作者認為，認為一件事物無法量測，理由有三個面向：

1. 衡量的觀念：按照昨天的摘要，最大的誤會是人們常常覺得衡量要找出一個「量」，但衡量的定義其實是
   • 根據一項或多項觀察
   • 以數量表達的方式 (不一定是 "數值")
   • 降低不確定性 (this is 目的)
2. 衡量的客體：對於想要衡量的事物，沒有做完善的界定，使用了草率或模稜兩可的語言
3. 衡量的方法：對許多實證觀察的程序不理解

昨天摘要了「衡量的觀念」，今天繼續。本段作者的目的是「破除認為有些事情不可衡量的迷信」，此處提及的大部分方法會在後續篇章介紹。

釐清衡量的客體

狀況

• 即使你清楚了解衡量的實用定義 (降低不確定性)，但還是會覺得某些事物無法衡量。這是因為當我們提出問題時，就不知道問題的意思。也就是說，對於要衡量的客體 (object) 缺乏明確的定義。
• 例如想要衡量「策略聯盟」或「彈性」或「客戶滿意度」，你常常會需要問：「那是什麼意思？」
• 當人們進一步推敲他們的用詞時，幾乎常常在這個過程中，就已經回答了他們的衡量問題。

例子：想要定義「IT 安全的績效指標」

• 問：所謂的「IT 安全」，到底是什麼意思？
• 經過 2～3 次的釐清會議後，定義：
  • 「IT 安全」指的是「減少未經授權的侵入 & 電腦病毒的攻擊事件」
  • 這些事件若發生，會對組織造成影響，例如詐騙損失、生產力損失，或潛在法律責任

目標是將「模糊的概念」分解成「真正想要觀察的事項」

以下介紹兩種流程，也許可以幫助指引你釐清衡量的客體

引導思考的方法 1：釐清連鎖 clarification chain

目標：一開始認為某件事是「無形的」，在引導中漸漸認為該事物是「有形的」

認知的流程：

1. 若你相信該問題具重要性，它就應該能被觀察到
2. 若它是可以觀察到的，我們就能偵測到某種數量（或可能的數量範圍）
3. 若我們能偵測到可能的數量範圍，它就是可以衡量的

例如，我們發現我們關心「公眾形象」這項無形事物

你關心的原因是它影響了「顧客口碑」

而口碑又影響了「銷售」

形成以上認知後，你可以開始著手尋找衡量「公眾形象」的方法

引導思考的方法 2：假想的 A/B testing

如果嘗試了 clarification chain 之後沒有成功，可以再嘗試另一種思想實驗。

想像你是一個外星人科學家，然後假設你正在針對速食連鎖事業，研究「員工授權」的效果。

在此實驗中，你創造了兩組一模一樣的組織，一個是實驗組，另一個是對照組。實驗組有較多的員工授權。

思考：你猜你會在第一組觀察到什麼方面的變化？（以直接或間接的任何方式來觀察都行）

• 例如，組織中的較低層級會來做決策嗎？這些決策會更好或更快嗎？
• 員工的監督可以減少嗎？你可以採用扁平管理，減少管理成本嗎？

只要你能找出至少一項的觀察，你就快要找到衡量他們的方法。

「衡量的目的」是定義「衡量什麼」的關鍵

• 要搞清楚「衡量什麼」時，有必要說明「為什麼」我們要衡量某件事
• 經理人關心的任何衡量，都必須支援至少一項特定的決策

衡量的方法：只要知道任何一件之前不知道的事就能成立

有些事情看似無法衡量，是因為當事人不知道簡單的衡量方法，而把事情想得太過複雜，產生預設立場。

基本主張

• 只要有任何一項觀察，能告訴你一些之前不知道的事，它就是一種衡量
• 在事情最模糊的時候，最初的幾個觀察值，反而能最大幅度地降低不確定性
• 因此，即使是簡易的衡量方法，也很值得實踐

其實能採取簡單方法的情境

以下作者舉出一些人們常常認為難以執行的狀況，並認為運用不同的抽樣 & 對照控制，大多有簡易的作法，能獲得快速的觀察值。

• 以非常小的隨機樣本數來衡量
• 要在無法完全看遍母體的情況來衡量
• 涉及許多變數（含未知的變數）時進行衡量
• 衡量罕見事件的風險
• 衡量主觀偏好與價值

五的規則

隨機找出 5 個樣本，母體的中位數會有 93.75% 的機率，落在 5 個樣本的 max & min 之間。

例如，想要調查遠距辦公的機會，因而在調查「員工平均的通勤時間」

隨機抽樣的數字是：30, 60, 45, 80, 60 分鐘

則此時可獲得一個大致的範圍是 30~80 分鐘

針對預設立場反向思考

作者認為，有時候難免會因為種種原因，而採取某種預設立場，例如：

• 人們不會記得他們花了多少時間
• 有太多因素影響了銷售，你不知道提案的影響力有多少
• 我們的客戶太多樣化，需要很龐大的樣本數

作者建議，這些預設立場全都是「不具生產性的假設」，此時，不如採取「具生產性的假設」

以下是四項對衡量有用的假設

1. 你的問題不像你想的那麼獨特
2. 你擁有的資料多過你想像的
3. 你需要的資料少於你想像的 → 例如 5 的規則
4. 數量適當的新資料比你想像中容易取得

針對 4，作者舉例：

• 想要衡量「管絃樂團的表演有沒有進步」時，
• 專家可能會設計一種顧客意見調查，請顧客對某表演做評等，然後加入一些參數，合併起來變成「滿意度」指數。
• 但克里夫蘭管絃樂團採用的方式是「計算觀眾起立鼓掌的次數」

總之，衡量的目的是「降低不確定性」，以支援某項決策，而非僅僅獲得一個「數值」。

你可以採取任何能夠簡易執行的嘗試，去降低不確定性。

尤其當狀況在最模糊的初期、也就是不確定性最高時，此時採取任何一種嘗試，都會有相當高的回報。

決策導向的框架

此框架是「應用資訊經濟學 (Applied Information Economics, AIE)」的基礎概念，作者 Douglas W. Hubbard 是此學科的發明人。

1. 定義決策問題及相關的不確定性
   1. 第一個問題是「你的困難是什麼」，而不是「如何衡量 X」
   2. 接著你可以定義這個困難的所有變數
   3. 並且確定其中一些無形、模糊的概念，究竟是什麼意思
2. 確定你目前知道些什麼
   1. 針對未知的數量，必須將不確定性予以量化
   2. 需要練習的技巧：使用「範圍」和「機率」來描述不確定性
3. 計算額外資訊的價值
   1. 資訊可以降低決策的風險
   2. 如果所有變數都不具備資訊價值，可直接跳到第 5 步
4. 將相關的衡量工具應用在高價值的衡量上
   1. 需要了解一些基本工具如隨機抽象、控制對照實驗，以及相關的變化作法
   2. 嘗試在有限資料中發掘更多資訊，或將一個變數的作用獨立出來
   3. 接著重複第 3 步
5. 做出決策並且付諸行動
   1. 在符合經濟成本的情況下，去除不確定性，最後面對風險 v.s. 報酬的決策
   2. 量化決策者的風險趨避程度
   3. 將全部的步驟整合為實務上的計劃
   4. 回到第 1 步驟並重複一次，持續追蹤，產生新的決策連鎖

我⋯把序章⋯摘要完了⋯略過了一些神乎其技測量法的歷史事蹟（例如阿基米德），還有作者對「迷信者」的對話。目前進度推進至 71 頁，我覺得⋯後面好難⋯⋯要用一天 10 頁的速度來推進嗎 >"<