Data Structures Data Dictionary

The SOFI system is a generic model which needs to be configured into a given scenario as  required.   This approach is viable as most businesses have similar processes but all have  specifics which make them unique.  The first activity in setting up a SOFI analytic is to ensure  the Spheres are names with representative labels for the scenario being modelled.   For  example; in the generic model the first sphere is named "customer". In a school this would  be identified as a student and in a hospital, a patient. 

Definitions for the Generic “Spheres of Influence” Objects   

The SOFI system contains data structures that represent human input on key determinants  of organisational or enterprise change, represented by data objects called influence objects  or "Spheres of Influence". A first step in devising an appropriate organisational model is to  develop a set of Spheres definitions that are appropriate to the enterprise, community or  organisation. The labels and definitions for each Sphere are thus adapted to the use in the  organisation from a lexicon of the end user. From the literature one specific set of spheres  and lexicons that have been found to be useful in modelling the interaction among functions  or departments in many organisations include eleven such determinants such as those  shown in Table 6.5.  

Table 6.5 ‐ Organisational Characteristics  Influence  Observation

Culture  Standards, quality of service, quality standards, values

Leadership  Direction, management

Marketing  Marketing, communication, information, presentations, competition, 

market capability, market share  

Strategy  Any activity planning.  This includes references to specific strategies that 

have been documented or implemented as well as strategies that have 

been discussed but not yet written down 

Finance  Strategy, planning, advising, milestones, feasibility studies, review finance 

indicators, measures, performance levels, reports, costs, penalties, 

evaluation, risks, analysis, validation 

 Operations  Operations, performance, methodologies, processes, implementation, 

technology 

Development  Development, R&D, training, design, 

Sales  Negotiating, buy‐in, needs, expectations, account teams, pre‐sales support, 

post‐sales support, RFPs, offerings  

Structure  Agreements, contracts, commitments, services, policies, procedures, 

accountability, service requirements, infrastructure, data‐warehouse 

Staffing consultancy, service delivery, human resources  

Staff  Material relevant to issues such as recruitment, hiring, removal, promotion, 

workload, motivation and individual employee’s needs 

Figure 6.11 ‐ Generic implementation of the Influence Map that is used for perceptive data visualisation. 

SOFI System © Phillip Cousins, Diane Downs 1985‐2016 SOFI Executive Systems LLC.   Applies to all maps, 

matrices, diagrams, rules, functions, Logic, Infographs, Analytics and other elements related to the SOFI system. 

Used with permission.  

 A graphical representation of one example of such a Spheres model is shown in Figure 6.11.  This arrangement of eleven spheres on the Influence Map was derived from the analysis of  frequency of examples that illustrate the Spheres that are most likely to have influence on  each other appear as neighbours.   This means that those parts of the community that are  more likely to have a direct relationship are positioned closer to each other than those which  typically do not.  In a typical spheres model representation, a traffic signal system is used to 

indicate survey responses. Thus, the surveys are preferably configured so that responses  may be graphically coded as a sphere with a green, yellow or red visual indicator. The green  indicator is  typically used  to indicate a positive response, yellow to indicate that the  respondents feels this is an area that requires caution or further investigation and red to  indicate a problem or urgent concern.   

The spatial distribution of Spheres in this manner can also be used to reveal relationships  among  the  eleven  Spheres,  classified  according  to  Extended  and  Remote.  The  neighbourhoods  represent  relative  distance  between  the  Spheres.    These  spatial  neighbourhood relationships are further defined using a Scoring Matrix for the overall  Influence Map for example, a chart or "Scoring Matrix" can be developed that shows the  neighbourhood definitions for each sphere in the illustrated in one such scoring matrix or  palate shown in figure 6.12, the immediate neighbours are coded in green, extended  neighbours are coded in yellow and remote neighbours are coded red.  

Figure 6.12 – SOFI scoring matrix showing how the relationships between the influence objects are defined.   

Virtually all survey responses in a large, complex organisation appear as Immediate and  Extended  Neighbours.  In  the  display  (as  shown  in  Figure  6.12)  only  the  first  two  Neighbourhood links are typically populated with data. The Remote Neighbours will not  typically  be  able  to  be  populated  without  a  special  enabling  function;  this  avoids  unnecessary  complication  of  the  data  object  models.  The  restriction  to  populating 

Immediate and Extended Neighbourhoods also prevents visualisation problems using the  Influence Maps and populates the model with data instances that are relevant to the  interaction of the closest neighbours. 

The neighbourhood property of the sphere object relates to various functions in the map  analyser.  Neighbourhood analysis provides feedback on the structure of a questionnaire and  on the complexity of an individual's reasoning and other attributes. The scoring matrix  analysis can also be reported upon.  The colour of the cells in the scoring matrix which are  used to represent the neighbourhood to which the relationship has been assigned in the  examples shown in figure 6.12.  For example, the Development/Staffing cell is coded "green"  to indicate that these are immediate neighbours. However, the "Sales/Structure "cell is  coded yellow, to indicate an extended neighbour relationship. The "Sales/Operations" cell is  coded red, to indicate a remote neighbour relationship. Also, note that the absence of a  number in the cell indicates that the designer of the survey has provided no associated  survey question for this cell.  The result generates up to the possible measurement points.  However,  in  an  eleven  Sphere  model,  it  is  typically  not  the  case  that  all  possible  combinations of extended neighbours are represented or needed in the scoring matrix.  Further properties of the spatial array are revealed in a neighbourhood matrix, shown in  Figure 6.13.   

Figure 6.13 ‐ Extract of a neighbourhood matrix illustrating the relationships between influence objects and the 

arrangement of the influence map array.   

The matrix is used to examine clusters of influence objects along the axis from top to bottom  of the influence map in Figure 6.13 “Strategic" activities tend to cluster toward the top of the  map, operational in the middle and tactical toward the bottom. Using this approach to  modelling survey responses, robust measurement procedures can be used to get reliable  data to analyse soft issues like customer satisfaction and awareness. Tools and procedures  can also be specified to collect hard data such as financial metrics. The data collection  procedures include design specifications for survey instrumentation, data collection and  configuration of questions relating to each influence object.  

In  Figure  6.12  and  Figure  6.13  the  relationship  between  the  adjacencies  and  the  questionnaire is discussed.  The questionnaire needs to be similarly analysed and prepared  to be relevant and meaningful to the community who are going to be asked to use it.  The  use of "yes", "no", "don’t‐know" type answers does make this much easier but can position  the researcher with a little context as to why an answer was given and what could be done  to improve the situation.   This is improved when the context is further enhanced through 

the use of free text notes from the respondent.  This is a particularly important issue if we  are going to make sensible use of the tool as part of the overall Test Bench methodology.   Consideration also should be given to the number of questions.   The 11*11 nature of the  SOFI structure does drive the user to a potentially large number of questions, so they need  to  appear  relevant and  concise.    This  is  of  particular  importance  with the reciprocal  questions which are very easy to slip into the mistake of asking a question that is too similar  to the direct one.  This not only leads to a failure in establishing the required information,  but also gives the user a feeling that he may be wasting his time, which may influence the  quality of their work.     The identification of SOFI Worlds is an important design consideration.  The Worlds allow the  data to be analysed from the point of view of a single community group.  Clearly as a tool to  understand perception and its implications it is important to see the data from each of these  points of view.