★麻省理工學院指定教材，長踞亞馬遜網站商業類暢榜，一生受用的衡量技術！
商業、科學、生活上所有問題的解答
任何需要做分析、決策的人必讀之書
世界上沒有任何事物是不能被衡量的。
所有看似無法量化的難題，
只要能讓你知道得比以前多，就是一項成功的衡量。
本書對於降低決策風險、排除不確定性，大有幫助！
面對個人生活選擇或商業上的決策，我們往往相信直覺或過往經驗，但難免重蹈覆轍。輕者不免聳聳肩自責，上一次當還不能學一次乖；嚴重的話或許是動輒上億元的企業損失，這時再怎麼喚回時光也無法翻轉情勢。然而，若持續對於決策抱持如此輕忽的態度，上述損失恐怕只有不斷重覆的命運。
這本書從簡單的觀念開始，說明了深具實用性、但直覺上又容易應用的統計技巧；同時也顯示出，在我們對企業和世界的了解上，衡量具有多大的力量。作者道格拉斯‧哈伯德（Douglas W. Hubbard）為國際公認的決策分析、風險管理專家，在這本具深刻見解且令人著迷的書中，將告訴你如何衡量看似完全無法量化的事物，包括科技的投資報酬率、組織的彈性、消費者滿意度，以及企業風險。這本書提供衡量的重要步驟，讓你能衡量所有的事物，尤其是不確定性和風險。不僅如此，還可利用符合經濟效益的方式完成衡量。
不妨接受作者提出的挑戰：在閱讀本書之前，請寫下你在家庭生活或工作上的一項或多項抉擇難題，然後抱持著「找到衡量它們的方法」這個特定目的來閱讀此書。希望從本書中學習到的衡量知識，能為你個人或專業生涯的改善帶來意想不到的收穫！
閱讀本書，你將了解：
看似無法衡量的事物，其實是有辦法予以量化的。
表面上不可能的衡量，卻能用意外簡單的方法解決。
衡量風險的錯誤方法。
軟性事物像是幸福、滿意、品質等等的衡量方法。
如何將人類的判斷訓練為強有力、校準的衡量工具。
如何將網際網路當作衡量工具使用。
本書分四大部分：
第一部分：說明為什麼任何事物都可以測量，同時輔以例子佐證，以及給出關於衡量的精確定義。
第二部分：開始具體進入如何做衡量──特別是不確定性、風險、資訊的價值。您會學到如何以「校準的機率評估」來衡量自己主觀的不確定性，以及如何用這項資訊去計算風險和做更多衡量的價值。
第三部分：如何利用一些觀察方法以降低不確定性，例如隨機取樣與控制實驗等等。也會談到一些概算（快速評估）的方法；還有若是有新資訊加入，如何重新衡量以降低不確定性（貝氏分析）。這部分會涵蓋一些最初級的統計學。
第四部分：一些比較「軟性」的評估項目，例如偏好、價值、彈性（可變性）、品質等等如何衡量，並且再加入新的衡量工具，包括校準的人的判斷或甚至是網際網路。最後會集合所有的評量知識，來應用在兩個個案研究上。
專業推薦
《如何衡量萬事萬物》是我最喜歡的書（緊接其後的是哈伯德的第二本書The Failure of Risk Management），也是我會主動向同事及學生們推薦的一本書。我身為一個物理學家及經濟學家，將這些技術應用在多種領域上已經有好幾年了。這是第一次有人將這些重要的資訊放在一起，提供給廣大的讀者，也讓專業人士能拿來應用。這本書是分析及決策領域的學生與專家必讀之書。──Dr. Johan Braet 任教於安特衛普大學（University of Antwerp），應用經濟、風險管理及創新
如何為複雜的專案計畫定義出合理的指標，用來證明是否具有正當性，及用來管理複雜的專案，哈伯德的書提供了絕佳的指導。想要降低資本規劃、投資決策及計劃管理方面風險的所有人，這本書是必讀的。──Jim Flyzik 前政府資訊長，白宮科技顧問及資訊長雜誌名人堂入選人
我愛這本書，道格拉斯‧哈伯德幫我們創造了一條路徑，通達找到幾乎是所有問題的答案，無論是商業上、科學上、生活上。這本書提供的工具，是大多數想做更好的衡量、得到更深刻的理解、做改善以及獲得成效的人所必需的。－－Peter Tippett, Ph.D, MD.,Cyber Trust技術長以及第一個防毒軟體的發明人
哈伯德的書，有趣且充滿豐富的案例研究和例子，對於日常決策常涉及不確定性的人而言，是一本很有價值的書。這本書可讀性很高且相當具娛樂性，甚至那些自認為對統計避之唯恐不及的人，都會樂在其中。──Strategic Finance
這本書在衡量的應用範圍、與風格的明確方面，十分傑出。每一位曾經說過「當然，那個觀念很重要，但是我們能夠衡量它嗎？」的專業人士，這是必讀的書。──Dr. Jack Stenner,MetaMetrics, Inc.的CEO及共同創辦人
哈伯德的生涯致力於為其他人認為不可衡量的事物找出衡量的方法。無論是品質、遠距工作的價值、擴大IT防護的利益、公眾形象，哈伯德認為都是可以衡量的，而且不需耗資龐大。如果你想在投資計畫審查會中進展得更順利，先看看這本書吧。──ComputerWorld
我將這本書列為MIT衡量課程的主要參考書。學生都很喜愛本書，因為它提出的實務建議能應用在各種不同情境（包括航太及國防、醫療、政治等等）。──Ricardo Valerdi. Ph.D. MIT講師
道格拉斯‧哈伯德（Douglas W. Hubbard）
道格拉斯‧哈伯德是應用資訊經濟學（Applied Information Economics, AIE）的發明人，AIE是一種衡量方法，用於決定因素似乎很難或不可能衡量的大型決策上，包括IT投資組合、娛樂傳媒、國防補給、R&D投資組合，以及其他許多領域。他是國際上公認的專家，專長在指標、決策分析及風險管理，同時也是眾多研討會的熱門演講者。他曾為知名期刊如《Information Week》、《CIO Enterprise》、《Architecture Boston》、《Analytics》、《OR/MS Today》等撰文，同時也是《The Failure of Risk Management: Why It’s Broken and How to Fix It》一書的作者。
譯者簡介
高翠霜...
- 本书彻底颠覆传统量化观念，明确指出衡量的本质是减少不确定性而非追求绝对精确。作者强调，只要能让决策者比之前知道得更多，即便存在误差或范围模糊，也是成功的衡量。这种思维转变帮助读者摆脱对完美数据的执念，转而关注如何通过合法、低成本的手段获取足以支持决策的信息，从而在商业和生活中更理性地处理风险与不确定性。
- 书中提供了大量实用且低门槛的量化技巧，如费米估算、5人法则及贝叶斯分析等。作者证明，即使面对看似无形的事物如满意度、风险或组织弹性，也能通过澄清链将其转化为可观测指标。同时，书中严厉批判了常见的统计谬误和伪科学量化行为，教导读者如何识别并避免使用错误的方法，确保数据分析的真实性和有效性，防止因错误量化导致的灾难性决策。
- 本书深入探讨信息价值与决策成本的关系，教导读者如何评估获取额外信息的必要性。作者指出，多数商业变量对最终决策并无实质影响，盲目追求全面数据不仅浪费资源，还可能引入噪音。通过计算预期机会损失和信息价值，读者能学会只进行必要的最小化衡量，以符合经济效益的方式完成风险评估。这种从‘如何测量’转向‘为何测量’的视角，是本书最具实战价值的核心贡献。
- 适合从事数据分析、风险管理、商业咨询及企业管理的专业人士。书中提供的蒙特卡洛模拟、风险建模及信息价值评估方法，直接对应金融、保险、科技等行业的合规与决策需求。对于需要向非技术人员解释数据局限性、纠正团队错误统计观念的管理者而言，本书提供了坚实的理论依据和沟通话术，有助于建立组织内正确的数据文化，避免陷入‘为了量化而量化’的陷阱。
- 适合对逻辑思维、批判性思考及科学方法论感兴趣的普通读者。书中关于费米估算、反直觉统计案例及认知偏差的讨论，极具启发性。虽然涉及概率论基础，但作者用通俗案例化解了数学恐惧，旨在提升公众在日常生活、新闻解读及个人决策中的理性判断力。读者无需具备高深数学背景，只需愿意接受‘不确定性是常态’这一观念，即可从中获益，提升自身的信息素养和决策质量。
- 适合希望提升自我管理能力、优化个人决策流程的职场人士。书中强调的校准训练和诚实评估自身知识边界的方法，有助于个人更客观地认识自我能力与外部风险。通过练习将模糊的直觉转化为可衡量的概率判断，读者能更好地规划职业路径、评估投资选项或处理人际冲突。本书不提供成功学鸡汤，而是提供一套严谨的思维工具，帮助读者在复杂多变的环境中做出更负责任、更理性的选择。
- 阅读前请准备好纸笔，书中包含大量需要读者亲自参与的校准练习和思维实验。作者强烈建议读者在开始前，先写下自己工作或生活中面临的具体决策难题，带着‘如何衡量此问题’的目的阅读。切勿将本书当作纯理论读物，而应视为操作手册。遇到费米估算或5人法则等章节时，务必动手计算，否则无法体会其威力。若跳过练习，将错失本书最核心的实践价值，难以真正掌握降低不确定性的技巧。
- 本书部分章节涉及概率论、统计学及信息论基础，阅读门槛较高，需保持耐心。若遇到数学推导或复杂模型感到困惑，建议暂时跳过细节，重点理解其背后的逻辑意图：即为何传统方法错误，以及正确思路为何。作者旨在传达思维范式而非培养统计学家。对于不熟悉的术语如‘贝叶斯分析’或‘蒙特卡洛模拟’，可利用网络资源辅助理解，但切勿因技术细节而放弃阅读。重点在于掌握‘定义问题’和‘评估信息价值’的原则，而非复现代码。
- 警惕书中对‘专家意见’和‘直觉’的批判性讨论，这并非否定经验，而是强调未经校准的直觉充满偏差。读者需反思自身过往决策中是否依赖了不可靠的‘感觉’。同时，注意区分‘衡量’与‘预测’，本书关注的是如何量化当前状态和已知风险，而非预知未来。若将书中方法误用于预测不可控的黑天鹅事件，可能会产生误解。请始终牢记：衡量的目的是支持当下决策，而非消除所有未知。保持批判性思维，结合具体场景灵活应用。
- 读者普遍认为本书彻底改变了他们对‘量化’和‘数据’的认知，从追求绝对精确转向接受不确定性并致力于减少它。这种思维范式的转换被评价为极具颠覆性和启发性，许多读者表示读完后再看媒体报道或商业报告时，能更敏锐地识别其中的逻辑漏洞和统计谬误。尽管部分读者反映书中数学内容较难，但多数人认为其提供的思维框架远超技术细节，对提升理性决策能力有显著帮助，是培养科学思维和批判性思考的必读之作。
- 读者一致指出书中提供的具体技巧如费米估算、5人法则及澄清链极具实用价值，尤其在资源有限或数据缺失的情况下，这些方法能帮助快速获得近似答案以支持决策。然而，也有部分读者批评书中对‘校准’和‘专家作用’的论述过于理想化，认为在现实商业环境中，完全依赖个人校准难以落地。尽管如此，大多数读者仍认可其核心观点，即任何事物皆可衡量，并赞赏作者对错误量化行为的严厉批判，认为这有助于遏制职场中滥用数据的现象。
- 读者反馈本书阅读体验较为吃力，需要反复思考和练习，不适合浅阅读或追求速成的读者。但坚持读完的读者均表示收获巨大，认为其提供的不仅是技术，更是一种负责任的态度：在不确定世界中，诚实评估自身知识边界并寻求合法降低不确定性的方法。部分读者建议配合原书网站资源或英文版辅助理解，以克服翻译带来的晦涩感。总体而言，读者认为这是一本需要‘慢读’和‘实践’的经典，虽难但值得，对提升个人专业素养和决策质量有长远益处。
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。
- "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。"
显示全部
