为什么要做“数据测量”？
现实生活中的我们，如何确认员工敬业度、抓得住现代化？
这些东西看不见摸不着，甚至就是人们创造出来的观念，怎么定量地去把握它们呢？
这就需要我们去测量。
展开测量前，我们要明白的第一点就是——测量的目标是什么？答案很清楚，是必须得到一组指标。
难易程度是能打分的，能拿数据准确表示，测量就是一个得到指标体系的过程。
测量是有多种方法，这里介绍一种常用的，就是借助维度，对认知对象的各个属性进行拆分。
比如说，怎么评价一个人的职场优势？
北森公司就提供了一个测评方法，分了5个维度，分别是动机能量、思维决策、情感成熟度、人际互动、任务执行。
但是“动机能量”也很复杂，那就再分维度。北森公司继续分拆动机能量，具体来说，就是成功愿望、权力动机、亲和动机和活力四个维度。这样，找合适的指标的难度就降低了。
当这些维度确定好了，所获得的就是唯一答案吗？并非如此。
很多事物，人的认识不一致、角度不一致、目的不一致，维度的选取也就不一致。
如何分解维度反映了我们如何理解事物。确定了维度，也就确定了要测量的指标。
不过，虽然划分维度的方案有很多种，但并不是说维度和指标可以随意选择。在划分维度、选择指标时，我们至少要遵循两个原则：
第一，边际效应最大化原则。
多增加一个指标是不是更好的说明了认知对象。如果是，那就增加；如果没有更好的说明认知对象，那就不需要增加。
第二，可靠性原则，也叫“信度”。
保证每次测量都能得到稳定的结果。前几年，国内有一家主流电视媒体做了一个报道，记者在田间街头随意拦截一些人，问对方：“你幸福吗？”有的人就误会了，回答说：“我姓曾。”这说明，不是每次测量都保证测量的就是幸福。这样做调查，就是可靠性不达标，或者说信度不达标。
真实的情况是，对于一个认知对象，大家会各自提出自己的指标体系，相互竞争，最后迭代出一个共识的方案。
怎么保证你测量的就是你想测量的呢？有三种思路：
第一，考虑关联性。
比如，当初清华大学的国学大师们出考题，考题是对联。因为这些大师认为，对联的水平与国学水平有关，测量对联水平就是在测量国学水平。
第二，考虑结构性。
很多变量在理论上是有联系的，如果有证据证明了这种联系，我们就可以说自己的测量是有效的。
比如，我们用某种方式测量了“婚姻满意度”，如果婚姻不忠诚，对婚姻的满意度就不会高，这两个变量应该是密切相关的。所以，我们就可以看看测量的结果与婚姻忠诚度这个变量之间的关系。如果确实是相关的，我们对婚姻满意度的测量很可能是有效的；如果不相关，那就很可能无效。
第三，考虑完备性。
测量的内容是不是全面包含了要认知的对象。比如测量数学能力，但是出的都是代数方面的题目，没有几何方面的，就很难说服大家这个测量全面考察了数学能力。
事实上，之所以有这么多方法，就是因为没有什么办法可以确保测量的有效性。这正是我们面对的困境。
网友评论