《数据化决策》导读

书中充斥了看似轻松的逻辑飞跃，容易让读者陷入复杂的细节。我整理出了简单的框架，希望能帮助新读者节约时间。

一。明确量化的含义：

1.通过历史上的例子，比如量化原子弹爆炸的能量，获得感性认识。

2.明确量化的目的不是求精确值，而是减少不确定性，从而服务于做决策。

二。量化的起点：

3.举怎样量化师徒关系好坏的例子来说明如果有事物看起来无影无踪，只是你还没对所谈论的事物下定义。搞清楚你自己的意思是什么，量化工作就完成了一半。

三。量化的总体认识：

4.激发主观估算的潜能，剥离情感的部分，由理智做主。

首先估算牛顿哪一年发现了万有引力定律的90%置信区间。然后通过等价赌博测试做校准训练。

5.通过实例学习蒙特卡洛方法，完整认识量化的步骤。

6.量化的意义就是减少风险，极端情况是消除风险。如果风险的价值=风险的危害*发生的概率，那么量化的价值是可以衡量的，既量化前后风险价值的变化。

四。量化方法：

7.量化方法入门。最简单的：仪器测量；分解；互联网搜索；寻找、观测、跟踪线索等。

8.更普遍的量化方法一般分为两类：随机抽样和贝叶斯方法。先认识随机抽样。习题：估算一颗绿豆的重量。首先每人估算90%置信区间，然后告诉你挑了一颗，测量发现1.4克，你会不会修改你的置信区间？再挑1颗1.5克， 你会不会修改？再挑3颗，分别1.4,1.6,1.1，会不会改？再挑3颗，1.4,0.9,1.7，会不会改？

随机抽样可以迅速纠正估值，靠近实际情况。一般情况下，前面的抽样对估算影响大。后面逐渐变小。

9.随机抽样的几种方法。t统计量法；5人法则的扩展等。

10.认识几种贝叶斯方法。

五。应用实例：

11.学习完整的伊拉克战争中油量计算的例子。一般量化的步骤如下：

1）认识要量化的问题

2）找专家做各个信息的初步估算（专家的经验可以让问题的开始更接近实际情况）

3）建立问题的数学模型

4）计算信息的价值，从价值最高的信息开始量化。

5）寻找合适的方法量化价值最高的信息。

6）通过量化，减少不确定性。帮助做决策。

六。其他：

12.花絮：有趣的几个现象，锚定；从众效应；光环效应等。