新書推薦：
《
生活来来往往 别等来日方长 新版（伍佰：“讲好了这一辈子，再度重相逢。”别等，别遗憾！珍惜当下才是最好的解药）
》
售價：HK$
58.2
《
一个英国军事顾问眼中的二战
》
售價：HK$
277.8
《
就业、利息和货币通论（徐毓枬译本）（经济学名著译丛）
》
售價：HK$
67.2
《
瘦肝
》
售價：HK$
99.7
《
股票大作手回忆录
》
售價：HK$
55.8
《
秩序四千年：人类如何运用法律缔造文明（世界重归混乱，文明岌岌可危，法律与秩序是我们仅有的武器。穿越时间，鸟瞰全球，一部波澜壮阔的人类文明史）
》
售價：HK$
154.6
《
民法典1000问
》
售價：HK$
99.7
《
国术健身 易筋经
》
售價：HK$
33.4
|
| 編輯推薦： |
大数据商业实践版
管理大师德鲁克与戴明的智慧共识：无量化、无管理；先量化，后决策
魔鬼藏在数据里，决策藏在量化中
绩效改革后，员工的士气提升或降低了多少？
华尔街的敛财高手量化大众情绪，进而决定买入还是抛售股票？
奥巴马测算出选民喜好，最后一举击败罗姆尼而连任？
一年的幸福婚姻相当于你多赚了10万？
PM2.5对市民健康的影响到底有多大？
信息技术管理专家、畅销书《大数据》作者 涂子沛
甲骨文大中华区技术战略部总经理 刘松
国际心理科学联盟副主席，中国心理学界公认的奠基者 张厚粲教授
中国社科院信息化研究中心秘书长《互联网周刊》主编 姜奇平
汇添富基金公司首席投资理财师 刘建位
著名经济学家 王福重
全球最大中文IT社区 CSDN＆《程序员》创始人 蒋涛
中国传媒大学调查统计研究所教授 沈浩
上海交通大学长江学者特聘教授 王小帆
联合推荐
大数据带来更准确的预算
更准的预测带来更佳的决策
|
| 內容簡介： |
完美决策=直觉+经验+数据
你还在依赖直觉和经验艰难地作出决策吗？这本书让你定量决策：
可口可乐动用2000名调研员，对19万人进行口味测试后，如何作出最终决策？
如何衡量并未开口抱怨的顾客对服务或产品质量的不满意度？
如何通过数学公式找到最适合你的另一半？
数据无孔不入，大数据时代，谁掌握了数据，谁就能把握成功。“一切皆可量化”，道格拉斯这个大胆的宣言是解决诸多生活和商业问题的关键所在。
无论你的问题看起来多么不可量化，如健康、幸福感、顾客满意度、IT安全、投资风险、品牌价值、组织灵活性等，在本书中都可以找到量化的办法。作者在本书中：
专注于量化不确定性、风险和数据价值；
提供了令人拍案惊奇的测算无形之物的简便方法，让你仅仅基于已知数据就能准确决策；
展示了丰富而精彩的量化案例，让身边的数据唾手可得。
本书兼具实用性、可读性与趣味性，甚至让反感数据的人也能发现它的亲切。
|
| 關於作者： |
道格拉斯· W. 哈伯德（Douglas W·Hubbard）
大数据时代的“价值捕手”
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。道格拉斯用该方法：
· 每年为美国海军陆战队节约至少5 000万美元的燃油费
· 帮助退伍军人事务部总投资1.3亿美元的IT安全项目作出正确决策
· 为美国环境保护署安全饮水信息系统减少350万美元的损失
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ORMS》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。
|
| 目錄：
|
权威推荐序 大数据时代的量化决策方法
自序 一切皆可量化
第一部分 量遍天下：没有什么不可量化
第1章 无形之物有法可测
幸福婚姻的价值和人生的价值都可量化？
管理顾问，绩效测评专家无法解决但本书可搞定
第2章 不同时代，不同领域的量化大师
坐在图书馆里就能估算出地球周长？
物理学家何如估算出芝加哥的钢琴调音师有多少？
只花费10美元，9岁女孩就揭穿医学谎言
质量和创新究竟能为企业带来多大的收益？
从量化大师身上能学到什么？
第3章 他们为什么说无形之物不可量化？
对传统定义的挑战
澄清链：量化方法就隐藏在量化目标中
5人法则：只需很小的样本就可以减少不确定性
4 个假设让量化看上去很简单
量化真的需要不菲的代价吗？
可以相信统计数字吗？
99岁患病老人不如5岁儿童的命值钱？
量化的5大步骤
第二部分 量化什么：不确定性、风险、信息价值
第4章 厘清待量化事物与决策的关系
清晰定义“不确定性”和“风险”
为退伍军人事务部IT 安全项目进行的量化工作
第5章 校准训练：修正你的判断
校准练习：让“估计”变得更准确
你的估值范围=你的认知程度
90%的信心意味着90%的概率吗？
经过校准训练的人往往预测得更准确
第6章 蒙特卡洛模型：评估风险大小
分清“感觉很好”与“真的很好”
蒙特卡洛模型：范围也能进行加减乘除？
寻找盈亏平衡点
不必一开始就建立蒙特卡洛模型
风险悖论：越重大的决策，越缺少风险分析
第7章 一条减少不确定性的信息价值多少？
预期机会损失：出错的机会和成本
消除所有不确定性的价值有多大？
不确定性越高，你需要的信息越少
量化倒置：最重要的常常被忽视
分清有价值和无价值的量化
第3篇 量化方法：如何减少不确定性
第8章 选择和设计量化方法
广义的测量仪器=测量方法
将不可量化之物分解为可量化之物
通过互联网获取方法
寻找、观测、跟踪相关线索
数据不在多，够用就好
准确度≠精确度
确定测量仪器
第9章 随机抽样：窥一斑而知全豹
凭直觉估计数值范围
t统计量法：只需一点小样本
统计显著性：结果是真还是假？
如何处理异常值？
不用计算，就可估计出平均值
两次独立抽样：抓与重抓就能算出湖里有多少鱼？
寻找阈值：在哪个点上作决定？
对照组实验：当事件还未发生时
变量的相关程度：风马牛之间有多大关系？
什么时候才使用假设检验？
第10章 贝叶斯方法：利用已知估算未知
贝叶斯定理：若A发生，则B发生的可能性多大？
使用你天生的贝叶斯：用新信息更新旧信息
异构标杆法：借助“类比法”来评估
贝叶斯反演法：如果X为真，如何看到这一点？
区间范围的贝叶斯反演法：每种结果出现的概率是多少？
贝叶斯法教会我们什么？
第4篇 量化抽象事物：偏好、态度和判断
第11章 量化人们的偏好和态度
观测人们的意见、价值观和幸福感
支付意愿法：通过讨价还价估算生命价值
投资边界曲线：量化风险承受能力
效用曲线：选鱼还是选熊掌？
绩效量化：一切都可归结为利润
第12章 人的判断和测量仪器哪个更准？
人类的心理如何影响决策？
令人惊讶的简单线性模型
不变比较原则：将任何估值都标准化
透镜模型：消除评估过程中的不一致
两种不适用的量化方法
各种评估方法价值比较
第13章 新型测量方法和仪器
全球定位系统GPS：革命性的量化工具
用屏幕抓取软件和混搭法挖掘网络信息
通过电子邮件就可以量化顾客的满意度
预测市场：苹果公司何时倒闭？
第14章 通用的量化方法：应用信息经济学
量化的通用框架和一般步骤
饮水监控系统为公众健康带来多少利益？
海军陆战队的燃油需求有多大？
一些虽未讨论但可能出现的量化难题
致谢
附录
附录1 第5章校准测试题答案
附录2 附加的校准测试题及答案
|
| 內容試閱：
|
第一部分
量遍天下
没有什么不可量化
坐在图书馆里，通过不同城市正午阴影的不同长度，古希腊人就能测出地球周长？通过一个简单的乘法公式，费米就能测算出芝加哥的钢琴调音师有多少？只花10
美元的实验，就能让9 岁女孩测出医学中关于超自然能量的谎言？
第1 章
无形之物有法可测
当你能够量化你谈论的事物，并且能用数字描述它时，你对它就确实有了深入了解。但如果你不能用数字描述，那么你的头脑根本就没有跃升到科学思考的状态。（英国物理学家开尔文勋爵）
凡事皆可量化。如果人们找到观测事物的方式，并找到某种方法，无论这种方法多么“模糊”，它能让你知道得比以前更多，那么它就是一种量化方法。实际上，对那些看似不可量化的东西，人们总能找到相对简单的量化方法。
在本书中，我们将讨论怎样找到那些在商业领域中经常被称为“无形之物（Intangibles）”的价值。对“无形之物”这个词一般有两种理解。一种理解是按照字面之意，无形之物从物理上说确实是触摸不到的东西，但这些事物却被广泛认为是可量化的，这是最普遍的一种理解。例如时间、财政预算、专利权等。实际上，围绕诸如版权和商标估价等所谓的无形之物，人们已经建立起了发达的产业。另一个意思是：从任何方面都完全无法直接或间接量化的事物。我认为，从这个意义上说，无形之物根本就不存在。
在你工作的组织里，或许你已经听说了“无形之物”：那些可能用任何方法都无法量化的东西。这些东西无法量化的想法是如此强烈，以至于你根本不再量化了。然而，这些量化方法或许会告诉你一些令你吃惊，进而促进你学习的知识。在现实生活中，你也许已经遇到过一个或多个这样的“无形之物”，例如：
◆ 管理效益
◆ 预测新产品的收益
◆ 政府新环境政策对公共卫生的影响
◆ 科学研究的生产率
◆ 创造新产品的“柔性”
◆ 信息的价值
◆ 破产的风险
◆ 某个政党赢得大选、入主白宫的机会
◆ 信息技术项目失败的风险
◆ 质量
◆ 公众形象
以上例子都和一个组织作出的重大决策密切相关，无论是商业计划还是政府政策，一项耗资巨大的项目都可能具有无法估量的重要影响。但在绝大多数组织里，由于相关的“无形之物”在人们眼里是不可量化的，因此在作决策时，人们几乎从未获得充分的信息，而这本书可以做到。
在审议投资提案和决定是否通过“指导委员会”时，我曾多次看到这样一种情况：有时，委员会会断然拒绝看起来收益比较“微薄”的投资提案。这些投资提案也许和信息技术、新产品的研究与开发、重大房地产开发或广告宣传活动相关。诸如“口口宣传的效果提高了”“减少战略风险”或“优质品牌定位”等重要因素，在评价过程中都被忽视，因为它们是不可量化的。提议被否决并不是因为提议人没有测算收益，而是人们相信不可能测算收益，永远不可能。由此带来的后果是，仅仅因为人人都知道如何量化一些事物，而不知道如何量化另一些事物，一些最重要的战略提议就这样被忽视了，而诸如节约开支这样的小主意却
得到了重视。同样令人不安的是，很多重大投资项目根本没有衡量标准，却都通过了议案。而事实上，一些组织在分析和量化上述列表中的所有项目时取得了成功，而他们使用的方法也许不像你想象的那么复杂。本书的目的就是让组织机构明白两件事：
◆ 看起来完全没有踪迹可循的无形之物，是可以量化的。
◆ 这种量化可以用比较经济的方法来实现。
为了实现这两个目标，本书将指出对无形之物的常见认识误区，呈现如何量化无形之物的通用方法，并为一些特殊问题提供有趣的解决方法。此外，我还搜集了一些人们解决最困难的量化问题的实例，希望能给读者启发。
通过本书，我还希望与量化工作紧密相关的、看似神秘难懂的统计学变得通俗易懂，而通过对统计学的讲解完全可以做到这一点。本书中，大多数数学问题都尽可能地被转化为简单的图形、表格和计算过程。本书所用方法比统计学的传统教材简单得多，所以大家要克服对量化方法的恐惧情绪。实际上，读者根本不需要任何高级的数学训练，只要有一定清晰定义问题的能力就行了。
幸福婚姻的价值和人生的价值都可量化？
我有一个建议：当你阅读本书前，请写下你认为不可量化或者找不到量化方法的事物。在读完本书后，你应该能解决这些问题，请别退缩。我们将谈论看起来几乎不可量化的事物，例如海洋里有多少鱼、幸福婚姻的价值甚至人生的价值。如果你想量化和商业、政府、教育、艺术或任何其他东西有关的任何事物，都可采用本书的方法。
如果以“数据化决策”这类文字为标题，即使写出多本大部头著作，也很难保证面面俱到。我的目标并非想囊括每个物理学或经济学领域，这些学科早就有解决各种有趣问题的量化方法了，而且这些领域的专家们早已认定他们研究的东西并非“无形之物”。因此，本书关注的焦点是与组织机构的主要决策相关甚至是至关重要的，但目前看起来没有量
化方法的事物。
如果我没有提到你遇到的难题，请不要认为本书的解决方法对你不适用。本书后面谈到的方法适用于和你公司、社区甚至个人生活息息相关的任何不确定性问题。作出这个推断并不困难，你可以回顾一下，学习小学数学时，你可能没有学过怎样计算347×79，但你知道同样的数学运算过程适用于任何数字的计算。因此，如果你的问题恰好是本书没有特别提到的，比如量化更好的产品标签法的价值、量化电影脚本的质量，或者量化动员大会的效果等，请不要沮丧。请读完整本书并按照书中提供的步骤操作吧，它们将成为完全可测之物。
管理顾问，绩效测评专家无法解决但本书可搞定
首先，我给出定义和解决商业领域中的量化难题的3 个建议：
◆ 关心量化工作，因为它会为决策提供信息。
◆ 决策前，需要量化多方面的事物，量化方案也很多，面对多
种方案，管理者可能难以取舍。
◆ 管理者需要运用一些方法来分析、选择这些方案，以减少决
策的不确定性。
也许你会认为前两点显而易见，根本就不必提。它们的确看起来很明显，但即使管理顾问、绩效测评专家甚至统计学家已经在头脑中作了充分准备，也很少能解决这些用于辅助决策的、意图明显的难题，因为他们也缺乏很多商业量化手段。量化是减少不确定性、优化问题的有效手段。一个商学院的教授在读了本书第一版内容后认为，我写了一本关于“决策分析”这一多少有些生僻的领域的书，并把它隐藏在关于量化的标题之下，所以商业和政府人士可能会读它。虽然这并不是我写此书的本意，但我认为他的评论正中要害。量化和决策支持密切相关，而且在量化领域本身，也要作一些决策。
如果决策难题有相当高的不确定性，而且如果决策错误会导致严重后果，那么减少不确定性的量化工作就具有很高价值；但如果量化结果无法产生重要影响，那么就没人会关心量化工作。同样，如果量化可以随时、随意地做，并且量化结果较有价值，那么我们就不会在量化什么、怎样量化，甚至是否量化等方面陷入进退两难的境地。
的确，量化本身是有市场价值的，例如对消费者的调查，哪怕量化结果只是为了满足人们的好奇心或娱乐心理，它也是有价值的。但是在辅助决策领域，量化方法必须满足该领域的需要。即使一项量化工作不能给你的决策提供信息帮助，也仍然会对其他决策有所帮助。如果这样，就会有人愿意为之付费。如果你对浑身长毛的猛犸象到底出了什么问题而导致其灭绝有兴趣，那我将再次确信，本书对你如何定义问题会有所帮助。从这里开始，本书将在3
大领域展开探讨：
◆ 为什么凡事皆可量化？
◆ 怎样设置和定义量化难题？
◆ 如何使用强大实用的量化方法解决难题？
实际上，有效量化往往比人们一开始想象的简单得多。在第2 章，我将通过3
个聪明人的例子来说明这点，他们所量化的事物，以前都被认为很难量化，甚至不可能量化。
第2 章
不同时代，不同领域的量化大师
所有科学都建立在近似观念之上，如果一个人告诉你，他精确地知道某事，那么可以肯定，你正在和一个不精确的人说话。（英国哲学家伯特兰?罗素）
要成为量化任何事物的大师似乎要具有一定野心，而且要不断前进。这就需要一些有启发性的案例不断激励我们。我们需要的是通过直觉就能找到量化方法，并能经常用令人吃惊的简单方法解决困难问题的量化“英雄”。
很幸运，有很多人给我们展示这种技艺，他们极具灵感、极富启发性。虽然这些实例来自商界之外，但它们可以开阔我们的视野，而且都可用于商界。
人们对定量调查研究的直觉如何？这里有几个人，虽不在商界从事量化工作，但可以教给商界人士这方面的知识。他们是：
◆ 一个通过观测不同城市正午阴影的不同长度，并应用简单的
几何学知识，测出地球周长的古希腊人。
◆ 一个获得诺贝尔奖金的物理学家，教会他的学生如何估算芝
加哥钢琴调音师的数量。
◆ 一个在《美国医学会杂志》（The Journal of the American
Medical Association）上发表论文的最年轻的女孩。9 岁时她
设计了一个实验，揭穿了在医学界不断普及的关于“抚触疗
法（Therapeutic Touch）”的谎言。
你也许听说过这些人的名字，或者只知道其中一两个。这些人彼此都没有见过面，但每个人都显示出了在定义量化难题、找到快速简单并能揭示结果的量化方法方面的高超能力。把他们的方法和在商界中学到的估算方法进行对比是很重要的。
坐在图书馆就能估算出地球周长？
我们的第一位大师——古希腊人埃拉托色尼（Eratosthenes，公元前276 ～ 公元前194
年，希腊天文学家和地理学之父，曾任亚历山大图书馆馆长。——译者注）做了他同时代很多人认为不可能做到的事情。他首先测出了地球的周长。如果你觉得这个名字有些熟悉，或许因为很多高中几何学课本中都曾提到他。
埃拉托色尼没有使用精确的测量设备，也没有使用激光和卫星，更没有环游地球测量旅游线路的周长，因为那可能要用一生的时间，而且可能花费他一生的积蓄。当他在埃及亚历山大图书馆工作时，通过读书他知道了在埃及南部的阿斯旺有一口深井，每年中都有一天的正午，太阳可以完全照到井底。
这意味着那个时刻的太阳完全在井底的正上方。但在同一时刻，几乎在阿斯旺正北方的亚历山大城的垂直物体在太阳下有阴影，这意味着亚历山大城的阳光有一个小小的倾角。埃拉托色尼意识到，他可以运用此信息估算地球的周长。
他从书中了解到，那一天亚历山大城正午时的阴影倾角，正好等于圆周长150
的圆弧相对的圆心角大小。因此，如果亚历山大城和阿斯旺的距离也是一段圆弧的150，那么地球周长就应该是这两个城市距离的50
倍。
现代人如果重复埃拉托色尼的计算过程，会发现，无论是角度大小、计量单位大小还是古城之间的距离，得出的数据与埃拉托色尼的数据只有细微差别，而且他的计算结果与真实值之间的误差在3%
以内。和之前的知识相比，埃拉托色尼的计算是一个巨大进步，而且他的误差比现代科学家的误差还要小。
显然在他1 700
年后的哥伦布还不知道埃拉托色尼的计算结果，因为哥伦布的估值少了25%，这可能是哥伦布认为他到达了印度，而不是我居住的这个介于欧洲和印度之间的巨大大陆的原因。实际上，哥伦布之后又过了300
年，才出现了更精确的量化方法。当时，装备了18世纪晚期法国最先进测量设备的两个法国人，带着大量随从和特许令，
才超过了埃拉托色尼。
埃拉托色尼以简单的观测为基础，只作了巧妙的数学运算，就完成了看似不可能的量化。我在量化工作和风险分析研讨班上询问学员，在不使用现代工具的情况下该如何估算地球周长？他们经常会使用“困难的方法”，比如环球旅行，但是埃拉托色尼在图书馆就把这项工作完成了。
部分观测者可能会说这是个量化难题，但埃拉托色尼采用了最简单的方法。他以有限事实为基础，就推算出了地球周长，而没有像他人一样认为困难的方法才是唯一的解决方法。
物理学家如何估算芝加哥的钢琴调音师有多少？
另一个不属于商界，但对商业领域的量化或许有启发的人是物理学家恩里科?费米（Enrico Fermi）。他在1938
年获得了诺贝尔物理学奖。费米在使用各种高明技巧方面很有天分，在量化工作方面也是如此。下面是一个广为人知的例子。
打开天窗说量化
用碎纸片竟能估算原子弹爆炸当量？
1945 年7 月16
日特里尼蒂（Trinity，美国新墨西哥州洛斯阿拉莫斯附近的特里尼蒂沙漠。——译者注）第一枚原子弹爆炸试验时，费米就展示了他的量化技巧。在其他科学家对量化爆炸当量的仪器进行最后校正时（爆炸当量，指爆炸所产生的能量与多少吨TNT
炸药爆炸所产生的能量相等。——译者注），作为基地观测爆炸情况的原子弹科学家之一，费米正在把一张纸撕成碎片。当第一波冲击波冲过营帐时，他把碎纸屑慢慢撒向空中，观察它们在冲击波的冲击下能飘多远，最远的碎片承受的就是波的压力峰值。费米据此得出结论，爆炸当量应该大于10
000 吨。这应该是一条新闻，因为其他观测者还不知道这个下限。这
次爆炸的当量会不会少于5 000 吨甚至2 000
吨？答案并不像初看时那么显而易见，因为这是原子弹的第一次爆炸，没人了解。在人们根据仪器的读数做了大量分析后，最终的计算结果为18
600吨。像埃拉托色尼一样，费米知道一条简单规则，那就是碎纸片在风力作用下的漂移和他想要量化的数据有关。
在整个职业生涯中，费米深谙快速估算的价值，并以教授学生们估算一些奇妙的数值而著称。学生们首次接触这些问题时，对所要量化的东西简直一无所知，最著名的例子就是“费米问题”。费米问他的学生该怎样估计芝加哥的钢琴调音师的人数，他们都是学科学和工程学的，开始时一般都会说他们对这个数据的相关知识知之甚少。
当然，也有一些解法是比较简单的，例如通过查看广告一个个统计钢琴调音师的数量，或者通过发证机构来检查某种执照的数量等。但是，费米要教给学生的是量化“无形之物”的方法，他希望学生们通过提问题并量化其数值，从而能真正了解并领悟到一些东西。
费米首先问学生们关于钢琴和钢琴调音师的其他问题，这些问题虽然也是不确定的，但相对容易一些，包括芝加哥当前人口数量（1930 ～
1950 年，略超过300 万）、每家平均几口人（2 或3）、家庭平均拥有的需要定期调音的钢琴数量（10 家里最多1 家，但30
家至少有1 家）、每部钢琴需要调音的频率（也许平均1 年1 次）、一个调音师平均每天能调多少部钢琴（4 ～ 5
部，包括交通时间）、一年工作多少天（约250 天）等。此时，就可以计算结果：
芝加哥调音师的数量 = 人口 每家人口
× 有钢琴的家庭百分比
× 每年调音次数
（调音师每天调音的钢琴数× 年工作天数）
根据选择的不同特定值，所得结果应该是20 ～ 200，一般在50
左右。费米可能从电话号码簿或行业协会弄到了真实值，当他把猜测值和真实值比较时，发现他总是比学生们猜测的更接近真实值。或许20 ～
200这个范围看起来很大，但考虑到这是学生们最初从“我们怎么猜得到”的态度开始一步步改进而得来的，就已经很不错了。这种解决费米问题的方法，被称为“费米分解法”或“费米解法”。这一方法不仅有助于估计不确定的数值，而且也给评估者提供了查看不确定性的来源。是每家平均拥有的钢琴数量不确定？还是钢琴每年需要
调音的平均次数不确定？又或者是调音师每天调音的钢琴数量或者其他什么因素？弄清楚不确定性的来源，可以帮助我们量化相关事物，以便最大限度地减少不确定性。
从技术上说，费米分解法不完全是量化，因为它不是建立在一种新的观测方式基础上的，但它确实是一种让你更加了解问题的评估方式。在商业领域，我们就是要避免陷入不确定性及无法分析的泥潭。为了避免被显而易见的不确定性压倒，我们应该从知道的事情开始提问。正如后面看到的，评测我们目前了解的事物的数量，是量化那些似乎根本不
可量化的事物的重要步骤。
打开天窗说量化
用新品牌在同一个市场上开设新的保险公司，
获利空间大吗？
查克?麦凯（Chuck
McKay）号称广告巫师，他鼓励公司使用费米的方法，评估某种产品在给定区域的市场规模。有一次，一个保险机构请查克评估在得克萨斯州的威奇托福尔斯小镇建立一个新公司的市场机会，因为它在当地没有任何业务，不知这个
市场是否还能容得下另一个保险公司。
为了评估商业可行性，查克利用互联网上的搜索引擎回答了几个费米问题。像费米一样，查克从人口这个大问题开始，然后逐步推进。
City-Data.com 上的数据显示，威奇托福尔斯一共有62 172
辆汽车；据美国保险信息研究所的信息，得克萨斯州每年每辆车的保险额是837.40
美元。查克假设几乎所有汽车都有保险，这是强制性的，因此威奇托福尔斯一年的汽车保险总额就是52 062 833美元。
保险公司知道保费的平均佣金率是12%，因此每年的总佣金收入就是6 247 540
美元。根据Switchboard.com上的数据显示，该镇一共有38
家保险机构，这和Yellowbook.com上披露的数据十分接近。当总佣金被这38 家机构瓜分时，平均每家机构每年可得到164 409
美元。
City-Data.com 还显示，该镇的人口已经从2000 年的104 197人下降到2005 年的99 846
人，由此可见市场可能正在紧缩。而且几家大公司可能会扩大规模，因此年收益估计比上文预计的还要少。而所有这些工作都是查克在办公室里完成的。
查克的结论：用新品牌在该镇开设一家新保险公司，不太可能获得良好的收益，因此保险机构应该放弃这个机会。
这里显示的所有数据都是精确数字，但不久我们将讨论，当只有一个不太精确的数据范围时，该如何作同样的分析。
只花费10 美元，9 岁女孩就揭穿医学谎言
另一个看起来有量化才能的人是艾米丽?罗莎（Emily
Rosa）。虽然艾米丽在《美国医学会杂志》上发表了一份量化成果，但她当时还没有博士学位，甚至没有高中毕业文凭。做实验时，她只是9
岁的小学四年级学生，正忙于她的科学实验项目。11
岁，她发表研究成果揭穿了“抚触疗法”能治疗疾病的谎言。这让她成为在声誉卓著的医学刊物上发表论文的最年轻的人，也让她成为在尖端科学刊物上发表论文的最年轻的人。
1996
年，艾米丽发现妈妈琳达在观看一部录像，讲的是“抚触疗法”。这是一个正在不断发展的产业，抚触疗法是一种通过操控患者的“能量场”来治疗疾病的有争议的方法。当患者一动不动地躺着时，临床医生会将他的手移到离患者身体几英寸（1
英寸 = 2.54 厘米）的地方，然后检测并去掉“不希望有的能量”，这种能量被认为是产生各种疾病
的原因。艾米丽对妈妈说，她可以根据这种方法做个实验。作为护士和美国国家反健康欺诈委员会的长期成员，琳达给她女儿的实验方法提了一些建议。
为了开展科学实验项目，艾米丽雇了21
个掌握抚触疗法的临床医生。她坐在桌子旁，临床医生坐在她对面，两人之间用一个纸板隔开，谁也看不见谁。纸板的下面剪了一些洞，艾米丽通过投掷硬币的方式，决定把手放在医生的左手还是右手处的洞里。然后，她把掌心朝上，离医生的手四五英寸远，这个距离会标记在纸板上。艾米丽的手和医生的手之间的距离是固定的，而且医生是看不到的。医生通过感知艾米丽的能量场，确定她是把手伸到了他的左手处还是右手处。实验结束后，艾米丽报告了她的统计结果，而且获得了最高分。
琳达从国家反健康欺诈委员会认识了巴雷特，并把艾米丽的实验告诉了他。巴雷特对该方法的简单性和初步调查结果很有兴趣，并将其介绍给了公共广播《科学美国人前线》（Scientific
American Frontiers）节目的制片人。1997 年，制片人给艾米丽的实验拍了一个短片。为了拍片，艾米丽说服了当初21
个医生中的7 个再次进行实验。
一共有21 个人进行了280 个独立测试以感觉艾米丽的能量场，其中的14 个人各测试了10 次，其他人各测试了7 次到20
次不等。在这些测试中，他们正确分辨艾米丽手的位置的概率是44%。如果纯粹凭运气，在95%
置信水平（指特定个体对待特定命题真实性相信的程度。——译者注）上，出现正面的概率也会在50%±6% 的区间内。也就是说，如
果你掷280 次硬币，正面出现的概率有95% 的置信区间为44% ～
56%。不过，这些医生们的运气实在差，因为他们的得分在该区间的下限，且仍在置信区间内。换句话说，采用“抚触疗法”的医生是“未经认证的”。任何人都可以通过猜测进行治疗，甚至比这些医生做得更好。
根据这些结果，琳达和艾米丽认为这个实验结果值得公布。1998 年4 月，当时艾米丽11
岁，就在《美国医学会杂志》上发表了她的实验结果。这让她被载入《吉尼斯世界纪录大全》，也让她成为在核心科学期刊上发表论文的最年轻的人。
詹姆斯?兰迪（James
Randi）是退休魔术师，也是著名怀疑论者。他建立詹姆斯?兰迪教育基金会，基金会是为了探索号称科学的超自然现象。他也给艾米丽的实验提了几条建议。兰迪创建了100
万美元的“兰迪奖金”奖励那些通过科学实验证明超感官知觉、预知未来或用魔杖就可探测水底矿脉的人。兰迪不喜欢别人给他贴上“揭穿超自然言论”的标签，因为他只想用科学的客观性来检验这些言论而已。由于不能仅通过简单的科学测试就让数百名申请人获奖，因此“揭露真伪”就成了兰迪奖金独特的作用。在艾米丽的实验结果发表之前，兰迪也对抚触疗法感兴趣，而且也想检验它。和艾米丽不同的是，他想雇佣一个临床医生来做此项试验，而那个医生失败了。
艾米丽的实验结果发表后，抚触疗法的支持者对其实验方法提出异议，认为该实验不能证明什么。一些人声称，感知能量场的距离实际上只有1 ～
3 英寸，而不是艾米丽实验中的4 ～ 5
英寸。其他人则指出，能量场是流动而不是静止的，而艾米丽的手保持不动，因此，这是个不公平的实验。然而，他们没有考虑到患者往往是躺在病床上接受“治疗”
的。兰迪对这些异议非常惊讶，他说：“人们总是事后找借口，但在实验之前，每个医生被问及是否同意那些实验条件时，他们不仅同意，而且还信心十足。”当然，对艾米丽实验结果最好的反驳方法其实很简单，就是设计一个严格控制的有效实验，以证明抚触疗法确实起作用，但迄今为止，这种实验还没有出现。
这种事情兰迪已经碰上很多次了，所以他对他的实验增加了一个小小的条件在实验之前，让被试者者签一份承诺书，证明他们同意测试的条件，以免日后反悔。事实上，被试者者都希望在现有实验条件下达到实验目标。当时兰迪还给了他们一封密封的信件，测试之后，如果他们不想接受实验结果，就可以打开信封。信的内容很简单，就是“你已经同意测试条件是最佳的，所以测试后你不能找任何借口。”兰迪看到他们对此十分恼怒。
艾米丽的例子为商界人士上了不止一堂课：
首先，即使是听起来动人的东西，如员工授权、创造力、
战略整合等，如果确实很重要，肯定有可观测的结果，而这些
并非是“超自然”的东西。即使是超自然的东西，也是可以量
化的。
其次，艾米丽的实验显示出在科学研究中经常使用的简单方
法的有效性，例如控制实验、小样本抽样、随机抽样以及使用单
盲或者双盲实验来避免被试者者或主试者的主观偏向。实验中，
我们可以组合这些简单的要素，以观察和量化各种不同的现象。
最后，艾米丽的实验只花了10 美元就揭穿了“抚触疗法”
的谎言。艾米丽本来可以利用这群测试人员，设计一项更精巧
的临床实验，来检验抚触治疗师到底给患者的健康带来多大益
处，但她并不需要那么做，因为她只问了一个简单问题就可以
解决这个难题。艾米丽推论，如果医生们可以改善患者的健康
状况，那他们至少可以感觉到能量场，因为这是抚触治疗师能
给患者带来益处的先决条件。如果他们连能量场都感觉不到，
那么关于抚触疗法的一切都值得怀疑了。
如果有足够一个小诊所从事医学研究的钱，她可能会找一个花费更多的方法，但她只花费很少，就达到了一定的准确度。对比一下，你所使用的量化方法，到底有多少可以在科学杂志上发表呢？
艾米丽的例子证明，简单的方法也可以产生重要成果。她的实验比绝大多数科学杂志上发表的简单多了，但是简单的实验给她的发现提供了强大的支撑力量。《美国医学会杂志》的编辑乔治?伦德伯格说，该杂志的统计学家“都被它实验的简单性、结果的清晰性迷住了。”
也许你会认为艾米丽是个神童，因为即使作为成年人，我们中的绝大多数人都很难想到这样聪明的量化方法。但艾米丽坚决否认这一点。当我修订本书第二版时，艾米丽正是心理学专业大四本科生，而且就快毕业了。她各科平均成绩是3.2，相当平庸，所以她认为自己只是个普通人。而且她确实碰到过那些期望遇到“在11
岁就发表论文的天才”的人。她说：“这对我来说很艰难，因为这些人认为我应该是火箭般蹿升的科学家，当发现我如此普通时，他们很失望。”在和她谈过话之后，我认为她有点过于谦虚了。但她的例子雄辩地证明：如果绝大多数管理者试着进行那些看似不可能的量化工作，将会取得巨大成果。
我曾多次听过这样的说法：应该避免使用诸如控制实验这样的高级量化方法，因为管理者不懂。卡通画家斯科特?亚当斯半开玩笑地指出，只有最没有竞争力的人才会被提升，而这似乎是在假定所有的管理者确实都被迪尔伯特法则（工作最没效率的员工被自动推向他们能造成破坏最小的岗位。——译者注）控制了。艾米丽，请把你的实验解释给他们听吧。
质量和创新究竟能为企业带来多大的收益？
商界该如何量化一个以前从未量化过的“无形之物”？这里有一个有趣的例子，就是麦特信息基础架构（Mitre Information
Infrastructure，MIL） 系统。该系统是在20 世纪90
年代晚期由麦特公司开发的，后者是一个为联邦机构提供信息工程和信息技术咨询的非营利组织。MIL
是一个提高部门合作力的知识管理系统。
2000 年，《首席信息官》（CIO Magazine）杂志曾发表过一个关于MIL
的案例。该杂志通常会派一个记者单独完成案例中的所有艰巨工作，然后邀请社外专家写一篇叫做《关键分析》（Critical
Analysis）的专栏文章。当案例涉及价值、量化、风险等方面的问题时，该杂志经常请我写专栏意见，因此我也受邀写MIL
的案例。
这篇案例文章引用了麦特公司首席信息官阿尔?格拉索的话：“最重要的收益是不能被简单量化的，我们的解决方案能提高质量，实现创新，所有的信息都唾手可得。”但是我在专栏文章中提出了量化质量和创新的简易方法：
如果MIL 真的提高了传递信息的质量，就会影响客户对企业的看法，并最终产生利润。因此，可以随机询问一些顾客，让他们给使用MIL
系统之前和之后的信息传递质量打分就行了，但要保证他们不知道哪个在之前哪个在之后，看看提高了的质量是否使得他们在近期购买麦特更多的服务。
和艾米丽一样，我建议麦特公司不要下阿尔?格拉索那样的结论，如果质量和创新确实吸引了更多顾客，难道就没人感觉到吗？他们难道就分辨不出任何差别？如果在一个盲测中被试者者不能分辨在实施MIL之后的“高质量”或“更多的创新”，那么顾客满意度或者利润就不会有什么差别。如果顾客确实能分辨出MIL
比以前的系统强，那你就可以考虑下面的问题了：提高的收益是否能弥补2000 年的700
多万美元的投资？和其他所有事情一样，如果不能检测出质量和创新给麦特带来的收益，就说明这两者根本无关紧要。麦特现在和过去的雇员都跟我说过，我的专栏文章引起了公司内部的大讨论。但是，他们对任何检测质量和创新的措施仍不关心。记得首席信息官说这将是MIL
最重要的收益，但他们仍不展开任何量化工作。
从量化大师身上能学到什么？
埃拉托色尼、费米和艾米丽给我们展示了和商界极为不同的东西。首席执行官经常会说：“我们不能一开始就对某件事情猜测。”他们认为不确定性是永远无法解决的。当和这些不确定性打交道时，他们宁愿被震慑得一动不动，也不愿意尝试做一些量化工作。面对这种情况，费米或许会说：“是的，有很多事情你确实不知道，但是你知道什么？”
其他管理者或许会反驳：“如果不花几百万美元，根本没法对那种事情量化。”因此他们不愿意进行一些小研究，因为这些小研究虽然花费很有限，但比大型调研工作更容易犯错误，可这种减少不确定的量化工作出的结果也许值几百万美元。埃拉托色尼和艾米丽也许会指出，有效量化可以告诉你以前不知道的事情，包括预算问题，如果你多一点点创造力、少一点点害怕的话。
埃拉托色尼、费米和艾米丽以不同的方式启发着我们。埃拉托色尼无法估算误差，因为估计不确定性的统计方法在2000
多年后才出现，但如果他有计算不确定性的方法的话，只需测出两个城市的距离以及阴影的倾角是否存在不确定性，而这也很容易计算。幸运的是，我们现在有了可以减少误差的工具。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。
我们从恩里科?费米那里学到了与此相关但又不同的内容。费米获得了诺贝尔奖金，是精通实验和理论的物理学家。但是费米问题显示了如何量化初看十分困难甚至无法估测的事物。对于没有获得诺贝尔奖金的人来说也是如此，虽然对各种高级实验方法的掌握有助于解决问题，但我认为无形之物之所以看起来不可量化，绝不是因为缺乏复杂的量化手段。在商业领域，通常看起来不可量化的事物常常有非常简单的
量化方法，只要我们学会怎样看透迷雾即可。在这个意义上，费米给我们的启示就是，我们怎样确定目前的知识状态，然后以此为基础展开进一步量化工作。
和费米的例子不同，艾米丽的例子基本上和初始判断无关，因为她的实验对抚触疗法的疗效没有任何先入为主的假设。她的实验也没有使用精妙的算法来代替不可行的量化。她的计算仅仅基于标准抽样方法，并不需要更进一步的、像埃拉托色尼的简单几何学计算那样的知识。但是艾米丽确实展示了有用的、不算复杂而且也不昂贵的量化方法。而且，理解她的实验绝对不会比理解诸如抚触理论、战略整合、员工授权、加强沟通等“短命概念”（Ephemeral
Concepts）难。
和这些课程同样有用的是，我们将在此基础上进一步完善费米的方法，学习怎样评估某事物的不确定程度。而其中一些抽样方法在某些方面甚至比艾米丽使用的还要简单。还有一些简单方法，甚至可以让埃拉托色尼不用环游地球就能提高计算地球周长的精度。
给出以上这些例子后，我们奇怪为什么还有人相信某些事物是不可量化的。实际上，只有很少的论据蛊惑人们相信一些事物不可量化。在第3
章，我们将讨论为什么这些论据都是缺乏说服力的。
|
|
購物車/收銀台(0) | 在線留言板
| 付款方式
| 運費計算
| 聯絡我們
| 幫助中心 |
加入書簽
HOME
新書上架
