Ключові ідеї
1. Все піддається вимірюванню, навіть нематеріальне
Якщо ви можете спостерігати це будь-яким чином, це можна виміряти.
Вимірювання — це зменшення невизначеності. На відміну від поширеної думки, вимірювання не вимагає ідеальної точності чи абсолютної впевненості. Воно означає лише зменшення невизначеності щодо кількості, що цікавить. Це стосується як матеріальних об’єктів, так і нематеріальних понять, наприклад, задоволеності клієнтів чи ризику проєкту.
Спостережувані наслідки. Будь-яке нематеріальне явище, яке має значення, мусить мати спостережувані наслідки. Наприклад, якщо ви стверджуєте, що моральний стан працівників впливає на продуктивність, має існувати спосіб виявити зміни моралі через показники продуктивності. Визначаючи такі спостережувані ефекти, ми можемо опосередковано вимірювати нематеріальне.
Існують практичні методи. Багато речей, які здаються невимірними, вже були виміряні кимось, часто за допомогою досить простих методів. Приклади:
- Оцінка чисельності риби в озерах без їх осушення
- Вимірювання економічного впливу шкоди бренду
- Квантифікація вартості людського життя для прийняття політичних рішень
2. Вимірювання зменшує невизначеність для кращих рішень
Вимірювання важливе, бо має потенційно впливати на рішення та поведінку.
Вимірювання, орієнтоване на рішення. Мета вимірювання — надати інформацію для прийняття рішень. Перед тим, як вимірювати, чітко визначте, яке рішення стоїть на кону і як додаткова інформація може його змінити. Це допомагає пріоритезувати, що і з якою точністю слід вимірювати.
Невизначеність і ризик. Рішення завжди пов’язані з невизначеністю, що породжує ризик. Вимірювання зменшує невизначеність, а отже, і ризик. Основні поняття:
- Невизначеність: відсутність повної впевненості; існування кількох можливих варіантів
- Ризик: стан невизначеності, коли деякі варіанти можуть призвести до втрат або небажаних наслідків
Цінність інформації. Не всі вимірювання однаково корисні. Обчисліть очікувану цінність ідеальної інформації (EVPI), щоб визначити, скільки варто витратити на вимірювання:
- Визначте рішення та можливі результати
- Оцініть ймовірності та наслідки кожного результату
- Обчисліть очікувану цінність з і без ідеальної інформації
- Різниця — це EVPI, максимальна сума, яку варто інвестувати у вимірювання
3. Калібруйте свої оцінки для підвищення точності
Успіх залежить від наполегливості, завзятості і готовності працювати двадцять дві хвилини над тим, що більшість покинула б через тридцять секунд.
Занадто висока впевненість — поширене явище. Більшість людей переоцінюють точність своїх оцінок, даючи надто вузькі діапазони. Це призводить до помилкових рішень на основі нереалістичних очікувань.
Тренування калібрування. Завдяки практиці та зворотному зв’язку можна навчитися давати більш точні ймовірнісні оцінки. Методи включають:
- Тест еквівалентної ставки: порівняння вашої оцінки з парі з відомими шансами
- Розгляд протилежного: свідомий пошук аргументів, чому ви можете помилятися
- Використання референтних класів: порівняння з подібними, відомими величинами
- Практика з фідбеком: проходження тестів калібрування та аналіз результатів
Переваги калібрування. Добре калібровані оцінювачі:
- Надають надійніші дані для моделей прийняття рішень
- Відкриті до нової інформації і готові змінювати думку
- Краще прогнозують у різних сферах
4. Використовуйте правило п’яти для швидких оцінок населення
Існує 93,75% ймовірність, що медіана населення знаходиться між найменшим і найбільшим значенням у будь-якій випадковій вибірці з п’яти елементів.
Просто і ефективно. Правило п’яти дозволяє швидко оцінити характеристики населення за мінімальної кількості даних. Працює для будь-яких типів населення — від ваги желейних цукерок до оцінок задоволеності клієнтів.
Як застосовувати:
- Візьміть випадкову вибірку з п’яти елементів
- Зафіксуйте найменше і найбільше значення у вибірці
- Можна з 93,75% впевненістю стверджувати, що медіана населення лежить між цими двома значеннями
Обмеження та розширення:
- Дає інформацію про медіану, а не про середнє
- Для точніших оцінок збільшуйте розмір вибірки (див. таблицю без математики у книзі)
- Поєднуйте з іншими методами для комплексного аналізу
5. Розкладайте складні проблеми на вимірювані складові
Якщо не знаєте, що вимірювати — вимірюйте все одно. Ви навчитеся, що саме слід вимірювати.
Розбивайте на частини. Коли стикаєтеся з, здавалося б, невимірюваною проблемою, розділіть її на менші, більш керовані компоненти. Це часто відкриває аспекти, які легше виміряти або оцінити.
Задачі Фермі. Названі на честь фізика Енріко Фермі, ці задачі передбачають грубі оцінки складних величин шляхом розбиття їх на простіші фактори. Приклад:
Оцінка кількості наладчиків піаніно в Чикаго:
- Оцініть населення Чикаго
- Оцініть відсоток домогосподарств з піаніно
- Оцініть, як часто піаніно потребують налаштування
- Оцініть, скільки піаніно може налаштувати один наладчик за день
- Поєднайте оцінки для отримання остаточного результату
Переваги розкладання:
- Зменшує загальну помилку оцінки
- Виявляє, які компоненти найбільше впливають на невизначеність
- Визначає, де додаткові дані будуть найбільш корисними
6. Застосовуйте баєсівське мислення для оновлення переконань на основі нових даних
Коли ви можете виміряти те, про що говорите, і виразити це числами, ви щось про це знаєте; а коли не можете — ваше знання бідне і незадовільне.
Апостеріорні та апріорні ймовірності. Баєсівський аналіз дає рамки для оновлення переконань на основі нових доказів:
- Починайте з апріорної ймовірності (початкової віри)
- Збирайте нові дані
- Обчислюйте ймовірність даних за різними гіпотезами
- Оновлюйте апріорну ймовірність до апостеріорної за допомогою теореми Баєса
Переваги баєсівського підходу:
- Враховує наявні знання
- Дозволяє поступове оновлення з надходженням нової інформації
- Природньо виражає невизначеність
Практичні застосування:
- Медична діагностика: оновлення ймовірності хвороби за результатами тестів
- Контроль якості: уточнення оцінок дефектності за даними інспекції
- Управління проєктами: коригування термінів і бюджетів у процесі роботи
7. Невеликі вибірки можуть дати цінну інформацію
Якщо ви майже нічого не знаєте, майже будь-які дані щось вам скажуть.
Цінність початкових даних. Починаючи з великої невизначеності, навіть невеликі вибірки можуть дати суттєві інсайти. Перші спостереження часто мають найбільшу інформаційну цінність на одиницю даних.
Зменшення віддачі. Зі збільшенням розміру вибірки гранична користь від кожного додаткового спостереження зазвичай зменшується. Цей принцип допомагає ефективно збирати дані:
- Починайте з невеликих вибірок для швидких висновків
- Поступово збільшуйте розмір вибірки залежно від цінності інформації
- Зупиняйтеся, коли вартість додаткових даних перевищує їх користь
Методи для малих вибірок:
- Розподіл Стьюдента: для оцінки параметрів населення з вибірками від 2 елементів
- Непараметричні методи: техніки без припущень про розподіл населення
- Баєсівське оновлення: використання апріорних знань для максимального використання обмежених даних
8. Квантифікуйте цінність додаткової інформації
Рівняння прозріння: як цінність інформації змінює все.
Очікувана цінність інформації (EVI). Обчисліть, скільки варта інформація, перш ніж її збирати:
- Моделюйте рішення та можливі результати
- Оцініть поточні ймовірності та вигоди
- Обчисліть очікувану цінність з наявною інформацією
- Обчисліть очікувану цінність з ідеальною інформацією
- Різниця — це EVPI
- Оцініть, скільки невизначеності зменшить вимірювання
- Помножте EVPI на частку зменшеної невизначеності — отримаєте EVI
Інверсія вимірювання. Часто найбільш цінні вимірювання — це ті, про які рідко думають, тоді як рутинні вимірювання мають мало значення для рішень. Причини:
- Упередженість знайомства: вимірюють те, що легко або традиційно
- Надмірна впевненість у відомих сферах
- Ігнорування факторів з великим впливом і високою невизначеністю
Ітеративний підхід. Починайте з грубих оцінок і уточнюйте їх, орієнтуючись на цінність інформації:
- Визначте ключові невизначеності у рішенні
- Оцініть цінність інформації для кожної з них
- Виміряйте найцінніший елемент
- Оновіть модель і повторіть
9. Проєктуйте експерименти для виявлення причинно-наслідкових зв’язків
Емілі показала, що корисні спостереження не обов’язково складні, дорогі або, як іноді стверджують, недоступні для розуміння вищого керівництва, навіть для ефемерних понять, як-от терапія дотиком.
Контроль за сторонніми факторами. Щоб з’ясувати, чи викликає А ефект В, проєктуйте експерименти, які ізолюють вплив А, контролюючи інші змінні. Методи:
- Рандомізовані контрольовані дослідження: випадковий розподіл учасників на групи лікування і контролю
- Природні експерименти: використання природних варіацій змінної
- Метод різниць у різницях: порівняння змін у часі між впливовими і контрольними групами
Статистична значущість і практична важливість. Статистичні тести допомагають виключити випадковість, але для прийняття рішень важливі розміри ефекту і довірчі інтервали. Звертайте увагу на:
- Величину ефекту
- Точність оцінки
- Практичні наслідки для рішення
Вчіться на простих експериментах. Навіть базові тести можуть дати цінні інсайти:
- A/B тестування в маркетингу
- Пілотні програми перед масштабним запуском
- Спостережні дослідження, коли експерименти неможливі
10. Вимірюйте уподобання і толерантність до ризику для кращих виборів
Якщо менеджери не можуть вказати рішення, яке може змінитися через запропоноване вимірювання, то це вимірювання не має цінності.
Виявлені та заявлені уподобання. Дії людей часто відрізняються від їхніх заявлених уподобань. Щоб виміряти справжні уподобання:
- Спостерігайте реальні вибори (виявлені уподобання)
- Використовуйте ретельно розроблені опитування (заявлені уподобання)
- Поєднуйте кілька методів для повнішої картини
Квантифікація толерантності до ризику:
- Пропонуйте гіпотетичні сценарії з різним співвідношенням ризику і вигоди
- Визначайте точку, де приймач рішень байдужий між варіантами
- Побудуйте криву толерантності до ризику на основі цих точок
Застосування:
- Інвестиційні рішення: балансування потенційного прибутку і прийнятного ризику
- Розробка продуктів: пріоритезація функцій за уподобаннями клієнтів
- Державна політика: оцінка компромісів у сферах здоров’я, безпеки та екології
Етичні аспекти. Хоча деякі заперечують проти квантифікації певних цінностей (наприклад, людського життя), відсутність таких вимірювань часто призводить до гірших результатів. Розумне вимірювання дозволяє приймати більш обґрунтовані та послідовні рішення у чутливих сферах.
Огляд відгуків
Книга «Як виміряти будь-що» викликає неоднозначні відгуки. Багато читачів відзначають цінність ідей щодо кількісної оцінки нематеріальних аспектів і зменшення невизначеності у прийнятті рішень. Вони цінують практичні інструменти, статистичні концепції та історичні приклади, які автор наводить у тексті. Водночас деякі вважають книгу надто складною, повторюваною і надмірно зосередженою на математичних деталях. Критики стверджують, що автор спрощує складні питання і надмірно критикує менеджерів. Хоча для частини бізнес-лідерів ця праця є обов’язковою до прочитання, інші сприймають її як нудну і недостатньо глибоку. Загалом книга цінується за унікальний підхід до вимірювання, але критикується за стиль викладу та подачу матеріалу.
Також читають
FAQ
What's How to Measure Anything about?
- Measuring Intangibles: The book by Douglas W. Hubbard focuses on the idea that anything, including intangibles like employee morale or the value of information, can be measured.
- Decision-Oriented Framework: It presents a universal approach to measurement that emphasizes the importance of measurements in informing decisions.
- Practical Applications: Hubbard shares real-world examples from various fields to illustrate how measurement can lead to better decision-making.
Why should I read How to Measure Anything?
- Overcoming Measurement Myths: The book is essential for anyone who believes that certain aspects of their business or life cannot be quantified.
- Improving Decision-Making: By learning the methods outlined, readers can enhance their decision-making processes.
- Accessible to All: Hubbard's writing is designed to be accessible to non-experts, making complex statistical concepts understandable.
What are the key takeaways of How to Measure Anything?
- Measurement is Possible: Hubbard emphasizes that even the most elusive intangibles can be quantified with the right approach.
- Applied Information Economics (AIE): Introduces a structured approach to measurement focusing on defining decisions and assessing uncertainty.
- Calibration of Estimates: Discusses the importance of calibrating estimates to improve accuracy in decision-making.
What are the best quotes from How to Measure Anything and what do they mean?
- “Anything can be measured.”: Encourages readers to rethink their assumptions about what can and cannot be quantified.
- “It’s better to be approximately right than to be precisely wrong.”: Highlights the importance of making informed estimates rather than waiting for perfect data.
- “If you understand it, you can model it.”: Emphasizes the connection between understanding a concept and the ability to measure it.
What is the Applied Information Economics (AIE) method in How to Measure Anything?
- Structured Measurement Approach: AIE is a systematic method for measuring uncertainties and making decisions based on those measurements.
- Five-Step Process: Consists of defining the decision, determining current knowledge, computing the value of additional information, applying relevant measurement instruments, and making a decision.
- Focus on Uncertainty Reduction: Treats measurement as a way to reduce uncertainty, allowing for more informed choices.
How does Douglas W. Hubbard define measurement in How to Measure Anything?
- Reduction of Uncertainty: Measurement is defined as "a quantitatively expressed reduction of uncertainty based on one or more observations."
- Probabilistic Nature: Acknowledges that measurements do not need to eliminate uncertainty entirely; they simply need to reduce it.
- Observable Consequences: Tied to observable outcomes, meaning that if something can be detected in any way, it can be measured.
What is the Monte Carlo method mentioned in How to Measure Anything?
- Simulation Technique: A statistical technique that uses random sampling to estimate the probability of different outcomes in a process that cannot easily be predicted.
- Application in Risk Analysis: Allows decision-makers to model uncertainty and assess risks by simulating thousands of scenarios based on varying inputs.
- Historical Context: Named after the Monte Carlo Casino due to its reliance on random sampling, similar to games of chance.
What is the Expected Value of Information (EVI) in How to Measure Anything?
- Definition of EVI: The reduction in expected opportunity loss (EOL) that results from obtaining additional information before making a decision.
- Importance in Decision-Making: Helps prioritize measurement efforts by quantifying the potential benefits of reducing uncertainty.
- Calculation: Calculated as the difference between the EOL before and after obtaining new information.
How does How to Measure Anything address biases in decision-making?
- Human Biases: Discusses common human biases, such as overconfidence and selection bias, that can affect decision-making.
- Calibration Techniques: Introduces calibration techniques to help individuals better assess their own uncertainty and improve their estimates.
- Importance of Training: Emphasizes the need for training to mitigate biases and enhance the accuracy of decision-making processes.
What is the significance of Bayesian analysis in How to Measure Anything?
- Updating Beliefs: Allows decision-makers to update their beliefs based on new evidence, integrating prior knowledge with new information.
- Practical Applications: Provides examples of how Bayesian methods can be applied to real-world problems, enhancing the understanding of uncertainty.
- Comparison to Traditional Methods: Contrasts Bayesian methods with traditional statistical approaches, highlighting their flexibility and applicability in uncertain situations.
How does Hubbard define the value of information in How to Measure Anything?
- Expected Value of Perfect Information (EVPI): Defined as the maximum amount a decision-maker should be willing to pay for information that would eliminate uncertainty.
- Cost-Benefit Analysis: Assessed through a cost-benefit lens, weighing the potential benefits of reducing uncertainty against the costs of obtaining that information.
- Real-World Examples: Provides case studies where the value of information was calculated, demonstrating its practical significance.
How can I apply the concepts from How to Measure Anything in my work?
- Identify Key Decisions: Start by clearly defining the decisions you need to make and the uncertainties involved.
- Use Bayesian Methods: Implement Bayesian analysis to refine your estimates as new data becomes available.
- Measure Incrementally: Apply the principle of incremental measurement by starting with small, manageable data collection efforts.
