در بسیاری از تحلیلهای داده، داده ها در ساختار مستطیلی ذخیره می شوند؛ جایی که ردیفها بیانگر موارد یا مشاهدات و ستونها بیانگر متغیرهای فردی است. شبکه ها به دلیل تشریح ساختارهای رابطه ای پیچیده تر، نیازمند نوع متفاوتی از ذخیره داده می باشد. در تحلیل شبکه ، جزو اساسی اطلاعات، رابطه(پیوند) بین دو عضو شبکه است. یک شیوه برای ترسیم دادههای شبکه که بسیار کاربردی نیز هست، مرتب کردن داده ها در ماتریس است. یک ماتریس اجتماعی[1] ، ماتریس مربعی است که در آن 1 اشاره به وجود پیوند بین دو نود دارد و صفر حاکی از عدم ارتباط بین دو نود است. قرار بر این است که ردیف ها اشاره به نود فرستنده و ستونها اشاره به نود دریافت کننده داشته باشند. به ماتریس اجتماعی، گاهی ماتریس مجاورت[2] نیز گفته میشود، چرا که بیان میکند کدام نودها در مجاورت نودهای دیگر قرار دارد. اگر شبکه بی سویه باشد (لبه به جای قوس)، ماتریس شبکه حول قطر، متقارن خواهد شد. در شبکه های ساده، خود اتصالی[3] وجود ندارد، بنابراین، قطر همه شبکههای ساده صفر می باشد
هدف از ترسیم گرافیکی شبکه، تولید تصویری است که مهمترین یا جالبترین اطلاعات جایگرفته در دادههای شبکه را نشان دهد. برای این منظور، تحلیلگر میبایست در خصوص عنصر گرافیکی که در تصویر ظاهر میشود، تصمیم بگیرد.
شبکه ها به دلیل الگوهای ساختاری خاص خود و اینکه چگونه ساختار آنها بر اعضای شبکه اثرگذار است، ارزش مطالعه دارند. شبکه ها بر مبنای نحوه جای گیری اعضای خود در شبکه ها بر اعضای خود اثرگذار هستند؛ فردی که به بسیاری از اعضای یک شبکه متصل است، احتمالاً سایر شبکه را بسیار متفاوت تر از فردی میبیند که از سایر افراد، دور افتاده یا ایزوله است.
با بررسی موقعیت تک تک اعضای شبکه می توان برجستگی هر یک را بررسی کرد. کنشگری برجسته است که پیوندهایش آن را مورد توجه سایر اعضای شبکه سازد. یکی از مهمترین روشهای معمول بررسی برجستگی اعضای شبکه مرکزیت است؛ نودی که در بسیاری از پیوندهای شبکه درگیر است.
[1] Sociomatrix
[2] Adjacency matrix
[3] Self-loop