家中迎來成員忙一陣子，回歸閱讀心得分享的節奏
這本書講的是如何讓好點子，不降壓的量化擴大。作者作為芝加哥大學經濟系教授，有三個相當不同領域的經驗。一個是參與芝加哥社區弱勢孩童補救教學計劃，第二次曾經參與在小布希政府關於政策推動的研究，最後一個就是在Uber和競爭對手Lyft擔任首席經濟學者 (上一本分享的「泰山經濟學」是Spotify的經濟學者所著。看來行為經濟學在科技公司領域的影響是越來越大）
不管是社區計劃，政府政策，或者是互聯網公司，「數據」都是最重要的原料，越多原料越可以提煉出有價值的洞見以及商機。大家通常會從小規模實驗開始收集數據。作者這本書想要提出的問題是為什麼許多小規模實驗成功的想法，放大之後卻沒有同樣的效果，甚至相電壓消失一般極速墜落呢？書中舉出五個可能的原因：
#假陽性
數據在統計學上本來就會有誤差，當抽樣剛好是這個小範圍誤差時，就很容易用錯誤的資訊來判斷。所以為了避免這樣的誤差，以及人們有一個想法的時候容易找出所有支持該想法的證據，最好的方式就是反覆的獨立抽樣，把統計誤差和人性誤判降到最低。
#樣本不夠具有代表性
曾經，麥當勞曾經推出一種超豪華漢堡，然後召集許多志願者來試吃。志願者一致表示超級好吃，是麥當勞在美國各地推出卻完全不叫好叫座。事後檢討起來才發現，會來當志願者的本身就是麥當勞的鐵粉了，不管你推什麼都一定支持，但他們無法代表不是鐵粉的整體市場
#外溢效應
小規模的時候不容易看出一些問題，但大量時，有時候會有正向的外溢效應，有時候也有反作用。作者舉到他們在Lyft想要推訂閱制，在小量的時候似乎實驗效果不錯好像鼓勵了一些人增加搭乘。但整體放大量時才發現，消費者種搭乘數並沒有增加太多，但因為這個折扣反而整體獲利是減少的，所以實驗結果他們決定把訂閱制的優惠延伸到其他搭乘以外的便利性
#無法大量複製的元素
你的賣點是原料還是廚師本人呢？英國的名廚傑米奧立佛，因著使用簡單食材和簡單料理方式，創造出營養又美味的餐點而大受好評。延續這樣的魅力推出餐廳大量開店，後來卻發現無法維持下去也快速縮編。因為「人」是無法大量複製的元素，R主廚本人就是他們最重要的賣點，這大概也是為什麼許多名廚所開的餐廳不能夠太多間，而是著重在那一間餐廳價值的極大化。相反地像麥當勞的薯條或是肯德基的炸雞主要的賣點就是那個方便性和一致性的原料，這些就是完全可以大量複製的元素。
#量大成本就一定低嗎？
這是不一定的特別是當產品或是服務有一定程度定制化，那麼隨著規模的增加反而有時候成本是更加提高的。
“Smart technology, dumb people” 是作者很跨科系與行為經濟學領域所得到的觀察。不管科系或者是產品有多麼的智慧便捷，如果人們沒辦法好好的使用那也是枉然。這也適用於任何好的公共政策或是資源，不管你準備多少書本，多少電腦，多少醫療用品，如果沒有辦法搭配好的使用或是服用，那也只是一片好意而已。這是作者為什麼致力於將行為經濟學和心理的因素大量考慮進來的原因，因為人的本性會過多看重短期的利益（或是想要避免短期的麻煩），而像教育醫療或是公共衛生，都必須是長期投入才能看到效果的事情。所以在政策的設計上要能夠加強短期正確實施的誘因。
最後我覺得很棒的一點是作者有反思是否真的所有事情都一定要大規模才是好的呢？他舉出自己家族中汽車維修的小本生意，表示三代下來這個生意都沒有辦法做得很大（因為主要賣點是服務的人，而人是無法大量複製的），但他表示家族的人對於這樣小而美的經營卻是感到心滿意足的，所以還是看你最後所追求的價值是什麼。但無論如何如果要對世界產生夠大的影響力，還是必須要透過大規模量化的力量。
