數據化決策

推薦理由 這是一本關於數據驅動商業決策的書，既有商業決策中經常使用到的決策思維，也有統計學的案例應用，推薦給每個商業數據分析從業者，如管理諮詢師、商業分析、數據分析人員。 道格拉斯·W·哈伯德（Douglas W. Hubbard）是美國俄亥俄州立大學的教授，也是數據驅動的決策和風險管理領域的專家，這本書分享了他對數據化決策的方法和路徑，我推薦這本書的原因有三： 1、 書中很多統計學知識的應用案例非常到位，尤其是對抽樣樣本預估整體的方法，如T統計測量方法，很熟悉的知識，教授講出了應用的真諦 2、 抽象事物的量化方法，雖然這些是經濟學的常用知識入門，但跟商業案例相結合，讓我的眼前一亮，推薦給有經濟學基礎的同學，否則對於效用函數、無差異曲線，理解起來比較晦澀 3、 數據化決策的步驟，這一點跟教授有所共鳴，數據化的目的是爲了支持決策，而作爲商業數據分析師，把業務問題轉化爲數學問題，非常關鍵，這是每個分析師需要具備的思維。 關於作者 道格拉斯·W·哈伯德（Douglas W. Hubbard）是美國俄亥俄州立大學的教授，也是一位數據科學家和作家。他曾任職於美國國家航空航天局（NASA）和美國國防部，並在多家公司擔任過高管職務。哈伯德是數據驅動的決策和風險管理領域的專家，他出版過十多本書，其中包括《數據化決策》、《數據驅動的決策》、《如何用數據講故事》等。哈伯德還是一位知名的演講者，他曾在世界各地的會議上發表過演講。曾爲《信息週刊》《首席信息官企業》《分析學》和《今日OR/MS》等雜誌撰寫文章。 哈伯德的履歷如下： ○ 1980年，獲得美國空軍學院理學學士學位。 ○ 1982年，獲得美國空軍學院航空航天工程碩士學位。 ○ 1985年，獲得美國斯坦福大學航空航天工程博士學位。 ○ 1985-1989年，在美國國家航空航天局（NASA）擔任研究科學家。 ○ 1989-1993年，在美國國防部擔任項目經理。 ○ 1993-1997年，在一傢俬營公司擔任高管。 ○ 1997年至今，在美國俄亥俄州立大學擔任教授。 哈伯德是數據驅動的決策和風險管理領域的專家，他出版過十多本書，其中包括《數據化決策》、《數據驅動的決策》、《如何用數據講故事》等。哈伯德還是一位知名的演講者，他曾在世界各地的會議上發表過演講。 爲什麼每本讀書筆記，都會加上對於作者的介紹？ 個人認爲在讀書筆記中加入對作者的介紹，可以幫助我們更好的理解作者的寫作背景和動機，從而更好地理解書中的內容。同時，對於作者的介紹還可以幫助我們瞭解作者的其他作品，從而擴展他們的閱讀範圍。 就如我們讀古人的詩詞的時候，需要理解詩人所在的時代和詩人的成長環境，有助於我們更好地理解詩歌的內涵和外延。因爲詩歌是時代的產物，它反映了詩人所處的時代背景和社會環境。例如，李白的詩歌往往豪放奔放，這與他所處的盛唐時期國泰民安、經濟繁榮的背景有關。而杜甫的詩歌則往往沉鬱頓挫，這與他所處的安史之亂時期戰亂頻仍、民不聊生的背景有關。同時，詩歌也是詩人個人經歷的反映。例如，李清照的詩歌往往婉約細膩，這與她坎坷的個人經歷有關。而蘇軾的詩歌則往往豪邁曠達，這與他豁達的人生態度有關。 核心內容 這本書分享了作者對於任何需要決策的事務均可採取數據化的方法來實現，當然，我們不是爲了數據化而數據化，而是爲了實現某種目的而採取的數據決策的方式，從而降低不確定性，實現決策的準確性。 個人認爲翻譯爲“量化”不夠貼切，用數據化更能說明問題，爲此，後續將書籍中的“量化”化全部改成數據化 一切皆可數據化首先作者覺得任何事物均可數據化，但不是爲了數據化而數據化，數據化的目的是爲了減少決策中的不確定性，而非爲了消除不確定性（作者認爲完全消除不確定性，需要整理的信息成本太高，需要平衡數據化的經濟成本和決策成本，以便實現最大化收益），爲此作者舉了三個看起來不可能數據的案例：埃拉托色尼估算地球周長、物理學家恩里科·費米（Enrico Fermi）估算芝加哥的鋼琴調音師有多少、9歲女孩揭穿醫學謊言。 其次，作者認爲我們需要弄清楚需要解決什麼問題，以及如何將問題數據化，只要理清了兩者之間的關係，將業務的問題轉化爲數據的問題，那我們基本上就找到了問題的解決鏈路。 最後作者提出了數據化問題的5個步驟，以便於大家掌握將業務問題數據化的方法步驟。 數據化的五個步驟 步驟1：定義需要決策的問題和相關的不確定因素 如果有人問：我們怎麼數據化XXX？那他們也許已經本末倒置了。第1個問題是：你面臨的進退兩難的困境是什麼？然後我們可以定義所有和該困境有關的變量，並確定一個大致的方向，如訓練效果或經濟機會的真正意思到底是什麼。 步驟2：確定你現在知道了什麼 我們需要在確定的決策範圍內，將由於數據不明所產生的不確定性數數據化。這需要學習怎樣使用範圍和概率的術語來描述不確定性。定義相關決策以及關於它究竟有多少不確定性，這有助於我們確定相關風險。 步驟3：計算附加信息的價值 信息具有價值，因爲它減少了決策的風險，知道數據化的信息價值可以讓我們確定要數據化什麼，還會告訴我們該如何數據化。如果沒有和信息價值相關的變量以衡量任何數據化方法的價值，請跳到第5步。 步驟4：將有關數據化方法用於高價值的數據化中 我們將講解一些基本方法，例如隨機抽樣、控制實驗和在此基礎上的一些變化不大的方法。我們還將討論怎樣根據有限數據得出更多結論、怎樣隔離一個變量的效果、怎樣將軟偏好數數據化、怎樣在數據化中使用新技術、怎樣更好地利用專家。重複第3步。 步驟5：作出決策並採取行動 當確定成本後，決策者就要面對風險與回報的決策了。任何不確定性都是這個選擇的一部分。爲了使決策最優化，決策者的風險喜好程度也可以被數據化，甚至在戰略組合數量較多的情況下，也可以計算最優選擇。後面我們將討論這些方法，還會討論如何將決策者的風險喜好度、其他偏好和態度數據化。本步驟和前面的步驟相結合，形成實用的項目步驟。 數據化不確定性、風險和信息價值作者首先提出了一個問題：開展營銷活動可能損失200萬美元；不開展營銷活動，潛在損失竟高達2400萬美元，這筆賬是如何算出來的？如何計算出新的廣告活動會增加多少銷量？不確定性越高，需要的信息反而越少？確定性越高，反而需要越多數據以減少不確定性？ 然後作者給出了自己的建議： 1、 在數據化之前，我們需要釐清待量化事物與決策的關係 該量化要支持什麼決策？從可觀測到的結果來說，需量化事物的定義是什麼？該事物和要支持的決策有怎樣精確的關係？你現在對它瞭解多少，也就是說，你當前的不確定性水平怎樣？附加信息有什麼價值？ 如果一項量化工作至關重要，那是因爲它會對決策和行爲產生一些可感知的效果；如果一項量化工作不能影響或改變決策，那它就沒有價值。 校準概率評估是量化當前不確定性的關鍵，學習怎樣將不確定性定量化，是對事物進行量化的重要步驟。 2、 校準訓練：修正你的判斷 作者認爲我們應該用概率來描述某些特定事件的不確定性，通過置信區間，確定我們對某個事物的確定程度。而校準除了能提高對不確定性的主觀評估外，還會消除決策過程中對概率分析的反對意見。這裏作者介紹了重複和反饋、等價賭博測試、贊成和反對兩方面意見、反向錨定法等方法來提高準確性。 3、 蒙特卡洛模型：評估風險大小 蒙特卡洛模擬是一種預測不確定事件可能結果的數學技術。計算機程序使用這種方法來分析過去的數據，並根據選擇的行動預測一系列未來結果。 4、 一條減少不確定性的信息價值多少？ 減少風險是計算量化價值的基礎，也是選擇量化什麼以及如何量化的基礎。在商業案例中，一個被量化的事物的經濟價值，和它所受到的關注常常成反比。在相當多的領域，被量化事物的重要性根本比不上被忽視的事物的重要性。而且，我還經常發現，客戶的量化工作往往只是讓他們知道了什麼信息有價值。他們把這一發現看成偉大的啓示下圖對這些發現作了總結 數據化的方法：隨機抽樣、貝葉斯方法這裏面最常用的數據化步驟如下： 1、 我們需要解決的業務問題是什麼？ 2、 將業務問題轉化爲數據問題，需要找到衡量業務問題的數據指標，這是需要我們定義的 3、 將該事物逐層分解（加法【構成法】或者乘法分解），直到可以找到對應的可衡量指標數據爲止 4、 思考下 這些指標的現狀是怎麼樣，預估我們看到數據趨勢後會有什麼樣的結論和判斷，先建立假設，後通過數據驗證 5、 有些數據不能直接獲取，我們的數據是否存在誤差，誤差是否可以接受； 6、 是否可以選擇多種方法和數據來源進行交叉驗證 隨後作者詳細分享了隨機抽樣和貝葉斯方法，如小樣本的T-檢驗（最少5-8個樣本就可以90%的置信區間確定整體的分佈空間）、兩次獨立抽樣、總體均衡抽樣、定點抽樣、整羣抽樣、分層抽樣、連續抽樣、對照組實驗（也就是我們現在互聯網常提到的AB測試)、相關性分析，這裏的內容比一般的統計學知識介紹更爲有趣，更爲實用，建議大家可以閱讀下。 前面的隨機抽樣方法是在沒有歷史數據的情況下，根據隨機抽樣的結果進行預測，而貝葉斯方法則是用數據來更新特定假設的概率，以便於用“後驗信息”更新先驗信息的問題。簡單地說，貝葉斯定理處理的是概率和條件概率的關係問題。條件概率是指在特定條件下某事件發生的概率。 這裏作者再次分享了 異構標杆法、貝葉斯反演法，這裏面的案例再次加強了我對貝葉斯概率商業應用的理解，同時也推薦大家閱讀並在工作中實踐，後續有機會我將總結類似中國的決策案例。 數據化抽象事物，如偏好、態度和判斷對於抽象事物的數據化，經濟學家其實已經做了很多工作，如衡量消費者偏好的效用函數和無差異曲線、生產可能性曲線、不確定性和風險的衡量方式等等，經濟學家提出了很多量化的方法。 作者專門介紹了支付意願法（支付意願（Willingness To Pay，WTP）法就是詢問人們願意爲某物付多少錢。這種方法常用於不能用任何其他方法估值的事物。而且，這種方法已經用於估計營救瀕危物種、提高大衆健康及環保等方面的價值了）、量化風險承受能力的投資邊界曲線、效用曲線、績效量化四種方法，最後一切商業問題都可歸結爲利潤化來衡量。 結合前文，作者整理了抽象事物量化的幾種方法及其優劣，如最基礎的主觀加權評分法（可以結構化的呈現評估的過程、專家打分）、簡單的線性模型、透鏡模型、拉希模型、客觀模型，逐步提升預測的精準度。 最後，作者提到隨着新技術的應用，數據獲取的方式更爲精確，也爲我們數據化決策提供了更多的信息，並總結了數據化決策的步驟和應用信息經濟學的決策流程。

“一切皆可量化”，強調量化並非追求絕對精確，而是通過減少不確定性來輔助決策。作者認爲，即使是看似抽象的概念（如幸福感、客戶滿意度等），也能通過科學方法轉化爲可測量的數據，爲決策提供依據。

非常棒一本，又讓我老舊的思維模框架鬆動了一角！

還不錯，工作中比較實用的一些計算收益評估風險的方法

對我數字化分析能力影響很大的一本書

書名誤導，不應該叫數據化決策，應該是《量化風險決策》 《數據化決策》道格拉斯 W. 哈伯德 ◆ 本書的核心，在於闡釋了“無測量、無管理”的理念 ◆ 數據即資產；一切皆可量化。 ◆ 本書最有價值的地方，就是提出了一套完整的量化方法論，一套類似諮詢公司的行動計劃，通過對重大商業決策的變量定義、不確定與價值建模，可以爲任何投資與商業決策進行風險量化分析。 自序 一切皆可量化 ◆ 早期的科學管理聚焦於優化勞動過程，而我們現在需要優化用於管理決策的量化方法。 第1章 無形之物有法可測 ◆ 當你能夠量化你談論的事物，並且能用數字描述它時，你對它就確實有了深入瞭解。但如果你不能用數字描述，那麼你的頭腦根本就沒有躍升到科學思考的狀態。 ◆ 凡事皆可量化。 ◆ 量化是減少不確定性、優化問題的有效手段。 第2章 不同時代、不同領域的量化大師 ◆ 所有科學都建立在近似觀念之上，如果一個人告訴你，他精確地知道某事，那麼可以肯定，你正在和一個不精確的人說話。 第3章 他們爲什麼說無形之物不可量化？ ◆ 數學命題只要和現實有關，它們就是不確定的；只要它們是確定的，那麼就和現實無關。 第4章 釐清待量化事物與決策的關係 ◆ 在進行量化前，需要回答以下問題：◆　該量化要支持什麼決策？◆　從可觀測到的結果來說，需量化事物的定義是什麼？◆　該事物和要支持的決策有怎樣精確的關係？◆　你現在對它瞭解多少，也就是說，你當前的不確定性水平怎樣？ ◆ 如果一項量化工作至關重要，那是因爲它會對決策和行爲產生一些可感知的效果；如果一項量化工作不能影響或改變決策，那它就沒有價值。 第5章 校準訓練：修正你的判斷 ◆ 人生中最重要的問題，在絕大多數情況下，真的就只是概率問題。 第6章 蒙特卡洛模型：評估風險大小 ◆ 近似正確勝於精確錯誤，風險來自於你不知道自己要做什麼。 ◆ 使用範圍而非不切實際的精確值表示不確定性，具有明顯的好處：當你允許自己使用範圍和概率時，你對不知道的事情不需要作任何假設。 ◆ 蒙特卡洛模型用計算機產生大量基於概率的情境作爲輸入。對每個情境來說，它的每一個未知變量會隨機產生一個特定值，然後將這些值用在一個公式中計算該情境的輸出值。 ◆ 2026/05/07發表想法 蒙特卡洛模型，用大量的概率和範圍數據去計算確定性，底層的理論是大數定理，概率數越多，越接近真實值。 原文：蒙特卡洛模型用計算機產生大量基於概率的情境作爲輸入。對每個情境來說，它的每一個未知變量會隨機產生一個特定值，然後將這些值用在一個公式中計算該情境的輸出值。 第7章 一條減少不確定性的信息價值多少？ ◆ 要取得知識的進步，沒有比模棱兩可的話更大的障礙了。 第8章 選擇和設計量化方法 ◆ 使我們陷入麻煩的通常並非我們不知道的事情，而是那些我們知道得不確切的事情。 第9章 隨機抽樣：窺一斑而知全豹 ◆ 滿意事物本身的精度，在只能近似的情況下，不去尋求更精確的值，這是一個受過教育的人的標誌。 第10章 貝葉斯方法：利用已知估算未知 ◆ 當我們遇到新信息時，除了將它和已經知道的建立聯繫之外，我們別無選擇，因爲在我們的意識中已然沒有多餘的空間存儲新信息，以使其不被現有信息“污染”。 ◆ 貝葉斯統計處理的是怎樣用“後驗信息”更新先驗信息的問題。其始於現有知識，然後考慮“後驗信息”對現有知識帶來多少改變。 ◆ 使用你天生的貝葉斯本能：用新信息更新舊信息 第11章 量化人們的偏好和態度 ◆ 如果一個問題能夠清晰地表述，那麼我們就已經解決了一半。 第14章 通用的量化方法：應用信息經濟學 ◆ 任何需要量化的事物都可以用某種方法量化，而且得到這種方法本身，就是收穫。 -- 來自微信讀書

魔鬼藏在數據裏，決策藏在量化中 正如這句廣告語，數據量化是這本的核心內容。 這是本很好的數據化決策方面的指導書，是企事業領導人應該讀的一本書。 本書分成四部分十四章，詮釋了無測量無管理的理念，萬事萬物不管是商業還是企業等等，所有的事物都是可以量化的，也就是說量化管理的觀點是能成立的。 1.量遍天下 ，沒有什麼不可以量化。 這部分分爲三章，主要闡述的內容是凡事都可以量化，有形的無形的事物，只要你能深入思考，都可以數字化的表述出來，總會有更簡單量化方法。 2.量化什麼：不確定性、風險、信息價值 這部分又分爲四章，主要闡述的內容是量化的主要內容，理清量化和決策的關係，處理好不確定性、風險的關係，經過這部分內容的訓練，能使自己的估計更準確，藉以修正自己的判斷，避免可能出現的種種風險，儘量能評估出各種風險的大小，幫助自己或者上級確定更合理的方案。 3.減少各種事件出現的不確定性。 其次是如何選擇和設計合適的量化方法，其中包括怎樣合理地抽樣，使樣本數據更合理真實反應事物的本質。 第三就是講述如何合理的估讀或者估算數據，使問題更簡單化。 本書的第四部分是量化抽象事物：偏好、態度和判斷，首先是講述如何量化人們的偏好和態度，通過很巧妙的方法實現這一目標。 其次是探討人的和測量儀器的各自長處，其實人有人的優勢就是能變化，機器的優勢就是準確，缺點就是僵化，新的儀器設備的不斷髮明和製造，使測量更簡單易行，尤其是各種計算機軟件的不斷翻新，計算的方法也越來越簡單易行，可信度越來越高，信息經濟學的應用更是使數據量化進入一個新的臺階。 讀這本書需要很用心，慢慢地讀，反覆地讀，才能體會到這本書的真正含義。 如今是數據爆炸的年代，各種事物在不斷出現，各種機會也同樣擺在人們的面前，如何把握機會才能立於不敗之地那？ 就是耐下心來，精讀這本數據決策的指導書，讓你能做出最更高概率準確的決策。 4.量化決策5步法 哈伯德指出，量化決策步驟可分爲5步， 即定義需要決策的問題和相關的不確定因素（量化的定義及其意義） 確定你現在知道了什麼（量化的決策以及不確定性） 計算附加信息的價值（信息的如何量化）、 將有關量化方法用於高價值的量化中（一些必須的量化基本方法） 做出決策並採取行動。 量化的前提是該事物是否與決策存在至關重要的關係，如果不存在關係，量化是不必要的，相反如果存在，纔有量化的必要性。 正如哈伯德在書中開頭所提及的一樣，首先必須知道量化的定義，澄清風險和不確定性的區別。 例如爲退伍軍人事務部IT安全項目進行量化的工作，必須定義該量化是想解決什麼問題，IT安全的真實定義？ 本書中提出了針對不確定性和風險的兩種方法，校準訓練和蒙特卡洛模型，然後提出計算信息的價值，以確定不確定的範圍。 但量化問題的關鍵還在如如何量化的方法，有些問題用一些簡單的數學問題可以解決，但個別問題則需要用複雜的量化方法。 比如如何估算全市共有多家加油站是個費米問題，簡單的推算可以解決，但要是涉及下一次世界大戰出現的可能性則必須考慮幾十種複雜因素。 哈伯德在本書中提出了幾種常用的量化方法，如簡單的隨機抽樣、貝葉斯方法、量化抽象事物的方法、量化人們的偏好和態度的方法，當然還有5人法則。 這些方法有些利用人的自覺判斷，有些則利用測量儀器，書中提出了兩種量化方法，Rasch模型和透鏡模型，關於這兩種的區別，哈伯德指出在寬鬆的條件下，這些方法並不適用。 以上這些都是比較傳統的測量方法，隨着信息技術的高度發展，新型測量方法和儀器可以帶來革命性的進展，如書中提及到的全球定位系統、用屏幕抓取軟件和混搭法挖掘網絡信息，利用羣體智慧的預測市場。 哈伯德用這些量化方法解決了IT領域的一些難題，並創造性地構建“應用信息經濟學”方法，將量化方法應用於研究投資組合、市場預測、軍事後勤等多個行業，那麼，在大數據時代，這些方法更備受決策者的關注。

太囉嗦了，大量的基礎性示例。論述半天“可量化”和“量化”。搞半天就是高科技儀器，傳統統計方式。也就是，講了半天Why和what，how講的就很基礎。很外國人的思維，太理論，乾貨偏少。如果有體系化講解量化方法的書有的話推薦下，謝謝！

【核心觀點】無量化無管理（no measurement no management） 【框架提煉】 - 萬事萬物皆可量化。這part作者列舉了大量的不同時代、不同領域的事例，證明沒有什麼是不可量化的。個人感覺可以總結爲：當你對問題或者事情的思考達到足夠的深度，那麼一定可以找到一個方法來進行量化；對於無形之物，也可以通過澄清鏈的方式逐步澄清對它的認識，從而找到量化的方法——因爲“量化的方法就藏在隱藏在量化目標之中”——量化方法，其實是對無形之物給出一個重新定義，以時間爲例，時間本來無形，看不見摸不着，但我們一旦以年月日時分秒來定義時間，時間也就被量化了。 - 量化什麼。量化是要支撐決策的，因此量化首先要先定義決策的問題和相關的不確定性是什麼。量化的內容主要包括不確定性、風險和信息價值。這part裏有個很有意思的“等價賭博測試”來進行校準訓練，讓我們的評估變得更準確——它的邏輯實際是當結果有獎懲機制的時候，人的評估會變得謹慎，從而得到修正。 - 量化的步驟。量化的5大步驟：1、定義決策的問題及其關聯的不確定性因子/變量有哪些；2、確定當前現狀已經掌握了哪些信息，並對這些信息進行校準、評估風險大小；3、計算信息價值；4、將量化方法用在高價值的量化中（這裏的量化方法有：隨機抽樣、貝葉斯方法）；5、做出決策並採取行動 - 如何量化主觀意識形態（例如人的偏好、態度）。採用李克特量表（Likert Scale），將答案分成“非常同意”“同意”“不一定”“不同意”“非常不同意”5種程度。 【碎言碎語】 - 這是一本被兩度寫到DPO裏面的書，終於逼自己看完，是因爲不想第三次被寫進去了 - 這本書的觀點不僅可用於指導企業管理，也可以用於個人生活，尤其是對於有選擇困難症的人，讀完你會發現，大部分選擇困難都是因爲事情沒想清楚 - 如果只是想知道個方法論，這本書讀讀就好；如果想完全喫透這本書，需要有紮實的統計學基礎。

彎彎繞太多了，故事也不是很好，談感官校正的意義其實也不是很大（畢竟再差的先驗分佈加兩個數據點進來就能校正很好了）。對潛變量應該深入的地方戛然而止。另外，這本書的內容重點在講測度，但翻譯名重點是決策，書名起的不好。這是兩個有關聯而且是有順序的事情。 p.s.：作者對信息經濟學，對頻率學派和原教旨貝葉斯之間的差異的理解，我保持一定的懷疑。只能建議給對這個毫不瞭解的人看看，但凡瞭解過一點統計和潛變量，都沒必要再讀了。