一直以来，因为工作上管理的需要，我就特别需要为决策、为考核定义模型。
甚至于，是要在别人感觉无法有数据支撑的情况下、“生造”一个模型出来。
比如说，该怎么提前判定客户方的确比较青睐我们给出的解决方案；
比如说，在没有业绩指标的情况下，该怎么衡量不同员工的贡献度；
比如说，该怎么判定某个产品推广过程中的关键动作；
......
虽然日常是专门有IT部门配合工作，但是呢，很多时候，如何设定模型、要考量哪些核心因素，都是管理者的责任。
所以呢，这几天看《数据化决策》，就真的是让我一见钟情、视作知己哈哈。
因为，道格拉斯在书中给出的“量化”的定义，真的超级实用：
量化，就是减少不确定性的观测
对啊，这个就是我们日常管理所需要的呀。
虽然很多时候，没有太多的数据支撑，但依然能够为决策给出更为靠谱的考量模型来。
之前，在看《投资最重要的事》和《周期》时，为啥会对霍华德那么推崇呢？
很大原因就在于，他给出的这张“市场评估指南”。
虽然霍华德的这张表格，还更多是定性的衡量，但是呢，只要再给加上两个补充条件就好：
一是为每行赋予权重；
二是针对上面给出的两列，设定间距，以1-5分进行程度强弱的判定；
这样设定之后，让大家对每行的事项进行打分，然后，用 每行的分数 * 每行的分数，累加之和，就是当前的市场温度的得分。
用这个方法，就可以将难以触摸的市场温度、转化为直观的评价，进而得出符合自己利益的投资决策。
这个方法，就是典型的“减少不确定性”的量化方法。
再给大家举个例子。
就比如，上面说的，如何在没有业绩指标的情况下，来衡量不同员工的贡献度。
惯常碰到的场景就是：
这个部门属于内部支撑部门，没有具体的业绩的。
那么，到了年终评优评先时，该如何评选呢？
扣除需要特殊考虑（你懂的）的情况，通常是需要给出，所有员工的原始排名。
而这个原始排名，就需要考量员工对部门对公司的贡献度。
那么，你该怎么评、才能既公平又突出重点呢？
给你一分钟时间哈哈。
....
当当当，我来揭晓我的量化方法。
我的方法就是，采用“九宫格”打分法。
1. 每一行，代表一个项目。
由项目负责人、自行给出这个项目的评价，是难、是中、还是易。
给予难、中、易不同的分值。
在所有项目负责人给定项目的难易程度之后，由我来拍板、平衡这些项目的难易程度，以保证公平性。
2. 给定员工名单，由项目负责人，评价在其负责的项目中，不同员工的贡献度大小，是大、是中、还是小。
给予大、中、小不同的分值。
3. 根据上述，就可以为每个员工计算出来一个项目贡献度的“九宫格”。
横向为项目难易度，纵向为其在该项目的贡献度大小。
4. 再把所有项目贡献度九宫格相加，就可以得出该员工的贡献度总得分。
5. 根据不同员工的不同得分，进行排序，就得到所有员工的原始排名。
怎样？
这个量化方式，是不是超级简单、且好操作、且还公平？
所以呢，在我看来，正如道格拉斯在《数据化决策》中所说，
凡事皆可量化。
更重要的是，
你拥有的数据，通常都会比你认为的多；
你需要的数据，通常都会比你认为的少。
就像做选择之前，即便列出了一大堆的比较条件，依然是不确定。
那就，抛硬币好了。
这个方法虽然简单，但却足够“量化”：
你不想硬币哪面朝上，那么，你就是从心底里不想选这个选项。
你get到了吗？
