- 庫存 = 7
- 放入購物車
- 放入下次購買清單
如何衡量萬事萬物(經典紀念版):做好量化決策、分析的有效方法
- 作者:道格拉斯.哈伯德(Douglas W. Hubbard)
- 出版社:經濟新潮社
- 出版日期:2022-08-02
- 定價:500元
- 優惠價:79折 395元
- 優惠截止日:2024年12月31日止
-
書虫VIP價:395元,贈紅利19點
活動贈點另計
可免費兌換好書 - 書虫VIP紅利價:375元
- (更多VIP好康)
本書適用活動
內容簡介
★麻省理工學院指定教材,長踞亞馬遜網站商業類暢榜,一生受用的衡量技術!
商業、科學、生活上所有問題的解答
任何需要做分析、決策的人必讀之書
世界上沒有什麼事物是不能被衡量的。
所有看似無法量化的難題,
只要能讓你知道得比以前多,就是一項成功的衡量。
本書對於降低決策風險、排除不確定性,大有幫助!
面對個人生活選擇或商業上的決策,我們往往相信直覺或過往經驗,但難免重蹈覆轍。輕者不免聳聳肩自責,上一次當還不能學一次乖;嚴重的話或許是動輒上億元的企業損失,這時再怎麼喚回時光也無法翻轉情勢。然而,若持續對於決策抱持如此輕忽的態度,上述損失恐怕只有不斷重複的命運。
這本書從簡單的觀念開始,說明了深具實用性、直覺上又容易應用的統計技巧;同時也顯示出,在我們對企業和世界的了解上,衡量具有多麼大的力量。作者道格拉斯.哈伯德(Douglas W. Hubbard)為國際公認的決策分析、風險管理專家,在這本具深刻見解且令人著迷的書中,將告訴你如何衡量看似完全無法量化的事物,包括新科技的投資報酬率、組織的彈性、消費者滿意度,以及企業風險。這本書提供衡量的重要步驟,讓你能衡量所有的事物,尤其是其不確定性和風險。不僅如此,還可利用符合經濟效益的方式完成衡量。
不妨接受作者提出的挑戰:在閱讀本書之前,請寫下你在家庭生活或工作上的一項或多項抉擇難題,然後抱持著「找到衡量它們的方法」這個特定目的來閱讀此書。希望從本書中學習到的衡量知識,能為你個人或專業生涯的改善帶來意想不到的收穫!
閱讀本書,你將了解:
看似無法衡量的事物,其實是有辦法予以量化的。
表面上不可能的衡量,卻能用意外簡單的方法解決。
即使樣本數很少,也能獲得許多資訊。
衡量風險的錯誤方法。
軟性事物像是幸福、滿意度、品質等等的衡量方法。
如何將人類的判斷,訓練為強有力、校準的衡量工具。
如何將網際網路當作衡量工具使用。
本書分四大部分:
第一部分:說明為什麼任何事物都可以測量,同時輔以例子佐證,以及給出關於衡量的精確定義。
第二部分:開始具體進入如何做衡量——特別是不確定性、風險、資訊的價值。您會學到如何以「校準的機率評估」來衡量自己主觀的不確定性,以及如何用這項資訊去計算風險和做更多衡量的價值。
第三部分:如何利用一些觀察方法以降低不確定性,例如隨機取樣與控制實驗等等。也會談到一些概算(快速評估)的方法;還有若是有新資訊加入,如何重新衡量以降低不確定性(貝氏分析)。這部分會涵蓋一些最初級的統計學。
第四部分:一些比較「軟性」的評估項目,例如偏好、價值、彈性(可變性)、品質等等如何衡量,並且再加入新的衡量工具,包括校準的人的判斷或利用網際網路。最後會集合所有的評量知識,來應用在兩個個案研究上。
【本書關鍵字】
資訊經濟學、商業分析、風險、不確定性、費米提問、校準、信賴區間、蒙地卡羅模擬、機率分配、貝氏分析
目錄
前言
第一篇 衡量:總是有方法可以衡量的
第1章 無形事物及其帶來的挑戰
是的,萬事萬物都可以衡量
第2章 直覺衡量的習慣
古希臘人如何衡量地球的大小/估算:學學恩里科.費米/實驗:不是只有大人才能做/從埃拉托色尼、恩里科和艾蜜莉學到的事
第3章 無形事物的假象
衡量的觀念/客體/方法/反對衡量的經濟理由/反對衡量的統計學理由/道德上反對衡量的理由/衡量的通用方法
第二篇 開始衡量之前
第4章 釐清衡量問題
用對話語:「不確定性」和「風險」真正的意思是什麼?/案例:企業可以從政府部門學到的事
第5章 校準的估算:你目前所知有多少?
校準練習/校準的進一步改善/校準在觀念上的障礙/校準的成效
第6章 建立模型來衡量風險
衡量風險的錯誤方式/真實的風險分析:蒙地卡羅法/蒙地卡羅方法及風險的例子/蒙地卡羅模擬的工具及其他可用資源/風險矛盾及更佳風險分析的需求
第7章 衡量資訊的價值
犯錯的機會及成本:預期機會損失/範圍資訊的價值/不完全的世界:降低部分不確定性的價值/覺悟方程式:資訊價值如何改變一切/總結不確定性、風險、資訊價值:衡量的第一步
第三篇 衡量方法
第8章 過渡:從衡量什麼到如何衡量
觀察的工具:衡量手段的介紹/分解/間接研究:假設你不是第一個衡量它的人/觀察的基本方法:如果一個方法沒有用,嘗試下一個/只做必要的衡量/考量誤差/選擇和設計工具
第9章 抽樣:觀察少數,探知全體
建立抽樣的直覺:果凍豆的例子/樣本數很少的情況:啤酒釀造商的方法/統計上的顯著性:程度問題/極端值影響重大的情形/最簡單的樣本統計/抽樣方法的偏誤例子/母體比例抽樣/門檻的衡量/實驗/看出資料中的關聯性:迴歸模型的介紹
第10章 貝氏分析:以先備知識為基礎的衡量
簡單貝氏統計/使用你天生的貝氏直覺/異質的標竿:「品牌受損」的應用案例/範圍的貝氏反推:簡介/範圍的貝氏反推:細節/貝氏教導我們的事
第四篇 基礎之外
第11章 偏好與態度:衡量的軟性面
觀察意見、價值,以及對幸福的追求/願意支付多少:透過取捨來衡量價值/將全部放在一起:量化風險耐受性/主觀取捨的數量化:多重矛盾偏好的處理/不要忘記事情的全貌:利潤最大化相對於純主觀的取捨
第12章 衡量的終極工具:人的判斷
荒謬的人類:決策背後的奇怪理由/條理化:績效評量的案例/令人驚訝的簡單線性模型/如何將評量標準化:拉許模型/去除人的不一致性問題:Lens模型/萬靈丹或安慰劑?可疑的衡量方法/各種方法的比較
第13章 新的管理衡量工具
二十一世紀的追蹤者:用科技做紀錄/衡量世界:以網際網路做工具/預測市場:動態的意見總合
第14章 通用的衡量方法:應用資訊經濟學
拼出全貌/案例:飲用水監控系統的價值/案例:海軍陸戰隊的燃料預測/啟動的想法:幾個最後的例子/總結
附錄 校準測驗(附解答)
中英名詞對照
內文試閱
衡量的定義
衡量:根據一項或多項觀察,以數量表達的方式降低不確定性。
就所有實用上的目的而言,科學家將衡量當作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,對衡量來說這就足夠了。即使科學家沒有精確說明這項定義,他們的作法已清楚說明了這項定義。微量的誤差無法避免,但仍改良了先備知識(prior knowledge)。這個事實對如何進行實驗、調查,以及其他科學衡量而言是最重要的。
這種「降低不確定性」的觀點,對企業而言是非常重要的。在不確定的狀態下要做的重大決策——例如是否核可大型IT計畫,或是新產品開發案——都能因為降低不確性,而做得更好,其所帶來的價值,可能高達數百萬美元。
因此,一項衡量根本不必消除不確定性。衡量帶來的微幅不確定性降低,其價值可能遠大於衡量的成本。但還有另一個關鍵的衡量觀念,會讓大多數人驚訝的是:衡量不一定是我們通常所認為的數量化的衡量。請注意,我提出的衡量定義所說的是,一項衡量是「以定量的方式表達」(quantitatively expressed)。不確定性,至少要數量化,但是觀察的主體可能不是定量的量(quantity)——可以完全是屬質的(qualitative),例如是否屬於某一個集合。比方說,我們可以「衡量」一項專利能否取得判決,或是一個合併案是否會成功,而這些仍能符合我們對於衡量的精確定義。但是我們對於那些觀察的不確定性,必須以定量的方式表達(例如,有85%的機會我們會贏得專利訴訟;我們有93%的把握,在合併後可以改善我們的公眾形象)。
衡量的方法
有些事物看似無法衡量,只是因為當事人不知道解決問題的基本衡量方法,例如各種抽樣程序或各類對照控制實驗。一項反對衡量常見的理由是,問題很獨特,過去從來沒有被衡量過,而且沒有任何方法能顯示出它的數值。這樣的反對,總是透露出那個人在科學上的無知,而不是實證作法有根本上的限制。
振奮人心的是,我們知道一些獲得驗證的衡量方法,可以用在各類主題上,幫助衡量你最初認為無法衡量的事物。此處有一些例子:
1.以非常小的隨機樣本數做衡量:從小樣本數的潛在客戶、員工等,你可以得知一些事情,尤其眼前狀況存在很大不確定性的時候。
2.在無法完全看遍整個母體的情況下做衡量:要衡量海洋中某種魚類的數量、雨林中植物的物種數量、新產品生產誤差的數量,或是未被偵測到的、試圖侵入貴公司資訊系統的非法攻擊次數等等,都有聰明且簡單的作法可以衡量。
3.在涉及許多其他變數,甚至是未知的變數的情況下做衡量:我們可以測定新「品質計畫」是否是產品銷售量增加的原因,相對於總體經濟好轉、競爭者犯了錯誤、新的訂價政策等因素。
4.衡量罕見事件的風險:過去沒有發射過的火箭,發生發射失敗的機會,或是發生另一次911攻擊的機會、紐奧良再一次潰堤的機會、再一次重大金融危機的發生機會等等,全都可以透過觀察和推論,得到有價值的訊息。
5.衡量主觀偏好及價值:我們可以衡量藝術、悠閒時光、或降低死亡風險的價值,經由評估人們真正支付在這些事物上的金額來做衡量。
這些衡量的方法,大部分只是變化自一些基本的作法,利用不同的抽樣、對照控制實驗,有時候是選擇把焦點放在不同的問題類型。像這些觀察的基本方法,在企業的某些決策過程中,通常都付之闕如,也許是因為這類科學程序常被認為複雜又太公式化。在很短的時限、有限的成本之下,如果必須做衡量的話,通常你不會考慮採用這樣的方法。然而它們是可以採行的。
這裡提供一個非常簡單的例子,任何人都可以用一個很容易計算的統計不確定性來做快速衡量。假設你在考慮公司是否要多增加一些「遠距辦公」(telecommuting)的機會。在考量這類提案時有個相關的因素是,每名員工平均每天花在通勤上的時間為何。你可以針對這個題目進行一項正式的全辦公室普查,但這可能很耗時又昂貴。假設,你不用普查的方式,而只是隨機找了五名員工(本書稍後會討論一些關於「隨機」構成條件的議題)。你閉上雙眼,從員工名錄中挑出名字打電話給這些人,並問他們通常花多少時間通勤。假設你得到的數值是30、60、 45、80、60分鐘。這五個樣本中最低和最高的數值為30和80。則全部員工的母體中位數(median),有93.75%的機會,會落在這兩個數字之間。我稱此為「五的規則」(Rule of Five)。五的規則很簡單、有用,而且可以證明它在很多問題上都是統計上有效的。雖然樣本數很小,範圍可能很大,但是若能比你先前的範圍大幅縮小,那它作為一項衡量就很有價值了。
五的規則
任何從母體中隨機抽取的五個樣本,母體的中位數有93.75%的機會,會落在這五個樣本中最大和最小數值之間。
根據只有五個樣本的隨機抽樣,要對任何事物有93.75%的確定,看起來似乎不可能,但是它的確行得通。要了解為什麼這個作法行得通,請注意五的規則估算的是母體的中位數,這一點是很重要的。母體的一半會高於中位數,另一半則低於它。如果我們隨機選取五個數值,全都高於或低於中位數,則中位數就會落在我們的範圍之外。但這樣的機會究竟會有多少呢?
隨機選取的一個數值,高於中位數的機會,依照定義而言是50%——和投擲一枚硬幣結果是「人頭」的機會相同。隨機選取五個數值,剛好全都高於中位數,就像投擲硬幣連續五次都是人頭一樣。隨機投擲硬幣得到連續五次人頭的機會為32分之1,也就是3.125%;連續得到五次背面的機會也是一樣。因此,不是全都人頭也不是全都背面的機會是100%-3.125%×2,也就是93.75%。於是,五個樣本中至少有一個高於中位數、同時至少有一個低於中位數的機會就是93.75%(如果你要保守一點,也可說是93%或甚至90%)。有些讀者可能會記得,統計課會有一堂課討論非常小樣本的統計。那些作法比起五的規則要來得複雜多了,但是,答案真的沒有好太多,理由在本書稍後我會詳細討論。
我們可以使用一些簡單的方法修正特定型態的偏誤。也許最近在進行的建設工程,暫時增加了每個人所估計的「平均通勤時間」。或者通勤時間最長的人比較可能請病假,或有其他原因,讓你抽樣時找不到他。然而,即使有這些大家知道的缺點,五的規則仍然是很便利的。
延伸內容
【專業推薦】
《如何衡量萬事萬物》是我最喜歡的書(緊接其後的是哈伯德的第二本書The Failure of Risk Management),也是我會主動向同事及學生們推薦的一本書。我身為一個物理學家及經濟學家,將這些技術應用在多種領域上已經有好幾年了。這是第一次有人將這些重要的資訊放在一起,提供給廣大的讀者,也讓專業人士能拿來應用。這本書是分析及決策領域的學生與專家必讀之書。
──Dr. Johan Braet
任教於安特衛普大學(University of Antwerp),應用經濟、風險管理及創新
如何為複雜的專案計畫定義出合理的指標,用來證明是否具有正當性,及用來管理複雜的專案,哈伯德的書提供了絕佳的指導。想要降低資本規劃、投資決策及計畫管理方面風險的所有人,這本書是必讀的。
──Jim Flyzik
美國前政府資訊長,白宮科技顧問及《資訊長》雜誌名人堂入選人
我愛這本書,道格拉斯‧哈伯德幫我們創造了一條路徑,通往找到幾乎是所有問題的答案,無論是商業上、科學上、生活上。這本書提供的工具,是大多數想做更好的衡量、得到更深刻的理解、做改善以及獲得成效的人所必需的。
──Peter Tippett, Ph.D, MD.,
Cyber Trust技術長以及第一個防毒軟體的發明人
哈伯德的書,有趣且充滿豐富的案例研究和例子,對於日常決策常涉及不確定性的人而言,是一本很有價值的書。這本書可讀性很高且相當具娛樂性,甚至那些自認為對統計避之唯恐不及的人,都會樂在其中。
──Strategic Finance
這本書在衡量的應用範圍、與風格的明確方面,十分傑出。每一位曾經說過「當然,那個觀念很重要,但是我們能夠衡量它嗎?」的專業人士,這是必讀的書。
──Dr. Jack Stenner,
MetaMetrics, Inc.的CEO及共同創辦人
哈伯德的生涯致力於為其他人認為不可衡量的事物找出衡量的方法。無論是品質、遠距工作的價值、擴大IT防護的利益、公眾形象,哈伯德認為都是可以衡量的,而且不需耗資龐大。如果你想在投資計畫審查會中進展得更順利,先看看這本書吧。
──ComputerWorld
我將這本書列為MIT衡量課程的主要參考書。學生都很喜愛這本書,因為它提出的實務建議能應用在各種不同情境(包括航太及國防、醫療、政治等等)。
──Ricardo Valerdi. Ph.D.
IT講師作者資料
道格拉斯‧哈伯德 Douglas W. Hubbard
道格拉斯‧哈伯德是應用資訊經濟學(Applied Information Economics, AIE)的發明人,AIE是一種衡量方法,用於決定因素似乎很難或不可能衡量的大型決策上,包括IT投資組合、娛樂傳媒、國防補給、R&D投資組合,以及其他許多領域。他是國際上公認的專家,專長在指標、決策分析及風險管理,同時也是眾多研討會的熱門演講者。他曾為知名期刊如《Information Week》、《CIO Enterprise》、《Architecture Boston》、《Analytics》、《OR/MS Today》等撰文,同時也是《The Failure of Risk Management: Why It’s Broken and How to Fix It》一書的作者。注意事項
- 若有任何購書問題,請參考 FAQ