大数据时代的量化决策

        现实生活中，有些人认为一些事件可以量化，面试官通常会问你全市共有多家加油站，他要的不是结果而是量化的方法和思路，但有些事情却不可量化，比如，预测下一次世界大战发生的概率，这个胆大的问题一般人是无法想象的，但总有一些世界知名的智库会致力于分析这种可能性。上世纪50年代末美朝战争中，兰德智库就中国是否援助朝鲜进行分析，得出中国决定出兵的结论，但美国政府并不买账，最终导致损失惨重。
        
        关乎于任何事情都可以量化的理念，估计包括你我在内的大多数都不相信这一事实，但决策分析师道格拉斯.哈伯德在《数据化决策》一书中却认为，这种理念在现实生活中是可行的。在这本书中，他回答了为何任何事情都可以量化？如何设置和定义量化的难题，以及如何使用高效的量化方法解决量化难题。
        
        首先他从埃拉托色尼、费米和艾米丽三个来自不同年代、不同领域的人物，以不同的方式告诉我们无形之物是可量化的。但为什么现实生活中总有人认为不是万事万物都可以量化的，哈伯德给出的解释是，一般有三种原因对量化错误理解造成的，即量化的概念、量化的目标以及量化的方法，除此之外对量化产生的成本、意义和伦理道德也是公众考虑的因素。随后，哈伯德逐一破解了这些不存在阻碍量化的因素，并提出了4个假设推翻这些不存在的因素，即你的难题并非你想的那么独特、你拥有的数据，比你认为的要多、你需要的数据，比你认为的要少、要获得适量的新数据，比你想象的容易。
        
        在这些假设之上，哈伯德是想强调，“如果在在高度不确定的情况下凭空想作决策，那么政策决策者或者商人就极可能错误地分配有限的资源，这就好比拿我们的生命去赌博”。因此，在本书中，哈伯德并不仅仅是提出“任何事情都可以量化”的理念，关键在于要有量化决策的实践步骤，这也是本书的核心内容。
        
        哈伯德指出，量化决策步骤可分为5步，即定义需要决策的问题和相关的不确定因素（量化的定义及其意义）、确定你现在知道了什么（量化的决策以及不确定性）、计算附加信息的价值（信息的如何量化）、将有关量化方法用于高价值的量化中（一些必须的量化基本方法）、做出决策并采取行动。
        
        量化的前提是该事物是否与决策存在至关重要的关系，如果不存在关系，量化是不必要的，相反如果存在，才有量化的必要性。正如哈伯德在书中开头所提及的一样，首先必须知道量化的定义，澄清风险和不确定性的区别。例如为退伍军人事务部IT安全项目进行量化的工作，必须定义该量化是想解决什么问题，IT安全的真实定义？本书中提出了针对不确定性和风险的两种方法，校准训练和蒙特卡洛模型，然后提出计算信息的价值，以确定不确定的范围。
        
        但量化问题的关键还在如如何量化的方法，有些问题用一些简单的数学问题可以解决，但个别问题则需要用复杂的量化方法。比如如何估算全市共有多家加油站是个费米问题，简单的推算可以解决，但要是涉及下一次世界大战出现的可能性则必须考虑几十种复杂因素。
        
        哈伯德在本书中提出了几种常用的量化方法，如简单的随机抽样、贝叶斯方法、量化抽象事物的方法、量化人们的偏好和态度的方法，当然还有5人法则。这些方法有些利用人的自觉判断，有些则利用测量仪器，书中提出了两种量化方法，Rasch模型和透镜模型，关于这两种的区别，哈伯德指出在宽松的条件下，这些方法并不适用。
        
        以上这些都是比较传统的测量方法，随着信息技术的高度发展，新型测量方法和仪器可以带来革命性的进展，如书中提及到的全球定位系统、用屏幕抓取软件和混搭法挖掘网络信息，利用群体智慧的预测市场。哈伯德用这些量化方法解决了IT领域的一些难题，并创造性地构建“应用信息经济学”方法，将量化方法应用于研究投资组合、市场预测、军事后勤等多个行业，那么，在大数据时代，这些方法更备受决策者的关注。

      未经允许，请勿转载！