How to Measure Anything

1. Tutto è misurabile, anche ciò che sembra intangibile

Se qualcosa può essere osservata in qualsiasi modo, allora si presta a qualche metodo di misurazione.

Misurare significa ridurre l’incertezza. Contrariamente a quanto si pensa, misurare non richiede precisione assoluta o certezza totale. Significa semplicemente diminuire l’incertezza riguardo a una quantità di interesse. Questo vale sia per oggetti tangibili, come un oggetto fisico, sia per concetti intangibili, come la soddisfazione del cliente o il rischio di un progetto.

Conseguenze osservabili. Qualsiasi aspetto intangibile che conta deve avere effetti osservabili. Per esempio, se si sostiene che il morale dei dipendenti influisce sulla produttività, deve esserci un modo per rilevare variazioni nel morale attraverso indicatori di produttività. Identificando questi effetti osservabili, possiamo misurare indirettamente ciò che sembra intangibile.

Metodi pratici esistono. Molte cose apparentemente impossibili da misurare sono già state quantificate da qualcuno, spesso con metodi sorprendentemente semplici. Alcuni esempi:

• Stimare la popolazione di pesci in un lago senza svuotarlo
• Misurare l’impatto economico di un danno al marchio
• Quantificare il valore della vita umana per decisioni politiche

2. La misurazione riduce l’incertezza per decisioni migliori

La misurazione è importante perché deve avere un effetto concreto sulle decisioni e sul comportamento.

Misurare per decidere. Lo scopo della misurazione è fornire informazioni utili alle decisioni. Prima di misurare, è fondamentale definire chiaramente quale decisione si deve prendere e come ulteriori informazioni potrebbero influenzarla. Questo aiuta a stabilire cosa misurare e con quale precisione.

Incertezza e rischio. Le decisioni implicano sempre incertezza, che genera rischio. La misurazione riduce l’incertezza e quindi mitiga il rischio. Concetti chiave:

• Incertezza: mancanza di certezza completa; esistenza di più possibilità
• Rischio: situazione di incertezza in cui alcune possibilità comportano perdite o esiti indesiderati

Valore dell’informazione. Non tutte le misurazioni hanno lo stesso valore. Si può calcolare il Valore Atteso dell’Informazione Perfetta (EVPI) per capire quanto vale una misurazione:

1. Identificare la decisione e i possibili esiti
2. Stimare probabilità e conseguenze di ogni esito
3. Calcolare il valore atteso con e senza informazione perfetta
4. La differenza è l’EVPI, la cifra massima da investire nella misurazione

3. Calibra le tue stime per migliorarne l’accuratezza

Il successo dipende dalla perseveranza, dalla tenacia e dalla volontà di dedicare ventidue minuti a capire qualcosa su cui la maggior parte delle persone si arrenderebbe dopo trenta secondi.

L’eccesso di fiducia è comune. La maggior parte delle persone tende a essere troppo sicura delle proprie stime, fornendo intervalli troppo stretti. Questo porta a decisioni sbagliate basate su aspettative irrealistiche.

Allenamento alla calibrazione. Con pratica e feedback, si può imparare a fornire stime di probabilità più accurate. Alcune tecniche sono:

• Test della scommessa equivalente: confronta la tua stima con una scommessa a quote note
• Considera l’opposto: cerca attivamente motivi per cui potresti sbagliare
• Usa classi di riferimento: confronta con quantità simili e note
• Esercitati con test di calibrazione e analizza i risultati

Vantaggi della calibrazione. Chi calibra bene:

• Fornisce dati più affidabili per modelli decisionali
• È più aperto a nuove informazioni e a cambiare idea
• Fa previsioni migliori in diversi ambiti

4. Usa la Regola dei Cinque per intuizioni rapide sulla popolazione

C’è il 93,75% di probabilità che la mediana di una popolazione sia compresa tra il valore più piccolo e quello più grande in un campione casuale di cinque elementi.

Semplice ma efficace. La Regola dei Cinque permette di stimare rapidamente caratteristiche di una popolazione con pochi dati. Funziona per qualsiasi tipo di popolazione, dal peso di caramelle alla soddisfazione dei clienti.

Come applicarla:

1. Prendi un campione casuale di cinque elementi dalla popolazione
2. Individua il valore minimo e quello massimo nel campione
3. Puoi essere sicuro al 93,75% che la mediana della popolazione sia compresa tra questi due valori

Limiti ed estensioni:

• Fornisce informazioni sulla mediana, non sulla media
• Per stime più precise, aumenta la dimensione del campione (vedi tabella nel libro)
• Combina con altri metodi per un’analisi più completa

5. Scomponi problemi complessi in componenti misurabili

Se non sai cosa misurare, misura comunque. Imparerai cosa misurare.

Suddividi il problema. Di fronte a un problema apparentemente impossibile da misurare, scomponilo in parti più piccole e gestibili. Spesso emergono aspetti più facili da misurare o stimare.

Problemi di Fermi. Prendendo il nome dal fisico Enrico Fermi, questo metodo consiste nel fare stime approssimative di quantità difficili da misurare, scomponendole in fattori più semplici. Esempio:
Stimare il numero di accordatori di pianoforti a Chicago:

1. Stimare la popolazione di Chicago
2. Stimare la percentuale di famiglie con pianoforti
3. Stimare la frequenza con cui i pianoforti vanno accordati
4. Stimare quanti pianoforti un accordatore può sistemare al giorno
5. Combinare queste stime per ottenere il risultato finale

Vantaggi della scomposizione:

• Riduce l’errore complessivo di stima
• Evidenzia quali componenti contribuiscono maggiormente all’incertezza
• Indica dove raccogliere dati aggiuntivi sarebbe più utile

6. Applica il pensiero bayesiano per aggiornare le convinzioni con nuovi dati

Quando puoi misurare ciò di cui parli e esprimerlo in numeri, sai qualcosa; ma se non puoi esprimerlo in numeri, la tua conoscenza è scarsa e insoddisfacente.

Probabilità a priori e a posteriori. L’analisi bayesiana offre un quadro per aggiornare le convinzioni sulla base di nuove evidenze:

1. Parti da una probabilità a priori (credenza iniziale)
2. Raccogli nuovi dati
3. Calcola la probabilità dei dati sotto diverse ipotesi
4. Aggiorna la probabilità a priori in una a posteriori usando il teorema di Bayes

Vantaggi dell’approccio bayesiano:

• Integra conoscenze pregresse
• Permette aggiornamenti incrementali con nuove informazioni
• Esprime naturalmente l’incertezza

Applicazioni pratiche:

• Diagnosi medica: aggiornare la probabilità di malattie in base ai test
• Controllo qualità: affinare le stime di difetti con dati di ispezione
• Gestione progetti: adattare tempi e budget man mano che il lavoro procede

7. Campioni piccoli possono fornire informazioni preziose

Se sai quasi nulla, quasi qualsiasi cosa ti dirà qualcosa.

Valore dei dati iniziali. Partendo da un alto grado di incertezza, anche pochi dati possono offrire intuizioni significative. Le prime osservazioni spesso danno il maggior valore informativo per ogni dato raccolto.

Rendimento decrescente. Con l’aumentare della dimensione del campione, il valore marginale di ogni nuova osservazione tende a diminuire. Questo principio guida una raccolta dati efficiente:

• Inizia con campioni piccoli per ottenere rapide intuizioni
• Aumenta gradualmente la dimensione in base al valore informativo
• Fermati quando il costo di ulteriori dati supera i benefici

Metodi per campioni piccoli:

• Distribuzione t di Student: per stimare parametri con campioni anche di soli 2 elementi
• Metodi non parametrici: tecniche che non assumono una distribuzione specifica
• Aggiornamento bayesiano: sfruttare conoscenze pregresse per massimizzare l’informazione

8. Quantifica il valore delle informazioni aggiuntive

L’equazione dell’epifania: come il valore dell’informazione cambia tutto.

Valore atteso dell’informazione (EVI). Calcola quanto vale un’informazione prima di raccoglierla:

1. Modella la decisione e i possibili esiti
2. Stima probabilità e ricompense attuali
3. Calcola il valore atteso con le informazioni attuali
4. Calcola il valore atteso con informazione perfetta
5. La differenza è l’EVPI
6. Stima quanto l’incertezza si ridurrebbe con la misurazione
7. Moltiplica l’EVPI per la frazione di incertezza ridotta per ottenere l’EVI

Inversione della misurazione. Spesso le misurazioni più preziose sono quelle raramente considerate, mentre quelle abituali hanno scarso valore decisionale. Le ragioni includono:

• Bias di familiarità: misurare ciò che è facile o tradizionale
• Eccesso di fiducia in aree ben conosciute
• Trascurare fattori ad alto impatto e alta incertezza

Approccio iterativo. Parti da stime approssimative e affina in base al valore informativo:

1. Identifica le incertezze chiave nella decisione
2. Stima il valore informativo di ciascuna incertezza
3. Misura l’elemento di maggior valore
4. Aggiorna il modello e ripeti

9. Progetta esperimenti per isolare relazioni causali

Emily ha dimostrato che osservazioni utili non devono essere necessariamente complesse, costose o, come a volte si dice, incomprensibili per il management, anche per concetti effimeri come la terapia tattile.

Controlla i fattori confondenti. Per capire se A causa B, progetta esperimenti che isolino l’effetto di A controllando le altre variabili. Tecniche comuni:

• Studi controllati randomizzati: assegnare casualmente soggetti a gruppi di trattamento e controllo
• Esperimenti naturali: sfruttare variazioni naturali della variabile di interesse
• Differenza nelle differenze: confrontare cambiamenti nel tempo tra gruppi interessati e non

Significatività statistica vs. importanza pratica. I test statistici aiutano a escludere risultati casuali, ma per decidere conta la dimensione dell’effetto e l’intervallo di confidenza. Considera:

• L’entità dell’effetto
• La precisione della stima
• Le implicazioni pratiche per la decisione

Impara dagli esperimenti semplici. Anche test basilari possono fornire intuizioni preziose:

• Test A/B nel marketing
• Programmi pilota prima di implementazioni su larga scala
• Studi osservazionali quando gli esperimenti non sono possibili

10. Misura preferenze e tolleranza al rischio per scelte migliori

Se i manager non riescono a identificare una decisione che potrebbe essere influenzata da una misurazione proposta e come questa potrebbe cambiarla, allora la misurazione non ha valore.

Preferenze rivelate vs. dichiarate. Le azioni delle persone spesso differiscono dalle preferenze dichiarate. Per misurare le vere preferenze:

• Osserva le scelte reali (preferenze rivelate)
• Usa sondaggi ben progettati (preferenze dichiarate)
• Combina più metodi per un quadro più completo

Quantificare la tolleranza al rischio:

1. Presenta scenari ipotetici con diversi trade-off rischio-ricompensa
2. Identifica il punto in cui il decisore è indifferente tra le opzioni
3. Traccia questi punti per creare una curva di tolleranza al rischio

Applicazioni:

• Decisioni di investimento: bilanciare potenziali guadagni con rischi accettabili
• Sviluppo prodotto: dare priorità alle caratteristiche in base alle preferenze dei clienti
• Politiche pubbliche: valutare compromessi in salute, sicurezza e ambiente

Considerazioni etiche. Sebbene alcuni si oppongano a quantificare certi valori (es. la vita umana), non farlo spesso porta a risultati peggiori. Una misurazione attenta consente decisioni più informate e coerenti in ambiti delicati.

Ultimo aggiornamento: January 22, 2025