《度量一切》（How to Measure Anything）由 Douglas W. Hubbard 写于 2007 年，英文原版由 Wiley 出版，第 4 版在 2017 年推出，中文译本由中国人民大学出版社 2013 年出版。Hubbard 本人不是学院派统计学家，他的职业是做决策科学和风险管理顾问，二十多年干的一件事就是教企业和管理者把"说不清楚的东西"变成能上决策桌的数字。这本书就是他这套方法最系统的一次落地。
书名本身就是最核心的反直觉命题。在大多数人的日常语言里，"度量"的对象是那些天然可以被数字描述的东西，身高、重量、营收、点击率。而"没法度量"是一句出现频率极高的挡箭牌，"品牌忠诚度没法量化"，"员工士气没法算"，"安全风险没法评估"。这本书要回答的问题，就是这句挡箭牌背后到底站不站得住。
答案是，站不住。Hubbard 的原话很直接，几乎所有东西都可以被度量，包括那些看似没法度量的东西。
度量不是为了精确
这本书最关键的重新定义在第一章。度量（measurement）在 Hubbard 的定义里，不是"拿一把精确的尺子量出真实值"，而是减少不确定性。这个定义和日常直觉差别很大。
直觉告诉我们，度量就是得到一个准确的数字。 Hubbard 的看法相反，决策真正需要的是"比决策前更确定一点"，而不是一个准确的数字。如果度量前后的不确定程度没有变化，那这次度量对决策毫无价值，哪怕它产出了一个精确到小数点后两位的数字。
反过来，哪怕度量结果非常粗糙，只要它真的让决策前的不确定区间变小了，它就是一次有价值的度量。"大致知道"比"完全不知道"对决策有帮助得多，哪怕"大致知道"这个数字本身带着很大的误差。
这个定义之所以重要，是因为它直接击穿了那句挡箭牌。当有人再说"这个东西没法精确量化"时，Hubbard 的回答是，你不需要精确，你只需要在决策前把不确定区间缩小到一个值得行动的程度。这两个标准天差地别。
用少量观测大幅缩小不确定区间
定义立起来之后，书里真正有杀伤力的是方法论部分。这里 Hubbard 的方法建立在贝叶斯更新之上，频率派那套思路他基本不采用。
频率派的直觉是，要得到一个可靠的数字，你得有大样本。Hubbard 认为这个直觉把度量的门槛抬得过高，以至于很多本可以被度量的东西直接被归入了"无法度量"的抽屉。
他举的一个经典场景是，公司想引入一套安全软件，管理层说收益没法量化，因为"不知道上线后到底能减少多少事故"。频率派的思路是，那就等一年，收集上线前后的事故数据再比较。Hubbard 的路子完全不同。
假设这类事故平均每年发生二十次。上线后只要观察一小段时间，比如一个月，期间一次事故都没发生，就能基于贝叶斯更新定量地说"事故发生率至少下降到了什么水平"。不需要等一年，不需要大样本，一次"没发生"的观测本身就携带了信息，能够把先前的不确定区间往一个方向明显收窄。
这个例子的价值不在具体数字，而在它暴露的思维方式。当我们把度量理解成"收集足够多的数据算出一个均值"时，度量就变成了一件成本很高、周期很长的事，最后干脆不做。当我们把它理解成"任何新证据都应该修正我对世界的判断"时，度量就变成了一件随时可以做、而且几乎零成本的日常动作。
用"你愿意付多少钱"反向度量
书里另一个很有用的工具是 willingness to pay，你愿意为某个东西付多少钱。
很多无形资产被归入"无法度量"，是因为找不到一个天然对应它的物理量。品牌忠诚度没有单位，员工士气没有刻度。Hubbard 的处理方式是把问题反过来问，如果这个东西对你有价值，那么你应该愿意为它付出代价。你愿意付出的代价的分布，本身就是对这个东西价值的一个度量。
这个方法的价值在于，它不需要外部权威给出一个标准答案，它度量的就是你自己的判断。这个判断可能带偏，但它至少是一个明确落在数轴上的判断，而不是一个飘在空中的"很重要但说不清"。把一个模糊的判断变成明确的数字，哪怕这个数字是主观的，也比维持模糊状态更能推动决策。
和《拆穿数据胡扯》放在一起看
这本书和 Hubbard 之外另一本数据素养经典 Darrell Huff 的《拆穿数据胡扯》恰好互补。哈夫关注的是数据被操纵以后怎么识破，Hubbard 关注的是那些根本没有数据的情况怎么迈出第一步。前者训练你看穿别人的数字游戏，后者训练你在自己没数据的时候不轻易放弃。
两本书合起来是一个完整的防御体系。一个人如果只读哈夫，会变得很会挑别人数据的毛病，但面对自己没数据的局面仍然束手无策。如果只读 Hubbard，会学会怎么把模糊的东西变成数字，但可能忽略这些数字本身也可能被精心裁剪。两条腿走路才稳。
关联词
- 度量一切，Douglas W. Hubbard 所著，2007 年初版，核心命题是几乎所有东西都可以被度量。
- 度量 = 减少不确定性，Hubbard 对 measurement 的重新定义，是全书的方法论基石。
- 贝叶斯更新，用新证据修正既有判断的概率方法，是书里推荐的核心度量工具。
- Willingness to pay，你愿意为某物付出的代价，用来反向度量看似无价的无形资产。
- 拆穿数据胡扯，Darrell Huff 1954 年所著，和本书一起构成"识破 + 起步"的完整数据素养。
小结
《度量一切》真正留给读者的不是公式，而是一种反惯性的反应。当"没法量化"这句话冒出来的时候，先停一下，问自己是不是把"精确"和"有用"混为一谈了。只要度量的目的是减少决策前的不确定性，那几乎所有的"没法度量"都可以被重新审视。