https://dheka.com.br/wp-content/uploads/2019/09/Modelo-de-Maturidade-em-Colaboracao-CollabMM-700x541.webp

Por que redes de colaboração?

A sociedade digital e em rede é uma realidade. Estamos vivendo em um mundo cada vez mais conectado e aberto, que abre novas oportunidades tanto para as organizações inovarem em seus negócios, como para clientes adquirirem mais autonomia e satisfação no uso de serviços. Segundo o Critical Friends: “Em um contexto socioambiental, que se tornará cada vez mais complexo nas próximas décadas, as corporações e as organizações da sociedade terão de se abrir muito mais além do que imaginam atualmente, a fim de solucionar os novos problemas com os quais vão se confrontar no futuro”.

Don Tappscott afirma que a revolução tecnológica está mudando o mundo e que os 4 princípios para lidar com este novo mundo aberto são: colaboração, transparência, compartilhamento e “emponderamento” (empowernment) de clientes e funcionários. A realidade da sociedade e do trabalho em rede indica também que uma nova geração de profissionais nativos digitais desponta no mercado, altamente capacitados no uso de tecnologias e dispositivos de comunicação social, redes e mídias sociais.

Os negócios e as organizações só se manterão competitivos se souberem administrar seus processos neste novo cenário, conectado e aberto. Ao mesmo tempo, o ambiente interno das organizações atuais precisará acompanhar a capacidade de interação e colaboração via tecnologia de seus profissionais, de forma a garantir a execução de seus processos de trabalho/negócio com tarefas mais complexas, menos burocráticas, com mais autonomia e qualidade e conectada ao ambiente externo.

O que é uma Rede?

O reducionismo, conhecido pelo seu famoso lema “dividir para conquistar”, guiou a pesquisa científica durante séculos. Esta estratégia é comumente utilizada para resolver um problema grande e complexo, dividindo-o em problemas menores, de maior facilidade de resolução. A premissa adotada é que é mais fácil compreender o todo depois que se entender cada uma das partes. Assim, cada solução parcial encontrada é combinada, formando a solução integral para o problema original.

Porém, depois de décadas de pesquisas fragmentadas, os cientistas começaram a perceber que a integração das partes não é tão trivial quanto se imaginava e que o reducionismo mascarava a complexidade real do problema (BARABASI, 2003). Atualmente, a comunidade científica está mais próxima do reconhecimento de que nada acontece de forma isolada.

Assim, os cientistas se interessaram em mapear a interconectividade. Por exemplo, mapas detalhados da Internet ajudaram a perceber a vulnerabilidade da rede aos ataques dos hackers. Os mapas das empresas conectadas por relações comerciais traçaram o caminho do poder e do dinheiro em Silicon Valley. Os mapas de interações entre as espécies do ecossistema mostraram o impacto destrutivo do ser humano no meio ambiente. Até mesmo os mapas dos genes trabalhando em conjunto dentro de uma célula serviram para ajudar no entendimento sobre o funcionamento do câncer. Então, finalmente, podemos compreender a importância das redes, que mostram como os fenômenos e eventos estão conectados (MAGDALENO et al, 2010).

De forma simplificada

Uma rede é “um conjunto de pontos interligados” (WWF, 2003). Formalizando esta definição, pode-se dizer que uma rede é um “conjunto de vértices ou nós com conexões entre eles, denominadas arestas” (NEWMAN, 2003). Para ilustrar estas definições, dois exemplos de redes, com representações distintas, são apresentados na figura.

Exemplos de redes (BARABASI e BONABEAU, 2003; WWF, 2003)

Em um diagrama de rede, como os exemplos apresentados na figura acima, há necessariamente pontos e linhas. Os pontos representam as unidades que compõem a rede: pessoas, organizações, equipamentos, locais e etc. e também são denominados de nós ou vértices. As linhas representam as relações entre esses elementos e podem ser canais de comunicação, estradas, dutos, fios e etc. Estas linhas recebem o nome de relacionamentos, arestas, ligações ou conexões (WWF, 2003).

No dia-a-dia, as redes estão em todo lugar (WWF, 2003) e existem diferentes tipos de redes colaborativas: cadeias de lojas, bancos, lanchonetes e supermercados; malha ferroviária e rodoviária; sistema de distribuição de energia elétrica; sistema de fornecimento de água; serviços de telecomunicações; sistema de segurança pública; serviços de saúde; e redes de computadores como a World Wide Web e a Internet.

Exemplos

Em particular, as redes complexas descrevem uma grande variedade de sistemas na natureza e na sociedade (ALBERT e BARABASI, 2002). Como esta área de pesquisa é recente, ainda não existe uma definição precisa para o conceito de redes complexas, mas, de forma geral, pode-se dizer que as redes complexas têm propriedades topológicas não triviais ou diferentes do que seria esperado. As redes sociais são um tipo de rede complexa.

Uma rede social consiste de um “conjunto finito de atores e as relações definidas entre eles” (WASSERMAN e FAUST, 1994). Em uma rede social, os nós representam os atores e as arestas correspondem aos possíveis relacionamentos entre eles. A semântica do relacionamento depende da análise que se deseja conduzir nesta rede.

Alguns exemplos de redes sociais, com semânticas distintas, são
(ALBERT e BARABASI, 2002; BARABASI e BONABEAU, 2003): rede de relações de amizade; casamentos entre famílias; comunidades de negócio; rede de contatos sexuais, usada para estudar a propagação de doenças sexualmente transmissíveis entre indivíduos; rede de colaboração entre atores que contracenaram juntos em filmes; rede de colaboração científica representada através da co-autoria em artigos acadêmicos; e a rede de comunicação (ligações telefônicas, e-mail ou instant messaging), com arestas direcionadas indicando o autor e o receptor da mensagem; rede de colaboração entre universidades e indústria.

Analisando todos estes exemplos apresentados, é possível perceber que, embora a forma seja um fator decisivo, o desenho da rede não é suficiente para explicá-la ou caracterizá-la em relação as suas propriedades e dinâmicas (WWF, 2003). Assim, é necessário entender também as propriedades topológicas, originadas da teoria dos grafos, que governam estas redes.

Modelos de Evolução de Redes

Esta seção apresenta os três principais modelos que podem ajudar a compreender a formação das redes.

a) Redes randômicas

Por mais de 40 anos, a ciência tratou todas as redes como sendo completamente randômicas, seguindo o trabalho revolucionário, de 1959, de dois matemáticos húngaros: Paul Erdős e Alfréd Rényi (ERDOS e RENYI, 1959). Segundo eles, em uma rede randômica, cada par de vértices tem a mesma probabilidade de conexão e essa conexão ocorre de forma independente das demais. Como as arestas são colocadas randomicamente, então todos os nós têm a mesma chance de receber uma aresta.

Além disso, os dois matemáticos húngaros também assumiram que a rede tinha um número fixo de nós, ou seja, que a rede era estática e que o número de nós permanecia inalterado ao longo do tempo. Porém, esta hipótese não é verdadeira, pois as redes são dinâmicas e sofrem constantes mudanças.

b) Redes livres de escala

Então, em 1998, quando se inicia um projeto, nos Estados Unidos, coordenado pelo físico Albert-László Barabási, para mapear a rede web, esperava-se encontrar uma rede randômica, visto que as pessoas fazem as conexões entre as suas páginas seguindo apenas o seu interesse pessoal e dada a diversidade de páginas disponíveis (ALBERT et al., 1999).

No entanto, o mapeamento da web, por um programa robô, revelou um padrão de conexões diferente de uma rede randômica. O mapa a que os pesquisadores chegaram indicou a existência de muita variabilidade nas distâncias entre os documentos. De fato, existiam poucas páginas altamente conectadas que mantinham a web interligada: mais de 80% das páginas tinham menos de 4 relacionamentos, enquanto uma minoria, menos de 0,01% dos nós, tinha mais de 1.000 relacionamentos (ALBERT et al., 1999). A análise dos resultados mostrou que a distribuição seguia uma lei de potência e não uma distribuição de Poisson. Assim, observou-se que a web não é uma rede randômica e que os seus relacionamentos não seguiam o padrão randômico e democrático esperado (BARABASI, 2003).

Mas não parou por aí…

Nos anos subsequentes, descobriu-se que uma variedade de redes complexas, como a web e a Internet, compartilha uma importante propriedade: a maioria dos nós tem poucos relacionamentos, enquanto alguns nós têm uma grande quantidade de conexões. Assim, concluiu-se que, diversas redes complexas não se encaixavam no modelo de redes randômicas.

A partir daí, surgiu o modelo de redes livres de escala (BARABASI e BONABEAU, 2003; BARABASI, 2003), onde a distribuição dos graus dos nós segue uma lei de potência, visto que a maioria dos nós tem poucas conexões e alguns poucos nós, denominados de hubs, possuem uma anômala grande quantidade de relacionamentos. Estas redes também se comportam segundo alguns padrões. Por exemplo, as redes livres de escala são muito resistentes a falhas acidentais no sistema, mas extremamente vulneráveis a ataques direcionados aos seus hubs (BARABASI, 2003).

Um hub (BARABASI, 2003) é um nó com uma grande quantidade de relacionamentos. Os nós de uma rede variam em termos de sua visibilidade e poder de atração. Aos nós mais visíveis e capazes de atrair conexões de outros nós, dá se o nome de hubs. A visibilidade de um nó se dá pelo número de ligações que possui. A identificação de hubs é um dos motivadores para a atividade de análise de redes sociais, pois os hubs são capazes de proliferar mais rapidamente ideias, conceitos, informações, tendências, doenças e etc. Os hubs são especiais. Eles dominam a estrutura das redes nas quais estão presentes, criando caminhos mais curtos entre dois nós, e estão presentes em uma diversidade de redes complexas.

Indo além

Dando um passo adiante e incorporando o crescimento no modelo das redes, observou-se que a evolução das redes livres de escala é governada pelas leis de conexão preferencial (BARABASI e BONABEAU, 2003). Para modelar o crescimento da rede, cada rede inicia com um determinado conjunto de nós. A partir daí, os outros nós vão sendo adicionados, um por um, progressivamente e a rede vai se expandindo. Então, quando estes novos nós aparecem eles decidem com quem se conectar e preferem os nós que já têm mais conexões, ou seja, a probabilidade de escolha de um determinado nó é proporcional ao número de relações que o nó já tem.

Desta forma, um hub mais popular passa a ter cada vez mais relacionamentos ao longo do tempo. Quanto mais conectado é um nó, maior probabilidade ele tem, pela extensão de sua rede, de fazer novas conexões. Este fenômeno, também denominado de “rich gets richer” (BARABASI, 2003), favorece os nós mais antigos da rede que têm mais tempo para adquirir novos relacionamentos e, portanto, mais chances de virem a se tornar hubs. Por outro lado, se um nó é o último a entrar na rede, nenhum outro nó ainda teve a oportunidade de se ligar a ele. Logo, este fenômeno privilegia a senioridade.

E se as coisas mudassem?

Entretanto, como nada é permanente na rede, os hubs mudam. Um nó simples, pela dinâmica da conectividade, pode transformar-se em hub, enquanto outros hubs morrem. No embalo dessa impermanência, a estrutura das conexões da rede se reconfigura (WWF, 2003). Um exemplo dessas mudanças é o surgimento do Google, em 1997, que rapidamente ocupou uma posição de hub, anteriormente pertencente ao Alta Vista, que dominava o mercado. Neste ambiente competitivo, além da senioridade na rede, cada nó também tem o seu fitness, que é a medida quantitativa da sua habilidade de se manter na frente da competição pelos relacionamentos na rede. Os nós sempre competem pelas conexões, pois elas representam a sobrevivência em um mundo interconectado.

Desta forma, a velocidade com que um determinado nó adquire relacionamentos não é uma questão de senioridade apenas. Na verdade, a conexão preferencial é resultado do produto do fitness do nó com o número de relacionamentos que ele possui. Assim, essa atratividade final é que os nós vão realmente utilizar para decidir como vão estabelecer as suas relações. O Google é a maior prova deste fenômeno: mesmo entrando na rede depois dos outros concorrentes, a sua nova tecnologia de busca aumentou a sua atratividade e permitiu que ele conquistasse conexões mais rapidamente do que os seus adversários.

c) Redes de mundo pequeno

No modelo de redes de mundo pequeno, a distância média entre os vértices é muito pequena, mesmo para redes com milhões de vértices. A maior manifestação popular deste fenômeno é o conceito dos “seis graus de separação”, descoberto pelo psicologista social Stanley Milgram, da Universidade de Harward nos Estados Unidos, em 1967.

Durante um experimento realizado para descobrir a distância entre os residentes dos Estados Unidos, Milgram pediu aos participantes que encaminhassem 160 cartas de Nebrasca até um corretor de valores em Boston, utilizando os contatos com pessoas conhecidas. Cada pessoa deveria entregar a carta a um amigo que ele considerasse capaz de fazê-la chegar, diretamente ou por meio de outro intermediário, às mãos do corretor de Boston. Apesar da maioria das cartas nunca terem sido entregues ao destinatário, Milgram descobriu que as 42 cartas que chegaram passaram nas mãos de, em média, 5,5 intermediários (ALBERT e BARABASI, 2002; NEWMAN, 2003).

Vale ressaltar, porém, que o método de Milgram superestimou a distância entre duas pessoas nos Estados Unidos. Os seis graus de separação são realmente um limite superior, pois existe ainda um grande número de caminhos com comprimentos menores (BARABASI, 2003). Por exemplo, poderiam existir caminhos mais curtos para alcançar os destinatários das cartas que os participantes do experimento desconhecessem.

Além disso, na sociedade moderna, as pessoas se conectam mais facilmente e têm a capacidade de se comunicar rapidamente através de grandes distâncias. Assim, o número de relações sociais que um indivíduo mantém aumentou, o que pode ter diminuído o número de graus de separação nos dias atuais (BARABASI, 2003).

Para finalizar…

A pesquisa de Barabási e seus colegas (BARABASI, 2003) mostrou que a web também é uma rede de mundo pequeno. Apesar da enorme quantidade de documentos disponíveis, as páginas estão, em média, apenas 19 cliques distantes umas das outras.

Através deste e de outros trabalhos, observou-se que o modelo das redes de mundo pequeno pode ser observado nas redes complexas em geral. Vale ressaltar também que o modelo de redes livres de escala e o modelo de redes de mundo pequeno não são mutuamente exclusivos.

Conclusão

Sabe-se que a colaboração tem um papel essencial para o sucesso dos negócios. Se você não entender as redes, sua dinâmica, sua formação, como irá fomentá-las? Este texto buscou mostrar como é importante conhecer a topologia da rede analisada para alcançar melhores resultados no planejamento da colaboração.

Colaboração e agilidade nos processos são fatores fundamentais para o sucesso de uma organização. Pensando nisso, a solução de colaboração da dheka leva em consideração a forma como os participantes (ou nós da rede) interagem e se relacionam assim como as especificidades relativas a cada contexto.

Referências

ALBERT, R. et al. (1999). “Diameter of the World-Wide Web”. Nature, v. 401, p. 130–131.

ALBERT, R., BARABASI, A. L. (2002). “Statistical mechanics of complex networks”. Reviews of Modern Physics, v. 74, n. 1, p. 47–97.

BARABASI, A. L. (2003). “Linked: How Everything Is Connected to Everything Else and What It Means for Business, Science, and Everyday Life”. Cambridge: Plume.

BARABASI, A. L., BONABEAU, E. (2003). “Scale-Free Networks”. Scientific American, , p. 50–59.

ERDOS, P., e RENYI, A. (1959). “On random graphs”. Publicationes Mathematicae (Debrecen), v. 6, p. 290–297.

MAGDALENO, A. M.; WERNER, C. M. L.; ARAUJO, R. M., 2010, Estudo de Ferramentas de Mineração, Visualização e Análise de Redes Sociais, Relatório Técnico, PESC-COPPE. Disponível em: http://www.cos.ufrj.br.

NEWMAN, M. E. J. (2003). “The structure and function of complex networks”. SIAM Review, Society for Industrial and Applied Mathematics.v. 45, n. 2, p. 167–256.

WASSERMAN, S., FAUST, K. (1994). “Social Network Analysis: Methods and Applications”. Cambridge, United Kingdom: Cambridge University Press.

WWF. (2003). “Redes: uma introdução às dinâmicas da conectividade e da auto-organização”, Relatório Técnico, WWF – Brasil, https://wwf.org/.