很多东西，眼睛看不到，读书可以；脚步不能丈量，读书可以；身体无法抵达，读书也可以。你读过的书，经历过的事，等时间长了，那些细枝末节的或许都忘了，但剩下来的就成为了你的素质，让你逐步成长为一个有温度、有情趣、会思考的人。
2023年春天，我们发起每周共读一本书籍，关注我们一起提升认知水平，通过分享训练思考深度。
如何做好管理也是今天中国企业需要仔细思考的一个问题。
好的管理是可以指导决策的，而正确的决策又依赖充足的信息，正确的判断。
那么问题的关键在于，如何在充足的信息中去提取出正确的判断？
我们带着这个问题来看道格拉斯·W.哈伯德所写的《数据化决策》。
正如这幅图所见，我们可以大致理解这四者之间的区别。
数据，就是大量没有规则、没有规律、没有联系，十分散乱的白点。
信息，就是在大量数据中，提取出有价值的点，构成一个一个割裂的有价值的点。
知识，就是将每个割裂的信息连接起来，形成了一个初步认知。
见识，就是我们带着这些一个又一个认知去实践，去指导我们的决策，那个不断被验证是正确的认知便形成了见识。
当有了大量的见识后，我们会形成自己对这个复杂的世界的一套方法论，最终逐渐形成影响力。
因此，数字化的过程，其实就是将真实的物理世界的数据一步一步抽象成知识的一个过程。
我们在阅读的过程中，标记有价值的段落，实际上就是在找信息的过程。
当我们把整本书阅读完后，通过理解各段有价值的段落，结合自身的理解形成自己的知识。
将这些知识运用在工作和生活当中，不断去验证，不断去试错，最终沉淀出对事物的见识。
因此，读好一本书，不能局限于作者的观点，关键在于观点向见识的转换。
量化的标准定义是指把某范围内的变化用数值表现出来的过程。
在真实的企业经营当中，我们做了很多事情，做了很多创新，定义各种流程。
但是，这些工作，都是靠人做的，是手工账，因此，常常不够精细，效率低下。
随着当我们业务线增加，产品组合逐渐丰富，客户越来越多，必然会导致数据指数级增长。
如果这个时候还是通过手工账去分析数据，那必然无法看到其中的规律。
因此这个时候便需要合适的量化工具去找到每个变量之间的关联。
这些关联性不是一个精确值，大多数量化分析结果都是一个数值范围。
比如农民使用新的玉米种子，量化结果一般都会说平均产量会提高10%到18%而不是精确的14%。
甚至连这个数值范围还会有一个“置信区间”什么意思呢？
比如置信区间是95%，那意思就是说，使用了新的玉米种子，平均产量提高10%到18%概率在95%左右，而不是100%。
作者道格拉斯认为出现这种情况的原因，往往在于没弄清楚要量化的目标到底应该是什么。
比如企业关心公众形象，但公众形象听起来很难量化，不过你应该想到公众形象会影响到顾客推荐，而顾客推荐会产生广告效果，从而影响到销售。
虽然，公众形象作为一个“虚”的概念很难直接量化，但通过我们的一步步推导，顾客推荐这个容易量化的指标，就可以作为指示公众形象的量化目标。
在科学研究中，这样的过程叫做找到研究目标的“操作性定义”，就是让不可操作的目标变得可操作。
关于这点，书中讲了一位美国心理学家做的一个实验，实验的目标是研究金钱对人的幸福感的影响。
我们都知道，幸福感看起来是很难直接量化的，但研究者想到，幸福的人会对痛苦的耐受力较强。
所以他就以此为根据设计了实验，将测试者分为两组，一组人去完成点真钱的任务，另一组则去点同样数量的假钱。
之后两组人都将自己的手放到冰水里，研究者开始计算两组人的手从伸到水里到不能忍受从水中拿出的时间长度。
结果，点真钱的一组平均时间显著高于点假钱的一组。这说明即使仅仅是接触钱，而不是真正拥有它，就足以提升人对痛苦的耐受力。
通过为幸福感找到痛苦的耐受力这个“操作性定义”，最终使得研究有了一个可观测、可用数字描述的量化指标。
当我们明白了量化的概念，找到了量化的目标，剩下的就是进行具体的数据化决策工作了。
作者道格拉斯在书中将做好数据化决策总结了5个步骤：
第一步，定义需要决策的问题和相关的不确定因素。比如，我们面临的进退两难的困境是什么？然后定义所有和目标相关的变量，并确定一个大致的方向。
第二步，确定你现在知道了什么。对于要做出决策的问题，是否对于数据有个确定的了解，并且知道这些数据究竟有多少不明确性。
第三步，计算附加信息的价值。信息的价值在于它能减少我们决策的风险。
第四步，将有关量化方法用于高价值的量化中。这里主要涉及的是一些简单的统计学方法和科学方法。
第五步，做出决策并采取行动。做出决策，还要对决策者个人的决策特点进行一下量化，使决策达到最优化。
如果今天问你如何测量地球赤道的周长，你会用什么办法呢？
他一没有精确的测量设备，二没有环游地球实际测量的交通工具，更不可能有现在的卫星和激光。
根据《地球大小的修正》一书中描述的埃拉托色尼测量的方法，我们发现他实际上采用的就是数据决策的五步法。
第一步，他在埃及亚历山大图书馆工作时，通过读书找到了自己需要的相关变量。那就是在埃及南部的阿斯旺有一口深井，每年夏至这天的正午，太阳都可以完全照到井底，这意味着那个时刻的太阳完全在井底的正上方。
而在与这口深井同一纬度线上的亚历山大城，也有一个标志建筑，是一个高高的方尖塔，在夏至正午时分太阳的照耀下，则会产生一个阴影，这意味着亚历山大城与阿斯旺深井之间一个小小的倾角。
第二步，他去实地考察了这两个信息，并确定了它们的准确性。
第三步，埃拉托色尼意识到这些信息的价值，他发现自己可以运用这个信息测算地球的周长。因为按照数学原理，亚历山大城方尖塔的阴影与塔身间的倾角，正好等于方尖塔和深井相对于地心的圆心角大小，而亚历山大城和阿斯旺的距离与地球的周长比就是圆心角与地球360度圆周的比。
最后，埃拉托色尼开始决策并行动，借助第三步中的量化方法，进行了实测，把数据算出来，从而得出结果。
在《地球大小的修正》一书中记录的数据显示，方尖塔的阴影与塔身的夹角是7°12′，即相当于圆周角360°的1/50；亚历山大城和阿斯旺的距离是787.5公里，用这个距离乘以50，就是理论上的地球的周长。
这个数字是39375公里，我们现在公认的地球赤道周长是40075公里，两者之间的误差仅仅只有1.7% ！
在这么巨大的数字面前，如此微小的误差别说是在两千多年前了，即使放在当代，都是了不起的成果。
可见，当我们真正掌握了数据化决策的科学方法的时候，我们真的将会实现作者道格拉斯·哈伯德所期望的“一切皆可量化”的理想。
彼得·德鲁克曾说：“人们永远无法管理不能量化的东西“。
因此如果想精细化的管理一家企业，就需要弄清楚企业运行的机制。
开采（数据）、粗炼（信息）、精炼（知识）、聚合（见识）。
开采数据之前，我们首先需要将企业的人、钱、事流程标准化，构建标签体系。
然后通过数据进行经营分析，分析制定的策略是否有效。
因此一家初创企业最重要的是构建企业经营的标签体系、统一的流程化管理、标准化执行动作，只有这样企业的数字化说明书才会足够清晰。
好比一位运动爱好者，关注的只是运动本身，跑步就是跑步。
但是如果想要成为一名职业运动员，就必须关注身体的量表特征。
根据这些数据制定训练计划才可以最大化的发挥出身体潜能。
做企业也一样。在创业这个赛道上，期望大家能从一位爱好者向职业者进阶。
生活如果可以量化，那么生活的策略将更加精准。
很多主观或者经验化的事物如果可以被量化，那么我们可以得到很多有趣的新结论或者更加方便快捷。
我原先是一个离量化概念非常远的人，包括我在面试时被问到上海有多少个加油站这种问题时，我的思路是偏实用化的，但量化的思路其实是更简单更直接的。
我在客户会议的时候，发现他们会做差评管理，如果差评无法消除，那就会用100条好评来弥补，我忽然觉得这是一种高效但简单的量化，实际上不同行业不同公司对不同类型的差评应对是不同的，我们是否可以吧它量化，是否有存在新的商机呢？
无论是投资还是企业的运营，我觉得本书的意义在于可以教会你如何处理好量化的内容，理清量化和决策的关系，处理好不确定性、风险的关系。
通过阅读后的思考和实践，从而修正自己的判断，准确地评估各种风险的大小，避免可能出现的风险。
本书还给出了十分实用的训练风险评估能力的方法，让我们通过训练，学会用选择和设计合适的量化方法，合理地抽样，使样本数据更合理真实反应事物的本质。
当前VUCA环境下，经验决策能发挥的作用越来越有限，数据决策在快速反应、精准量化、敏捷捕捉、科学建模等方面的优势，是智慧化进程中的必然需要。
上述前提，首先要改变的是数据认知：任何场景都可以用结构化、数据化的方式表达。这个过程，实际是将专业知识和实践经验，放在量化思维结构中，形成多维度表达模型。
进而，将大量有价值的场景数据带入决策模型，进一步挖掘数据背后揭示的关键规律，洞见决策本质。
以上过程，就是数据化决策的过程，它是当下大数据时代下的产物。当下各种创新形态层出不穷，经验决策发挥的作用越来越有限，更需要综合各专业角色的知识背景、考虑复杂的各种前提假设、结合动态变化的环境等等要素，才能做出相对正确决策。只有借助数据化工具才可能做到更好。
数据化决策，本书开篇一句内核就是万物皆可量化，从量化的必要性，到量化的方法，包括怎么提升量化的质量，做了全面的介绍。
量化的核心在于其带来的价值，而不在于方法的好坏，作者用很多落地的例子证明了小白也可以量化，只要你有基本的量化思维，就可以依据本书方法论参考量化工作需要的准备事项、开展的顺序、测算模型以及一些数据工具的用法，实现数据驱动决策。
数据驱动决策是一种循序渐进的过程，需要不断地收集数据、分析数据、制定决策、实施决策，并根据效果进行调整。
比如企业销售员销售业务能力的提升，可以先假设一种方法，要求销售员每日沟通客户的数量，再勘察销售额增长情况，决策是否继续增加客户数量，直至销售额明显放缓到达预估阈值，再开始提升沟通客户的质量，通过数据驱动决策再验证的闭环来提升销售能力。
关于零售商商品如何定价的问题，在这里也找到了答案，成千上万种商品，如果定价太高，就会损失销售量；如果定价太低，就会放弃利润空间。理想的价格会使利润最大化。最优的价格取决于对“价格弹性”的量化，即销售数量与价格变化的比率，可以通过EOL计算方法解决定价策略准确性问题，再结合贝叶斯推理方法解决价格区间精确性问题。
关于分类又有了更深的理解，量化的目的就是减少不确定性来为决策提供帮助，在减少不确定上分类这个过程本身就会极大减少不确定性，通过分类，将问题分解为更小的部分，能够更全面地评估各个部分类别的风险和机会，找到真正需要量化的变量部分，建立计算模型提供正确的数据源，经济快速的完成量化帮助决策。
本书在具体量化思维上完全打开了我的想象力，在开篇本书就提前设置了一个小游戏，随便准备一个问题，看完书后再来回答，我的问题是十年后我会是怎样？
我的解题思路是这样：首先定义好问题本身，比如这个问题真正想问的具体是什么，按照书中的解题思路，可能我想真正了解的是十年以后我会是一种什么生活状态或者我内心当中理想的生活状态，这种状态可以通过对时间分类来描述，分为六个类别工作，学习，运动，社交，家庭（族）。
每一个类别的时间分配比例构成了我整个生活，所以十年后我会怎样的答案，就可以用我的时间分配比例来描述，接下来就可以决策制定目标计划方案了。
比如现状：工作70%，学习15%，5%社交，10%家庭。
未来理想：工作25%，学习15%，运动15%，15%社交，30%家族。
数据化决策，首先需要对行业足够了解，企业经营结构才能梳理的足够干净，先是数据化的过程，再是做决策的过程，决策再验证校正成标准，有标准化后才会有规模化。
阅读完本书，仿佛推开一扇门，揭示出一个崭新的世界。
欢迎把文章分享给更多创业伙伴
想要参加读书会
欢迎添加@小链 共读好书
▼
