How to Measure Anything

Douglas W. Hubbard

出版社

Wiley

出版时间

2010-04-19

ISBN

9780470539392

评分

★★★★★

标签

经济

书籍介绍

Now updated with new research and even more intuitive explanations, a demystifying explanation of how managers can inform themselves to make less risky, more profitable business decisions This insightful and eloquent book will show you how to measure those things in your own business that, until now, you may have considered "immeasurable," including customer satisfaction, organizational flexibility, technology risk, and technology ROI. Adds even more intuitive explanations of powerful measurement methods and shows how they can be applied to areas such as risk management and customer satisfaction Continues to boldly assert that any perception of "immeasurability" is based on certain popular misconceptions about measurement and measurement methods Shows the common reasoning for calling something immeasurable, and sets out to correct those ideas Offers practical methods for measuring a variety of "intangibles" Adds recent research, especially in regards to methods that seem like measurement, but are in fact a kind of "placebo effect" for management - and explains how to tell effective methods from management mythology Written by recognized expert Douglas Hubbard-creator of Applied Information Economics-"How to Measure Anything, Second Edition" illustrates how the author has used his approach across various industries and how any problem, no matter how difficult, ill defined, or uncertain can lend itself to measurement using proven methods.

道格拉斯• W. 哈伯德是应用信息经济学创始人、国际公认的知名测量师、决策分析师和风险管理专家。

他的应用信息经济学方法是一种量化的方法论,已被全球多家《财富》500强企业所应用,并被广泛应用于IT安全、娱乐传媒、军事物流、研发整合等众多领域。而这些领域的决策和管理往往依赖于一些看起来很难量化或者不可能量化的因素。

道格拉斯还是位广受欢迎的演说家。曾为《信息周刊》《首席信息官企业》《分析学》和《今日OR/MS》等杂志撰写文章。他还是《风险管理的失败》(The Failure of Risk Management)一书的作者。

AI导读
核心看点
  • 本书颠覆传统认知,明确指出量化的核心目的并非追求绝对精确,而是通过减少不确定性来辅助决策。作者强调,任何事物只要能与决策结果建立关联,就具备可量化性,所谓“不可测量”往往源于定义模糊或方法缺失,而非事物本身属性。
  • 书中提供了大量实用的量化技巧,如费米分解法、5人法则及蒙特卡洛模拟等。作者证明,即便在数据匮乏或变量未知的情况下,通过极小样本或逻辑推演,也能以极低成本获得具有极高置信度的估算结果,打破对大数据的迷信。
  • 作者构建了严谨的决策支持框架,引导读者从明确决策困境出发,识别关键不确定性变量,而非盲目收集数据。书中批判了“为量化而量化”的错误倾向,强调只有当量化能降低决策风险或提升收益时,其过程才具有商业价值。
适合谁读
  • 适合企业管理者、项目负责人及战略制定者阅读。这些人群常面临资源有限且信息不全的决策困境,需要掌握如何在缺乏完整数据的情况下,通过科学估算和风险评估,做出更稳健、合规且符合商业逻辑的判断,避免凭直觉拍脑袋。
  • 适合数据分析从业者、产品经理及咨询顾问。书中关于如何定义指标、澄清模糊概念及识别无效变量的内容,能帮助从业者避免陷入“垃圾进垃圾出”的数据陷阱,提升需求分析能力,确保数据工作真正服务于业务目标而非形式主义。
  • 适合对概率统计、逻辑推理及批判性思维感兴趣的普通读者。本书用通俗语言解释信息论与量化伦理,帮助读者建立科学的思维习惯,识别生活中的伪科学和误导性数据,提升在复杂社会环境中独立判断和理性思考的能力。
读前提醒
  • 阅读时需摒弃“量化等于精确计算”的固有偏见。作者反复强调估算和范围预测的合法性与价值,读者应重点理解“减少不确定性”这一核心定义,不要纠结于数学公式的推导,而应关注其背后的逻辑框架和思维范式转变。
  • 书中涉及费米估算、蒙特卡洛模拟等概念,若数学基础薄弱可能产生阅读障碍。建议跳过复杂计算细节,重点学习其分解问题、寻找约束条件及利用已知信息推导未知的思维路径,这些方法论比具体算法更具普适性和迁移价值。
  • 切勿将本书视为单纯的技术手册,而应视为决策伦理与思维训练指南。阅读时应结合自身工作场景,反思过往因数据缺失而放弃决策或因数据滥用而误判的案例,尝试用书中“澄清链”等方法重新定义问题,实现知行合一。
读者共识
  • 读者普遍认为本书具有极高的思维启发性,彻底改变了他们对“不可测量”事物的看法。许多人表示,读完书后不再以“无法量化”为借口逃避决策,而是学会通过定义问题和寻找替代指标来推进工作,这种思维转变被视为本书最大的价值所在。
  • 读者高度认可书中提供的实用工具,如5人法则和费米分解法,认为这些方法简单有效且易于落地。尽管部分读者反映后半部分技术细节较枯燥,但普遍承认前半部分关于量化伦理和决策框架的论述极具洞察力,值得反复研读。
  • 尽管有读者指出书中部分案例略显陈旧或数学门槛较高,但主流评价认为其核心观点在大数据时代依然极具前瞻性。读者共识是,在信息过载的今天,学会识别哪些数据真正有价值、如何避免错误量化,比掌握复杂算法更为重要和紧迫。

本导读基于书籍简介、目录、原文摘录、短评和书评生成,不等同于全文精读。

精彩摘录
  • "量化的概念是“减少不确定性”,而且没有必要完全消除不确定性,这是本书的核心观点。"
  • "量化是在数量上减少不确定性的观测结果。这个定义和大众对量化的实际理解有巨大的差别。一个真正的量化过程不需要无艰精确。而且,如果没有报告误差,也没有采用抽样和实验等实证方法,就认为数字是完全精确的,根本不是真正的量化。"
  • "1948年,他发表了题为《通信的数学理论》(A Mathematical Theoryof Communication) 的论文,奠定了信息论的基础,而且我敢说,也奠定了量化的基础。现代人不会全都喜欢这篇文章,但他的贡献怎么强调都不为过,因为信息论从此成了所有现代信号处理理论的基础,而且也成了电子通信系统的工程基础。 香农将信号中不确定性的减少量作为信息的数学定义,在信息论中,他用信号代替了“熵”(shāg)。对香农来说,信息的接收者可以描述为具有一定程度不确定性的人。也就是说,接收者早就知道一些事,新的信息只是减少了接收者的一些而不是所有的不确定性。接收者以前的知识或不确定性,可以用来计算诸"
  • "澄清链就是把某物想象为无形之物再到有形之物的一系列短的链接过程。 首先,如果X是我们关心的某种事物,那么根据定义,X必须可通过某种方法来感知。如果质量、风险、安全、公众形象等事物完全不可感知,那我们该用何种直接或间接的方法关注它们呢?我们关心某些未知数据,是因为我们觉得它和希望或不希望的结果有某种关联; 其次,如果这个事物可以感知,那必然能估计到某些数值。 如果你可以观测一个事物,就多少能得出一些东西。 最后,这一步或许是最容易的了:如果可以通过观测得到某些量,那它就一定是可量化的。"
  • "确定真正要量化什么,是几乎所有科学研究的起点。商业领域的管理者需要认识到,某些事物看起来完全无形无影,只是因为你还没给所谈论的事物下定义。搞清楚你的意思到底是什么,就已经完成了量化工作的一半。"
  • "进行很小的随机抽样量化 你可以从潜在顾客、员工等很小的样本里获得一些东西,尤其是存在较多不确定性的情况下。 不可能获得所有数据时,可对总体的一个样本进行量化 确定海洋里一种鱼的数量、雨林里一种植物的数量、新产品中不合格的数量,或者对你的信息系统进行未授权的访问但又没有被检测到的次数,都有更聪明和更简单的量化方法。 当存在很多其他变量甚至未知变量时,该如何量化 在宏观经济、竞争对手的失误或者新的定价策略等因素下,我们可以确定一种新的程序是不是销量提高的真正原因。 量化小概率事件的风险 火箭发射失败、另一场“911”、另一水新奥尔良的防洪堤溃坝、另一次重大的金融危机发生的概率,都可以通过观测和推理"
  • "现在假设你得到的值是30分钟,60分钟、45分钟,80分钟和60分钟,其中最大值和最小值分别为30和80。因此所有员工用时的中间值,有93。75%的可能在这两个值之间,我把这个方法叫做“5人法则”。了大法则简单实用,而且在统计学上有着广泛应用,样本数量也比你以前估计的数量要小,但适用范围大,确实算得上一种优良的量化方法。 仅仅5个随机样本就可获得到93。75%的确定性,这看起来似乎是不可能的,但事实就是这样。该方法之所以有效,是因为它估计的是群体的中间值。所谓“中间值”,就是群体中有一半的值大于它,而另一半值小于它。如果我们随机选取5个都大于或都小于中间值的数,那么中间值肯定在范围之外,但这样"
  • "至少十几个变量。我发现一个有趣的问题:商业案例里的绝大多数变量的信息价值为零。一般来说,通过精心设计的量化程序,搞定1~4个具有不确定性的变量,就足够正确决策之用了。"
用户评论
近十年来最好的书!没读过白活了……
"Nothing is immeasurable." it's changing my way of thinking, but it's a little hard to practise.
1、要么精确,要么确定。没有兼得。估算是有意义的。2、pin down 之后任何东西都可以测量。
高阶费米计算。适合年轻的时候就阅读,帮助培养思维习惯!内容不说,光是目录看着就屌炸天。属于开阔思维的书,前面很有启发性,后面就逐渐不好看了。
有趣而且脉络非常清楚
决策框架很好,有启发~
测量不是为了给出一个绝对值,而是为了减少不确定性,从而为你的决策做基石。
收藏