نکات کلیدی
1. همه چیز قابل اندازه‌گیری است، حتی موارد ناملموس
اگر بتوانید به هر طریقی آن را مشاهده کنید، به نوعی روش اندازه‌گیری می‌انجامد.
اندازه‌گیری کاهش عدم قطعیت است. برخلاف باور عمومی، اندازه‌گیری نیاز به دقت یا قطعیت کامل ندارد. به سادگی به معنای کاهش عدم قطعیت درباره یک کمیت مورد علاقه است. این امر به موارد ملموس مانند اشیاء فیزیکی و مفاهیم ناملموس مانند رضایت مشتری یا ریسک پروژه اعمال می‌شود.
پیامدهای قابل مشاهده. هر ناملموسی که اهمیت دارد باید پیامدهای قابل مشاهده‌ای داشته باشد. به عنوان مثال، اگر ادعا کنید که روحیه کارکنان بر بهره‌وری تأثیر می‌گذارد، باید راهی برای تشخیص تغییرات در روحیه از طریق معیارهای بهره‌وری وجود داشته باشد. با شناسایی این اثرات قابل مشاهده، می‌توانیم به طور غیرمستقیم ناملموس را اندازه‌گیری کنیم.
روش‌های عملی وجود دارد. بسیاری از چیزهایی که به نظر غیرقابل اندازه‌گیری می‌آیند، قبلاً توسط کسی اندازه‌گیری شده‌اند، اغلب با استفاده از روش‌های به طرز شگفت‌آوری ساده. مثال‌ها شامل:
- تخمین جمعیت ماهی‌ها در دریاچه‌ها بدون تخلیه آن‌ها
- اندازه‌گیری تأثیر اقتصادی آسیب به برند
- کمی‌سازی ارزش زندگی انسان برای تصمیم‌گیری‌های سیاستی
2. اندازه‌گیری عدم قطعیت را برای تصمیم‌گیری بهتر کاهش می‌دهد
اندازه‌گیری اهمیت دارد زیرا باید تأثیری قابل تصور بر تصمیمات و رفتار داشته باشد.
اندازه‌گیری مبتنی بر تصمیم. هدف از اندازه‌گیری اطلاع‌رسانی به تصمیمات است. قبل از اندازه‌گیری، تصمیم مورد نظر و چگونگی تأثیر اطلاعات اضافی بر آن را به وضوح تعریف کنید. این به اولویت‌بندی آنچه باید اندازه‌گیری شود و با چه دقتی کمک می‌کند.
عدم قطعیت و ریسک. تصمیمات شامل عدم قطعیت است که ریسک ایجاد می‌کند. اندازه‌گیری عدم قطعیت را کاهش می‌دهد و در نتیجه ریسک را کاهش می‌دهد. مفاهیم کلیدی:
- عدم قطعیت: عدم وجود قطعیت کامل؛ وجود بیش از یک امکان
- ریسک: حالت عدم قطعیت که در آن برخی از امکانات شامل زیان یا نتایج نامطلوب است
ارزش اطلاعات. همه اندازه‌گیری‌ها به یک اندازه ارزشمند نیستند. ارزش مورد انتظار اطلاعات کامل (EVPI) را محاسبه کنید تا تعیین کنید یک اندازه‌گیری چقدر ارزش دارد:
- تصمیم و نتایج ممکن را شناسایی کنید
- احتمالات و پیامدهای هر نتیجه را تخمین بزنید
- ارزش مورد انتظار با و بدون اطلاعات کامل را محاسبه کنید
- تفاوت EVPI است، حداکثر مقداری که باید برای اندازه‌گیری هزینه کنید
3. برآوردهای خود را برای بهبود دقت کالیبره کنید
موفقیت تابعی از پایداری و سرسختی و تمایل به کار سخت برای بیست و دو دقیقه برای درک چیزی است که اکثر مردم پس از سی ثانیه از آن دست می‌کشند.
اعتماد به نفس بیش از حد رایج است. اکثر مردم در برآوردهای خود بیش از حد اعتماد به نفس دارند و دامنه‌هایی ارائه می‌دهند که بسیار باریک هستند. این منجر به تصمیم‌گیری ضعیف بر اساس انتظارات غیرواقعی می‌شود.
آموزش کالیبراسیون. از طریق تمرین و بازخورد، افراد می‌توانند یاد بگیرند که برآوردهای احتمالی دقیق‌تری ارائه دهند. تکنیک‌ها شامل:
- آزمون شرط معادل: برآورد خود را با شرطی با شانس‌های شناخته شده مقایسه کنید
- در نظر گرفتن مخالف: به طور فعال به دنبال دلایلی باشید که ممکن است اشتباه کنید
- استفاده از کلاس‌های مرجع: با مقادیر مشابه و شناخته شده مقایسه کنید
- تمرین با بازخورد: آزمون‌های کالیبراسیون بگیرید و نتایج را مرور کنید
مزایای کالیبراسیون. برآوردکنندگان خوب کالیبره شده:
- ورودی‌های قابل اعتمادتر برای مدل‌های تصمیم‌گیری ارائه می‌دهند
- به اطلاعات جدید و تغییر نظر خود بازتر هستند
- پیش‌بینی‌های بهتری در حوزه‌های مختلف انجام می‌دهند
4. از قانون پنج برای بینش سریع جمعیت استفاده کنید
93.75% احتمال دارد که میانه یک جمعیت بین کوچک‌ترین و بزرگ‌ترین مقادیر در هر نمونه تصادفی از پنج از آن جمعیت باشد.
ساده اما قدرتمند. قانون پنج اجازه می‌دهد تا با داده‌های کم، برآوردهای سریعی از ویژگی‌های جمعیت داشته باشید. این برای هر نوع جمعیتی کار می‌کند، از وزن‌های ژله‌ای تا امتیازات رضایت مشتری.
چگونه آن را اعمال کنید:
- یک نمونه تصادفی از پنج مورد از جمعیت بگیرید
- کوچک‌ترین و بزرگ‌ترین مقادیر در نمونه را یادداشت کنید
- می‌توانید با 93.75% اطمینان داشته باشید که میانه جمعیت بین این دو مقدار قرار دارد
محدودیت‌ها و گسترش‌ها:
- اطلاعاتی درباره میانه ارائه می‌دهد، نه میانگین
- برای برآوردهای دقیق‌تر، اندازه نمونه را افزایش دهید (جدول بدون ریاضی در کتاب را ببینید)
- با روش‌های دیگر برای تحلیل جامع‌تر ترکیب کنید
5. مشکلات پیچیده را به اجزای قابل اندازه‌گیری تجزیه کنید
اگر نمی‌دانید چه چیزی را اندازه‌گیری کنید، به هر حال اندازه‌گیری کنید. یاد خواهید گرفت که چه چیزی را اندازه‌گیری کنید.
آن را تجزیه کنید. هنگامی که با یک مشکل به ظاهر غیرقابل اندازه‌گیری مواجه می‌شوید، آن را به اجزای کوچکتر و قابل مدیریت‌تر تجزیه کنید. این اغلب جنبه‌هایی را آشکار می‌کند که اندازه‌گیری یا برآورد آن‌ها آسان‌تر است.
مسائل فرمی. به نام فیزیکدان انریکو فرمی، این رویکرد شامل برآوردهای تقریبی از مقادیر سخت برای اندازه‌گیری با تجزیه آن‌ها به عوامل قابل برآورد آسان‌تر است. مثال:
برآورد تعداد تنظیم‌کنندگان پیانو در شیکاگو:
- جمعیت شیکاگو را برآورد کنید
- درصد خانوارهایی که پیانو دارند را برآورد کنید
- برآورد کنید که پیانوها هر چند وقت یکبار نیاز به تنظیم دارند
- برآورد کنید که یک تنظیم‌کننده چند پیانو را می‌تواند در روز سرویس دهد
- این برآوردها را ترکیب کنید تا به یک پاسخ نهایی برسید
مزایای تجزیه:
- خطای کلی برآورد را کاهش می‌دهد
- آشکار می‌کند که کدام اجزا بیشترین سهم را در عدم قطعیت دارند
- شناسایی می‌کند که کدام مناطق به داده‌های اضافی بیشتری نیاز دارند
6. از تفکر بیزی برای به‌روزرسانی باورها با داده‌های جدید استفاده کنید
هنگامی که می‌توانید آنچه را که درباره آن صحبت می‌کنید اندازه‌گیری کنید و آن را به اعداد بیان کنید، چیزی درباره آن می‌دانید؛ اما هنگامی که نمی‌توانید آن را به اعداد بیان کنید، دانش شما از نوعی ضعیف و غیرقابل رضایت است.
احتمالات پیشین و پسین. تحلیل بیزی چارچوبی برای به‌روزرسانی باورها بر اساس شواهد جدید ارائه می‌دهد:
- با یک احتمال پیشین (باور اولیه) شروع کنید
- داده‌های جدید جمع‌آوری کنید
- احتمال داده‌ها را با توجه به فرضیه‌های مختلف محاسبه کنید
- احتمال پیشین را با استفاده از قضیه بیز به احتمال پسین به‌روزرسانی کنید
مزایای رویکرد بیزی:
- دانش موجود را در بر می‌گیرد
- اجازه می‌دهد تا به صورت تدریجی با ورود اطلاعات جدید به‌روزرسانی شود
- راهی طبیعی برای بیان عدم قطعیت فراهم می‌کند
کاربردهای عملی:
- تشخیص پزشکی: به‌روزرسانی احتمالات بیماری بر اساس نتایج آزمایش
- کنترل کیفیت: اصلاح برآوردهای نرخ نقص با داده‌های بازرسی
- مدیریت پروژه: تنظیم زمان‌بندی‌ها و بودجه‌ها با پیشرفت کار
7. نمونه‌های کوچک می‌توانند اطلاعات ارزشمندی ارائه دهند
اگر تقریباً هیچ چیز نمی‌دانید، تقریباً هر چیزی به شما چیزی خواهد گفت.
ارزش داده‌های اولیه. هنگامی که از حالت عدم قطعیت بالا شروع می‌کنید، حتی نمونه‌های کوچک می‌توانند بینش قابل توجهی ارائه دهند. اولین مشاهدات اغلب بیشترین اطلاعات را به ازای هر نقطه داده ارائه می‌دهند.
بازدهی کاهشی. با افزایش اندازه نمونه، ارزش حاشیه‌ای هر مشاهده اضافی معمولاً کاهش می‌یابد. این اصل به راهنمایی جمع‌آوری داده‌های کارآمد کمک می‌کند:
- با نمونه‌های کوچک شروع کنید تا بینش‌های سریعی به دست آورید
- اندازه نمونه را به صورت تدریجی بر اساس ارزش اطلاعات افزایش دهید
- زمانی که هزینه داده‌های اضافی از مزایای آن بیشتر می‌شود، متوقف شوید
روش‌ها برای نمونه‌های کوچک:
- توزیع t دانشجو: برای برآورد پارامترهای جمعیت با نمونه‌هایی به کوچکی 2
- روش‌های ناپارامتری: تکنیک‌هایی که فرض توزیع خاصی از جمعیت نمی‌کنند
- به‌روزرسانی بیزی: استفاده از دانش پیشین برای بهره‌برداری از داده‌های محدود
8. ارزش اطلاعات اضافی را کمی‌سازی کنید
معادله کشف: چگونه ارزش اطلاعات همه چیز را تغییر می‌دهد.
ارزش مورد انتظار اطلاعات (EVI). محاسبه کنید که یک قطعه اطلاعات چقدر ارزش دارد قبل از جمع‌آوری آن:
- مدل تصمیم و نتایج ممکن را بسازید
- احتمالات و پرداخت‌های فعلی را تخمین بزنید
- ارزش مورد انتظار با اطلاعات فعلی را محاسبه کنید
- ارزش مورد انتظار با اطلاعات کامل را محاسبه کنید
- تفاوت ارزش مورد انتظار اطلاعات کامل (EVPI) است
- تخمین بزنید که یک اندازه‌گیری چقدر عدم قطعیت را کاهش می‌دهد
- EVPI را در کسری از عدم قطعیت کاهش‌یافته ضرب کنید تا EVI به دست آید
وارونگی اندازه‌گیری. اغلب، ارزشمندترین اندازه‌گیری‌ها آن‌هایی هستند که به ندرت در نظر گرفته می‌شوند، در حالی که مواردی که به طور معمول اندازه‌گیری می‌شوند ارزش تصمیم‌گیری کمی دارند. دلایل شامل:
- تعصب آشنایی: اندازه‌گیری آنچه آسان یا سنتی است
- اعتماد به نفس بیش از حد در مناطق شناخته شده
- نادیده گرفتن عوامل با تأثیر بالا و عدم قطعیت بالا
رویکرد تکراری. با برآوردهای تقریبی شروع کنید و بر اساس ارزش اطلاعات اصلاح کنید:
- عدم قطعیت‌های کلیدی در تصمیم را شناسایی کنید
- ارزش اطلاعات را برای هر عدم قطعیت تخمین بزنید
- مورد با بالاترین ارزش را اندازه‌گیری کنید
- مدل را به‌روزرسانی کنید و تکرار کنید
9. آزمایش‌ها را برای جداسازی روابط علّی طراحی کنید
امیلی نشان داد که مشاهدات مفید لزوماً پیچیده، گران یا حتی، همان‌طور که گاهی ادعا می‌شود، فراتر از درک مدیریت ارشد نیستند، حتی برای مفاهیم گذرا مانند درمان لمسی.
کنترل عوامل مخدوش‌کننده. برای تعیین اینکه آیا A باعث B می‌شود، آزمایش‌هایی طراحی کنید که اثر A را در حالی که سایر متغیرها را کنترل می‌کنند، جدا کنند. تکنیک‌ها شامل:
- آزمایش‌های کنترل‌شده تصادفی: به طور تصادفی افراد را به گروه‌های درمان و کنترل اختصاص دهید
- آزمایش‌های طبیعی: از تغییرات طبیعی در متغیر مورد علاقه استفاده کنید
- تفاوت در تفاوت‌ها: تغییرات در طول زمان بین گروه‌های تحت تأثیر و غیرتحت تأثیر را مقایسه کنید
اهمیت آماری در مقابل اهمیت عملی. در حالی که آزمون‌های آماری به رد یافته‌های تصادفی کمک می‌کنند، بر اندازه اثر و فواصل اطمینان برای تصمیم‌گیری تمرکز کنید. در نظر بگیرید:
- بزرگی اثر
- دقت برآورد
- پیامدهای عملی برای تصمیم مورد نظر
یادگیری از آزمایش‌های ساده. حتی آزمایش‌های پایه می‌توانند بینش‌های ارزشمندی ارائه دهند:
- آزمایش A/B در بازاریابی
- برنامه‌های آزمایشی قبل از اجرای کامل
- مطالعات مشاهده‌ای زمانی که آزمایش‌ها امکان‌پذیر نیستند
10. ترجیحات و تحمل ریسک را برای انتخاب‌های بهتر اندازه‌گیری کنید
اگر مدیران نمی‌توانند تصمیمی را شناسایی کنند که می‌تواند تحت تأثیر یک اندازه‌گیری پیشنهادی قرار گیرد و چگونه می‌تواند آن تصمیمات را تغییر دهد، پس اندازه‌گیری به سادگی هیچ ارزشی ندارد.
ترجیحات آشکار در مقابل بیان‌شده. اقدامات مردم اغلب با ترجیحات بیان‌شده آن‌ها متفاوت است. برای اندازه‌گیری ترجیحات واقعی:
- انتخاب‌های واقعی را مشاهده کنید (ترجیحات آشکار)
- از نظرسنجی‌های با دقت طراحی‌شده استفاده کنید (ترجیحات بیان‌شده)
- از روش‌های متعدد برای تصویر کامل‌تر استفاده کنید
کمی‌سازی تحمل ریسک:
- سناریوهای فرضی با مبادلات ریسک-پاداش متغیر ارائه دهید
- نقطه‌ای را شناسایی کنید که تصمیم‌گیرنده بین گزینه‌ها بی‌تفاوت است
- این نقاط را ترسیم کنید تا یک منحنی تحمل ریسک ایجاد کنید
کاربردها:
- تصمیمات سرمایه‌گذاری: تعادل بین بازده‌های بالقوه و سطوح ریسک قابل قبول
- توسعه محصول: اولویت‌بندی ویژگی‌ها بر اساس ترجیحات مشتری
- سیاست عمومی: ارزیابی مبادلات در مقررات بهداشتی، ایمنی و محیط زیستی
ملاحظات اخلاقی. در حالی که برخی با کمی‌سازی برخی ارزش‌ها (مثلاً زندگی انسان) مخالفند، عدم انجام این کار اغلب به نتایج بدتر منجر می‌شود. اندازه‌گیری متفکرانه اجازه می‌دهد تا تصمیم‌گیری آگاهانه‌تر و سازگارتر در زمینه‌های حساس انجام شود.
آخرین به‌روزرسانی::
نقد و بررسی
کتاب چگونه هر چیزی را اندازه‌گیری کنیم نقدهای متفاوتی دریافت می‌کند. بسیاری از خوانندگان از بینش‌های آن در مورد کمّی‌سازی امور ناملموس و کاهش عدم قطعیت در تصمیم‌گیری تمجید می‌کنند. خوانندگان ابزارهای عملی، مفاهیم آماری و مثال‌های تاریخی ارائه شده را می‌پسندند. با این حال، برخی کتاب را سنگین، تکراری و بیش از حد متمرکز بر ریاضیات می‌دانند. منتقدان معتقدند که کتاب مسائل پیچیده را بیش از حد ساده می‌کند و مدیران را به طور افراطی به تمسخر می‌گیرد. در حالی که برخی آن را برای تصمیم‌گیرندگان تجاری ضروری می‌دانند، دیگران آن را خسته‌کننده و فاقد عمق می‌دانند. به طور کلی، کتاب به خاطر دیدگاه منحصربه‌فردش در مورد اندازه‌گیری ارزشمند است اما به خاطر سبک نگارش و ارائه‌اش مورد انتقاد قرار می‌گیرد.
Similar Books
