跳到主要內容

閱讀 |《如何衡量萬事萬物》閱讀心得

《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》
HOW TO MEASRUE ANYTHING: Finding the value of “intangibles” in business


我承認我也是被書名吸引到的讀者之一。無論是原文或者中文書名，怎麼看都比較像是出版商的行銷噱頭，但實際讀過這本書之後才發現，作者不是鬧著玩的。

或許會有讀者以為這本書裡頭會有滿滿的數學，事實上正好相反。本書的目的主要在破除一般人對於「衡量」（Measure）的各種迷思，進而提供一些實用的衡量流程與方法。

當然裡頭還是有一點數學，作者提供了一些的量化衡量技巧，用到的數學並不難，即便只是高中生，也能依照書中的流程說明，循序漸進地瞭解並應用當中的數量方法。而且其實裡頭有些觀念及方法，經過台灣考試文化摧殘的學生們應該都不陌生，例如「刪去法」（只是作者採用的是其他的稱呼方式）

稍微令我驚訝的是，本書的出版年份其實還挺早的，原文書的初版在 2007 年就已經發行了，距今也有 10 來年了。大概也因為如此，作者專門用一個章節來推薦如何用網路來進行衡量，而該章節所提到的技術之一竟然是 Google Map 以及現代我們可能已經習以為常的科技工具，不僅如此，本書所示範的 Excel 函數也全都是 2003 年的版本 XD

對此我並不感到意外，考量到其成書年代，作者大概也沒料想到，這些能夠協助衡量及計算的科技工具，在這十年內有突飛猛進的成長。但即便如此，本書的實用性完全不會因為年代而有所影響。這就跟大多數以傳授知識為主的書一樣（例如：統計學課本……），真正有價值知識，是經得起時間考驗的。

雖然作者本身是商業顧問出身，書中不少案例也都是以商業類型為主。但本書所提到的觀念與衡量方法，絕對適用於任何領域。你可以把它當作一本工具書、商業科普書、數學科普書，而它確實都是。

而若真要說本書有沒有什麼誇大不實的內容，大概就是中文書的副標題了。這本書真的和大數據無關 XD，這部分才是出版社為了吸引讀者而採用的行銷噱頭。



-----------------------（下收內容節錄）-----------------------

P.16

萬事萬物都是可以被衡量的。如果有辦法觀察一件事物，這件事物就能被某種方式衡量。無論這項衡量多「模糊」，只要能讓你知道得比以前多，這就是一項衡量。而那些最常被視為無法衡量的事物，事實上卻總是可以用相對簡單的方法予以量化。



P.42
人們認為一件事物無法量測的理由有三：這三個理由其實都根源於不同衡量面向的誤解。我稱這些面向為觀念、客體、以及方法：

1.  衡量的觀念
衡量本身的定義，普遍受到誤解。若能瞭解「衡量」真正的意思，很多事物都變成可以衡量了。
2.  衡量的客體
對於欲衡量的事物，未能做完善的界定。草率及模稜兩可的言詞是衡量時絆腳石。
3.  衡量的方法
許多實驗觀察的程序，一般人並不十分瞭解。若人們能熟悉這些基本的原理，顯然會有許多被認為是無法衡量的事物，不但會是可以衡量，而且早已都被衡量過了。


還有三個理由是認為有些事物「不應該」被衡量。這些常見的理由有：

  1. 經濟上的反對理由（也就是耗資龐大的衡量）
  2. 統計學的有用性及有意義性的反對理由（也就是，「你可以用統計證明任何事物」）
  3. 道德上的反對理由（也就是因為違反道德倫理，所以我們不應該做衡量）



P.169
請回答以下幾個問題，好決定合適的衡量方法類別：
  1. 該項事務的那些部分是我們不確定的？
  2. 別人對此（或已細分過的部份）是如何衡量的？
  3. 找出的「可以觀察的事物」如何引導衡量？
  4. 我們真正需要衡量的有多少？
  5. 誤差是來自什麼？
  6. 使用什麼工具？


 P.247
先備知識（Prior Knowledge）的矛盾：
在大多數關於抽樣的課程中所涵蓋的非貝氏統計，都假設你對估計數值的知識是來自於抽樣樣本──在抽樣之前，你對可能的數值一無所知。而在同時，大部分統計學都假設，你知道估計的機率分配大約是常態分配。換言之，傳統參數式統計學假設你不知道的，事實上是你知道的；而它假設你知道的，事實上你卻不知道。
P.327
我注意到，許多分析師、顧問、企業人士似乎都將「衡量」和「商業上的利益」（business-cases）看作是一樣的東西。他們沒有提供太多使用觀察來降低未知數量的不確定性的例子，反倒解釋了他們如何將自己想要的計畫讓有商業效益上的合理性。
板主碎念：確實這在專業的數據分析或技術人員眼中是沒道理的。但是就現實而言，這反倒很合理。因為在真實世界，有太多太多的案例都告訴我們，各種專業人士的建言、分析結果、或相關認證，往往只是幕後政治力的棋子、手段、及工具。這種「現實」在華國社會又尤其常見。


-----------------------（下收延伸閱讀）-----------------------

標籤：