9. 利用有效的统计数据
我们每天都被各种各样的统计数据所包围。同样，显而易见的事实是，统计数据的价值各不相同。我们的目标是发现并利用那些具有稳定性及可预测性的统计数据。稳定性的意思是同样的事情或几乎相同的事情一次又一次地发生。那些衡量高实力性活动的统计数据具备稳定性。如果一个狙击手在99%的情况下都能命中目标，那么你可以有把握地推断，这个狙击手下一次也一定能命中目标。那些用来衡量随机性很强的活动的统计数据不具备稳定性。可预测性意味着你正在测量的量造成了你希望看到的结果。这也就是说，假定你知道狙击手命中目标的成功率，那么你就能够知道，这名狙击手如果不出意外，都可以圆满完成自己的任务。
棒球运动中的安打是另一个不错的例子。为了获胜，比赛双方都希望尽可能地拿到更多的分数。上垒率与团队的总得分紧密相关。同时，上垒率也是比较稳定的统计数据，是评判一个击球手实力水平的好方法。相对而言，安打率与团队的总得分之间的关系就没那么紧密了。换言之，安打率是一个可预测性相对比较低的统计数据。因为安打率是高还是低要看个人运气如何，所以它的稳定性也相对不高。综上所述，我们可以说，在预测一个团队的进攻能力如何时，该团队的上垒率可以为你提供更可靠、合理的评判依据。你不需要去做一些相关的运算来理解这个观点。
看起来像是常识，是吗？然而，令人震惊的是，很多时候，许多公司所使用的统计数据和本公司制订的策略一点关系也没有，甚至和赚钱盈利这个最终目标也没有一点相关性。此外，许多公司还在使用这些没有多大价值的统计数据来决定公司高管们的薪资水平。有一句老话：“经过测量的东西，都能得到有效的管理。”如果我们没有测量需要测量的对象，却测量了不必测量的东西，那么我们仍然无法实现自己的目标。
如果测量出一个统计数据的稳定性及可预测性的情况，我们就能够在同一个矩阵中绘制不同活动的情况，从而方便我们进行对照分析。这种矩阵图可以使我们评估稳定性与可预测性之间的情况，并能让我们了解统计数据在不同情况下的固有价值。比如我们可以比较每股收益的增长率与棒球比赛中的安打率。这类比较为我们提供了一定的背景条件，可以让我们理解某个给定统计数据的有效性。
