量化不需要彻底消除不确定性。只要进行量化工作的花费远远少于因此而带来的收益，那么量化就是值得的。
量化是用数量描述的。不确定性至少要数量化，但被观测的事物可能是不定量的，也可能完全是定性的。比如我们有85%的机会卷入专利纠纷，公司合并后有93%的把握提升公众形象等。
在量化理论中，量化是对被量化的事物和数字的一种映射（Mapping）。（用数字表示被量化的事物？）
看到这里，大概可以理解和认同——“量化就是减少不确定性的观测”，这一概念。
基于这个概念，下一个问题是，如何量化我们的事物？
澄清链：量化方法就隐藏在量化目标中
作者提到的观点是，不知如何量化的问题在于对要研究的事物的概念不清楚。一旦管理者弄清楚要量化什么以及被量化的事物为什么重要，就会发现事物显现出更多可量化的方面。
也就是说，在开始我们的量化工作时，首先弄清楚我们要研究的事物的具体含义和概念，而往往我们对于这些名词的概念是模糊不清的。比如，怎样量化师徒关系的好坏，首先要清楚你要研究的师徒关系是怎样的？是什么意思？为什么会关心这个问题？在弄清概念的过程其实要量化的东西不言而喻了。
而澄清链就是把某物想象为无形之物再到有形之物的一系列短的链接过程。
如果这个事物可以感知，那必然能估计到某些数值。如果你可以观测一个事物，就多少能得出一些东西。最后，这一步或许是最容易的了：如果可以通过观测得到某些量，那它就一定是可量化的。
书中提到的例子：比如我们关心公众形象，是因为它会影响到顾客推荐，顾客推荐会产生广告效果，从而影响销售。顾客推荐不仅可以被感知，而且与之相关的某些数据是可以获得的，这就意味着它们是可以量化的。
比如我们生活的例子，家庭关系密切程度，两家之间的关系怎么样，主要可以通过平时的往来情况初步判断，一年之内的接触次数，重大节日的往来次数等，写到这我突然想到，评价的标准是否还应该参入权重这一参数，比如某些量化的标准占评价的重要程度高。
因此，清晰表述我们想量化某物的原因以理解真正要量化的东西，是必要的。定义要量化的究竟是什么常常是量化工作的关键所在。
搞清楚你的意思到底是什么，就已经完成了量化工作的一半。
