How to Measure Anything is een invloedrijk boek geschreven door Douglas W. Hubbard, een internationaal erkende expert op het gebied van besluitvormingsanalyse, risicomanagement en toegepaste informatiewetenschappen.
Met zijn methodiek, genaamd Applied Information Economics (AIE), daagt Hubbard de traditionele opvatting uit dat sommige zaken simpelweg onmeetbaar zijn. In dit boek presenteert hij een praktische en toegankelijke benadering waarmee vrijwel alles — ook immateriële en schijnbaar abstracte concepten zoals klanttevredenheid, risico’s, of organisatorische flexibiliteit — meetbaar en kwantificeerbaar wordt.
Het boek, oorspronkelijk gepubliceerd in 2007 en sindsdien meerdere keren herzien, legt uit hoe meten niet draait om perfectie, maar om het reduceren van onzekerheid. Hubbard toont aan dat zelfs kleine verbeteringen in de nauwkeurigheid van kennis een grote impact kunnen hebben op betere besluitvorming en risicobeheersing. Met talloze voorbeelden uit de praktijk en eenvoudige maar krachtige technieken wees hij vele professionals de weg naar meer data-gedreven beslissingen.
How to Measure Anything is een essentieel hulpmiddel voor managers, ondernemers, onderzoekers en iedereen die complexe en vaak ongrijpbare vraagstukken wil aanpakken met meetbare inzichten en zo betere resultaten wil bereiken.
1. Alles is meetbaar ook immateriële zaken
Hubbard begint met een fundamentele stelling: als je iets op enige wijze kunt waarnemen, is het meetbaar. Meten betekent voor hem niet perfect meten of absolute zekerheid verkrijgen, maar onzekerheid reduceren. Dit geldt voor tastbare objecten én immateriële zaken zoals klanttevredenheid, projectrisico’s of medewerkerstevredenheid.
Cruciaal is dat elk belangrijk ‘immaterieel’ fenomeen meetbare, observeerbare effecten moet hebben. Als je zegt dat werknemersmoraal productiviteit beïnvloedt, moet er een manier zijn om veranderingen in moraal indirect te meten via productiviteitscijfers.
Op deze manier maakt Hubbard het meten van abstracte zaken praktisch en haalbaar door de focus te leggen op meetbare consequenties.
Vele schijnbaar onmeetbare factoren zijn al met verrassend eenvoudige methodes geëvalueerd, zoals:
- het schatten van vispopulaties in een meer zonder het water te laten zakken,
- het berekenen van economische schade bij merkschade,
- het kwantificeren van de waarde van een mensenleven voor beleidsbeslissingen.
Deze inzichten helpen organisaties om onzekerheden te begrijpen en te beperken, waardoor de basis voor rationele besluitvorming wordt gelegd.
2. Meten reduceert onzekerheid en verbetert beslissingen
Het meten gaat altijd gepaard met een doel: het moet een besluit beïnvloeden of het gedrag veranderen. Hubbard benadrukt dat vóór het meten duidelijk moet zijn welke beslissing genomen moet worden en hoe de meetresultaten deze beslissing kunnen beïnvloeden. Zo voorkom je dat je onnodige data verzamelt zonder waarde.
Beslissingen gaan altijd gepaard met onzekerheid en risico. Meten vermindert die onzekerheid, waardoor de risico’s beter te managen zijn. Hubbard introduceert het concept van de “expected value of perfect information” (EVPI). Dat is de maximaal logische uitgave aan meting: hoeveel een extra stuk informatie waard is als het onzekerheid volledig zou wegnemen.
Ondanks dat perfectie onmogelijk is, bewijst ook een kleine reductie in onzekerheid al grote waarde. Hierdoor kunnen betere keuzes worden gemaakt op basis van betrouwbaardere data in plaats van intuïtie of vage schattingen.
3. Kalibreer je schattingen voor betere nauwkeurigheid
De auteur wijst op een veelvoorkomend probleem: mensen zijn vaak té overtuigd van hun eigen inschattingen, waardoor ze hun betrouwbaarheidsintervallen te eng inschatten. Daardoor wordt de werkelijke onzekerheid onderschat, wat kan leiden tot foute beslissingen.
Kalibratietraining is een oplossing: herhaaldelijk geef je schattingen en krijg je feedback over je nauwkeurigheid. Hierdoor leer je realistischere onzekerheidsintervallen hanteren die beter aansluiten bij hoe vaak je daadwerkelijk gelijk hebt.
“Succes is een functie van volharding en het vermogen om hard te werken voor iets waar anderen al na 30 seconden mee stoppen.”
Een voorbeeld: je schat dat Amazon tussen 500.000 en 800.000 medewerkers heeft met 90% vertrouwen, maar daadwerkelijk is dit aantal twee keer zo hoog. Door training leer je je betrouwbaarheids-interval te verbreden om realistischer te worden.
Lees of beluister hier de Nederlandstalige samenvatting van How to Measure Anything
