如何衡量万事万物 (2) 衡量的客体 & 方法

作者认为，认为一件事物无法量测，理由有三个面向：

1. 衡量的观念：按照昨天的摘要，最大的误会是人们常常觉得衡量要找出一个「量」，但衡量的定义其实是
   • 根据一项或多项观察
   • 以数量表达的方式 (不一定是 "数值")
   • 降低不确定性 (this is 目的)
2. 衡量的客体：对於想要衡量的事物，没有做完善的界定，使用了草率或模棱两可的语言
3. 衡量的方法：对许多实证观察的程序不理解

昨天摘要了「衡量的观念」，今天继续。本段作者的目的是「破除认为有些事情不可衡量的迷信」，此处提及的大部分方法会在後续篇章介绍。

厘清衡量的客体

状况

• 即使你清楚了解衡量的实用定义 (降低不确定性)，但还是会觉得某些事物无法衡量。这是因为当我们提出问题时，就不知道问题的意思。也就是说，对於要衡量的客体 (object) 缺乏明确的定义。
• 例如想要衡量「策略联盟」或「弹性」或「客户满意度」，你常常会需要问：「那是什麽意思？」
• 当人们进一步推敲他们的用词时，几乎常常在这个过程中，就已经回答了他们的衡量问题。

例子：想要定义「IT 安全的绩效指标」

• 问：所谓的「IT 安全」，到底是什麽意思？
• 经过 2～3 次的厘清会议後，定义：
  • 「IT 安全」指的是「减少未经授权的侵入 & 电脑病毒的攻击事件」
  • 这些事件若发生，会对组织造成影响，例如诈骗损失、生产力损失，或潜在法律责任

目标是将「模糊的概念」分解成「真正想要观察的事项」

以下介绍两种流程，也许可以帮助指引你厘清衡量的客体

引导思考的方法 1：厘清连锁 clarification chain

目标：一开始认为某件事是「无形的」，在引导中渐渐认为该事物是「有形的」

认知的流程：

1. 若你相信该问题具重要性，它就应该能被观察到
2. 若它是可以观察到的，我们就能侦测到某种数量（或可能的数量范围）
3. 若我们能侦测到可能的数量范围，它就是可以衡量的

例如，我们发现我们关心「公众形象」这项无形事物

你关心的原因是它影响了「顾客口碑」

而口碑又影响了「销售」

形成以上认知後，你可以开始着手寻找衡量「公众形象」的方法

引导思考的方法 2：假想的 A/B testing

如果尝试了 clarification chain 之後没有成功，可以再尝试另一种思想实验。

想像你是一个外星人科学家，然後假设你正在针对速食连锁事业，研究「员工授权」的效果。

在此实验中，你创造了两组一模一样的组织，一个是实验组，另一个是对照组。实验组有较多的员工授权。

思考：你猜你会在第一组观察到什麽方面的变化？（以直接或间接的任何方式来观察都行）

• 例如，组织中的较低层级会来做决策吗？这些决策会更好或更快吗？
• 员工的监督可以减少吗？你可以采用扁平管理，减少管理成本吗？

只要你能找出至少一项的观察，你就快要找到衡量他们的方法。

「衡量的目的」是定义「衡量什麽」的关键

• 要搞清楚「衡量什麽」时，有必要说明「为什麽」我们要衡量某件事
• 经理人关心的任何衡量，都必须支援至少一项特定的决策

衡量的方法：只要知道任何一件之前不知道的事就能成立

有些事情看似无法衡量，是因为当事人不知道简单的衡量方法，而把事情想得太过复杂，产生预设立场。

基本主张

• 只要有任何一项观察，能告诉你一些之前不知道的事，它就是一种衡量
• 在事情最模糊的时候，最初的几个观察值，反而能最大幅度地降低不确定性
• 因此，即使是简易的衡量方法，也很值得实践

其实能采取简单方法的情境

以下作者举出一些人们常常认为难以执行的状况，并认为运用不同的抽样 & 对照控制，大多有简易的作法，能获得快速的观察值。

• 以非常小的随机样本数来衡量
• 要在无法完全看遍母体的情况来衡量
• 涉及许多变数（含未知的变数）时进行衡量
• 衡量罕见事件的风险
• 衡量主观偏好与价值

五的规则

随机找出 5 个样本，母体的中位数会有 93.75% 的机率，落在 5 个样本的 max & min 之间。

例如，想要调查远距办公的机会，因而在调查「员工平均的通勤时间」

随机抽样的数字是：30, 60, 45, 80, 60 分钟

则此时可获得一个大致的范围是 30~80 分钟

针对预设立场反向思考

作者认为，有时候难免会因为种种原因，而采取某种预设立场，例如：

• 人们不会记得他们花了多少时间
• 有太多因素影响了销售，你不知道提案的影响力有多少
• 我们的客户太多样化，需要很庞大的样本数

作者建议，这些预设立场全都是「不具生产性的假设」，此时，不如采取「具生产性的假设」

以下是四项对衡量有用的假设

1. 你的问题不像你想的那麽独特
2. 你拥有的资料多过你想像的
3. 你需要的资料少於你想像的 → 例如 5 的规则
4. 数量适当的新资料比你想像中容易取得

针对 4，作者举例：

• 想要衡量「管弦乐团的表演有没有进步」时，
• 专家可能会设计一种顾客意见调查，请顾客对某表演做评等，然後加入一些参数，合并起来变成「满意度」指数。
• 但克里夫兰管弦乐团采用的方式是「计算观众起立鼓掌的次数」

总之，衡量的目的是「降低不确定性」，以支援某项决策，而非仅仅获得一个「数值」。

你可以采取任何能够简易执行的尝试，去降低不确定性。

尤其当状况在最模糊的初期、也就是不确定性最高时，此时采取任何一种尝试，都会有相当高的回报。

决策导向的框架

此框架是「应用资讯经济学 (Applied Information Economics, AIE)」的基础概念，作者 Douglas W. Hubbard 是此学科的发明人。

1. 定义决策问题及相关的不确定性
   1. 第一个问题是「你的困难是什麽」，而不是「如何衡量 X」
   2. 接着你可以定义这个困难的所有变数
   3. 并且确定其中一些无形、模糊的概念，究竟是什麽意思
2. 确定你目前知道些什麽
   1. 针对未知的数量，必须将不确定性予以量化
   2. 需要练习的技巧：使用「范围」和「机率」来描述不确定性
3. 计算额外资讯的价值
   1. 资讯可以降低决策的风险
   2. 如果所有变数都不具备资讯价值，可直接跳到第 5 步
4. 将相关的衡量工具应用在高价值的衡量上
   1. 需要了解一些基本工具如随机抽象、控制对照实验，以及相关的变化作法
   2. 尝试在有限资料中发掘更多资讯，或将一个变数的作用独立出来
   3. 接着重复第 3 步
5. 做出决策并且付诸行动
   1. 在符合经济成本的情况下，去除不确定性，最後面对风险 v.s. 报酬的决策
   2. 量化决策者的风险趋避程度
   3. 将全部的步骤整合为实务上的计划
   4. 回到第 1 步骤并重复一次，持续追踪，产生新的决策连锁

我⋯把序章⋯摘要完了⋯略过了一些神乎其技测量法的历史事蹟（例如阿基米德），还有作者对「迷信者」的对话。目前进度推进至 71 页，我觉得⋯後面好难⋯⋯要用一天 10 页的速度来推进吗 >"<