《數據化決策》——萬物皆可量化（2）

量化不需要徹底消除不确定性。隻要進行量化工作的花費遠遠少于因此而帶來的收益，那麼量化就是值得的。

量化是用數量描述的。不确定性至少要數量化，但被觀測的事物可能是不定量的，也可能完全是定性的。比如我們有85%的機會卷入專利糾紛，公司合并後有93%的把握提升公衆形象等。

在量化理論中，量化是對被量化的事物和數字的一種映射（Mapping）。（用數字表示被量化的事物？）

看到這裡，大概可以理解和認同——“量化就是減少不确定性的觀測”，這一概念。

基于這個概念，下一個問題是，如何量化我們的事物？

澄清鍊：量化方法就隐藏在量化目标中

作者提到的觀點是，不知如何量化的問題在于對要研究的事物的概念不清楚。一旦管理者弄清楚要量化什麼以及被量化的事物為什麼重要，就會發現事物顯現出更多可量化的方面。

也就是說，在開始我們的量化工作時，首先弄清楚我們要研究的事物的具體含義和概念，而往往我們對于這些名詞的概念是模糊不清的。比如，怎樣量化師徒關系的好壞，首先要清楚你要研究的師徒關系是怎樣的？是什麼意思？為什麼會關心這個問題？在弄清概念的過程其實要量化的東西不言而喻了。

而澄清鍊就是把某物想象為無形之物再到有形之物的一系列短的鍊接過程。

如果這個事物可以感知，那必然能估計到某些數值。如果你可以觀測一個事物，就多少能得出一些東西。最後，這一步或許是最容易的了：如果可以通過觀測得到某些量，那它就一定是可量化的。

書中提到的例子：比如我們關心公衆形象，是因為它會影響到顧客推薦，顧客推薦會産生廣告效果，從而影響銷售。顧客推薦不僅可以被感知，而且與之相關的某些數據是可以獲得的，這就意味着它們是可以量化的。

比如我們生活的例子，家庭關系密切程度，兩家之間的關系怎麼樣，主要可以通過平時的往來情況初步判斷，一年之内的接觸次數，重大節日的往來次數等，寫到這我突然想到，評價的标準是否還應該參入權重這一參數，比如某些量化的标準占評價的重要程度高。

因此，清晰表述我們想量化某物的原因以理解真正要量化的東西，是必要的。定義要量化的究竟是什麼常常是量化工作的關鍵所在。

搞清楚你的意思到底是什麼，就已經完成了量化工作的一半。