本書はシリーズとしての『ネットワーク科学の道具箱』（近代科学社、２００７）の続編でもあるが、いわゆる（複雑）ネットワーク科学に関する研究分野の十年ほどの進展に伴う新たな内容を中心に再編成して紹介した。教師信号を付けられないような、偶然出くわす、あるいは緩い関わりに潜む（因果が分からない現実のほとんど全ての広い意味での社会データに対応する）関係性データの分析に役立つ、Ｐｙｔｈｏｎのツール、可視化、連鎖的影響や役割分担の分析、購買層等のクラスタ分類：コミュニティ抽出、拡散の要の抽出や連結性の強化などを扱う。すなわち、企業間の取引、購買行動、口コミ情報の拡散など、人々のさまざまな活動履歴が関係性データとして表現できるとともに、本書に述べる分析手法は、それらのデータに共通して使えて、ＡＩ技術と同様に汎用性が高く適用範囲の裾野が広い。汎用で実際に役立つのみならず、理論的にも重要かつ今後の発展が期待できる基盤的内容を整理した。

第１章　Ｐｙｔｈｏｎを用いた複雑ネットワーク分析（Ｐｙｔｈｏｎおよび外部モジュールのインストール
Ｊｕｐｙｔｅｒノートブック　ほか）
第２章　ネットワーク分析指標の経済系への応用（経済システムのシステミック・リスクに関するネットワーク研究
国の経済発展に関するネットワーク研究　ほか）
第３章　ランダムウォーク：コミュニティ抽出のキーツール（ネットワーク上のランダムウォーク
代表的なコミュニティ抽出：ランダムウォークの枠組みによる定式化　ほか）
第４章　インフルエンサーの抽出や最適な攻撃耐性に関する進展（ＳＮＳなどにおける口コミの影響力をビジネスに
口コミの影響力を表す指標　ほか）