- 決策時所擁有的資訊少於應該有的，會因此提高錯誤的機會。如此一來造成資源錯置，拒絕好的想法，卻採用壞的想法。
- 科學管理最初的焦點在於將勞動流程做最適化，現今我們需要的則是將管理決策的衡量最適化。對於常被管理階層忽略的那些事物，正式的衡量方法才剛達到相當於煉金術的水準，我們需要從鍊金術前進到化學和物理學。
- 對於你所談論的東西，你若是能加以量度，並以數字將之表達出來，那麼你對於那樣東西可說是有了某種程度的瞭解；反之，你若是無法加以量度，或是無法以數字將之表達出來，那麼你對那樣東西的所知，則要歸於貧乏之列，或是嚴重不足之列。
- 本書的目的是要告訴企業組織兩件事
4.1.
看起來非常棘手的無形事物，其實是可以衡量的
4.2.
可利用符合經濟效益的方式完成衡量
- 衡量前，唯一要注意的問題是，此事物是否重要到值得做衡量 (相較於衡量的成本，是否具有高資訊價值)
- 本書的目標不再涵蓋物理科學或是經濟學中的每一個領域，尤其是那些已經有衡量方法的領域。在這裡，本書所聚焦的衡量，乃是那些與重大組織性決策相關的，甚至是關鍵性的，而且似乎還沒有明顯且符合實際的衡量答案者。
- 本書的三大命題 (propositions)
7.1.
管理階層在意衡量，因為衡量可以對不確定性的決策提供資訊。
7.2.
任何一項決策，都存在許多有待衡量的事物以及衡量方法，但是完全的確定性極少是符合現實的選項。
7.3.
因此，管理階層需要有一個方法可以分析、降低決策不確定性的各種選項。
- 將衡量是為降低不確定性的最適化問題，將有助於解決問題。衡量乃是要支援決策，而衡量本書就有許多決策要處理。如果需要做的決策具有高度不確定性，而且一旦做錯的後果非常嚴重，那麼降低不確定性的衡量，就具有很高的價值。
- 本書處理的三大課題：
9.1.
為什麼沒有一件事物是真正無法衡量的？
9.2.
如何設定及定義各種衡量問題？
9.3.
如何使用有力且實際的衡量方法來解答問題？
- 本書要回答的問題：
10.1.
到底真正的問題 / 決策 / 困境是什麼？
10.2.
該問題真正要衡量的是什麼，以及準確 / 正確程度要多少？
- 知道不確定性的最大來源，將指引出可以降低最多不確定性的衡量。要對那些看似完全無法衡量的事物做衡量，非常重要的一步就是，評估你目前對於這個數值所知道的資訊。
- 無形的事物之所以看起來無形，幾乎都不是因為缺乏最複雜的衡量方法，只要我們學會看穿不可衡量的假象。
- 真正的衡量不需要完全準確，而是數量上降低不確定性的觀察。只要降低不確定，不必然要消除不確定性，對衡量來說就足夠了。
- 衡量的觀念、客體與方法
14.1.
觀念：若能了解「衡量」真正的意思，很多事物都會變成可衡量
14.2.
客體 (object)：對於欲衡量的事物，未能做完善的界定。草率與模擬兩可是做衡量的絆腳石
14.3.
方法：許多實證觀察的程序，一般人並不十分了解。若人們能熟悉這些基本的方法，顯然會有許多被認為是無法衡量的事物，不但會是可以衡量，而且早已都被衡量過了
- 愛因斯坦曾說過：「數學命題只要是與現實有關的，便不具確定性；而只要它們是確定的，便與現實無關。」
- 英國數學家與哲學家說過：「雖然看似相互矛盾，但是所有精確的科學是築基在近似的概念上。如果有人說他精確無誤地了解一件事物，那麼你可以放心地推論，你正和一個不精確的人說話。」
- 衡量的定義是，根據一項或多項觀察，以數量表達的方式降低不確定性。就所有實用上的目的而言，科學家將衡量當作是數量上降低不確定性的衡量。只要降低不確定性，不必然要消除不確定性，這對衡量來說就夠了。真正的衡量不需要完全準確。真正的科學做法是報告一個數值區間，例如「玉米農場使用這類新種子，平均收益增加了 10% ~ 18% 之間 (在 95% 信心水準區間)。」沒有誤差的確切數值報告，是由「根據可接受的程序」計算出來的。但是，除非是 100% 完全計算 (ex. 我口袋的零錢)，否則一定不是根據實證觀察得來的。
- 這種「降低不確定性」的觀點，對企業而言是非常重要的。在不確定的狀況下要做的重大決策 (ex. 是否核可大型 IT 計畫或是新產品開發)，都能因為降低不確定性，而做得更好，其所帶來的價值，可能高達數百萬美元。
- 衡量可以用在連續數量上的問題，像是「這項新產品能讓我們的營收增加多少？」，也能用在間斷且定性的問題上，像是「我們的訴訟能贏嗎？」或是「這項研發計畫能成功嗎？」。在商業上，決策者都是在不確定下做決策的。當不確定性涉及大型、風險高的決策，降低不確定性就有很高的價值。
- 把一個問題說明清楚，這個問題就已經解答一半。妨礙知識進步的最大阻力，莫過於模糊不清的用語。
