「你覺得這次新推出的商品，可以有多少銷量？」經理在月會上問到。
「還沒上市，不知道⋯⋯」負責的小主管一陣迷糊，覺得經理這個問題有點難回答。

「好，那我問你，市面上同類型的商品，最多可以賣到多少？」經理追問。
「根據過往通路的回報，一檔最多大概兩萬件。我覺得有點難……」小主管答。

「那你覺得『最少』可以賣多少？」
「至少我自己一定會去買一件（笑）。就算只動員親友團，也應該可以賣出200件。」

「好，那我們可以說，新商品最少可以賣200件，最多可能賣到兩萬件。不過這個範圍還是太大了，以你的專業評估，比起市場上的同類型商品，我們的產品最少大概會有多少銷量？」
「這樣比起來的話，我覺得2000件應該是基本盤。」

「如果加上廣告、促銷、體驗、座談等等行銷資源，可以增加到多少？」
「如果能請到名人推薦與舉辦活動，然後找其他廠商搭配做贈品，應該可以衝到6000件。」

「你這不就是預測了嗎！最少可賣2000件，努力一點可以到6000件，取中間值，4000件應該是一個合理數字？」
「是的，應該是這樣。」

「好，那就以銷售量4000為基準，開始規畫製作成本、通路費用、行銷預算。」經理為今天月會做出結論。

提升決策品質的基礎：快速釐清問題，做出精準預測

這段故事，是城邦出版集團執行長何飛鵬的親身經歷。他說，當主管要求部屬「預估銷量」時，其實並不是要對方說出一個像是「這本書會賣出2031本」的精確答案，只是在做決策時，「一定要能提出一個有邏輯、有道理的推算數字，才不會變成亂猜！」

何飛鵬強調，不管是評估市場、預測銷量、控制成本、擬定行銷計畫，「沒有預測數字，就沒辦法有效做決策」。也因此，如何從看似沒有正確答案的問題中，找出問題的邊界、限縮思考範疇，快速做出有所依據的「精準預測」，是經理人必備的數字素養，更是正確決策的基礎。

找出推論公式，比算出精確數字更重要

既然不是要提出精確無誤的答案，為什麼多數人碰到「你預估這件新商品會賣多少？」這種問題時，可能連猜都不敢猜，就直接說自己不知道；甚至往往腦筋瞬間一片空白，無從回答起。

原因在於，我們常會陷入「標準答案」的心理陷阱，覺得沒憑沒據說出的答案一定是「錯的」。再加上腦海裡對於「如何快速又合理地推算出可能答案」這件事，既沒概念、也不懂方法，於是乾脆閉嘴。

對於自己不知道答案，或還沒有答案的問題，就真的無法回答了嗎？

應用資訊經濟學（AIE，applied information economics）發明人道格拉斯‧哈伯德（Douglas Hubbard）在《如何衡量萬事萬物》一書中指出，「萬事萬物都是可以衡量的」，就算是那些被大家視為毫無頭緒、看不見、摸不著、甚至難以評估的事物，「總是可以用相對簡單的方法予以量化」。

哈伯德解釋，所謂相對簡單的方法，就是可以試著從已經確知的少數事實中，設法找出進一步資訊，進而推估出可能的答案，這也正是精準預測的基本原理。換句話說，不要只在意、害怕「你不知道什麼」，轉而把焦點放在「我確實知道些什麼」，接著再設法透過這些資訊，降低問題的不確定性，約略估計出一個還算可信的數字。

芝加哥市內有多少位鋼琴調音師？

看看諾貝爾物理獎得主恩里科‧費米（Enrico Fermi）怎麼在課堂上帶著學生，一步步解答出「芝加哥市內有多少位鋼琴調音師」這個問題。又，如果把芝加哥市換成台北市，你會如何回答？

學生們一開始的反應，可能就跟你我一樣，都說不知道。費米的做法，就是要學生從已知的資訊著手：當時芝加哥市的人口數、每個家庭平均成員數、需要定期調音的家庭比例、多久需要調音一次、每位調音師一天能調幾架鋼琴，以及調音師一年大約工作多少天。

根據這些資料，展開了以下算式：

芝加哥調音師人數＝（人口數/每戶平均人數）╳平均每年調音次數÷（每名調音師每天可調的鋼琴架數╳一年的工作天數）

視選擇的數值而定，學生們的答案落在20人～200人之間，最常落在50人左右。事後拿這個數字與當時職業公會取得的名單對照，答案也真的相去不遠。

模糊又無形的問題，也找得出「量化」指標

當然，你也可以透過縝密的市場調查、統計分析，得到精準無誤的答案。就像上述故事，學生可以去職業公會要資料，甚至踏遍全芝加哥做普查。

不過，「要做出有效的預估，並不用將『困難的方法』預設為『唯一的方法』。」哈伯德說，多數時候，經理人的時間與資源都有限，只能在充滿不確定性的情境下做決策，不可能、也不允許慢慢地研究、調查、找顧問。但透過簡單的方法，找出合理的算式，「雖然結果不一定完全正確，但是對比起一開始常有的『甚至不知道從何猜起』的毫無頭緒，這就是個非常大的進展。」

哈伯德將這個過程稱之為「釐清連鎖」（clarification chain），也就是將一個原本認為難以預估、無形的事物，逐步拆解成為算式，變成為可以衡量的有形數量。而且只要針對算式中的幾個變數求證，馬上就能修正結果，讓答案更趨正確。

或許你又要說，「看到拆解好的算式，我當然就知道要找哪些關鍵資訊，問題在於我拆不出算式啊！」《分析預測時代》作者艾瑞克‧席格（Eric Siegel）表示，其實拆解沒有唯一標準答案，只需清楚知道你「要預測什麼」「要做什麼用」，就能知道需要掌握哪些變因。

假設開頭提到的小主管要推出的是《韓系彩妝教學》，第一步就是「詳細描繪目標讀者樣貌」，例如「年輕女性」「會化妝」「哈韓」……，然後列成「台灣總人口x女性比例x18～38歲比例x有買書習慣者比例x有化妝習慣者比例x韓系愛好者比例」，其中總人口、女性比例、年齡比例搜尋就能查到，而會買書、會化妝和哈韓者比率也可以從周邊朋友取樣簡易推算，就能推算潛在買者總數。