作者:道格拉斯•W•哈伯德
格式: PDF, TXT, EPUB, MOBI, AZW3, DOCX
网友评价:
- 介绍贝叶斯、蒙特卡洛模型等量化方法
- 数据化运营在企业中推行中必须要考虑的问题:如何测量
- 150524,20200810重读+笔记,20210123 reread
- How to measure anything的前提是放在了一个context里的
- 现在已经经常运用预估这个技能啦,还是挺容易理解书中思路的,很实用
- 一切皆可量化,是一本值得数字工作者特别是管理者必须读的一本书
- 19年看过,对自己帮助最大的书。不过,内容的编排顺序,实在随意,再加上需要一定的统计学基础,读起来并不畅快。对自己有最大启发的点是:量化的定义、信息的价值以及各种量化方法,包括蒙特卡洛、客观模型 etc.
- 一切东西都可以量化,区别只是误差多少而已;而使用科学的方法,能够显著的降低误差
- 高阶费米计算。适合年轻的时候就阅读,帮助培养思维习惯!内容不说,光是目录看着就屌炸天。属于开阔思维的书,前面很有启发性,后面就逐渐不好看了。推荐阅读英文版。
- 一般吧,没看到特别的观点
- 硬着头皮读完,大概只读懂一多半,剩下和公式计算相关的全是一头雾水。领会其中的精神大概是,很多不可量化的事物其实都可以量化,明确量化的作用是减少不确定性,能搞明白具体想要量化的是什么以及它会如何影响决策,就是很重要的一步。(对实际工作的价值还在于一定要小心认知偏差)
- 无量化,不管理。勾起了好多学习概率论和经济学的知识点。值得再读一遍。
- 一本很有操作性的书,对看似无法量化的问题,提出了完整的量化思路。要完全搞懂书中的内容,需要细细品味,比较费脑。
- OKR里的KR问题,本质上是个量化问题,量化问题就应该去看数据量化方面的书,而不是继续看管理学的书,多元学科思维的价值,那些所谓以问题为导向而看书的人永远不懂
- 【藏书阁打卡】所有模型都是错的,但有些是有用的 —— 这句话吸引到我了。读这本书的初衷是工作上有一些混乱的事情需要我做个数学公式去量化,实际上生活也有太多需要量化而非凭借侥幸(直觉)或者运气而达成的事情了。非确定性的量化也可以带给很多非计算类工作以更确切的实际意义,同时也起到教育大众的目的。
- 在图书馆找大数据的书找到这本挂羊头卖狗肉的,不过“狗肉”很专业很给力,决定自己买一本细细品读。这本书内容正如其英文标题how to measure everything,告诉你如何量化万事万物,只需要一些简单的统计学知识和方法,就可以对事物的范围大大地精确化,在大数据时代,这也是让数据真正发挥作用的必须手段。
- 看不明白,看到100页左右我弃了,毕竟自己不是学统计的。
- 说的是决策,其实是量化方法。建议有统计学基础以后再看。这本书的作用:快速得出评估效果,拿着数据去跟开发和其他部门PK业务价值
- 好书都是有共鸣的,烂书的不好就多了去了。这本书的不好主要有: 1 不够通俗; 2 只是告诉你怎么样用,至于原理就不说,让人囫囵吞枣; 3 很简单的事情,总是用一堆废话解释,比较难理解的东西,说一下就过去了。
- 这是一本好书,尤其是一本可以颠覆认知的好书。我们在日常生活中经常听别人讲某事物是不可量化的,所以无法去衡量,我们自己有时候也说这样的话,而且说的特别理所当然。而这本书的英文名直译就是如何衡量一切,表明作者就是要与传统观念叫板。作者通过一套通用的量化方法框架,证明了他的观点是对的。
- 总算觉得大学学的数学是实用的了……
- 量化分析是现代科学的基础,在企业的推广却非常缓慢,至今大部分的管理层都没有这种应用概念。这本书干货满满,算是授人以渔了。缺点嘛,有点儿推销味,有点儿细节缺失——信息价值评估讲得更清晰些就好了。
- 千言万语化作一句话:通过统计学方法来做量化分析。但对“无可量化”这一问题的解答,值得所有数据分析从业者了解。
- 总体还不错,个人收获不多
- 1. 凡事皆可量化 2. 量化是减少不确定性的过程
- 历时4年从把它从“想读”标记为“读过”,汗颜啊。但是也可能只有这个时候读过,才能理解其中的价值。很好的一本书,思路清晰,有道也有术。当不知道如何徐厚而优先级的时候,可以进行参考。
- 书的内容本身还算专业,但是翻译水准不够好,看起来不太流畅。
- 数据化就是减少不确定性,完全的消灭不确定性是不可能的,而能够减少一点不确定性也是有意义的。
- 书名改为《如何量化测度》更准确些
- 量化世界,信息科学的入门读物
- 量化是为了降低风险而不是去掉风险。其实工作中我们一直在做量化的事情,只是不够系统。
- 万物皆可量化,量化是减少不确定性。
- 难得有这样一本专业的著作,不失水准
- 拙劣的统计学教材
- 这本书要是往好的说,可谓是一本可以刷新人思维的好书。可惜读起来并不可口,有一些统计理论明显涉及到矩阵数值分析、多元回归这些高等的东西,但在作者嘴里却那么轻松,从对贝叶斯定理的讲解也可以看出作者表达能力不怎么行。虽然是科普书,但我承认有很多地方我作为一个数据分析爱好者也看不太明白。
- 书应该是好书,奈何数学底子薄,仅能看懂有限的能看懂的。所以,会应该再读吧。
- 看了11章,如何量化人们的态度。其中提到了生命价值估值法,就是看人们愿意为减少死亡的概率付出多少钱? 时间和金钱往往是很现实的指向器,那些说生命无价的,只是伪君子。 这跟《正义》一书的观点是很像的。
- 老外的书不好评价
- 估值范围取决于认知程度
- 有点技术含量,可是也不太好。不过倒是挺好,至少确实改变了我之前的觉得很多东西无法量化的观点。
- "量化的概念是'减少不确定性',而且没有必要完全消除不确定性,这是本书的核心观点"。 "是的,有很多事情你确实不知道,但是你知道什么"? "评测我们目前了解的事物的数量,是量化那些似乎根本不可量化的事物的重要步骤"。 "本书的目的是,让管理者看到他们认为不可量化的很多事物,实际上都可以量化。唯一的问题在于,它们是否足够重要以至于非量化不可"。 拓宽了思路,澄清了误解。多数人们以为无法量化的事物,例如偏好、幸福等,都已经有人量化过了。例如,心理学中的「情感预测」,能够量化「幸福」。 当不确定性越高时,降低不确定性所需的数据越少。 量化风险的常用方法是将亏损额和亏损概率相乘,但其假设是决策者是风险中性者,然而大多数人不是风险中性者。 无形之物有法可测,天下万物皆可量化。
- 2019012,如果一定要选一本给商业分析的从业人士,那么一定是这一本! 1 作者构建的「应用信息经济学」,本质就是将所谓的统计专业门槛降到只要会excel的任何人都可以按照操作手册一步步量化他们认为重要的信息 2 步骤一:定义决策和确定相关变量(专家小组做校准训练对当前的不确定性建模,使经过校准的90%置信区间,方法标准化Z值的简单线性模型、透镜模型、拉希模型) 步骤二:计算附加信息的价值(计算完全信息的期望值EVPI)步骤三:量化高价值信息的不确定因素(针对不同的量化主题选择不同的量化方法)步骤四:制定风险回报决策(运用蒙特卡洛模型和量化抽象事物的各种方法构建决策方案的收益和风险分布)3 本书还批判了很多广泛但没有价值的方法:主观加权评分法、层次分析法等等
- 《How to Measure Anything》正是这个标题吸引了我。作者用了大量笔墨试图大家没有什么不可量化,特别是鼓励大家大胆做估算。关于数据量的控制,考虑各种偏好等方面比较赞。
- 量化分析实用入门普及读本。
- 转盘模拟和反向锚定
- 4个小时阅读完。我只读读得懂的部分~这本书提供了一个对模糊事物的量化方法,校准练习那一部分真的特别有意思。how to measure anything,让你提供一个概述,然后不断自问,确定最合适的概率,然后做出决策。后面的部分需要统计学跟数据基础~
- 看完这本书,我觉得我应该可以看懂一些简单的商业分析报告了,也可以自己练习来写哦~有点意思。。
- 这本书读了也没啥用,水过地皮,我觉得这本书的用处主要在于劝学统计。 统计这么有用的玩意儿我怎么就不会呢。
- 信息就是不确定性的降低
- 问题和要素、已知、优先级、量化未知、决策。量化就是建立数学模型。少量数据就可以大幅降低不确定性,然而进一步降低就需要越来越多的数据,符合28原则。本书提出的理念很好,量化高优先级的指标。内容太啰嗦了,后半部分更多的类似于工具手册。
- # 公司大领导推荐的 # 略读,未细读 # 个人感觉一般,不深究的话营养不多 # 全书就是在灌输“一切皆可量化”的思想,为此应该怎么想、怎么做、怎么用,但在这三个方面讲的不通俗不全面无深度 # 书中会有些统计专业知识,不懂得是要花点心思 # 量化是减少不确定性、优化问题的有效手段 # 数据不在多,够用就好 # 变量不在多,够正确决策所用就行 # 使我们陷入麻烦的通常并非我们不知道的事情,而是那些我们知道得不确切的事情 # 准确度<>精确度 # 观测人们的偏好:陈述偏好、显示偏好 # 打开天窗说量化
- 有了大概的概念,但我还是直接去看统计学比较好
- 暂时不是很有需求看这么具体的数学
- 量化,更多的时候是一种思维方式。简单的统计工作,可以是机器完成,但为什么量化、如何量化,驱动力在于决策的我们。校准、量化信息价值以及一些科学的模型是这本书里我学到的。
- 一本启发式的书,今后可能有机会再读一次。
- 应该任何事情都是能够量化的,不能量化是没有找到好的评价标准,其他部分缺乏新意,不是很有逻辑的说了一些数据应用的方法
- 信息量密度有点少,不过核心部分很有价值。计算量化的价值,量化的方法(矫正估计能力,rasche方法,透镜方法),量化不可量化事物的方法都值得再研究。
- 很入门的量化科普书籍,相关统计知识还是需要看专业书籍。
- 挺好的,前边的一些东西很有启发性。后边的没有细看。那些想要面试产品经理的同学可以看看这本书,因为现在产品笔试面试经常会考估算,比如北京有多少出租车,多少加油站之类的,其实都可以用书中说的费米分解法来作为解题思路,再了解一些信息,就可以做出带有概率的估计值了。
- 改变了对量化的看法和认识,大部分所谓不能量化的东西只是因为我们没有看清它的目标、意义和期望产生的影响,一旦考虑清楚这些问题就能将其分解为可量化的线索。量化并不是无误差的精准计算,其目的是为减少而非完全消除不确定性。还介绍了很多实用的估算方法,很有实践性和启发性
- 同款名字的书太多了,这本一点也不水。
- 整体的框架很好,思路也清晰,但在内容的取舍上有点奇怪。偏宏观的理论概念花了很大篇幅,万物皆可量化的观点翻来覆去地说,不断强调一些“正确的废话”,但到了具体的方法论/工具部分,对蒙特卡洛模型、贝叶斯定理等的解释却蜻蜓点水,对读者的统计学基础有一定要求。
- 塔勒布乱入中
- 看里面有贝叶斯概率才买的。但书的行文实在太难看了,不知是东西文化差异,还是翻译太烂,努力了好久,实在看不下去。
- 读完很失望,就像我在笔记里写到:读之前需要明确自己已知什么,自己想要通过这本书为什么问题找到答案? 我大概是想看一本比《精益数据分析》更有深度的书,一本探讨如何定义量化指标的书。 然而这本书很多都让人觉得读了和没读一样,而且花了很多篇幅告诉读者“量化很重要”“没有无法量化的”,第8章选择和设计量化方法告诉读者有些事情最好先百度,前人可能已经有了更好的方法,或者不要想精准,抽样也可以解决问题。。。这说了和没说有啥不一样?我如何连百度都不知道我还去量化吗?绝大部分的人都是指百度不到合适的前人经验,不知道如何抽样。。。 或者说这本书真的是为了哪些都不知道如何百度的人准备的
- 201908 看似不可量化的东西都有量化的可能
- 无法量化就无法衡量。其实什么都可以量化,但是量化是痛苦的、磨人的。在数据面前人才会显得更理智,更好的做决定。就像大家都不爱统计时间,只要统计每周都多少时间放在重要的事情、有意思的事情,就能对生活带来很大的改善
- 一本比较专业的书,虽然我没有看完(后面实在是太难了),但是一切都可以量化的道理让我有一种脑洞大开的感觉。
- 一切皆可量化,看到后面的生命价值的量化时有种说不出的震撼
- 主要讲的不是决策,而是如何更好的量化看起来不好量化的事情
- 一本讲量化的书,非要起个势利的中文书名和副标题,减一星。
- 对于出现线外的数据的观点的态度,不敢苟同;对于数据测量成本的描述没有
- 结论:可以缓缓再读。 境界没到,看起来更像是一本数学书。
- 建议增加“科普”标签,有效信息挺少的。
- 全书传递了万事皆可量化的理念,具体的套路与咨询公司的咨询方法论本质没有太大差异,只是具体的方法上用了一些概率论知识。针对数据专业能力不强的职业算是还可以的入门书,但尽信书不如无书,不要走极端
- 作者尝试让人们接受量化这一方法,然后针对量化展开,书中涉及很多例子,有助思维的扩展
- 可吸收的点:1、改变量化的态度,不管能不能量化,都要试着去做量化;2、常用的量化方法和干扰因素要熟知;不认同的点:1、一切可量化的结论可以下,但准确度有时无法保证的;2、部分减少的不确定性可能并不是影响因素或者影响较小;3、人类总是高估自己的理性和掌控能力;
- 整个框架很好。前面的章节很好,后面的章节把重点有点偏在讲自己的量化手法上,后面的一些方法没法实际操作,太笼统了
- 用数学的量化的眼光精确的审视周围。
- 那個校準練習實在是太顛覆了😱 可惜裏面介紹那些手法,一個沒看懂😓
- 基本都是字,图很少公式更少。可能主要是想阐述思想,但和其他有图有公式的同类书比起来,思想本身也不是很有特色。
- 量化就是减少不确定性;可作为统计学应用学习材料。
- 作者坚定了我一切用数据说话的信念,并且激发了我重拾统计学的想法!!!可惜还没行动。。。。。。
- 不喜欢这本。这翻译和校对简直是场空难,简单的术语和观点的理解被人为增加了难度。除此之外,只有量化一切商业价值这个观点比较有价值了。蒙特卡洛和贝叶斯,还有回归,自己去看统计学吧。
- COM概念对象方法。故事情节如下,为何量化,量化何物,如何量化,量化的二三事,终。
- 如何量化一切 how to measure anything 才是本书真正书名
- 没啥干货,扫一下就好
- 这本书句翻译的有奇怪,原文名字更好理解。书总体写得不错,最喜欢里面的核心概念: 量化就是减少不确定性,任何量化如果不能够带来行动或者决策,这样的量化是没有意义的。整本介绍的应用信息经济学这套体系也不错,具有一定的可操作性。
- 太多统计学的描述,现阶段的我看不下去
- 简单 随笔翻翻 有个量化的大概了解 我觉得很不错
- 我是冲着书名买的(how to measure anything ),结果这是本我最讨厌的“咨询业书籍”,就是把一切司空见惯的事打扮成很有逻辑的样子,来卖你钱的咨询业逻辑。唯一比可看的是贝叶斯和频率论的部分。虽说本书是给忘记统计学的上班族看的,但是里面既没推导过程也没有公式介绍,反倒是出现大段的Excel代码,是不是太水了?
- 因为课程要求看的,书中很多例子,真的受益匪浅
- 烂书 恰恰相反,风险和不确定性,正是因为对普遍概念的过度数学抽象和测量产生的结果 如何定义一个好产品?更具体的,如何定义一个好的硬盘?正是因为将其数学化,才导致忽略一些指标,所以才会出现衡量指标上的好硬盘并不一定取得商业上的成功。因为你的衡量指标就不全面! 这个概念都搞不明白的作者书,只值得粗粗翻阅
- 非常有意思的一本书,无论大小数据,都要从现实世界出发。我的数据敏感性还需慢慢培养,路漫漫其修远兮