auf dem kürzesten Pfad zwischen jedem Knotenpaar im Netzwerk liegt. Wenn ein zentraler Knoten entfernt oder hinzugefügt wird, ändern sich möglicherweise die kürzesten Pfade, wodurch eine Neuberechnung der Zwischenzentralität notwendig wird. Zwischenzentralität ermöglicht die Identifizierung von Knoten, die als Verbindungsknoten zwischen Knoten in einem Netzwerk dienen.
Zwischenzentralität erleichtert die Beantwortung der folgenden Fragen:
- Welche Person oder Personen verbinden verschiedene Zellen eines bestimmten kriminellen Netzwerks miteinander?
- Welche Flughafenschließung hätte die größten Auswirkungen auf ein Luftverkehrsnetz in einem Land?
- Nähezentralität: Der reziproke Wert aus der Summe der kürzesten Pfade eines Knotens zu allen anderen Knoten im Netzwerk. Ein Knoten mit dem höchsten Wert für die Nähezentralität hat den kürzesten Durchschnittspfad zu allen anderen Knoten im Netzwerk. Mit ihr lässt sich ermitteln, welche Knoten am engsten mit den anderen Knoten im Netzwerk verknüpft sind.
Nähezentralität erleichtert die Beantwortung der folgenden Fragen:
- Wer war in einer Epidemie wahrscheinlich Patient Null?
- Welche Person oder Marke erreicht mit ihren Informationen die meisten Menschen in den sozialen Medien?
- Gradzentralität: Die Gesamtzahl der unmittelbaren Verbindungen, die ein bestimmter Knoten im Netzwerk hat. Diese Verbindungen können weiter in eingehende und ausgehende Verbindungen unterteilt werden, um das Wesen der Beziehungen des Knotens zu seinen Nachbarn besser zu verstehen. Gradzentralität ermöglicht es, zu bestimmen, welche Knoten den größten direkten Einfluss im Netzwerk haben. Gerichtete Netzwerke umfassen außerdem eingehende und ausgehende Gradzentralität. Damit wird dargestellt, über wie viele ein- und ausgehende Verbindungen ein bestimmter Knoten verfügt.
Gradzentralität erleichtert die Beantwortung der folgenden Fragen:
- Wer sind die größten Influencer auf einer Social-Media-Plattform?
- Welcher Flughafen ist an die meisten Ziele angebunden?
Eingehende Gradzentralität erleichtert die Beantwortung der folgenden Fragen:
- Wer hat die meisten Follower auf einer bestimmten Social-Media-Plattform?
- Auf welchem Flughafen kommen die meisten Flüge von anderen Flughäfen an?
Ausgehende Gradzentralität erleichtert die Beantwortung der folgenden Fragen:
- Wer folgt den meisten Personen auf einer bestimmten Social-Media-Plattform?
- Welcher Flughafen ist an die meisten Ziele angebunden?
- Eigenvektor-Zentralität: Die Eigenvektor-Zentralität basiert auf wichtigen Knoten, die mit anderen wichtigen Knoten verbunden werden. Eigenvektor-Zentralität ermöglicht es, zu bestimmen, ob es Einfluss-Cluster in einem bestimmten Netzwerk gibt. Eigenvektor wirkt, wenn alle Beziehungen im Netzwerk bidirektional sind oder die Richtungsabhängigkeit im Netzwerk angegeben ist.
Eigenvektor-Zentralität erleichtert die Beantwortung der folgenden Fragen:
- Gibt es Gruppen von sehr einflussreichen Personen auf einer bestimmten Social-Media-Plattform? Welche sind dies?
- PageRank-Zentralität: PageRank-Zentralität eignet sich ebenso wie die Eigenvektor-Zentralität optimal dafür, den Einfluss in einem Netzwerk zu messen. Währen die Richtungsabhängigkeit beim Eigenvektor jedoch keine Rolle spielt, ist das bei PageRank anders. PageRank-Zentralität wurde von Google entworfen und populär gemacht, um optimale Suchergebnisse für eine Benutzerfrage zurückgeben zu können.
PageRank-Zentralität erleichtert die Beantwortung der folgenden Fragen:
- Auf welcher Website finde ich die beste Antwort auf meine Frage?
- Welches ist der wichtigste Knoten in meinem IT-Netzwerk?
- Welche Person in einem kriminellen Netzwerk übt den meisten Einfluss auf das gesamte Netzwerk aus?
Die Analyse wird ausgeführt, und die tabellarischen Ergebnisse werden im Analysefenster angezeigt.
- Zwischenzentralität: Gibt an, wie oft ein Knoten auf dem kürzesten Pfad zwischen jedem Knotenpaar im Netzwerk liegt. Wenn ein zentraler Knoten entfernt oder hinzugefügt wird, ändern sich möglicherweise die kürzesten Pfade, wodurch eine Neuberechnung der Zwischenzentralität notwendig wird. Zwischenzentralität ermöglicht die Identifizierung von Knoten, die als Verbindungsknoten zwischen Knoten in einem Netzwerk dienen.