具体描述
你还在依赖直觉和经验艰难地作出决策吗？这本书让你定量决策：
可口可乐动用2 000名调研员，对19万人进行口味测试后，如何作出最终决策？
如何衡量并未开口抱怨的顾客对服务或产品质量的不满意度？
如何通过数学公式找到最适合你的另一半？
数据无孔不入，大数据时代，谁掌握了数据，谁就能把握成功。“一切皆可量化”，道格拉斯这个大胆的宣言是解决诸多生活和商业问题的关键所在。
无论你的问题看起来多么不可量化，如健康、幸福感、顾客满意度、IT安全、投资风险、品牌价值、组织灵活性等，在本书中都可以找到量化的办法。作者在本书中：
专注于量化不确定性、风险和数据价值；
提供了令人拍案惊奇的测算无形之物的简便方法，让你仅仅基于已知数据就能准确决策；
展示了丰富而精彩的量化案例，让身边的数据唾手可得。
本书兼具实用性、可读性与趣味性，甚至让反感数据的人也能发现它的亲切。
作者简介
道格拉斯• W. 哈伯德是应用信息经济学创始人、国际公认的知名测量师、决策分析师和风险管理专家。
他的应用信息经济学方法是一种量化的方法论，已被全球多家《财富》500强企业所应用，并被广泛应用于IT安全、娱乐传媒、军事物流、研发整合等众多领域。而这些领域的决策和管理往往依赖于一些看起来很难量化或者不可能量化的因素。
道格拉斯还是位广受欢迎的演说家。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。他还是《风险管理的失败》（The Failure of Risk Management）一书的作者。
目录信息
自序 一切皆可量化
第一部分 量遍天下：没有什么不可量化
第1章 无形之物有法可测
幸福婚姻的价值和人生的价值都可量化？
管理顾问，绩效测评专家无法解决但本书可搞定
第2章 不同时代，不同领域的量化大师
坐在图书馆里就能估算出地球周长？
物理学家何如估算出芝加哥的钢琴调音师有多少？
只花费10美元，9岁女孩就揭穿医学谎言
质量和创新究竟能为企业带来多大的收益？
从量化大师身上能学到什么？
第3章 他们为什么说无形之物不可量化？
对传统定义的挑战
澄清链：量化方法就隐藏在量化目标中
5人法则：只需很小的样本就可以减少不确定性
4 个假设让量化看上去很简单
量化真的需要不菲的代价吗？
可以相信统计数字吗？
99岁患病老人不如5岁儿童的命值钱？
量化的5大步骤
第二部分 量化什么：不确定性、风险、信息价值
第4章 厘清待量化事物与决策的关系
清晰定义“不确定性”和“风险”
为退伍军人事务部IT 安全项目进行的量化工作
第5章 校准训练：修正你的判断
校准练习：让“估计”变得更准确
你的估值范围=你的认知程度
90%的信心意味着90%的概率吗？
经过校准训练的人往往预测得更准确
第6章 蒙特卡洛模型：评估风险大小
分清“感觉很好”与“真的很好”
蒙特卡洛模型：范围也能进行加减乘除？
寻找盈亏平衡点
不必一开始就建立蒙特卡洛模型
风险悖论：越重大的决策，越缺少风险分析
第7章 一条减少不确定性的信息价值多少？
预期机会损失：出错的机会和成本
· · · · · · (收起)
读后感
随着大数据时代的到来，基于数据科学方法的定性和定量结合的研究变得愈加重要。而《数据化决策》这本书的量化技术，却可以给予了管理者在管理和决策方面很大的帮助。对于特定的公共与商业问题，只有结合“大数据”，才能完成大数据决策时代的真正革命。这本书囊括了商业、科...
这问学问在我看来是一个神奇的学问，就好像另外一门庞大的学科：心理史学一样。 很喜欢这本书里面提到一些概念： 任何事情都是可以量化的；量化就是减少不确定性；任何量化如果不能够带来行动或者决策，这样的量化是没有意义的。 整本书围绕着应用信息经济学的方法论展开的，...
“一切皆可量化”是这本书最想告诉读者的理念。而说出这个结论的是国际上知名的测量师、决策分析师和风险管理专家——道格拉斯•W..哈伯德，他是应用信息经济学创始人。他提倡的应用信息经济学方法是一种量化的方法论，其成果已经在多家跨国公司被广泛应用。 这本书...
作为美国数据分析大师道格拉斯•W. 哈伯德（Douglas W. Hubbard）的代表作，《数据化决策》在当今“大数据”的时代出版绝对是应时应景的。它在出版之后立刻受到了追捧，被无数的读者所喜爱，在世界各地多种语言多次出版，很快成为一本标志性、里程碑式的著作。 这是件很有趣...
公共事业及各类投资、商业决策、管理决策中所需要进行量化的数据往往看起来异常复杂，难以获取。想要达到准确无误，势必要花费巨额的金钱和时间，付出昂贵的代价。另外，所获得的价值与成本对比就显得意义不大。 这是我们常见的对“ 量化”的误解之一，认为对报...
用户评价
读完这本书，我感觉自己的思维方式被彻底重塑了。过去，面对一个突发状况，我的第一反应总是依赖于过去的成功经验，但这在快速变化的商业环境中往往会失效。这本书则强力主张建立一套“假设-验证-调整”的反馈闭环。最让我印象深刻的是关于“数据素养”的部分，作者强调，决策者本身不需要成为数据科学家，但必须能够准确地提出高质量的问题，并批判性地解读数据分析师给出的报告。这一点太重要了，我们常常因为看不懂图表背后的含义，或者被“数据美丽的陷阱”所迷惑，最终做出错误的判断。书中提供了一套非常实用的工具来识别常见的统计谬误，比如相关性不等于因果性，幸存者偏差等等。这使得我在今后的工作中，面对那些用图表包装起来的汇报时，能多一份警惕和审视。可以说，这本书提升的不仅仅是决策的效率，更是决策的质量和底气。
这本书的叙事风格非常引人入胜，它没有采用那种枯燥的教科书式编排，而是以一种类似商业侦探小说的方式展开，通过一系列引人入胜的案例研究，层层剥开数据决策的神秘面纱。我尤其喜欢作者对“组织文化”如何阻碍数据决策的分析。很多时候，问题不在于数据技术，而在于组织内部的权力结构和既得利益者的抗拒。书中探讨了如何在组织内部推动数据透明化，以及如何设计激励机制来鼓励员工主动使用数据进行自我修正，这才是真正困难但又至关重要的部分。我从中汲取了很多关于“变革管理”的智慧，认识到数据化转型不仅是一场技术升级，更是一场深刻的文化重塑。读完后，我不再只关注工具本身，而是将目光投向了如何让工具发挥作用的土壤——组织。
坦白讲，最初我以为这又是一本老生常谈的“大数据”宣传册，但《数据化决策》很快打消了我的疑虑。它真正深入到了决策的底层逻辑，探讨了如何量化那些看似“软性”的指标。比如，如何衡量客户体验的提升，或者一项创新投入的长期价值。书中的章节关于“指标体系构建”的部分是精华，它教导我们如何从宏观目标分解出可衡量、可追踪的关键绩效指标（KPIs），并且重点强调了指标之间的平衡性，避免“顾此失彼”。我立刻尝试将书中的方法应用到我们团队的季度回顾中，通过重新定义几个核心指标，我们团队的关注点一下子聚焦了，不再被那些不重要的“虚荣指标”所干扰。这种从宏大叙事回归到具体操作层面的指导，让这本书的实用价值倍增。它不是高高在上的理论，而是可以立即上手操作的工具箱。
这本《数据化决策》真是让我大开眼界。我一直以为决策无非就是经验和直觉的结合，没想到现在有了如此系统、科学的方法论。书里对“数据驱动”这个概念的阐述非常透彻，它不仅仅是告诉你收集数据、分析数据，更重要的是告诉你如何将数据真正融入到决策流程的每一个环节。我特别喜欢作者在书中提到的“决策树”和“概率思维”的应用案例，那些复杂的商业问题，通过这些工具一下子变得清晰明朗起来。比如，在评估一个新产品上市的风险时，过去我们往往是拍脑袋定一个保守值，但现在可以根据历史数据，构建一个包含各种不确定性的模型，从而得出一个更合理的风险区间。这种从模糊到清晰的转变，对于我这种需要经常做战略规划的人来说，简直是救命稻草。书中没有过多地堆砌晦涩的数学公式，而是通过大量贴近实际的商业场景来阐述原理，读起来非常顺畅，感觉就像是跟着一位经验丰富的大师在实战演练。它提供的是一套思考框架，而不是一堆僵硬的规则，这一点我非常欣赏。
对我而言，这本书的价值在于它提供了一种全新的“不确定性管理”视角。在充满波动的市场环境中，追求“绝对正确”的决策是不现实的，作者清晰地指出了这一点，并提供了一套“渐进式优化”的策略。与其花费大量时间和资源去追求一个完美的预判，不如设计一个快速迭代的实验，用最小的成本去试错，然后根据反馈数据快速调整航向。这种敏捷思维在数据决策中的体现，是全书最闪光的点之一。它解除了我对“犯错”的恐惧，因为只要你的错误是基于数据测试的，那么它就不是失败，而是昂贵的经验。书中的配图和图表设计也极其考究，逻辑清晰，有助于消化那些原本比较抽象的概念。总而言之，这是一本为现代商业人士量身打造的、兼具深度和实操性的指导手册，让我对未来的挑战充满了信心。
书名改为《如何量化测度》更准确些
量化分析实用入门普及读本。
不喜欢这本。这翻译和校对简直是场空难，简单的术语和观点的理解被人为增加了难度。除此之外，只有量化一切商业价值这个观点比较有价值了。蒙特卡洛和贝叶斯，还有回归，自己去看统计学吧。
难得有这样一本专业的著作，不失水准
在图书馆找大数据的书找到这本挂羊头卖狗肉的，不过“狗肉”很专业很给力，决定自己买一本细细品读。这本书内容正如其英文标题how to measure everything，告诉你如何量化万事万物，只需要一些简单的统计学知识和方法，就可以对事物的范围大大地精确化，在大数据时代，这也是让数据真正发挥作用的必须手段。
