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.