前言

人是萬物的度量者。

——赫伯特·阿瑟·克萊因（Herbert Arthur Klein）

在這個星球上，有一個物種幾乎主宰了它所接觸的每一個生態系統。從干旱的沙漠到茂密的雨林，從高山到低谷，它無處不在，無處不被它征服，幾乎沒有什么地方找不到它。它學會了種植和收獲植物，馴化其他動物來滿足自己的需求，創造錯綜復雜、用途明確的建筑和棲息地，建立分工協作、階級分明的復雜社會，甚至還會發動戰爭，奴役同類。

毫無疑問，我說的是螞蟻。

如果說螞蟻僅僅是一個成功的物種，那就太輕描淡寫了。它們不僅在地球上幾乎所有的生態系統和氣候中繁殖，而且數量龐大。幾乎在任何生態系統中，如果你清點所有現存的動物，你都會發現，數量最多的很可能是螞蟻。在某些環境中，螞蟻不僅是數量最多的動物，而且總體重也超過了其他動物。

螞蟻的成功可以歸于它們與其他大多數昆蟲的不同之處：螞蟻是社會性的昆蟲，它們一起工作。通過精細的分工以及復雜的溝通和適應方法，螞蟻找到了一種與其他幾個物種類似的合作方式，人類便是這寥寥可數的幾個物種之一。

螞蟻之所以能很好地合作，是因為它們會交流。螞蟻使用錯綜復雜的信號網絡來識別食物來源和潛在的敵人，提供日常維護并照顧蟻群，以及完成其他一系列任務。然后，這些信號被用來為上述任務分配相應的資源，進而確保蟻群的存續。沒有任何一只螞蟻能理解它們所處的系統，連蟻后也不能，它們只是盲目地遵循接收到的信號。然而，這種互動是有目的、有策略的。這就產生了一個非同尋常的悖論：雖然單只螞蟻很愚蠢，但蟻群很聰明。我們可以通過觀察螞蟻如何處理一項簡單的任務——尋找食物——來了解這個系統。

在澳大利亞東北部的熱帶雨林中，有一種學名叫Onycho myrmex的行軍蟻，專門捕食蜈蚣和其他大型節肢動物。當這種行軍蟻尋找食物時，它們每行進幾英尺[1]就會向后伸展一下后腿，將腹部緊貼地面，分泌出一種信息素。[2]這些信息素向其他螞蟻發出信號，讓它們跟隨。

用蟻學家（研究螞蟻的科學家）的話講，這種行軍蟻的分泌物叫作征召信息素。征召信息素向其他螞蟻發出信號，讓它們跟隨信號前進，前往一處食物來源、一處新的巢穴位置或一個需要攻擊的潛在威脅。

當這個系統在群體的規模上發揮作用時，其效果非常顯著。每天早晨都有無數“偵察員”離開巢穴尋找食物。它們一旦找到食物，就會返回巢穴，并在途中一路分泌征召信息素。返回巢穴后，它們“征召”其他螞蟻跟隨它們前往食物來源：食物可能是一顆掉落的果實、一根多葉的樹枝，如果它們是擅長集體狩獵的行軍蟻，那么也可能是一條蜈蚣。這種簡單的化學檢測系統讓螞蟻的效率達到了驚人的水平，雖然這種效率是不動腦筋的。這種不動腦筋的效率足以讓蟻群在世界各地蓬勃發展。然而，當它失效時，災難性的后果就會發生。

當行軍蟻離開蟻群去往已經找到的食物來源時，它們會成群結隊，彼此緊緊跟隨。這個團體必須團結一致。有時它們會沿著前面螞蟻留下的征召信息素的蹤跡前進，有時它們會利用觸角來定位并跟隨前面的螞蟻。在這種情況下，征召信息素的蹤跡并不是一條通往食物的道路，而僅僅是一條指令：“嘿，跟我來。”

有一種很罕見的情況是，螞蟻無意中沿著蹤跡返回了原處，領頭的螞蟻開始尾隨殿后的螞蟻。隨著每只螞蟻都留下征召信息素，這條路徑不斷加強。螞蟻循著這條蹤跡繞成一個大圈，沒完沒了地走下去。但這趟旅程不會以攻擊一條蜈蚣或收獲一塊腐爛的水果而結束，而是會無限循環下去，來到最終的毀滅性結局：每只螞蟻都因精疲力竭而死亡。這一現象在自然界中已經被觀察到無數次，并在實驗室中重現。蟻學家稱之為“螞蟻磨盤”，我更愿意稱之為“螞蟻死亡旋渦”。

一些蟻學家在野外偶然發現了成圈死去的螞蟻，這些可怕的“墓碑”證實了它們盲目依賴信號而造成的災難。這就是讓蟻群變得如此成功的適應性所導致的悲劇后果。對螞蟻而言，死亡旋渦是不幸卻又不可避免的，也是它們作為地球上最成功的昆蟲物種要付出的代價。

像螞蟻一樣，人類通過信號，通過先觀察再行動來理解我們的世界。我們衡量我們所做的幾乎一切，例如工作表現，醫療質量，體育比賽中的競爭力，市場優勢，產品的有效性，經濟實力，教育質量，道路擁堵情況，企業的利潤、收入和增長。

我們的孩子在學校里學習了嗎？對他們進行測試。我們的工作效率高嗎？統計我們的工作時間。付給職業運動員的工資值不值得？記錄他們的每一個動作，并將其轉化為數據。一家企業是否成功？對它的利潤、收入、增長等數據進行細分，直到你確定為止。

這些措施、評價和業績指標就是我們的衡量指標。它們不僅是我們用來量化了解自己生活的工具，也是量化了解世界的工具。我們在學校、工作場所、政府機構和家庭中使用衡量指標。我們使用衡量指標來衡量工作效率，衡量孩子在學校的學習情況。衡量指標幫助我們衡量經濟規模、醫療保健系統的有效性，以及城市擁堵產生的影響。

衡量指標有助于我們決定哪些事情值得重視且優先于其他事情。衡量指標塑造了我們對世界的理解。我們花費大量時間和資源來選擇、搜集和分析構成這些衡量指標的數據。幾乎沒有什么是我們不去測量的。

這里我們要做一個重要的區分。在這本書中，我們將談到很多關于衡量指標（metrics）的內容，但我們還會提到測量（measurement）。二者有何不同？簡單來說，測量針對的是任何可以量化的東西。獵豹的奔跑速度、帝國大廈的高度、美國每年消費奶酪比薩的數量，這些都是測量，很簡單。

衡量指標的不同之處在于，它是一種對測量進行賦值的測量。衡量指標可以告訴我們，情況是在改善還是在惡化。衡量指標是有目標的。考試得A比得D好，公司利潤增長是好事。衡量指標是心中有目標的測量。雖然測量和衡量指標之間存在差異，但我們很少在測量某個事物時不給它指定目標。正如哈佛商學院教授揚米·穆恩（Youngme Moon）所言：“當我們選擇測量某個事物的那一刻，我們實際上就是選擇去追求它。換言之，衡量指標創建了一個指向某個方向的指針。”[3]

我們被淹沒在數據之中。數字革命在世界上掀起了一股數據浪潮，只要接入互聯網，任何人都可以毫不費力地獲得各種信息。我們不再受限于單調乏味的實體記錄和分類賬，我們擁有的數據多到我們不知該如何處理。計算機不僅成倍地提高了我們的計算能力，還提高了我們搜集、存儲和共享信息的能力。互聯網擴大了信息量，并從根本上提高了信息交換的便捷性。政府、企業、組織和個人正在搜集和利用這些新信息來制定政策、開發更好的產品和營銷策略、提高生產力、解決社會問題，以及滿足個人利益。

數據的爆炸式增長導致我們對衡量指標的使用激增。有了更多的信息，我們就可以跟蹤更多的措施，實現更多的目標，進行更多的評估。毫無疑問，在數據領域發生的革命給我們的世界帶來了無數益處。更好的數據意味著更好的決策。更多更好的信息意味著我們的醫療系統能拯救更多的生命，企業能提供更好的產品和服務，人們對自己的健康、財富和幸福能做出更好的選擇。

數據的改進正在強化19世紀以來一直在發展的一種趨勢：績效管理。績效管理的思想很簡單：要想改進任何一個系統或流程，你只需要把系統拆分成可管理、可測量的組成部分，并為這些測量建立標準，然后為這些系統中的人員創建激勵措施，讓他們達到這些衡量指標。隨著可供我們分析的數據的增加，這一策略的誘惑力會變得越來越大。數據分析、計算和信息存儲的改進加速了這一趨勢。公司、組織和政府獲得的信息越多，可以優化的措施就越多，可以跟蹤的任務、活動和目標也越多。

你如果想改善一家零售企業，那就把它拆分成幾個組成部分：供應鏈管理、銷售、會計等。你可以為供應鏈負責人提供交貨時間、庫存、運輸時間等方面的標準，為銷售人員提供銷售額目標和指標，對市場營銷、研發、會計以及企業的其他組成部分也如法炮制。從公立學校系統、跨國公司、醫療保健系統、運動隊、社交媒體戰略、小公司、城市、供應鏈到我們的環境，幾乎每個組織都是績效管理的目標。數據和衡量指標的使用已經滲透到我們生活的幾乎每個部分。

然而，數字革命創造了一種信息狂妄。聚光燈越集中在這個世界可測量的部分上，我們就越相信我們無法測量的部分不再存在。有了新信息，我們就忘記了所有我們不知道或難以知道的事情。我們太過專注于那些在燈光下看到的事物，以至于忘記了成功的關鍵可能在黑暗中。企業如果發現了有關其供應鏈、生產過程和市場運輸的大量新信息，就不應該忽視市場適銷性、創新、員工激勵，以及市場中未知和不可預測的變化等更難獲得的信息。

信息如此豐富也有不利的一面。就像螞蟻會被平時可以引導它們找到食物的信息素引入歧途一樣，我們也會被我們認為對自己有幫助的衡量指標引入歧途。我們不僅要對我們所消費信息的真實性和完整性持批判態度（關于這個話題有很多好書可以讀），還必須理解數據的含義，為什么它們很重要，以及它們如何影響我們的行為。

專門研究數據科學的書籍、文章和其他資源有許多。你只需要在亞馬遜或谷歌上搜索統計學、分析學或精算學，就會看到成千上萬的資源，它們會告訴你關于統計意義、數據分析、風險評估和分析信息的一切。但這不是這本書的主題。本書講述的是一個完全不同的問題。本書想要回答的問題并不是“我們如何分析或評估不同的數據”，而是“我們衡量的東西如何影響我們的行為和行為方式”“我們衡量事物的方式如何改變我們思考和行動的方式，如何改變我們的價值觀，以及最終的成就”，而這也正是其他數據科學書籍忽略的問題。

本書講述了如何使用正確的衡量指標：這些衡量指標應用于我們生活的方方面面，讓我們的生活變得更美好。但更重要的是，本書講述了使用錯誤衡量指標的陷阱，以及誤解衡量指標所帶來的危害。因為衡量指標也有不好的一面，誤用、誤解和曲解衡量指標會導致事與愿違、徒勞無功，有時甚至導致徹頭徹尾的破壞性行為。我們用來理解、評估和分析我們世界的那些工具，也會影響我們的判斷，誤導我們的注意力，或者蒙蔽真相。

戴維·曼海姆（David Manheim）認為，我們使用衡量指標的主要原因有三點。[4]第一，是為了了解真相。我們的直覺雖然有時有用，但經常是錯誤的。通過測量，我們可以確定到底發生了什么事情。如果一個銷售人員說他的工作很出色，我們可能有充分的理由相信他，也許他很善于與客戶打交道，也很了解他的產品。但如果不看他的實際銷售數據，我們就不知道他到底有多么優秀。

我們測量的大多數東西都是如此。中國的經濟規模是否超過了德國？費城的犯罪率是多少？一家醫院一年治療多少個病人？這些都是我們大多數人不太清楚的事情。通過測量它們，我們將比依靠直覺更接近真相。衡量指標為我們提供了確定性。當我們測量某件事時，我們是在用事實取代我們的直覺。即使一點點信息，也會讓我們更接近真相，更遠離不確定性。

第二，測量有助于我們簡化復雜的系統。CEO（首席執行官）不可能知道，也不想知道公司每個部門、每位經理和每名員工在做什么。政府官員不可能監測他們為每個公民提供的每一項服務。醫院不可能監督它雇用的每一位護士、醫生、專家和行政人員的每一個行動。一個城市無法了解每個通勤者、每家企業和每輛垃圾車的行動。衡量指標可以幫助我們以清晰且有意義的方式簡化這些復雜的系統，從而為我們提供簡單性。

第三，測量解決了信任問題。如果你問員工、經理、政府管理人員或運動員，他們是否比同齡人更優秀，大多數人會回答“是”。但你怎么知道呢？如果一名員工說自己正在努力工作，為公司做出貢獻，你怎么知道事實的確如此呢？如果一家公司說它在行業中擁有最高的銷售額或最高的營收，你能相信它的話嗎？衡量指標可以幫助我們解決這些信任問題。衡量指標創建了獨立的標準，可以用來驗證一切說法，而不依賴于任何人說的話。衡量指標為我們提供了驗證方式。

我想補充第四點，這在一定程度上與確定性和信任問題有關：衡量指標讓我們變得客觀。在許多系統中，關于什么是有價值的、什么是重要的，存在著許多不同的觀點。誰是更好的警察？哪位運動員的比賽成績更好？哪位經理的團隊表現更好？答案會因你與誰交談，以及此人認為哪些方面的表現更有價值而不同。如果我們僅僅依靠個人觀點來判斷好壞，那么我們將永遠無法解決這類問題。

衡量指標提供了一個客觀、冷靜且一致的標準，我們可以用這個標準比較和評估業績。衡量指標能夠讓我們擺脫關于“什么是重要的，以及為什么重要”這個問題混亂的、有時各執一詞的和情緒化的討論。衡量指標可以跳過對話，提供一個適用于所有人的清晰一致的標準。衡量指標為我們提供了客觀性。

大多數衡量指標最終都用于類似的目的：改進我們所做的事情。我們的學校組織考試，目的是提高學習水平。我們衡量我們在工作中所做的事情，目的是提高我們的生產率和公司的凈利潤率。我們衡量公司業績是為了進行更好的投資。我們衡量哪些產品更環保，目的是保護地球。在一個理想的世界里，我們選擇最好的衡量指標，并遵循它們建議的成功之路。

然而，就像信息素蹤跡一樣，這些衡量指標也可能讓我們誤入歧途。這些衡量指標的目的都有缺點。在本書中，我們會發現，這些目的中的每一個都可能誤導、誤解和歪曲實際發生的事情，并破壞衡量指標的初衷。衡量指標可能導致我們采取適得其反的行動，它們會將我們的注意力吸引到最終并不重要的事情上。由于選擇了錯誤的衡量指標，我們在無效的活動上花費了過多的時間和資源。衡量指標可能扭曲我們對世界的看法。我們甚至可能成為衡量指標的奴隸，就像陷入死亡旋渦的螞蟻一樣，我們過于關注自己在測量中的得分，而忘記了自己真正要實現的目標。

但我們不是螞蟻。我們不必盲目地遵循衡量指標規劃的路線。我們有能力從道路上抬起頭來，重新評估目的地。我們可以停下來想一想，弄清楚我們是真的越來越接近目標，還是在原地打轉。我們可以選擇我們應該遵循哪些衡量指標，甚至是否應該遵循衡量指標。

我的職業是城市規劃師，關于城市如何運行的研究和實踐中充滿了各種各樣的衡量指標。在我的求學和職業生涯中，我遇到過很多在城市規劃中誤解和濫用衡量指標的例子，同時也遇到了一些正面的例子。例如，我們衡量交通擁堵和住房負擔能力的方法都是存在嚴重缺陷的，我們將在本書后面的內容看到。然而，一旦我開始理解這些衡量指標的缺陷，我就開始注意到，在測量方面，城市規劃領域并不是唯一存在缺陷的。我開始注意在其他領域中存在缺陷的衡量指標：教育、醫療保健、商業、經濟、環境和體育等。

當我研究其他衡量指標，或與其他領域的專業人士交談時，我開始發現，人們注意到的缺陷有相似之處。對城市規劃領域衡量指標的錯誤理解，與對產品環保程度的錯誤理解類似。醫生在評估診所時注意到的錯誤也類似于商界出現的錯誤。一種評價籃球運動員的更好的方法與可口可樂公司決定開始使用塑料瓶有關。各種錯誤反復出現，而且跨越不同的主題。在本書中，我嘗試對衡量指標中最常見的錯誤進行分類、描述，并提供解決方案。

衡量指標可能會在很多方面誤導我們。誤解人們對衡量指標的反應；關注我們投入的東西，而不是我們得到的東西；優先考慮短期收益，而不是長期收益；誤用分母；只抓住整體的一部分；不限定我們的測量方法，只關注可以測量的東西；或者干脆認識不到我們無法總是去測量真正重要的東西。這些都是衡量指標可能讓我們誤入歧途的方式。

幸運的是，我們可以從這些錯誤中吸取教訓。我們可以了解到，向導并不總是正確的。我們可以學會在旅途中選擇更好的地圖，或者減少對那些我們知道并不完美的地圖的依賴。我們可以學會識別衡量指標如何以及為什么會誤導我們，這樣我們就不會落入它們為我們設置的陷阱。我們可以通過效仿他人樹立的榜樣，學會改進我們生活中使用的衡量指標。最后，我們可以停止不斷地測量自己，學會關注那些我們無法測量但對我們來說最重要的事情。我們將在本書的各個章節中逐一研究這些錯誤，看看每個錯誤的例子，并了解如何識別和解決每個錯誤，總結經驗和教訓。

從第一章《應試教育：古德哈特定律與衡量指標悖論》開始，本書深入探討了學校標準化考試的世界，并展示了狂熱地致力于一項測量可能會導致無效的、不必要的，有時甚至令人難以置信的破壞性行為。該章展示了片面地強調、衡量學生成績如何使教育質量惡化，迫使教師簡化教材，鼓勵死記硬背而不是讓學生真正地理解，懲罰深入思考的學生，甚至促使教師作假。更重要的是，這一章證明了這種現象不僅限于課堂。無論是在商業、醫療、經濟、體育中，還是在我們追求的其他任何事業中，完全集中地追求任何一種衡量指標都可能導致不合常理的結果。這一章表明，應試教育不僅僅是學校的問題，任何衡量指標都能以激進且往往矛盾的方式改變我們的行為。

第二章《投入和產出：邏輯模型與程序評估》解釋了錯誤地測量投入、產出和結果如何導致事與愿違。這一章講述了幾個女性的故事，她們用自己的方式發現了一個人在一項任務中投入的成本、付出的努力和最終取得的成果之間的區別。該章介紹了瑪格麗特·奧弗里希特（Margaret Aufricht）醫生，她認為醫療保健系統鼓勵醫生看更多的病人，而不是專注于改善病人的健康狀況；希瑟·懷特（Heather White）認為非營利組織更注重強調他們的努力，而不是他們產生的影響；凱麗·雷斯勒（Cali Ressler）和朱迪·湯姆森（Jody Thompson）在百思買公司（Best Buy）工作期間發現，商界衡量員工的標準是他們的工作時長，而不是他們實際取得的成果。通過所有這些故事，該章展示了專注于努力的衡量指標是如何使人誤入歧途的，它偏離了提高成就這一真正目標。

第三章《長期主義和短期主義：跨期問題和被低估的時間》研究了衡量指標如何扭曲長期和短期的優先級。通過企業高管薪酬和學術界科研績效的例子，該章展示了衡量指標如何導致我們高估短期價值，而犧牲長期價值。建立在量化確定性基礎上的衡量指標無法很好地處理不確定的未來，并且高估了短期價值。

第四章《分母錯誤：“每”的問題》論述了我們在測量中忽視、誤用甚至過度使用分母（或者“每”）的傾向。該章通過使用正確的分母來說明，盡管紐約是美國行人死亡總人數最多的城市，但對行人來說，紐約實際上是一個比大多數美國城市更安全的地方。該章還討論了使用錯誤的分母如何使致命的疾病看起來不值得恐懼，以及操縱分母如何使能耗最高的國家之一看起來能耗最低。

第五章《只見樹木，不見森林：簡化復雜系統》討論了只測量一個復雜整體中的一小部分可能帶來的危險。這一章展示了測量復雜系統中的一小部分，會如何讓我們相信花更少的錢買離工作地點更遠的房子更劃算（事實并非如此），吃離家更遠的食物比吃離家更近的食物消耗更多的能量（事實并非如此），另外還解釋了為什么塑料瓶比玻璃瓶更環保，為什么節能燈會增加碳排放，以及為什么得分最多的運動員不一定是隊里最好的運動員。

第六章《天差地別的事物：忽略不同的品質》討論了將不同的事情歸納到單一的測量中會如何欺騙我們。例如，它說明了在戰爭中寡不敵眾并不意味著處于劣勢，用疾病造成死亡的人數來衡量疾病遺漏了很大一部分情況（以及為什么癌癥發病率增長實際上是一件好事），還有把信息放在地圖上如何經常導致對正在發生的事情的誤解。

第七章《并非所有計算得清楚的東西都重要》探討了迷戀測量導致嚴重后果的例子。在許多組織中，測量本身變成了目的，組織的真正目的卻迷失在數字游戲中。這一章展示了，許多領導者最終選擇關注數字，不是因為他們專注于細節，而是因為他們無力處理或不愿處理可量化的東西之外的混亂世界。該章探討了組織墮入數字游戲并造成可怕后果的兩個例子：20世紀90年代和21世紀初的紐約警察局，以及越南戰爭期間的美國駐越南軍隊。

第八章《并非所有重要的東西都計算得清楚》通過批判性地審視衡量指標背后的根本驅動力，找到了問題的根源。這一章首先審視了這樣一個觀點：衡量指標推動了變革，激勵了人們。泰勒主義、績效管理、科學管理、關鍵績效指標等基礎理論，以及當前大多數流行的組織理論都建立在同一個假設之上：如果你衡量員工表現并提供激勵，你就會得到結果。該章利用商業、激勵機制理論和組織心理學中的例子，論述了當衡量指標和激勵措施使用不當時，會如何挫傷人們的積極性，適得其反。

這一章接下來研究了當今最常用也最經常受到批評的一個指標：GDP（國內生產總值）。該章通過研究對GDP的批評得出結論：衡量指標的缺陷從不在于衡量指標本身，而在于人們使用它們的方式。就像GDP一樣，許多衡量指標的使用方式使它們從來沒有達到最初的目的。更重要的是，我們可以從GDP的創造者那里學到一個教訓，這個教訓適用于我們處理的每一個衡量指標：我們可以測量某件事，并不意味著它很重要。

第九章《對衡量指標的反思》重新審視了我們使用衡量指標的原因。該章反思了驅使我們使用衡量指標的復雜性、客觀性、確定性和信任等問題，以及這些動機如何以自己的方式破壞了我們想要達到的目的。該章探討了我們對簡單、客觀、確定和信任的渴望如何將衡量指標從一個有用的工具扭曲成一個可怕的怪物。該章的后半部分列出了14條關于衡量指標的教訓，讀者在處理衡量指標時可以參考借鑒。

最后一章《衡量指標不是我們的主宰》介紹了一個組織——可汗學院，探討了可汗學院如何重新思考衡量指標，并有效地將其顛覆。這一章講述了薩爾曼·可汗（Salman Khan）如何通過重新審視一個簡單的想法——為什么我們要在學校對學生進行考試——發展出一種全新的教育方法。該章通過可汗學院的經驗與教訓總結出了更廣泛的經驗，告訴我們在生活中如何以及為什么要使用衡量指標，并提醒我們，衡量指標不是我們的主宰。

這不是一本關于統計、分析或數學的書（可以理解，許多讀者可能會松一口氣）。這本書不涉及統計有效性，也不涉及數字的代表性。這本書沒有深入研究回歸分析、概率或其他類似統計工具背后的數學。關于這些主題有很多好書，比如，納特·西爾弗（Nate Silver）的《信號與噪聲》（The Signal and the Noise）探討了預測和概率背后的科學；查爾斯·惠倫（Charles Wheelan）的《赤裸裸的統計學》（Naked Statistics）提供了很好的統計學總體概述；丹尼爾·卡尼曼（Daniel Kahneman）的《思考，快與慢》（Thinking Fast and Slow）深入探討了我們對概率的理解背后的心理學等；丹尼爾·列維汀（Daniel Levitin）的《一眼識破真相的思考力》（A Field Guide to Lies）解釋了統計學和其他技術如何被用來誤導人們。

除了簡單的乘除法之外，本書完全不討論數學。本書也不討論我們測量的東西有多么精確，不討論數據搜集方法、統計相關性，以及數據的偏差。

我不是說上述這些東西不重要，相反，它們絕對是重要的，我的意思是，本書研究的是傳統統計學和數據科學大多沒有做到的事情。傳統統計學大多關注的是我們測量分析的數據是否真實準確。本書關注的完全是另一個問題：被分析的數據是否重要，它們是不是正確的測量對象。即使一項測量完全真實準確，也不意味著它能正確地描繪出你想要測量的東西的全貌，也不意味著測量方法不會把付出的努力與取得的結果混為一談，或是把強度與大小混為一談。精確的測量不等于好的測量。這一點常常被人遺忘。

這本書試圖回答一個簡單的問題：我們測量的是正確的東西嗎？換言之，就像威廉·布魯斯·卡梅倫說的：我們計算得清楚的東西都重要嗎？

[1] 1英尺=0.304 8米。——編者注

[2] Bert H?lldobler and E. O. Wilson, The Super-Organism: The Beauty, Elegance and Strangeness of Insect Societies, (New York: W. W.Norton, 2009), 183—87.

[3] Peter Minimum. “Digital Advertising's Perverse Incentives.”Marketingland (April 21, 2017). https://marketingland.com/digital advertisings-perverse-incentives-212180.

[4] David Manheim. “Goodhart's Law and Why Measurement Is Hard.”Ribbon-Farm (June 9, 2016), https://www.ribbonfarm.com/2016/06/09/goodharts-law-and-why-measurement-is-hard/.