
¿Cómo evoluciona un perfil en Linkedin tras un nuevo empleo?
5 octubre 2015
Conocida como el «Facebook de los profesionales», Linkedin es la red social por excelencia para los negocios. Desde su lanzamiento en 2003, tener un perfil en Linkedin es una de las mejores cartas de presentación profesional en Internet, al fin y al cabo y a diferencia de otras redes sociales, resume la experiencia y logros profesionales, por lo que es muy aconsejable disponer de un perfil y que éste se actualice con los méritos alcanzados.
En TcBlog hemos hablado en más de una ocasión sobre las ventajas de Linkedin, como muestra el post publicado por David de Silva o el publicado por Alfredo de Paz en los que se abordan las ventajas del uso de Linkedin para una empresa, pero en esta ocasión, nos centraremos en un perfil personal.
Muchas veces nos preguntamos, cómo puede variar nuestra red de Linkedin con la incorporación a un nuevo plan de estudios, a un nuevo empleo, o a un determinado grupo de interés. Analizaremos cómo varía una red personal antes y después de la incorporación a un nuevo empleo, en este caso, tras mi incorporación a Territorio creativo.
Para la realización de este estudio, se ha utilizado Gephi para representar la red de contactos.
Gehpi es una plataforma interactiva de código abierto para la visualización y exploración de todo tipo de redes y sistemas complejos con gráficos dinámicos y jerárquicos. Debido a su amable diseño y facilidad de uso, es perfecto para la representación de cualquier tipo de red social.
En primer lugar, se ha obtenido la información de mi red de contactos de Linkedin a través de la web socilab desde la que, tras darle los permisos necesarios de usuario y contraseña de Linkedin, se crea una representación inicial de la red de contactos así como una serie de métricas bastante interesantes.
El gráfico mostrado no llega a ser demasiado atractivo y no permite modificaciones, por lo que utilizamos la funcionalidad de exportar estos datos a Gephi, para poder trabajarlos desde varios puntos de vista, con mayor funcionalidad, presencia y rapidez de interacción.
Hace tiempo, existía una aplicación propia de Linkedin, accesible desde tu propio perfil de usuario, llamada inmaps, la cual creaba de forma automática tu red personal, sin embargo, desde el 1 de Septiembre de 2014, dicha funcionalidad desapareció y ésta es una de las formas más fáciles de volver a obtener estos datos.
A continuación se muestra la representación de la red obtenida.
Red Linkedin antes de la incorporación a Territorio creativo
En esta red, se representan un total de 94 nodos, que conforman 5 grupos diferentes, siendo dichos grupos los siguientes:
- Grupo de amigos / conocidos: con un único enlace entre ellos y el nodo origen (yo). No presentan conexión con ninguno de los otros grupos ya que no pertenecen a ese área de estudio o conocimiento.
- Grupo compañeros de carrera: en este grupo se concentran los compañeros de carrera, además de personas y organizaciones relacionadas con la profesión.
- Grupo de compañeros de máster: en este grupo se mostrarán los compañeros, profesores y personal de administración del máster Data Science.
- Grupo «Data»: este grupo lo conforman personas relacionadas con el mundo de los datos, data analyst, data science y similares. La mayor parte de personas de este grupo, son desconocidos pero comparten intereses en común.
- Grupo de recruiters: será el grupo de reclutadores, personas de recursos humanos de diferentes empresas. Al igual que en el caso anterior, la mayor parte de personas de este grupo, son desconocidos.
Se considera una red de contactos básica, teniendo en cuenta que dicha red tiene menos de un año de antigüedad. Es muy interesante el grupo de recruiters, ya que se puede observar una fuerte interacción tanto con el grupo «data», como con el grupo de compañeros de máster, lo que indica que es un tipo de recruiter enfocado a empleos relacionados con los datos.
También se observan múltiples relaciones entre sí, en los grupos de compañeros de carrera y compañeros de máster, indicativo de que en su mayoría son conocidos y se agregan mutuamente. Sin embargo, no existen conexiones entre ambos grupos ya que pertenecen a campos diferentes de conocimiento.
Red Linkedin después de la incorporación a Territorio creativo
Después de llevar dos semanas en Territorio creativo y de generar nuevos contactos en Linkedin, volvemos a obtener la red y su representación.
Ahora la red a aumentado hasta los 136 nodos, pero como veremos a continuación, ese crecimiento no ha sido únicamente por la incorporación de nuevos perfiles procedentes del nuevo empleo, sino que también se ha ampliado el grupo de recruiters, pasando de 28 hasta los 34. Por lo que actualmente, hay presentes 36 nuevos perfiles exclusivos de mi actual empleo en Territorio creativo, teniendo en cuenta el período de sólo dos semanas de diferencia entre ambas redes, se puede considerar un gran crecimiento de la red.
Como se puede observar, aparece un nuevo grupo que antes no existía:
- Grupo de compañeros Territorio creativo: formado por los nuevos compañeros de Territorio creativo.
Se puede ver la gran cantidad de conexiones existentes en el nuevo grupo Tc, lo que demuestra que la mayor parte de ellos están conectados entre sí. También se observan muchas conexiones entre el grupo Tc con el grupo ahora ampliado de recruiters, y con el grupo data, pero ninguna conexión con el grupo de compañeros de carrera, lo que demuestra al igual que ocurría anteriormente, que son campos de conocimiento diferentes.
En el siguiente ejemplo de red, se muestra una red de Linkedin de gran tamaño, cercano a los 500 contactos, en los que se pueden ver diferentes distribuciones.
Este tipo de estudios se pueden realizar con cualquier red social, ya sea Facebook, Twitter, etc. No sólo nos puede aportar información de cómo se organiza nuestra red personal, sino que también puede ser de mucha ayuda para ver sobre qué grupo estamos más enfocados, hacia dónde podemos variar nuestro sector, o incluso ampliar conscientemente nuestra propia red con el fin de atraer a más público que de otra manera sería muy complicado de visualizar y ejecutar. Es muy útil cuando se realizan análisis de influencers y se quiere determinar cuáles son las comunidades con las que interactúa, las conexiones con otras redes, el tamaño de las mismas o el grado de interacción de los nodos dentro de la red.

