安然公司高管组织结构#优质参考

基于群集行为的安然公司高管组织结构发现摘要 安然公司欺诈犯罪事件，引起了社会的广泛关注，本文基于2000年至2002年的所有安然高管之间的邮件，利用基于通信行为的人物关系网络构建及基于邮件内容的人物关系网络构建两种方式寻找安然公司高管高管组织结构，确定高管中的关键人物。通过群集行为的特点确定安然高管交流的信息中心和寻找犯罪嫌疑人。针对问题一，方法一是将每个人和其它人的通信总次数作为活跃度（P），通信对象个数作为广度，将活跃度与广度的积称作关键系数，取关键系数最高的7个作为关键人物。他们是lavorato-j，delainey-d，dasovich-j，arnold-j，bass-e，taylor-m和love-p。方法二是把亲密度作为标准，将每个人与其他人亲密度总和作为关键系数，取关键系数最高的7个作为关键人物，他们是thomas-p phanis-s stepenovitch-j jones-t mckay-j martin-t gilbertsmith-d。针对问题二，通过分析方法一与方法二的利弊，决定用方法一的人物关系网络来挖掘人物关系网络中的群集行为。利用关键人物用领域规则找到群集中心是lavorato-jmclaughlin-ewhalley-ldelainey-dward-kkean-sdasovich-jlenhart-msteffes-jarnold-jjones-ttycholiz-bbass-eshackleton-skeiser-ktaylor-mgiron-dwhitt-mlove-pstclair-chyvl-d针对问题三，基于方法一人物关系网络，用问题二模型，通过改变领域规则，利用犯罪嫌疑人找出其他犯罪嫌疑人，他们是编号人名职位编号人名职位编号人名职位1227Kenneth LayCEO2015Sherri Sera无59Amit无1044Jeffery SkillingCEO1133JonesN/A255Browning无73Andrew FastowCFO1598Mr.Lay无133Barnard无77AndyVice President2254WatsonN/A391Clarke无1226KennethCEO1651Niles无676Ena无1308layCEO1629Nell无1641Niamh无1447Marlin无2016Sherrie无1445Marla无1595Mr.Feygin无1440Mark Greenberg无1261Krista无1697Page无1220KenCEO/Trader1199Katie Trullinger无1221ken LayCEO1177Karen Denne无1198Katie无2014Sherri无1878Robin Sidel无1902Ronan无关键词：人物关系网的建立；群集行为；关键人物；寻找犯罪嫌疑人一 问题重述安然公司（Enron）是一家位于美国得克萨斯州休斯敦市的能源类公司，曾是世界上最大的电力、天然气以及电讯公司之一，公司连续六年被财富杂志评选为“美国最具创新精神公司”，然而真正使安然公司在全世界声名大噪的，却是这个拥有上千亿资产的公司2002年在几周内破产，持续多年精心策划、乃至制度化系统化的财务造假丑闻，以及安然事件中的高层管理者欺诈犯罪事件。安然倒闭之后，许多研究者致力于分析与处理安然邮件数据集（包含有150位安然公司高层管理者自2000年至2002年的所有邮件），试图通过分析这个数据集挖掘出安然公司高层管理者之间的组织结构关系（通常也叫做社区结构），并进一步找出其中可能存在犯罪嫌疑人。他们采用了两种建立人物关系的方法初步得到了两个与之对应的人物关系网络（用矩阵来描述，每个元素描述关系的紧密程度，取值范围从0至1, 0代表关系最不紧密，1代表关系最紧密）：方法1，基于通信行为的人物关系网络构建：人物关系的建立是基于通信行为的，这是指如果两个人之间的通信次数越高那么二者之间的关系就越紧密；所得人物关系网络为150乘150矩阵，这里的150是Enron高管的人数，详细数据见第一组数据（数据中有两个文件，name.txt为150个人的名字，adjacent.txt表示他们之间的有效通信次数）；方法2：基于邮件内容的人物关系网络构建：人物关系的建立是基于邮件内容的，这是指假设两个人在N篇邮件内同时出现过，如果N越大，那么二者的关系就越紧密。所得人物关系网络为2307乘2307矩阵，这里的2307个人物是邮件内出现的高频人物，详细数据见第二组数据（数据中Namelist2.txt表示人物名字，RalationNet2.mat是matlab文件，表示这2307个人物之间的紧密程度。值得提醒的是由于基于内容分析，有些人物名字上可能有不一致，比如可能是名字全称，也可能只用名或姓，这也需要你们自行分析）。问题：1 分别针对方法1和方法2中的人物关系网络，找出其中的关键人物。2 试分析上述两种方法所构建的人物关系网络对组织结构关系刻画的利弊，结合第一问得到的关键人物，选择其中的一种方法（或是综合两种方法），挖掘人物关系网络中的群集行为。3 若已经知道，Enron公司的三位高管是犯罪嫌疑人（Kenneth Lay：Chairman；Jeffery Skilling：CEO；Andrew Fastow CFO），能否通过以上的组织结构找出可能存在的其他犯罪嫌疑人，高管职位参见附录。二 模型假设1）假设邮件统计内容无误，无邮件遗漏；2）假设数据一和数据二的人名记录无误；3）假设安然公司高管间常用通信方式是邮件。三 符号说明四 问题分析4.1 问题一的分析问题一要求分别基于通信行为和邮件内容构建的人物关系网找到人物关系中的关键人物，可认为是寻找在人际关系网中处于纽带地位的人。如果能够找到一个指标来确定各个人物的重要程度，就可以确定出关键人物是哪些。确定出关键人物之后就将关键人物代入人物关系网观察他是否处于纽带位置来确定之前所确定的重要程度这个指标的合理性。4.2 问题二的分析问题二的第一小问是对方法一与方法二的评价，评价的标准应该结合实际人物关系的评判方式来评价方法一与方法二的利弊。通过文献一1了解到群集行为的特点。根据其特点建立模型寻找群集中心。模型的关键有两点，一是确定集结点，二是领域规则。集结点可以确定是关键人物，方法一的人物关系网络中领域规则是将通信次数大于所有人通信次数平均值的人归于关键人物，以此来找出群集中心。方法二的人物关系网络中领域规则是将亲密度大于平均亲密度的人归于关键人物来找出群集中心。4.3 问题三的分析问题三是通过已知三个犯罪嫌疑人，寻找其他犯罪嫌疑人。确定犯罪嫌疑人的方法有很多，根据不同的情况都有不同的判别方式。可以对已知数据初步确定判别方式，以已知的嫌疑人作为集结点，判别方式为领域规则，人物关系网络作为群集，通过问题二的模型求解群集中心，群集中心除去已知的犯罪嫌疑人，就可得到其他犯罪嫌疑人。之后对得到的犯罪嫌疑人通过判别方式，总结犯罪嫌疑人所处位置的相关指标在群集里所占的百分比大小评定这种判别方式的好坏，若好，确定犯罪嫌疑人，若不好，寻找其他判别方式，重复以上步骤直到找到判别方式最好的方案。五 模型建立与求解5.1 问题一模型的建立与求解通过参考文献2可知人物关系网可以通过边权矩阵描述，为了更直观反映人物关系网，可以通过画图来描述。画人物关系网的模型如下：步骤一：找到人物关系网人物个数，将各个人物进行编号。步骤二：随机产生对应人物个数的处于的随机数,将作为第个人的位置。步骤三：将已知的边权矩阵转换成邻接矩阵，若邻接矩阵中为的两个人为将两点连接。步骤四：重复步骤三，直到找完所有点。画出人物关系网。5.1.1 方法一模型的建立方法一寻找关键人物模型如下：步骤一:找到每个人的与其有通信人的个数记为联系对象个数，记录每个人的与其通信次数总和记为活跃度。步骤二:将联系对象个数与活跃度乘积作为关键系数（关键系数越高人物越关键）。公式如下:步骤三：将关键系数最大的几个作为关键人物。5.1.2 方法二模型的建立方法一寻找关键人物模型如下：步骤一:找到每个人的与其有通信人的个数记为联系对象个数，记录每个人的与其亲密度总和记为总亲密度。步骤二:将联系对象个数与活跃度乘积作为关键系数（关键系数越高人物越关键）。公式如下:步骤三：将关键系数最大的几个作为关键人物。5.1.3 方法一与方法二求解方法一：把方法一边权矩阵转换成邻接矩阵画出的人物关系网如图1：图1 方法一人物关系网络图（横坐标为人的编号，编号对应人名可由附件1找到）由方法一模型用office的excel处理边权矩阵得到关键人物，用表2表示如下：关键人物及其信息表 表2关键人物名联系对象个数活跃度关键度职位lavorato-j22241353086CEOdelainey-d14151321182CEOdasovich-j9218019620Employeearnold-j16102916464Vice Presidentbass-e9179316137Tradertaylor-m11121013310Employeelove-p8147711816N/A方法二：利用美国人的名字结构组成及称呼3对方法二中的数据对照方法一人名从Namelist2.txt中找到同一名字的150人，处理方法为人为寻找。找到人的全名和简称如表1：150人的简称及对应全名 表1简称全名简称全名简称全名allen-pPhillip Allenholst-kKeith Holstring-rRingarnold-jJohn Arnoldhorton-sAlonsorodrique-rRobin Rodriguearora-hHarry Arorahyatt-kKevin Hyattrogers-bBenjamin Rogersbadeer-rRobert Badeerhyvl-dDan J Hyvlruscitti-kKevin Ruscittibailey-sSusan Baileyjones-tJonessager-eElizabeth Sagerbass-eEric Basskaminski-vVince J Kaminskisaibi-eSabinabaughman-dDon Baughman Jr.kean-sSteven J Keansalisbury-hShanna Husserbeck-sSally Beckkeavey-pHarveysanchez-mMonique Sanchezbenson-rRobert Bensonkeiser-kKeithsanders-rRichard B Sandersblair-lBlairking-jKingscholtes-dDiana Scholtesbrawner-sSandra F Brawnerkitchen-lLouise Kitchenschoolcraft-dBeverley Ashcroftbuy-rRick Buykuykendall-tJudy Kudymschwieger-jJim Schwiegercampbell-lCampbelllavorato-jJackscott-sSusan Scottcarson-mCarsonlay-kKen Lay - Officesemperger-cCara Sempergercash-mMichelle Cashlenhart-mMatthew Lenhartshackleton-sShirley Crenshawcausholli-mHarry M Collinslewis-aAndrew Lewisshankman-jJeffrey A Shankmancorman-sStewart Rosmanlinder-eEarlshapiro-rRichard Shapirocrandell-sScott Goodelllokay-mMichelle Lokayshively-hS Shivelycuilla-mMike Jillardlokey-tTamaraskilling-jJeff Skillingdasovich-jJeff Dasovichlove-pPhillip M Loveslinger-rRyan Slingerdavis-dDavislucci-pPablosmith-mMike D Smithdean-cDeanmaggi-mMike Maggisolberg-gGloria Solisdelainey-dDavid W Delaineymann-kKay Mannsouth-sSteven P Southderrick-jJim Derrickmartin-tMartinstaab-tTheresa Staabdickson-sDicksonmay-lLarry Maystclair-cSinclairdonoho-lLisa Yohomccarty-dDalsteffes-jJames D Steffesdonohoe-tDonna M. Talamomcconnell-mMackstepenovitch-jStephaniedorland-cChris Dorlandmckay-bBrad Mckaystokley-cStanleyermis-fMatthew F Gockermanmckay-jKaystorey-gGene Humphreyfarmer-dFarmermclaughlin-eErrol Mclaughlinsturm-fFletcher J Sturmfischer-mMark Fischermerriss-sJeromeswerzbin-mMike Swerzbinforney-jJennifer Fornomeyers-aMatthew Meyerssymes-kKate Symesfossum-dDrew Fossummims-thurston-pPatrice L Mimstaylor-mMark Taylorgang-lMiguel L Garciamotley-mBentleytholt-jJane M Tholtgay-rGay Mayeuxneal-sScott Nealthomas-pThomasgeaccone-tGeorgeannenemec-gGerald Nemectownsend-jHendersongermany-cChris L. Germanypanus-sStephanie Panustycholiz-bBarry Tycholizgilbertsmith-dGilbertparks-jParkerward-kKim Wardgiron-dGironpereira-sSusan W Pereirawatson-kWatsongriffith-jGriffithperlingiere-dDebra Perlingiereweldon-cCharles Weldongrigsby-mMike Grigsbyphanis-sStephaniewhalley-gGreg Whalleyguzman-mMark Guzmanpimenov-vBill Donovanwhalley-lHarleyhaedicke-mMark E Haedickeplatter-pIlan Caplanwhite-sStacey W Whitehain-mMary Hainpresto-kU.s. Supremewhitt-mMark Whittharris-sStephanie J Harrisquenet-jJoe Quenetwilliams-jWilliamsonhayslett-rRod Hayslettquigley-dKay Quigleywilliams-w3Bill Williams Iiiheard-mMarie Heardrapp-bRaphaelwolfe-jGreg Wolfehendrickson-sBambireitmeyer-jJay Reitmeyerybarbo-pDeborahhernandez-jJudy Hernandezrichey-cCooper Richeyzipper-aAndy Zipperhodge-jJeffrey T Hodgering-aAndrea Ringzufferli-jJefferson利用程序按上表人名的亲密度矩阵找出来为附件1，把附件1边权矩阵转换成邻接矩阵画出的人物关系网如图2：图2 方法二下的人物关系网（横坐标为人物编号，编号对应人物可由附件1找到）由方法一模型用office的excel处理边权矩阵得到关键人物，用表3表示如下：关键人物及其信息表 表3关键人物名联系对象个数总亲密度关键度职位thomas-p1403.38916689474.4834N/Aphanis-s1343.299721574442.1627Employeestepenovitch-j1343.299721574442.1627Vice Presidentjones-t1392.81766384391.6553N/Amckay-j1153.30370807379.9264Directormartin-t1322.84824447375.9683Vice Presidentgilbertsmith-d1252.87000986358.7512Manager5.2 问题二模型建立与求解5.2.1 对两种方法利弊的评价如表4基于通信次数与通信内容的人物关系刻画利弊比较表 表4利弊方法一通过通信次数来刻画人物关系网，能清楚的了解到人物间交流的频率。人物交流频率高不一定说明人物关系紧密，也许是人物在工作上必须交流频繁造成。方法二通过邮件内容来刻画人物间的亲密度，从亲密度的大小来区分人物关系的紧密程度，可以明显区分人物间关系的好坏。邮件内容中，两人物名字一起出现的频率高，不能说明两人亲密度高，并且由于人物称呼的不同导致不同人物称呼是否是同一个人不明了，关系网也无法明确表示。通过以上比较，本文采用人物关系网络清晰的方法一来挖掘人物的群集行为。5.2.2 问题二模型的建立通过查阅文献一1群集行为有四个特点：（1）灵活性，表现对环境的适应性；（2）鲁棒性，表现不受内外干扰（抗干扰性强，解决扰动速度快）；（3）分散性，表现为单个主体的行为基础上；（4）自组织，表现为显著地整体性质，即涌现。结合本文问题分析，需建立一个模型寻找群集中心（在本文中，群集中心就是信息交流的中心）。模型建立步骤如下：步骤一：确定集结点集合和群集集合，分析问题确定领域规则。步骤二：从群集集合中去掉与集结点集合相同的元素，得到新的群集集合判断，的元素间的关系是否符合领域规则，若符合，就将其加入集结点集合,若不符合找下一个，直至找完群集内的所有元素。得到新的集结点。步骤三：重复步骤二，直到所有的集结点集合与群集集合不存在符合领域规则元素时结束。将最终的集结点集合作为群集中心集合。根据以上步骤得到算法流程图如下：5.2.3 问题二第二问模型求解和结果分析 基于上述模型，基于方法一人物关系网络，第一问中方法一所寻找的关键人物作为集结点集合，所有人物为群集（人物进行编号为）通信次数的矩阵（）中有两人通信次数大于117（150个人的平均通信次数）的归于集结点作为领域规则，通过matlab程序zaoji求解，求解结果见表5：群集中心任务编号及对应人名 表5方法一63lavorato-j23delainey-d20dasovich-j2arnold-j6bass-e133taylor-m70love-p142whalley-l57kean-s126steffes-j137tycholiz-b80mclaughlin-e138ward-k65lenhart-m55jones-t115shackleton-s39giron-d59keiser-k144whitt-m54hyvl-d125stclair-c通过上表结果显示群集中心有21个人，计算这21个人的通信次数总和为13908占总通信次数17486的79.54%，表明这21个人的活动有79.54%的概率影响到150个人的活动，符合群集行为特点。5.3 问题三模型的建立与求解通过问题二所述组织结构理论上利用方法一的人物组织结构可以找到其他犯罪嫌疑人，但是通过名字对比发现，方法一的结构不能确定已知的三个犯罪嫌疑人位置。而方法二中可以确定已知犯罪嫌疑人的位置，可以用方法二的人物关系网来寻找群集中心。因名字确定方式不唯一，不采用人名不同作为同一人的做法。5.3.1 问题三模型建立与求解将2307个人编号，将已知犯罪嫌疑人编号（）作为集结点集合，将每个人的编号集合作为群集集合，将人物亲密度矩阵（）中大于0.25的人加入集结点集合作为领域规则，通过问题二模型建立问题三的模型。通过matlab程序zaoji2求解出群集中心，将群集中心的人作为犯罪嫌疑人，通过犯罪嫌疑人编号信息从Enron_人名_职位表中获得人物职位以此制作出表6如下：犯罪嫌疑人名字及职位信息表 表6编号人名职位编号人名职位编号人名职位1227Kenneth LayCEO2015Sherri Sera无59Amit无1044Jeffery SkillingCEO1133JonesN/A255Browning无73Andrew Fastow无1598Mr.Lay无133Barnard无77AndyVice President2254WatsonN/A391Clarke无1226KennethCEO1651Niles无676Ena无1308layCEO1629Nell无1641Niamh无1447Marlin无2016Sherrie无1445Marla无1595Mr.Feygin无1440Mark Greenberg无1261Krista无1697Page无1220KenCEO/Trader1199Katie Trullinger无1221ken LayCEO1177Karen Denne无1198Katie无2014Sherri无1878Robin Sidel无1902Ronan无通过上表我们发现绿色职位相同的人名及其相似，可判断他可能为同一个人，题目中提到的三个嫌疑人之一就有第一个绿色职位对应的人名，而且发现题目中所给的三个嫌疑人中有两个人通过Enron_人名_职位表寻找职位得到的职位不一致，判断可能是Enron_人名_职位表来源不准确或者提供这个表的人给出了错误的表。5.3.2 模型评价及分析问题三模型的领域规则没有依据，不过可以认为他有75%的可能性是正确的，若要提高模型结果的可靠性，就需要提高领域规则的准确性，仅仅改变领域规则中“人物亲密度矩阵（）中大于0.25的人加入集结点集合”0.25这个数值可以得到更高可靠性的犯罪嫌疑人群，通过计算发现当结果可靠性达到90%时犯罪嫌疑人达到1000人以上，这无疑加重了警察的负担，并减少办案效率。因此寻找更好的领域规则和更好的人物关系网，可以有效提高破案效率，减轻警察的负担。六 模型讨论本文构建的模型可用于已知边权矩阵画网络图，群集行为研究和寻找犯罪嫌疑人及确定社交关系网中处于重要位置的人。问题一中寻找关键人物，评判标准缺乏实验依据，不能认为评价标准是绝对准确的，但通过问题二的来看，问题一中方法一评判关键人物标准具有可取性，对于方法二人为寻找人物关系网的方式可靠性不高，在之后的模型及结果中分析认为人为确定的关系网可靠性不高。通过问题三中结果分析可知，如果已知所有数据二中人物的职位名，或许可以通过职位和群集行为确定模型来寻找不同名字属同一个人的工作。参考文献1 程代展，陈翰馥 从群集行为到社会行为控制，复杂性科学研究专题，科学导报 2004,82 郭小和，刘科，廖焕文，姚伟，周继强 基于复杂网络的安然公司高管组织发现，南昌航空大学学报：自然科学版，第27卷第3期 2013,93 美国人的名字结构组成及称呼 附录：n=length(a);%通过邻接矩阵画网络图for i=1:n for j=1:n kk=a(i); mm=a(j); if C(kk,mm)0 plot(i j,sin(kk) sin(mm),ob,i j,sin(kk) sin(mm),black) end hold on endend12借鉴内容#