[心得] 如何衡量萬事萬物

反之，如果你無法加以量度，或是無法以數字將之表達出來，那麼你對於那樣東西的所知，則要歸於貧乏之列，或是嚴重不足— Lord Kelvin

前言

之前和朋友聊到數位化，我認為數位化可以拆解為自動化和資料驅動兩個概念，自動化比較好理解，但是如果想在企業內部套用數據驅動會是什麼概念? 當決策都需要靠數據支撐，驗證時，很多無法測量的東西要怎麼蒐集? 這本書提供很好的切入點去思考那些看似不能衡量的事物，而且是用符合經濟效益的方式來衡量。

如何衡量萬事萬物：大數據時代，做好量化決策、分析的有效方法

那些看似無法測量的事物

在企業中其實很多這些看似不能測量，但是非常重要的事情，像是：

• 各種無形資產
• 管理效能
• 新產品的預期營收
• 研究的生產力
• 資訊的價值
• 倒閉風險
• 計畫失敗的風險
• 品質
• 公眾形象

這些例子每個對於企業都很重要，如果無法衡量，怎麼知道目前做到什麼程度，更不用談如何做決策，如何改進了．

降低不確定性

真實的衡量不需要完全準確，而是數量上降低不確定性的觀察．只要降低不確定性，不必然要消除不確定性，對衡量來說這就足夠了．

俗話說不要因噎廢食，但是實際上常常看到人們在決策的時候，會因為覺得無法做到最好、完美，而就覺得解決方案行不通．但實際上，只要消除一點不確定性，也就有很大的進展了．

這邊分成三個面向來討論：

衡量的觀念：不是完全精確才叫衡量，降低不確定性也是一種衡量

衡量的客體：把一個問題說清楚，這個問題就已經解答了一半．常常我們是因為連要衡量什麼都搞不清楚，當然不知道怎麼衡量．

衡量的方法：書中列出一些小成本的解決方案，像是五的規則、以小隨機樣本衡量、衡量主觀偏好的方法以及罕見事件的風險等等．

當在思考衡量問題時，書中提供四個假設心法，讓不敢衡量/不知道怎麼衡量的人能夠跨出第一步，

1. 你的問題不像你想的那麼獨特
2. 你用有的資料多過你所想的
3. 你需要的資料少於你所想的
4. 適當數量的新資料比想像中容易取得

如何衡量

作者提出了衡量的通用方法

1. 定義決策問題及相關的不確定性
2. 確定你不目前知道什麼
3. 計算額外資訊的價值
4. 將相關的衡量工具應用在高價值的衡量上
5. 作出決策並付出行動

以上每點息息相關，也是本書的重點所在．後續再陸續整理心得．