사회연결망 분석 SNA란? 노드·엣지·밀도와 연결·근접·매개·위세 중심성 쉽게 이해하기

1장 사회연결망 분석 SNA란 무엇인가#

사회연결망 분석 SNA는 Social Network Analysis의 약자입니다.

개인, 조직 등 여러 행위자 사이의 관계를 네트워크 구조로 표현하고 분석하는 기법입니다.

일반적인 데이터 분석에서는 한 사람의 나이, 소득, 구매금액처럼 각 대상의 속성을 분석하는 경우가 많습니다.

반면 SNA에서는 다음과 같은 질문에 더 관심을 가집니다.

누가 누구와 연결되어 있는가?
누가 가장 많은 사람과 직접 연결되어 있는가?
누가 정보 전달의 중간 역할을 하는가?
네트워크 전체에서 누가 중심에 가까운가?
중요한 사람들과 연결된 사람은 누구인가?

즉 개별 대상 자체보다 대상들 사이의 관계 구조가 분석의 핵심입니다.

핵심#

SNA = 행위자 간 관계를 네트워크로 분석

입니다.

2장 네트워크를 쉽게 이해하면#

회사 구성원들의 협업 관계를 분석한다고 생각해봅시다.

직원은:

가 있습니다.

그리고 서로 업무상 자주 협업하는 사람을 선으로 연결합니다.

예를 들어:

A ― B

A ― C

B ― D

C ― D

D ― E

처럼 표현할 수 있습니다.

이렇게 만들어진 구조 자체가 네트워크 Network입니다.

사회연결망 분석에서는 이 네트워크를 이용해 누가 중요한 위치에 있는지 살펴봅니다.

3장 노드 Node란 무엇인가#

노드 Node는 네트워크를 구성하는 행위자 Actor입니다.

사회연결망에서 노드가 될 수 있는 것은 다양합니다.

예를 들어:

사람
기업
조직
국가
웹사이트
SNS 계정

등이 하나의 노드가 될 수 있습니다.

핵심#

Node = 네트워크의 구성원

입니다.

4장 링크 Link와 엣지 Edge란 무엇인가#

링크 Link 또는 엣지 Edge는 노드와 노드 사이의 관계 또는 연결을 나타냅니다.

예를 들어 SNS에서는:

친구 관계
팔로우 관계
메시지 교환
댓글 관계

등이 엣지가 될 수 있습니다.

기업 네트워크에서는:

거래 관계
투자 관계
공급 관계
협업 관계

등을 연결로 표현할 수 있습니다.

핵심#

Edge = 노드 사이의 관계

입니다.

5장 Node와 Edge를 한 번에 기억하기#

SNS를 생각하면 쉽습니다.

사람:

→ Node

친구관계:

→ Edge

기업 분석이라면:

기업:

→ Node

거래관계:

→ Edge

입니다.

한 줄로:

노드는 사람, 엣지는 관계

처럼 기억하면 됩니다.

6장 밀도 Density란 무엇인가#

밀도 Density는 네트워크 안에서 실제 연결이 얼마나 촘촘하게 이루어져 있는지 나타냅니다.

제공된 학습자료에서는 다음과 같이 정의합니다.

Density = 실제 연결 수 / 가능한 최대 연결 수

즉 만들 수 있는 모든 연결 가운데 실제로 얼마나 많은 연결이 존재하는지를 나타내는 값입니다.

핵심#

Density = 실제 연결 / 가능한 최대 연결

입니다.

7장 밀도를 쉽게 이해하면#

5명이 있는 모임을 생각해봅시다.

모든 사람이 서로 친하다면 연결이 매우 많습니다.

반대로:

A와 B

C와 D

정도만 서로 알고 나머지는 연결되지 않았다면 네트워크는 듬성듬성합니다.

전자는 밀도가 높은 네트워크

후자는 밀도가 낮은 네트워크

라고 이해할 수 있습니다.

8장 중심성 Centrality이란 무엇인가#

사회연결망 분석에서 가장 중요한 개념 중 하나가 중심성 Centrality입니다.

중심성은:

네트워크에서 어떤 노드가 얼마나 중요한 위치를 차지하는가?

를 여러 기준으로 측정합니다.

중요하다는 의미가 하나만 있는 것은 아닙니다.

예를 들어:

친구가 많은 사람
모두에게 빨리 접근할 수 있는 사람
사람들 사이의 다리 역할을 하는 사람
중요한 사람들과 연결된 사람

은 모두 다른 방식으로 중요한 사람입니다.

그래서 여러 종류의 중심성이 존재합니다.

9장 ADsP에서 알아야 할 중심성 4가지#

제공된 학습자료에서는 다음 네 가지 중심성을 제시합니다.

연결 중심성 Degree Centrality
근접 중심성 Closeness Centrality
매개 중심성 Betweenness Centrality
위세 중심성 Eigenvector Centrality

시험에서는 이 네 가지의 의미를 서로 바꿔 출제할 수 있으므로 정확히 구분해야 합니다.

10장 연결 중심성 Degree Centrality이란 무엇인가#

연결 중심성은 한 노드와 직접 연결되어 있는 다른 노드의 수를 기준으로 합니다.

즉:

직접 아는 사람이 얼마나 많은가?

와 비슷한 개념입니다.

연결된 노드 수가 많을수록 연결 중심성이 높습니다.

핵심#

Degree = 직접 연결 수

입니다.

11장 연결 중심성을 쉽게 이해하면#

회사에서 A 직원은 다른 직원 10명과 직접 협업합니다.

B 직원은 다른 직원 2명과 직접 협업합니다.

단순한 연결 수만 보면:

A의 연결 중심성

B의 연결 중심성

이라고 볼 수 있습니다.

즉 연결 중심성은 매우 직관적입니다.

직접 연결이 많으면 높다

가 핵심입니다.

12장 연결 중심성이 높은 사람의 특징#

연결 중심성이 높은 노드는 많은 다른 노드와 직접 관계를 맺고 있습니다.

예를 들어 조직에서 여러 부서 사람들과 직접 소통하는 직원이라면 연결 중심성이 높을 수 있습니다.

SNS에서는 친구나 직접 연결 관계가 많은 계정이 높은 값을 가질 수 있습니다.

시험에서는:

직접 연결된 노드 수를 이용하는 중심성

이라는 표현이 나오면 연결 중심성을 선택하면 됩니다.

13장 근접 중심성 Closeness Centrality이란 무엇인가#

근접 중심성은 한 노드에서 다른 모든 노드까지의 최단거리를 이용합니다.

제공된 학습자료에서는:

모든 노드까지 최단거리 합의 역수

로 설명합니다.

즉 다른 노드들과의 거리가 짧을수록 근접 중심성이 높습니다.

핵심#

Closeness = 다른 모든 노드와 얼마나 가까운가

입니다.

14장 근접 중심성에서 가장 중요한 함정#

ADsP에서 주의해야 할 부분입니다.

다른 노드까지의 거리가 길수록 근접 중심성이 높다.

틀립니다.

제공된 학습자료에서는:

거리가 짧을수록 근접 중심성이 높다

고 설명합니다.

즉 거리와 중심성은 반대 방향으로 움직입니다.

핵심#

거리 ↓ → Closeness ↑

입니다.

15장 근접 중심성을 쉽게 이해하면#

회사에서 정보가 전달되는 관계를 생각해봅시다.

A라는 직원은 네트워크 중심부에 있어 대부분의 직원에게:

1단계

또는:

2단계

만 거치면 도달할 수 있습니다.

반면 B라는 직원은 네트워크 가장자리에 있어 다른 직원에게 가려면 여러 사람을 거쳐야 합니다.

이 경우 A가 더 높은 근접 중심성을 가질 수 있습니다.

즉 다른 사람들에게 빠르게 접근할 수 있는 위치입니다.

16장 근접 중심성의 핵심은 최단거리#

근접 중심성에서는 단순히 직접 연결만 보는 것이 아닙니다.

직접 연결되지 않았더라도 다른 노드를 거쳐 도달할 수 있습니다.

그때 가장 짧은 경로 Shortest Path를 기준으로 거리들을 계산합니다.

따라서 시험에서:

최단거리
모든 노드까지 거리
거리 합의 역수

같은 표현이 나오면 근접 중심성입니다.

17장 매개 중심성 Betweenness Centrality이란 무엇인가#

매개 중심성은 다른 노드들 사이의 최단경로에 특정 노드가 얼마나 자주 등장하는지를 기준으로 합니다.

제공된 학습자료에서는:

최단 경로상에 위치하는 빈도

그리고:

정보 흐름의 매개 역할

이라고 설명합니다.

핵심#

Betweenness = 중간 다리 역할

입니다.

18장 매개 중심성을 쉽게 이해하면#

두 부서가 있다고 하겠습니다.

개발팀:

A, B, C

영업팀:

D, E, F

그런데 개발팀과 영업팀을 연결하는 사람이 C 한 명뿐이라고 생각해봅시다.

두 부서 사이에서 정보가 이동하려면 대부분 C를 지나가야 합니다.

C가 직접 연결된 사람의 수가 가장 많지 않더라도 두 집단을 이어주는 다리 역할을 하므로 매개 중심성이 높을 수 있습니다.

19장 연결 중심성과 매개 중심성은 다르다#

친구가 많다고 반드시 매개 중심성이 높은 것은 아닙니다.

예를 들어 어떤 사람은 같은 그룹 안에서 친구가 매우 많을 수 있습니다.

이 경우:

연결 중심성 → 높음

하지만 서로 다른 그룹을 연결하지 않는다면:

매개 중심성 → 반드시 높다고 할 수 없음

반대로 직접 친구 수는 많지 않지만 서로 다른 두 집단 사이를 유일하게 연결한다면 매개 중심성은 높을 수 있습니다.

20장 매개 중심성이 중요한 이유#

네트워크에서 정보가 여러 사람에게 전달되는 과정에서 특정 노드가 반복적으로 통과 지점이 된다면 그 노드는 정보 흐름에 큰 영향을 줄 수 있습니다.

제공된 학습자료에서는 이를:

정보 흐름의 매개 역할

이라고 표현합니다.

시험에서는:

중개자
다리
최단경로상 빈도
정보 흐름

과 같은 표현이 나오면 Betweenness를 떠올리면 됩니다.

21장 위세 중심성 Eigenvector Centrality이란 무엇인가#

위세 중심성은 단순히 연결 수만 세는 것이 아니라 연결된 이웃 노드가 얼마나 중요한지까지 고려합니다.

제공된 학습자료에서는:

연결된 이웃 노드의 중요도 가중치 고려

라고 설명합니다.

즉 중요한 노드와 연결될수록 자신의 위세 중심성도 높아집니다.

핵심#

Eigenvector = 중요한 사람과 연결

입니다.

22장 위세 중심성을 쉽게 이해하면#

A라는 사람은 100명과 연결되어 있습니다.

하지만 그 100명이 네트워크에서 별로 중요하지 않은 사람들일 수 있습니다.

B라는 사람은 10명과만 연결되어 있지만 그 10명이 모두 조직의 핵심 인물이라고 생각해봅시다.

연결 중심성만 보면 A가 높습니다.

하지만 연결된 사람의 중요도까지 고려하면 B의 위세 중심성이 높을 수 있습니다.

23장 Degree와 Eigenvector의 차이#

두 중심성 모두 연결을 본다는 점 때문에 헷갈릴 수 있습니다.

Degree#

몇 명과 직접 연결되었나?

→ 연결 수

Eigenvector#

누구와 연결되었나?

→ 이웃의 중요도

입니다.

따라서:

Degree = 양

Eigenvector = 연결 상대의 질

정도로 기억하면 쉽습니다.

24장 중심성 4가지 한눈에 비교#

중심성	핵심 질문	판단 기준
Degree	직접 연결이 많은가?	직접 연결 수
Closeness	모두에게 빨리 갈 수 있는가?	최단거리
Betweenness	중간 다리 역할을 하는가?	최단경로상 등장
Eigenvector	중요한 노드와 연결되었는가?	이웃 노드의 중요도

이 표는 ADsP 시험 직전 반드시 익혀두는 것이 좋습니다.

25장 중심성을 사람 관계로 기억하기#

네 가지 사람을 떠올리면 쉽습니다.

연결 중심성#

인맥이 넓은 사람

직접 아는 사람이 많습니다.

근접 중심성#

모두에게 빨리 연락할 수 있는 사람

네트워크 한가운데 있습니다.

매개 중심성#

두 그룹을 이어주는 사람

정보 전달의 다리입니다.

위세 중심성#

유력 인사들과 친한 사람

중요한 사람들과 연결되어 있습니다.

26장 연결 중심성 시험 함정#

연결 중심성은 다른 모든 노드까지의 최단거리 합을 이용한다.

틀립니다.

그것은 근접 중심성입니다.

연결 중심성은:

직접 연결된 노드 수

를 기준으로 합니다.

27장 근접 중심성 시험 함정#

근접 중심성은 다른 노드까지의 거리가 길수록 높아진다.

틀립니다.

제공된 학습자료의 핵심 함정입니다.

거리가 짧을수록 높습니다.

즉:

거리와 근접 중심성은 반비례

하는 방향으로 기억합니다.

28장 매개 중심성 시험 함정#

매개 중심성은 직접 연결된 이웃의 수만 계산한다.

틀립니다.

직접 연결 수는 Degree입니다.

매개 중심성은:

다른 노드들의 최단 경로에 얼마나 자주 위치하는가

를 봅니다.

29장 위세 중심성 시험 함정#

위세 중심성은 연결된 노드의 중요도를 고려하지 않는다.

틀립니다.

바로 그 중요도를 고려하는 것이 위세 중심성의 핵심입니다.

핵심#

중요한 노드와 연결될수록 Eigenvector 높음

입니다.

30장 밀도와 중심성의 차이#

밀도와 중심성을 혼동해서는 안 됩니다.

Density#

네트워크 전체

가 얼마나 촘촘하게 연결되어 있는지 평가합니다.

Centrality#

개별 노드

가 네트워크에서 얼마나 중심적인 위치에 있는지 평가합니다.

즉:

Density = 전체 구조

Centrality = 개별 노드

입니다.

31장 밀도가 높다고 모든 노드의 중심성이 같은가#

그렇다고 볼 수 없습니다.

네트워크 전체의 연결이 많아 밀도가 높더라도 특정 노드가 더 많은 연결을 가지거나 중요한 연결 위치를 차지할 수 있습니다.

따라서 밀도는 전체 네트워크 특성이고 중심성은 노드별 위치를 평가하는 다른 개념입니다.

시험에서는 두 개념의 분석 단위를 구분해야 합니다.

32장 SNA는 어디에 사용할 수 있을까#

제공된 학습자료는 SNA를 행위자 간 관계 구조를 분석하는 방법으로 설명합니다.

따라서 다음과 같은 관계 데이터를 생각해볼 수 있습니다.

사람 사이의 관계
조직 사이의 관계
업무 협업 관계
사회적 관계
정보 흐름 관계

핵심은 개별 행위자의 속성보다 누구와 어떻게 연결되어 있는가입니다.

33장 네트워크에서 가장 중요한 사람이란 누구인가#

SNA에서는 "가장 중요하다"는 기준이 하나가 아닙니다.

직접 인맥이 많은 사람이 중요할 수도 있습니다.

→ Degree

모두에게 빠르게 접근하는 사람이 중요할 수도 있습니다.

→ Closeness

두 집단 사이의 다리가 중요할 수도 있습니다.

→ Betweenness

핵심 인물들과 연결된 사람이 중요할 수도 있습니다.

→ Eigenvector

즉 분석 목적에 따라 어떤 중심성을 보는지가 달라집니다.

34장 ADsP 시험 함정 1#

사회연결망 분석은 행위자 간 관계가 아니라 개별 행위자의 숫자 속성만 분석한다.

틀립니다.

핵심은 행위자 사이의 관계 구조입니다.

35장 ADsP 시험 함정 2#

노드는 행위자 사이의 관계를 의미한다.

틀립니다.

노드는 행위자 자체입니다.

관계는 Link 또는 Edge입니다.

36장 ADsP 시험 함정 3#

밀도는 가능한 최대 연결 수를 실제 연결 수로 나눈 값이다.

틀립니다.

제공된 학습자료에서는:

실제 연결 수 / 가능한 최대 연결 수

입니다.

37장 ADsP 시험 함정 4#

Degree Centrality는 중요한 이웃과 연결되어 있을수록 높아진다.

이 설명은 제공된 학습자료의 Eigenvector Centrality에 더 가깝습니다.

Degree는 직접 연결 수를 기준으로 합니다.

38장 ADsP 시험 함정 5#

Closeness Centrality는 최단거리 합이 클수록 높다.

틀립니다.

제공된 학습자료에서는 최단거리 합의 역수와 연결합니다.

따라서 거리가 짧을수록 중심성이 높습니다.

39장 ADsP 시험 함정 6#

Betweenness Centrality는 연결된 이웃의 중요도를 가중한다.

틀립니다.

그것은 Eigenvector입니다.

Betweenness는 최단경로상에 위치하는 빈도입니다.

40장 ADsP 시험 함정 7#

Eigenvector Centrality는 단순히 직접 연결 수만 센다.

틀립니다.

연결된 이웃 노드의 중요도를 고려합니다.

41장 중심성 문제를 푸는 키워드#

시험에서 다음 단어를 찾으면 빠르게 판단할 수 있습니다.

"직접 연결"#

→ Degree

"최단거리"#

→ Closeness

"중간", "매개", "다리", "최단경로상"#

→ Betweenness

"중요한 이웃", "중요한 노드와 연결"#

→ Eigenvector

이 네 연결만 정확히 기억해도 대부분의 중심성 문제를 풀 수 있습니다.

42장 Degree 시험 직전 암기#

Degree Centrality

→ 연결 중심성

→ 직접 연결된 노드의 수

→ 많을수록 높음

암기:

Degree = 몇 명을 직접 아는가

입니다.

43장 Closeness 시험 직전 암기#

Closeness Centrality

→ 근접 중심성

→ 모든 노드까지 최단거리

→ 거리 합의 역수

→ 거리가 짧을수록 높음

암기:

Closeness = 모두에게 얼마나 빨리 갈 수 있나

입니다.

44장 Betweenness 시험 직전 암기#

Betweenness Centrality

→ 매개 중심성

→ 최단경로에 등장하는 빈도

→ 정보 흐름의 중개자

암기:

Betweenness = 다리

입니다.

45장 Eigenvector 시험 직전 암기#

Eigenvector Centrality

→ 위세 중심성

→ 연결된 이웃의 중요도 고려

→ 중요한 노드와 연결될수록 높음

암기:

Eigenvector = 중요한 사람과 친한 사람

입니다.

46장 SNA 시험 직전 암기#

Node#

행위자

Edge#

관계

Density#

실제 연결 / 가능한 최대 연결

Degree#

직접 연결 수

Closeness#

최단거리

Betweenness#

최단경로의 중간

Eigenvector#

중요한 이웃

입니다.

47장 사회연결망 분석 핵심 비교표#

개념	의미	시험 키워드
Node	네트워크 구성원	행위자
Edge	노드 간 관계	연결
Density	실제 연결 / 최대 연결	네트워크 밀집도
Degree	직접 연결 수	연결 많음
Closeness	모든 노드와 거리	짧을수록 높음
Betweenness	최단경로상 위치	중개·정보 흐름
Eigenvector	이웃 중요도 반영	중요한 노드와 연결

사회연결망 분석 FAQ#

SNA란 무엇인가#

개인이나 조직 등 행위자 사이의 관계 구조를 네트워크로 표현하고 분석하는 방법입니다.

Node란 무엇인가#

네트워크를 구성하는 행위자입니다.

Edge란 무엇인가#

노드 사이의 관계나 연결입니다.

Density란 무엇인가#

제공된 학습자료에서는 실제 연결 수를 가능한 최대 연결 수로 나눈 값으로 설명합니다.

Degree Centrality란 무엇인가#

한 노드와 직접 연결된 노드 수를 기준으로 하는 중심성입니다.

Degree는 언제 높아지는가#

직접 연결된 노드가 많을수록 높습니다.

Closeness Centrality란 무엇인가#

모든 다른 노드까지의 최단거리를 기준으로 하는 중심성입니다.

근접 중심성은 거리가 길수록 높아지는가#

아닙니다. 제공된 학습자료에서는 거리가 짧을수록 높다고 설명합니다.

Betweenness Centrality란 무엇인가#

다른 노드들의 최단경로 위에 해당 노드가 얼마나 자주 위치하는지를 보는 중심성입니다.

매개 중심성이 높은 노드는 어떤 역할을 하는가#

제공된 학습자료에서는 정보 흐름의 매개 역할을 한다고 설명합니다.

Eigenvector Centrality란 무엇인가#

연결된 이웃 노드의 중요도까지 고려하는 중심성입니다.

중요한 노드와 연결될수록 어떤 중심성이 높아지는가#

위세 중심성 Eigenvector Centrality입니다.

직접 연결 수가 많은지를 보는 중심성은 무엇인가#

연결 중심성 Degree Centrality입니다.

네트워크의 다리 역할을 측정하는 중심성은 무엇인가#

매개 중심성 Betweenness Centrality입니다.

자기 점검#

다음 질문에 바로 답할 수 있는지 확인해봅니다.

SNA의 전체 이름을 알고 있는가?
SNA가 무엇을 분석하는지 설명할 수 있는가?
Node와 Edge를 구분할 수 있는가?
Density 공식을 기억하고 있는가?
네 가지 중심성을 모두 말할 수 있는가?
Degree가 직접 연결 수라는 것을 알고 있는가?
Closeness가 최단거리와 관련된다는 것을 알고 있는가?
근접 중심성은 거리가 짧을수록 높다는 것을 알고 있는가?
Betweenness가 최단경로상 위치 빈도라는 것을 알고 있는가?
매개 중심성이 정보 흐름의 중개 역할과 연결된다는 것을 알고 있는가?
Eigenvector가 이웃의 중요도를 고려한다는 것을 알고 있는가?
Degree와 Eigenvector를 구분할 수 있는가?
Closeness와 Betweenness를 구분할 수 있는가?
Density와 Centrality의 차이를 설명할 수 있는가?
문제의 키워드만 보고 어떤 중심성인지 판단할 수 있는가?

이 글을 마치며#

사회연결망 분석은 개인이나 조직 같은 행위자 사이의 관계를 네트워크 구조로 표현해 분석하는 방법입니다.

가장 기본적인 구성요소는:

Node = 행위자

Edge = 관계

입니다.

네트워크 전체가 얼마나 촘촘한지를 보는 밀도는:

실제 연결 수 / 가능한 최대 연결 수

로 표현합니다.

ADsP에서 특히 중요한 것은 네 가지 중심성입니다.

연결 중심성 Degree

→ 직접 연결된 노드 수

근접 중심성 Closeness

→ 다른 노드까지의 최단거리

→ 거리가 짧을수록 높음

매개 중심성 Betweenness

→ 최단경로에 위치하는 빈도

→ 정보 흐름의 다리

위세 중심성 Eigenvector

→ 연결된 이웃의 중요도 고려

→ 중요한 노드와 연결될수록 높음

시험 직전에는 다음 네 줄로 압축해서 기억하면 됩니다.

Degree = 직접 연결

Closeness = 최단거리, 짧을수록 높음

Betweenness = 최단경로의 다리

Eigenvector = 중요한 이웃과 연결