《数据化决策》读后感2000字.pdf

《数据化决策》读后感2000字

《数据化决策》读后感2000字：

最近，我阅读了《数据化决策》一书。这本书的作者是哈伯德，

他被称为应用信息经济学创始人，也是国际公认的知名测量师、决策

分析师和风险管理专家。单看这本书的书名，似乎是一本严肃的教科

书，但如果细看它的英文原名，《HowtoMeasureAnything》,又给人一

种畅销书的感觉，而事实上作者运用的也更多是畅销书的文笔。当然

这样写也无可厚非，毕竟利用数据作出决策是适用于各行各业的，而

这些管理者往往对数据、统计等领域不求甚解，用这种低门槛的方式

更容易让读者理解作者希望传达的理念。本文将简要介绍书中的核心

观点与个人收获，并讨论书中的观点有哪些值得商榷之处。

书名原意“如何量化一切”，似乎已经彰显了作者语不惊人誓不

休的风格。果然，作者在书中有不少看似荒唐的论断，比如，他认为

提高IT系统的安全性带来的效益是可以量化的；不仅如此，他还认为

幸福婚姻的价值甚至人生的价值也是可以量化的。看到这些“标题党

式”的观点，不禁让人心生疑窦，“这些公说公有理，婆说婆有理的

事情，都能被你量化出来？”

细读下去，作者的说法虽然有些哗众取宠，但是深究起来也不无

道理。作者所说的量化，主张“准确”而不必“精确”，减少不确定

1

性，但不必消除。人们觉得有些事物不可量化，往往是像数学考试一

样，拘泥于得出某一个精确的值，这样无形中给量化工作增加了障碍，

即便这些悬而未决的因素影响着决策，人们宁愿拍脑袋也不会尝试量

化。

而作者认为，量化事实上并非想象中困难。很多时候，只要准确

定义问题，分解问题，就能够厘清大量的未知地带。把问题区分为已

知和未知的因子，再对未知的部分进行低成本的统计调查，例如小样

本随机抽样、简单的实验和观测等等，就能够达成量化目标。事实上，

很多企业碰到的测算问题是前人早已遇到过的，通过搜集、借鉴这些

问题的解决方式，也能够少走很多弯路。

作者还指出，不应该因为有“量化太难”这种思维惯性而不量化，

而是应根据决策的准确度需要而量化。因为现实中只要确定了目标取

值的一定范围，往往就足够做出决策判断了，并不需要百分之百的精

确。

为了更好地解释说明，作者还列举了某企业实施IT安全优化项

目时采用的评估方法，书中也将此类评估称之为费米问题。

首先，该企业确定了评估的目标，就是测算当前不采用IT安全保

障的情况下，对企业每年造成了多大的损失，以此匹配相应的项目投

资金额。读后感接着，量化团队对这一目标变量进行

2

了分解，除了已知的部分以外，关键是找出不确定的部分并将其分解

为可确定、可测量的因子，在这个例子中就包括企业被病毒攻击的频

率、受影响的员工数、生产率的降低程度、宕机时间等，再根据员工

的成本，就可大致构成出所需的目标变量。

之后该团队通过科学观测或寻找过往研究结果的方式，对以上不

确定的因子进行测算，而且并不追求完美的精确，而是对每个指标都

列出90%的置信范围，最终推算出了企业目前每年因IT安全隐患遭

受的经济损失。而这个值也仅仅是真实损失的下限，因为除了员工的

生产力损失以外，IT系统的修复、企业的信誉受损等因素都还没有计

算在内，企业实际受损的程度其实要更加严重。至此，作者以一个真

实的案例清晰地道出了数据化决策的基本方法论，一层层拨开了问题

的迷雾，直达核心，用量化为企业带来了实实在在的效益。

顺便说一句，细心的读者一定发现了，作者的这种量化方法论，

其实和著名的咨询公司麦肯锡所倡导的“MECE”方法（Mutually

exclusive,collectivelyexhaustive）有着异曲同工之妙，本质上就是将大

问题分解成相互独立的小问题，并把所有情况考虑清楚。这样的思维

方式，在我们日常生活工作中的众多场景里都有用武之地。

说到最后，这本书一开始吹出了“我能量化一切”的大牛，然后

又以清晰的方法论和详实的案例实践，还真的把这个牛给基本圆回去。