数据化决策

推荐理由 这是一本关于数据驱动商业决策的书，既有商业决策中经常使用到的决策思维，也有统计学的案例应用，推荐给每个商业数据分析从业者，如管理咨询师、商业分析、数据分析人员。 道格拉斯·W·哈伯德（Douglas W. Hubbard）是美国俄亥俄州立大学的教授，也是数据驱动的决策和风险管理领域的专家，这本书分享了他对数据化决策的方法和路径，我推荐这本书的原因有三： 1、 书中很多统计学知识的应用案例非常到位，尤其是对抽样样本预估整体的方法，如T统计测量方法，很熟悉的知识，教授讲出了应用的真谛 2、 抽象事物的量化方法，虽然这些是经济学的常用知识入门，但跟商业案例相结合，让我的眼前一亮，推荐给有经济学基础的同学，否则对于效用函数、无差异曲线，理解起来比较晦涩 3、 数据化决策的步骤，这一点跟教授有所共鸣，数据化的目的是为了支持决策，而作为商业数据分析师，把业务问题转化为数学问题，非常关键，这是每个分析师需要具备的思维。 关于作者 道格拉斯·W·哈伯德（Douglas W. Hubbard）是美国俄亥俄州立大学的教授，也是一位数据科学家和作家。他曾任职于美国国家航空航天局（NASA）和美国国防部，并在多家公司担任过高管职务。哈伯德是数据驱动的决策和风险管理领域的专家，他出版过十多本书，其中包括《数据化决策》、《数据驱动的决策》、《如何用数据讲故事》等。哈伯德还是一位知名的演讲者，他曾在世界各地的会议上发表过演讲。曾为《信息周刊》《首席信息官企业》《分析学》和《今日OR/MS》等杂志撰写文章。 哈伯德的履历如下： ○ 1980年，获得美国空军学院理学学士学位。 ○ 1982年，获得美国空军学院航空航天工程硕士学位。 ○ 1985年，获得美国斯坦福大学航空航天工程博士学位。 ○ 1985-1989年，在美国国家航空航天局（NASA）担任研究科学家。 ○ 1989-1993年，在美国国防部担任项目经理。 ○ 1993-1997年，在一家私营公司担任高管。 ○ 1997年至今，在美国俄亥俄州立大学担任教授。 哈伯德是数据驱动的决策和风险管理领域的专家，他出版过十多本书，其中包括《数据化决策》、《数据驱动的决策》、《如何用数据讲故事》等。哈伯德还是一位知名的演讲者，他曾在世界各地的会议上发表过演讲。 为什么每本读书笔记，都会加上对于作者的介绍？ 个人认为在读书笔记中加入对作者的介绍，可以帮助我们更好的理解作者的写作背景和动机，从而更好地理解书中的内容。同时，对于作者的介绍还可以帮助我们了解作者的其他作品，从而扩展他们的阅读范围。 就如我们读古人的诗词的时候，需要理解诗人所在的时代和诗人的成长环境，有助于我们更好地理解诗歌的内涵和外延。因为诗歌是时代的产物，它反映了诗人所处的时代背景和社会环境。例如，李白的诗歌往往豪放奔放，这与他所处的盛唐时期国泰民安、经济繁荣的背景有关。而杜甫的诗歌则往往沉郁顿挫，这与他所处的安史之乱时期战乱频仍、民不聊生的背景有关。同时，诗歌也是诗人个人经历的反映。例如，李清照的诗歌往往婉约细腻，这与她坎坷的个人经历有关。而苏轼的诗歌则往往豪迈旷达，这与他豁达的人生态度有关。 核心内容 这本书分享了作者对于任何需要决策的事务均可采取数据化的方法来实现，当然，我们不是为了数据化而数据化，而是为了实现某种目的而采取的数据决策的方式，从而降低不确定性，实现决策的准确性。 个人认为翻译为“量化”不够贴切，用数据化更能说明问题，为此，后续将书籍中的“量化”化全部改成数据化 一切皆可数据化首先作者觉得任何事物均可数据化，但不是为了数据化而数据化，数据化的目的是为了减少决策中的不确定性，而非为了消除不确定性（作者认为完全消除不确定性，需要整理的信息成本太高，需要平衡数据化的经济成本和决策成本，以便实现最大化收益），为此作者举了三个看起来不可能数据的案例：埃拉托色尼估算地球周长、物理学家恩里科·费米（Enrico Fermi）估算芝加哥的钢琴调音师有多少、9岁女孩揭穿医学谎言。 其次，作者认为我们需要弄清楚需要解决什么问题，以及如何将问题数据化，只要理清了两者之间的关系，将业务的问题转化为数据的问题，那我们基本上就找到了问题的解决链路。 最后作者提出了数据化问题的5个步骤，以便于大家掌握将业务问题数据化的方法步骤。 数据化的五个步骤 步骤1：定义需要决策的问题和相关的不确定因素 如果有人问：我们怎么数据化XXX？那他们也许已经本末倒置了。第1个问题是：你面临的进退两难的困境是什么？然后我们可以定义所有和该困境有关的变量，并确定一个大致的方向，如训练效果或经济机会的真正意思到底是什么。 步骤2：确定你现在知道了什么 我们需要在确定的决策范围内，将由于数据不明所产生的不确定性数数据化。这需要学习怎样使用范围和概率的术语来描述不确定性。定义相关决策以及关于它究竟有多少不确定性，这有助于我们确定相关风险。 步骤3：计算附加信息的价值 信息具有价值，因为它减少了决策的风险，知道数据化的信息价值可以让我们确定要数据化什么，还会告诉我们该如何数据化。如果没有和信息价值相关的变量以衡量任何数据化方法的价值，请跳到第5步。 步骤4：将有关数据化方法用于高价值的数据化中 我们将讲解一些基本方法，例如随机抽样、控制实验和在此基础上的一些变化不大的方法。我们还将讨论怎样根据有限数据得出更多结论、怎样隔离一个变量的效果、怎样将软偏好数数据化、怎样在数据化中使用新技术、怎样更好地利用专家。重复第3步。 步骤5：作出决策并采取行动 当确定成本后，决策者就要面对风险与回报的决策了。任何不确定性都是这个选择的一部分。为了使决策最优化，决策者的风险喜好程度也可以被数据化，甚至在战略组合数量较多的情况下，也可以计算最优选择。后面我们将讨论这些方法，还会讨论如何将决策者的风险喜好度、其他偏好和态度数据化。本步骤和前面的步骤相结合，形成实用的项目步骤。 数据化不确定性、风险和信息价值作者首先提出了一个问题：开展营销活动可能损失200万美元；不开展营销活动，潜在损失竟高达2400万美元，这笔账是如何算出来的？如何计算出新的广告活动会增加多少销量？不确定性越高，需要的信息反而越少？确定性越高，反而需要越多数据以减少不确定性？ 然后作者给出了自己的建议： 1、 在数据化之前，我们需要厘清待量化事物与决策的关系 该量化要支持什么决策？从可观测到的结果来说，需量化事物的定义是什么？该事物和要支持的决策有怎样精确的关系？你现在对它了解多少，也就是说，你当前的不确定性水平怎样？附加信息有什么价值？ 如果一项量化工作至关重要，那是因为它会对决策和行为产生一些可感知的效果；如果一项量化工作不能影响或改变决策，那它就没有价值。 校准概率评估是量化当前不确定性的关键，学习怎样将不确定性定量化，是对事物进行量化的重要步骤。 2、 校准训练：修正你的判断 作者认为我们应该用概率来描述某些特定事件的不确定性，通过置信区间，确定我们对某个事物的确定程度。而校准除了能提高对不确定性的主观评估外，还会消除决策过程中对概率分析的反对意见。这里作者介绍了重复和反馈、等价赌博测试、赞成和反对两方面意见、反向锚定法等方法来提高准确性。 3、 蒙特卡洛模型：评估风险大小 蒙特卡洛模拟是一种预测不确定事件可能结果的数学技术。计算机程序使用这种方法来分析过去的数据，并根据选择的行动预测一系列未来结果。 4、 一条减少不确定性的信息价值多少？ 减少风险是计算量化价值的基础，也是选择量化什么以及如何量化的基础。在商业案例中，一个被量化的事物的经济价值，和它所受到的关注常常成反比。在相当多的领域，被量化事物的重要性根本比不上被忽视的事物的重要性。而且，我还经常发现，客户的量化工作往往只是让他们知道了什么信息有价值。他们把这一发现看成伟大的启示下图对这些发现作了总结 数据化的方法：随机抽样、贝叶斯方法这里面最常用的数据化步骤如下： 1、 我们需要解决的业务问题是什么？ 2、 将业务问题转化为数据问题，需要找到衡量业务问题的数据指标，这是需要我们定义的 3、 将该事物逐层分解（加法【构成法】或者乘法分解），直到可以找到对应的可衡量指标数据为止 4、 思考下 这些指标的现状是怎么样，预估我们看到数据趋势后会有什么样的结论和判断，先建立假设，后通过数据验证 5、 有些数据不能直接获取，我们的数据是否存在误差，误差是否可以接受； 6、 是否可以选择多种方法和数据来源进行交叉验证 随后作者详细分享了随机抽样和贝叶斯方法，如小样本的T-检验（最少5-8个样本就可以90%的置信区间确定整体的分布空间）、两次独立抽样、总体均衡抽样、定点抽样、整群抽样、分层抽样、连续抽样、对照组实验（也就是我们现在互联网常提到的AB测试)、相关性分析，这里的内容比一般的统计学知识介绍更为有趣，更为实用，建议大家可以阅读下。 前面的随机抽样方法是在没有历史数据的情况下，根据随机抽样的结果进行预测，而贝叶斯方法则是用数据来更新特定假设的概率，以便于用“后验信息”更新先验信息的问题。简单地说，贝叶斯定理处理的是概率和条件概率的关系问题。条件概率是指在特定条件下某事件发生的概率。 这里作者再次分享了 异构标杆法、贝叶斯反演法，这里面的案例再次加强了我对贝叶斯概率商业应用的理解，同时也推荐大家阅读并在工作中实践，后续有机会我将总结类似中国的决策案例。 数据化抽象事物，如偏好、态度和判断对于抽象事物的数据化，经济学家其实已经做了很多工作，如衡量消费者偏好的效用函数和无差异曲线、生产可能性曲线、不确定性和风险的衡量方式等等，经济学家提出了很多量化的方法。 作者专门介绍了支付意愿法（支付意愿（Willingness To Pay，WTP）法就是询问人们愿意为某物付多少钱。这种方法常用于不能用任何其他方法估值的事物。而且，这种方法已经用于估计营救濒危物种、提高大众健康及环保等方面的价值了）、量化风险承受能力的投资边界曲线、效用曲线、绩效量化四种方法，最后一切商业问题都可归结为利润化来衡量。 结合前文，作者整理了抽象事物量化的几种方法及其优劣，如最基础的主观加权评分法（可以结构化的呈现评估的过程、专家打分）、简单的线性模型、透镜模型、拉希模型、客观模型，逐步提升预测的精准度。 最后，作者提到随着新技术的应用，数据获取的方式更为精确，也为我们数据化决策提供了更多的信息，并总结了数据化决策的步骤和应用信息经济学的决策流程。

“一切皆可量化”，强调量化并非追求绝对精确，而是通过减少不确定性来辅助决策。作者认为，即使是看似抽象的概念（如幸福感、客户满意度等），也能通过科学方法转化为可测量的数据，为决策提供依据。

非常棒一本，又让我老旧的思维模框架松动了一角！

还不错，工作中比较实用的一些计算收益评估风险的方法

对我数字化分析能力影响很大的一本书

书名误导，不应该叫数据化决策，应该是《量化风险决策》 《数据化决策》道格拉斯 W. 哈伯德 ◆ 本书的核心，在于阐释了“无测量、无管理”的理念 ◆ 数据即资产；一切皆可量化。 ◆ 本书最有价值的地方，就是提出了一套完整的量化方法论，一套类似咨询公司的行动计划，通过对重大商业决策的变量定义、不确定与价值建模，可以为任何投资与商业决策进行风险量化分析。 自序 一切皆可量化 ◆ 早期的科学管理聚焦于优化劳动过程，而我们现在需要优化用于管理决策的量化方法。 第1章 无形之物有法可测 ◆ 当你能够量化你谈论的事物，并且能用数字描述它时，你对它就确实有了深入了解。但如果你不能用数字描述，那么你的头脑根本就没有跃升到科学思考的状态。 ◆ 凡事皆可量化。 ◆ 量化是减少不确定性、优化问题的有效手段。 第2章 不同时代、不同领域的量化大师 ◆ 所有科学都建立在近似观念之上，如果一个人告诉你，他精确地知道某事，那么可以肯定，你正在和一个不精确的人说话。 第3章 他们为什么说无形之物不可量化？ ◆ 数学命题只要和现实有关，它们就是不确定的；只要它们是确定的，那么就和现实无关。 第4章 厘清待量化事物与决策的关系 ◆ 在进行量化前，需要回答以下问题：◆　该量化要支持什么决策？◆　从可观测到的结果来说，需量化事物的定义是什么？◆　该事物和要支持的决策有怎样精确的关系？◆　你现在对它了解多少，也就是说，你当前的不确定性水平怎样？ ◆ 如果一项量化工作至关重要，那是因为它会对决策和行为产生一些可感知的效果；如果一项量化工作不能影响或改变决策，那它就没有价值。 第5章 校准训练：修正你的判断 ◆ 人生中最重要的问题，在绝大多数情况下，真的就只是概率问题。 第6章 蒙特卡洛模型：评估风险大小 ◆ 近似正确胜于精确错误，风险来自于你不知道自己要做什么。 ◆ 使用范围而非不切实际的精确值表示不确定性，具有明显的好处：当你允许自己使用范围和概率时，你对不知道的事情不需要作任何假设。 ◆ 蒙特卡洛模型用计算机产生大量基于概率的情境作为输入。对每个情境来说，它的每一个未知变量会随机产生一个特定值，然后将这些值用在一个公式中计算该情境的输出值。 ◆ 2026/05/07发表想法 蒙特卡洛模型，用大量的概率和范围数据去计算确定性，底层的理论是大数定理，概率数越多，越接近真实值。 原文：蒙特卡洛模型用计算机产生大量基于概率的情境作为输入。对每个情境来说，它的每一个未知变量会随机产生一个特定值，然后将这些值用在一个公式中计算该情境的输出值。 第7章 一条减少不确定性的信息价值多少？ ◆ 要取得知识的进步，没有比模棱两可的话更大的障碍了。 第8章 选择和设计量化方法 ◆ 使我们陷入麻烦的通常并非我们不知道的事情，而是那些我们知道得不确切的事情。 第9章 随机抽样：窥一斑而知全豹 ◆ 满意事物本身的精度，在只能近似的情况下，不去寻求更精确的值，这是一个受过教育的人的标志。 第10章 贝叶斯方法：利用已知估算未知 ◆ 当我们遇到新信息时，除了将它和已经知道的建立联系之外，我们别无选择，因为在我们的意识中已然没有多余的空间存储新信息，以使其不被现有信息“污染”。 ◆ 贝叶斯统计处理的是怎样用“后验信息”更新先验信息的问题。其始于现有知识，然后考虑“后验信息”对现有知识带来多少改变。 ◆ 使用你天生的贝叶斯本能：用新信息更新旧信息 第11章 量化人们的偏好和态度 ◆ 如果一个问题能够清晰地表述，那么我们就已经解决了一半。 第14章 通用的量化方法：应用信息经济学 ◆ 任何需要量化的事物都可以用某种方法量化，而且得到这种方法本身，就是收获。 -- 来自微信读书

魔鬼藏在数据里，决策藏在量化中 正如这句广告语，数据量化是这本的核心内容。 这是本很好的数据化决策方面的指导书，是企事业领导人应该读的一本书。 本书分成四部分十四章，诠释了无测量无管理的理念，万事万物不管是商业还是企业等等，所有的事物都是可以量化的，也就是说量化管理的观点是能成立的。 1.量遍天下 ，没有什么不可以量化。 这部分分为三章，主要阐述的内容是凡事都可以量化，有形的无形的事物，只要你能深入思考，都可以数字化的表述出来，总会有更简单量化方法。 2.量化什么：不确定性、风险、信息价值 这部分又分为四章，主要阐述的内容是量化的主要内容，理清量化和决策的关系，处理好不确定性、风险的关系，经过这部分内容的训练，能使自己的估计更准确，借以修正自己的判断，避免可能出现的种种风险，尽量能评估出各种风险的大小，帮助自己或者上级确定更合理的方案。 3.减少各种事件出现的不确定性。 其次是如何选择和设计合适的量化方法，其中包括怎样合理地抽样，使样本数据更合理真实反应事物的本质。 第三就是讲述如何合理的估读或者估算数据，使问题更简单化。 本书的第四部分是量化抽象事物：偏好、态度和判断，首先是讲述如何量化人们的偏好和态度，通过很巧妙的方法实现这一目标。 其次是探讨人的和测量仪器的各自长处，其实人有人的优势就是能变化，机器的优势就是准确，缺点就是僵化，新的仪器设备的不断发明和制造，使测量更简单易行，尤其是各种计算机软件的不断翻新，计算的方法也越来越简单易行，可信度越来越高，信息经济学的应用更是使数据量化进入一个新的台阶。 读这本书需要很用心，慢慢地读，反复地读，才能体会到这本书的真正含义。 如今是数据爆炸的年代，各种事物在不断出现，各种机会也同样摆在人们的面前，如何把握机会才能立于不败之地那？ 就是耐下心来，精读这本数据决策的指导书，让你能做出最更高概率准确的决策。 4.量化决策5步法 哈伯德指出，量化决策步骤可分为5步， 即定义需要决策的问题和相关的不确定因素（量化的定义及其意义） 确定你现在知道了什么（量化的决策以及不确定性） 计算附加信息的价值（信息的如何量化）、 将有关量化方法用于高价值的量化中（一些必须的量化基本方法） 做出决策并采取行动。 量化的前提是该事物是否与决策存在至关重要的关系，如果不存在关系，量化是不必要的，相反如果存在，才有量化的必要性。 正如哈伯德在书中开头所提及的一样，首先必须知道量化的定义，澄清风险和不确定性的区别。 例如为退伍军人事务部IT安全项目进行量化的工作，必须定义该量化是想解决什么问题，IT安全的真实定义？ 本书中提出了针对不确定性和风险的两种方法，校准训练和蒙特卡洛模型，然后提出计算信息的价值，以确定不确定的范围。 但量化问题的关键还在如如何量化的方法，有些问题用一些简单的数学问题可以解决，但个别问题则需要用复杂的量化方法。 比如如何估算全市共有多家加油站是个费米问题，简单的推算可以解决，但要是涉及下一次世界大战出现的可能性则必须考虑几十种复杂因素。 哈伯德在本书中提出了几种常用的量化方法，如简单的随机抽样、贝叶斯方法、量化抽象事物的方法、量化人们的偏好和态度的方法，当然还有5人法则。 这些方法有些利用人的自觉判断，有些则利用测量仪器，书中提出了两种量化方法，Rasch模型和透镜模型，关于这两种的区别，哈伯德指出在宽松的条件下，这些方法并不适用。 以上这些都是比较传统的测量方法，随着信息技术的高度发展，新型测量方法和仪器可以带来革命性的进展，如书中提及到的全球定位系统、用屏幕抓取软件和混搭法挖掘网络信息，利用群体智慧的预测市场。 哈伯德用这些量化方法解决了IT领域的一些难题，并创造性地构建“应用信息经济学”方法，将量化方法应用于研究投资组合、市场预测、军事后勤等多个行业，那么，在大数据时代，这些方法更备受决策者的关注。

太啰嗦了，大量的基础性示例。论述半天“可量化”和“量化”。搞半天就是高科技仪器，传统统计方式。也就是，讲了半天Why和what，how讲的就很基础。很外国人的思维，太理论，干货偏少。如果有体系化讲解量化方法的书有的话推荐下，谢谢！

【核心观点】无量化无管理（no measurement no management） 【框架提炼】 - 万事万物皆可量化。这part作者列举了大量的不同时代、不同领域的事例，证明没有什么是不可量化的。个人感觉可以总结为：当你对问题或者事情的思考达到足够的深度，那么一定可以找到一个方法来进行量化；对于无形之物，也可以通过澄清链的方式逐步澄清对它的认识，从而找到量化的方法——因为“量化的方法就藏在隐藏在量化目标之中”——量化方法，其实是对无形之物给出一个重新定义，以时间为例，时间本来无形，看不见摸不着，但我们一旦以年月日时分秒来定义时间，时间也就被量化了。 - 量化什么。量化是要支撑决策的，因此量化首先要先定义决策的问题和相关的不确定性是什么。量化的内容主要包括不确定性、风险和信息价值。这part里有个很有意思的“等价赌博测试”来进行校准训练，让我们的评估变得更准确——它的逻辑实际是当结果有奖惩机制的时候，人的评估会变得谨慎，从而得到修正。 - 量化的步骤。量化的5大步骤：1、定义决策的问题及其关联的不确定性因子/变量有哪些；2、确定当前现状已经掌握了哪些信息，并对这些信息进行校准、评估风险大小；3、计算信息价值；4、将量化方法用在高价值的量化中（这里的量化方法有：随机抽样、贝叶斯方法）；5、做出决策并采取行动 - 如何量化主观意识形态（例如人的偏好、态度）。采用李克特量表（Likert Scale），将答案分成“非常同意”“同意”“不一定”“不同意”“非常不同意”5种程度。 【碎言碎语】 - 这是一本被两度写到DPO里面的书，终于逼自己看完，是因为不想第三次被写进去了 - 这本书的观点不仅可用于指导企业管理，也可以用于个人生活，尤其是对于有选择困难症的人，读完你会发现，大部分选择困难都是因为事情没想清楚 - 如果只是想知道个方法论，这本书读读就好；如果想完全吃透这本书，需要有扎实的统计学基础。

弯弯绕太多了，故事也不是很好，谈感官校正的意义其实也不是很大（毕竟再差的先验分布加两个数据点进来就能校正很好了）。对潜变量应该深入的地方戛然而止。另外，这本书的内容重点在讲测度，但翻译名重点是决策，书名起的不好。这是两个有关联而且是有顺序的事情。 p.s.：作者对信息经济学，对频率学派和原教旨贝叶斯之间的差异的理解，我保持一定的怀疑。只能建议给对这个毫不了解的人看看，但凡了解过一点统计和潜变量，都没必要再读了。