Как измерить все, что угодно

Фактические различия между таким толкованием измерения и его наиболее распространенными определениями колоссальны. Истинное измерение не только не обязано быть абсолютно точным, чтобы считаться таковым. Однако отсутствие информации о погрешности (подразумевающей строгость оценки величины) может служить признаком того, что эмпирические методы, такие как выборочное и экспериментальное исследования, не использовались (а значит, на самом деле это нельзя считать измерением вообще). Настоящие научные методы описывают результаты в определенном интервале значений, например говорят, что «использование нового сорта кукурузы позволило повысить среднюю урожайность кукурузных ферм на 10–18 % (95-процентный CI)». Точные значения без указания погрешности могли бы быть рассчитаны «принятым способом» (как, например, оценивались активы Enron). Однако если они не представляют собой 100-процентный итог полного подсчета (как мы пересчитываем мелочь в кармане), их не всегда можно рассматривать как основанные на эмпирическом наблюдении.

Для многих читателей такое понимание сущности измерения может оказаться в новинку, но есть веские математические основания, как и практические причины трактовать данный термин именно таким образом. По крайней мере, мы можем сказать, что измерение — это способ получения информации, к тому же наука уже дала строгую теоретическую концепцию информации. Математическую теорию информации создал в 1940-х годах Клод Шеннон — американский инженер-электротехник, математик и разносторонний ученый, интересовавшийся робототехникой и компьютерными шахматными программами.

В 1948 г. Шеннон опубликовал работу под названием «Математическая теория связи» («A Mathematical Theory of Communication»), заложившую основы теории информации и измерений в целом. Нынешнее поколение знает о Шенноне немного, но на самом деле его заслуги переоценить невозможно. На теории информации основаны все современные теории обработки сигналов и технологии систем электронной связи, в том числе и производство всех когда-либо собранных микропроцессоров.

Шеннон предложил математическое определение информации как снижения неопределенности в сигнале, которое он обсуждает в терминах энтропии, сокращаемой данным сигналом. Согласно Шеннону, получателя информации можно описать как объект, находившийся ранее в состоянии неопределенности. Это означает, что получатель уже обладал ранее какими-то сведениями, а затем получил новую информацию, которая устранила существовавшую неопределенность, но не обязательно полностью. Прежний уровень знаний, или состояние неопределенности, может быть использован, например, для расчета объема информации, который можно передать сигналом, минимальной величины сигнала для поправки на шум и оценки максимально возможного сжатия данных.

Представление об информации как о снижении неопределенности имеет огромное значение для бизнеса. Ведь многие решения (например, стоит ли внедрять новую информационную технологию или разрабатывать новый продукт) принимаются компаниями в условиях неопределенности, и даже незначительное ее уменьшение способствует более удачному выбору. Такое снижение неопределенности может дать многомиллионный экономический эффект.

Итак, измерение не должно устранять неопределенность полностью. Одно только снижение ее уже считается измерением, эффект которого порой многократно превышает затраты на проведение подобной оценки. Но есть и другая сторона дела, наверное, удивительная для большинства читателей: измерение — это не обязательно количественная оценка в традиционном смысле слова. Предложенное мной определение гласит, что результат измерения должен выражаться некой величиной. При этом неопределенность следует выразить числом, в то время как сам объект наблюдения может оставаться в виде «качества», скажем принадлежности к какой-либо категории. Например, можно «измерить», получит ли компания патент, произойдет ли слияние и т. д., и то, что мы будем для этого делать, точно удовлетворит нашему определению «измерение». Но неуверенность в результатах наблюдений должна быть выражена количественно (так, необходимо указать, что вероятность получения патента составляет 80 % или что вероятность улучшения имиджа компании в глазах общественности после слияния составит 93 % и т. п.).