藏在細節的魔鬼─質化指標vs.量化指標

在這篇文章，我將分享專案管理(或稱計畫管理)領域中流行但經常被誤解的兩個名詞：質化指標與量化指標。近來有許多質疑專案管理的聲浪，認為許多專案在執行完成後雖被評估為成功執行，但實際上卻不見任何效益，其實這與專案管理師本身對於指標性質認識的程度有關。只有在正確認識並區別指標的前提下，專案管理師才能夠設定可行的關鍵績效指標(Key Performance Indicators, KPI)，並在事後正確評估專案執行的成效。

什麼叫做指標？指標的意義就是標示出某一事物在某個值域下的數值。所以，一條3公分的線跟一條5公分的線相比，很容易就可以知道前者短於後者。同理，小明天5天前說他80公斤，今天說他90公斤，我們也可以很明確的知道小明在這5天之中胖了5公斤。

在社會科學中，指標可以再細分為質化指標(qualitative index)與量化指標(quantitative index)，很多專案管理師就是對這部分有所誤解，使得整份專案計畫效用大打折扣。最常聽到的誤解即是認為質化指標用質化方法衡量，量化指標用量化方法衡量。於是，在這種定義下，我們會看到：

「我們今年要舉辦學術研討會。」─質化指標，因為它不涉及數量。

「我們今年要舉辦3場學術研討會。」─量化指標，因為它設定了「今年3場」。

上述例子修改自某個專案計畫範例。如果質化指標與量化指標的區別方法真是如此，那麼質化指標有存在的必要嗎？它既不如量化指標精確，功能上又等同於計畫目的，又何必花篇幅贅述呢？

事實上，質化與量化的區別在於：質化著重描述事物的特徵，而量化則著重描述事物的數量。在現實世界中，對於可以直接觀察的事物，我們關注的焦點通常集中於該類事物數量上的變化；對於難以直接觀察的事物，我們關注的焦點則集中於該類事物所具有的特徵。所以重點在於觀察焦點，而非度量方法。衡量質化指標最常用的方法就是問卷調查，衡量量化指標最常用的方法就是直接觀察。在這樣的定義下，我各別提供一個質化指標與量化指標的例子以資區別：

「今年我們學校一共要建置300台電腦設備。」─量化指標，因為它的焦點在於事物的數量。

「今年要讓全校80%以上的學生覺得網路使用的便利性有顯著提升。」─質化指標，因為它的焦點在於探求受訪者的心理感受(亦即事物的特徵)。

我從未見過有哪家管理顧問公司對此有所著墨，積非成是的結果就是事後再想辦法修改目標與內容，讓整個計畫乍看之下非常完美，實際上卻偏離原先預定的架構，而如果這個專案計畫只是某個大型計畫的一小部分，屆時負責寫成果報告的專案管理師則將陷入即使焚膏繼晷也難以自圓其說的窘境。

危機處理有SOP嗎？

最近國內拜蘇迪勒颱風所賜，讓台北市民深刻感受到原來以前可以用乾淨的水是一件可貴的事。然而，颱風雖已過去，紛擾才正要開始，在這眾多爭執的 其中一項就是對於標準作業程序(standard operating procedure, SOP)的質疑。有人認為應該要改善台北市自來水事業處現有的SOP，才能預防未來類似問題再度發生的可能性，而質疑者則認為這種說法不合理，理由在於天 災的發生根本沒有SOP，本次的泥水事件就是一個很好的例子。

根據維基百科的說法，理論上，被稱為危機的事件須符合 四項特徵：1.對於組織具有威脅性；2.突發事件；3.需要短時間決策的重要事件；4.相關的處理流程必須做出改變，否則該事件將會演變成事故或造成組織 的失敗。而危機的態樣眾多，其中一項就是天災。所以，本次蘇迪勒颱風過境時，的確對台北市的管理造成危機。而雙方爭執的點則在於：危機處理有SOP嗎？

對 於管理學者而言，這世界上沒什麼事情不能管，所以危機不但可以管，只要願意，制定SOP自然不在話下，只不過不是現在新聞媒體上所呈現的那種，也就是並非 只要改善北水處的SOP就能夠防止未來再度發生相同問題。其實根據前面提到的四個重要特徵就可以歸納出危機主要有兩項表現方式。首先，危機是意料之外的突 發事件；其次，危機是現在進行式。試問我們如何能夠期待北水處根據現在制定出來的SOP因應未來的意外事件呢？

既然 危機永遠出乎人們意料，就不是專司例行性任務的行政執行機構所能處理。這世界上的確有危機處理的SOP以及相關理論，只不過這種SOP的制定，應該提升至 決策體系，也就是應該制定一套能快速因應天災並迅速作出適當決策的標準作業流程，再透過最短的訊息管道，使行政機構配合執行，才能發揮危機管理效果，也才 能減少事後的紛擾。

樣本、母體、大數據

這篇文章主要是釐清三個易混淆的觀念：樣本、母體與大數據。了解 統計學的人對於樣本與母體這兩種概念一定不陌生，母體是研究標的全體，而樣本則是母體的一小部分。如果樣本的特質可以代表母體特質，此時樣本就具有代表 性，有人稱之為「代表性樣本」。然而，當加上近年來流行的「大數據」概念以後，一切就開始變得複雜起來：究竟大數據可以代表母體嗎？抑或它只是樣本的另一 個別稱而已？

事實上，大數據又可稱為「巨量資料」，從它的名稱就可以推知當資料量多到某個程度的時候，就可以用「大數據」稱之。一般而言，當數據多到非一台電腦能夠單獨處理，而需數台電腦共同處理的資料量，就是大數據。

所以大數據跟母體及樣本之間其實並沒有什麼直接關係，母體與樣本是資料的特性，而大數據則專指資料量。當資料量多到一定程度的時候，樣本就可以適切地反映母體的特性，這也就是為什麼《大數據》這本書會說，在巨量資料當道的時代裡，樣本等於母體的原因。

行政組織高齡化歸因的謬誤

最近看了一篇研究，提到近年來我國行政組織的高齡化現象實導因於當前的高齡化社會，之後提出各種統計數據證明我國行政組織的確普遍存在高齡化現象。這種說法其實存在論證上的問題，也就是我國行政組織的高齡化現象與高齡化社會是否存在因果關係的問題。

我國的確已邁入高齡化社會，但如果高齡化社會是導致我國行政組織高齡化的關鍵因素，則其他社會組織也將同樣存在高齡化現象。然而，國內各產業受到目前經濟不景氣所影響，大規模裁員時有耳聞，裁員對象則多為中階與高階主管，這類人正好屬於社會上中高齡就業者。因此，就邏輯上來說，普遍存在於國內組織的現象非但不是高齡化，反而有年輕化的趨勢。

真正導致我國行政組織高齡化的關鍵因素不是高齡化社會，而應該是我國行政組織本身追求穩定的性質。一般而言，行政組織為求其內成員安心任事，皆給予成員相當程度的身分保障，因而形成這類組織穩定的性質，我國行政組織也不例外。在這種穩定特質的影響下，可想而知行政組織成員的平均年齡將比民間組織高。所以就算一個社會尚未發生高齡化現象，只要該社會穩定，存在其內的行政組織都有可能因為本身穩定的特質導致高齡化。

綜上所述，高齡化社會充其量只能算是我國行政組織高齡化現象的系絡因素，可以強化或削弱此一現象，但關鍵因素仍在於行政組織本身追求穩定的性質。