我们实际情况和自我感知经常是不相符的。这段时间加拿大疫情期间有居家令，我居家办公，觉得走路会很少，有一天把applewatch戴在手上，那天居然也走了3000多步，我想到有一天在上海晚上我和朋友从公司散步到外滩，我觉得我们走啊走啊，非常累，当时心中还是感动的，我应该走了几万步了吧，到了外滩看了下手机，我简直不敢相信我的眼睛，一天！（那时已经是晚上了）才走了3000多步？？我惊慌失措地说，我的手机坏了，朋友看了看他的手机告诉我，不幸的是，我们就是才走了3000多步。
我们的感受未必准确，数据可以帮助我们看到自己看不到的或感觉有偏差的东西。很多情况下，数据反馈的信息远胜于自身感受给我们的启发。上周我们开总结会，有同事总结了部门数据感慨，如果不是分析这些数据，对每天做的工作都不一定了解，我们以为的其实不都是事实。
我们时时刻刻都产生各种数据。大数据时代，从打车到吃饭，我们无法离开大数据的服务，大数据可以给我们生活方方面面形成变化，我们很多人也许无法控制大公司如何用我们的数据，但是会使用我们自己的个人量化的小数据，也很有必要。
无论是个人数据，还是经营管理中的数据，分析数据都是检查问题进行改善的基础。许多已有的关于自我提升的项目，不论是减肥计划、财务计划还是生产计划，都是从数据开始，通过某种形式的量化以后，带来精简的有用的行为模式，学会运用数据是职场人进步的基本能力。
吉娜·聂夫，著唐恩·娜芙斯在《量化自我 如何利用数据成就更幸福的自己》里面有很多篇幅讲大数据时代，数据访问权和商业运用的研究，未必每个人都有兴趣，但其中还是有部分讲到自我量化的实践，可以参考。我们可以选择记录自身数据，然后进行分析，这就是自我量化。量化的形式多种多样，每个人都可以有自己独特的量化方式，借助外部工具进行记录也不失为一种极好的方法。
量化自我是一项历史悠久的人类活动，量化自我不需要比纸和笔更复杂的技术。人们在自我量化时“真正所做的，是证明自己可以妥善管理自身事务，并以社会认可的方式控制身体”。
本杰明·富兰克林（Benjamin Franklin）是18世纪美国政治家，他持续地记录了自己如何花费时间，以及是否达到为自己规定的目标的方式已经成为很多自我提升者学习的必备案例。我们现在都采用更精确的数字化产品记录，但未必比富兰克林用得更好。然而，无论是通过可穿戴电子设备，如智能手表和健身手环，还是通过手机、计算机，现在很多数字化的自我记录的方式与人们几个世纪以来量化自我的方式（比如写日记或日志）交织在一起。技术扩展了可以测量的生命领域，让前所未有的更高频率的记录成为可能。
在这种情况下，技术成为监测的一种替代品。但是现代技术如手机上的传感器，为非职业研究者带来了极大便利，我们不需要像富兰克林那么勤奋睿智，靠自己就能减少自己的无知，不需要依靠专家，通过检查自己的数据也能解决问题。
1）监测和评价式量化
我们想要的数据大多想用来了解自己的程度。商业上可用的自我量化装置，大多是为评估和监测而设计的。我今天走的步数够吗？时间安排高效吗？这些问题暗示了一个目标或标准，其实问题和解决方案人尽皆知—走更多步数，以及时间安排更有效率。在这种形式的自我量化中，数据的意义是不言而喻的—步数越多越好，效率越高越好。现实与目标之间的差距是否需要被消灭，是许多自我量化者需要学习的。这个过程可以看作一种反馈回路。我们记录的数据反映实际完成数和预期目标之间的差距。除了这种有明确数字的监控，有些活动天生比其他活动更难量化。比如食物量化中的精确的卡路里信息很难收集，但是这种精确，只有在你有特别的原因，需要精确的卡路里目标时，才会显得重要。定性（测量质量）或主观（自己的观点）的测量可能同样有用。常用的做法是在吃之前拍一张食物的照片，可以追踪像颜色、新鲜度、分量这样的特性，而不必查卡路里含量。这样可以更加容易地随着时间变化进行记录，就和记录卡路里一样。如果你的目标是吃更健康的食物，那么简洁地记录下我们自己对每顿饭的主观评价（如健康的、中性的或不加节制的）是最简单的。
2）引发感觉式量化
对比观察身体感知的物理信号和数据记录，我们能更好地定义或感觉到一些现象数据成为“感觉的替代品”，即某种帮助我们感觉自己身体或周围世界的东西。这些感觉可能会变得异乎寻常的可信。
比如通过主观打分，记录每次用餐后是否感觉饱腹，估计获得的能量，这种方法与心理学或生理学有关减肥的方法无关，但如果目标是体验饱腹感，感觉也很准确，当人们将量化与信念联系在一起时，相对于其他形式，这种量化可能更为强烈，因为它往往是人们心中所期盼达到的。通过数据，他们能清楚地知道自身的状态。
数据成为“感觉的替代品”，即某种帮助我们感觉自己身体或周围世界的东西。比如许多量化情绪的人发现，许多引出性的量化项目量化“目前”的感受，但是事实并非如此。人们通常说经历了愉快或者糟糕的一天，而很难用一时的情绪感受代表一段时间的感受，在察觉情绪变化时，就只能用定时打分法衡量自我的情绪变化。
3）审美好奇心式量化
满足审美好奇心在某些方面与引发感受类似。这处量化可以强化发现被忽视的东西的能力，加深了对事物普遍性的认识，改变了看待世界的角度。
比如朋友圈里有人特别喜欢晒自己的轨迹图，用跑步和骑行的量化软件，选择具有特定形状的路线来“绘制”数据。数据的可视化也可能成为有趣的记述个人传记的方式。
事实上，使用自己的数据做原始素材，也是开始发展数据可视化技能的好方法，因为和使用别人的数据相比，人们更容易理解自身数据的深层含义。罗布沃克的“20种去视觉化”清单，即将成为视觉艺术学院的一门课程，它是让你思考那些有趣并值得收集的数据的一个很好的方法
4）调试问题式量化
当我们不知道原因是什么，数据可以变成特别强大的工具。数据作为有效的工具，也可以被用于解决其他类型的问题，如弄清为什么账单上的电费这么高，或为什么财政预算并不能反映实际的支出模式。
当你可能需要精确理解某个医学问题，而别人无法提供帮助时，你可以通过自己的努力做到。
将预期与观察相比较，自行寻找故障原因。比如当不知道是哪类食物造成的身体问题，可以拍下所吃的食物，用心率感应器做实验，追踪这种饮食带来的结果。调试的目的，常常是弄清如何解决问题，或怎样才能解决麻烦，并不必然是找到深层的生物医学原因。调试的目的不是发表什么理论，而是寻找问题的解决办法—一是调试，而不是证明。
许多自我量化者使用数据来支持“习惯渗透”，即养成新习惯或改变旧习惯。因为习惯往往是无意识的行为，如果没有数据记录量化，很难发现自我有哪些习惯需要调整。习惯渗透基于的想法，是改变产生倾向的触发器，去做或避免去做某事，并创建更多的日常程序来支持期望的结果。许多自我量化者使用数据来支持“习惯渗透”，即养成新习惯或改变旧习惯。习惯渗透行为涉及各种各样的改变—识别什么习惯需要改变、评估环境中现有的安排是否支持最终目标，并提出做事的新方法。习惯的力量作者查尔斯都希格（Charles Duhigg）建议人们把注意力集中在改变“线索”（指让人去做某事的刺激点）或“惯例”（指人们为了满足自己的潜在欲望而采取的一系列行动）上。他认为，人们不太可能改变自己寻求的潜在“奖励”（从无聊中解脱岀来，需要社交联系等）。他建议用另种方式来取代惯例。如果一个人能够确定，每天下午吃饼干的习惯更多的是为了缓解无聊，而不是享受饼干本身，那么他就能找到合适的替代品。这就是自我量化可以发挥作用的地方——更清楚地识别线索和惯例，可以创造证据来反映奖励的本质意义习惯渗透有一些约束。察觉了是什么触发了不需要的习惯，或者现有习惯的潜在激励是什么，有助于调整调试问题和激发感觉的技巧。一旦你对正在发生的事情有了更清晰的认识，养成新习惯就指日可待了。
简单习惯的养成周期大约为21天，但是“要想成为稳固的习惯，越难的习惯需要的时间越长，并且，一些特殊的习惯养成甚至会花费更长时间”。
还有其他自我量化技术，不是通过量化来了解问题的本质，而是用以支持习惯的坚持。为了监测你想要保持的习惯，量化小细节和致性往往更重要。一些人已经发现，在很长一段时间内，通过逐渐增加数据的方式来统计数据，而不是每天统计同样的数据，可以更加鼓舞人。另种做法将行为经济学利用到自己方便的地方比如奖励自己，成功完成目标任务，就可以得到奖励。无论哪一种习惯养成的方法，量化自我都是一个可衡量的基准。
针对项目的初始阶段，以下是我们在收集自我量化数据时学习到的一些因素。
1）要有一个简洁的开始。自我量化项目应该从有人做过的简单实验开始，比如可以在几天或几周内完成的。虽然通过几个月或者几年时间来量化，会带来不一样的好处，但第一个项目不应该长期占用你的时间。2）聚焦于一件或两件事。量化事物数量较多，会让人无法在目标上集中注意力。量化必然会产生对日常生活的片面看法，也不可能从许多片面的观点中构建出一幅全貌。利用偏向于你优势的地方，把注意力引向最重要的问题。3）合理命名数据。尽可能用与经验相符的方式标注数据。有时，在实际的生活场景中，提问可以帮助你找到需要被量化的东西。比如，想要减肥，就要明确自己的目标，现在的差异，以及多长时间完成目标，可以通过哪些方法去量化这个过程。4）时间和地点都是很好的数据管理器。按时间或地点限制数据收集，可以提髙数据集合反映的观点的精确度。结合实际情况，具体指的是比如每天固定在某一时间拍照，或每次进入一个地方时拍照。记录数据的时间（今天的总体感觉、最后几小时的感觉、现在的感觉等）会使数据的意义更清晰。5）对量化工作实事求是。每小时记录一件事，坚持两天很容易，但是对于大多数人来说，持续两天后，这个项目很可能就此停止，不会继续坚持了。考虑你实际想投入多少时间和精力到量化项目中，并且考虑在一天中何时记录比较方便。6）数字、文字和图片都很重要。有时记下一个词或拍照可能会成为最有力的记录，特别是在时间也被自动记录的情况下。即使是最简洁的注释也有利于提供良好的上下文环境，或者在之后需要重构一件事时帮助回忆。7）数据有不同的尺度。如果你使用的是数字尺度，请注意尺度本身传递的信息。用5分制计分，可以留有中间立场；用6分制计分，将迫使你进行选择。有时粗略的尺度（如低、中、高）比10分制的选择更有效。比如，你可以用1~10来量化心情，用99来代替心情没法被明显辨别的某一天。8）文字和图片有数量要求。比如计算关键字出现的频率，这能为你关注的事物提供线索。一些人每天简单记录觉得高兴的事，然后用软件来分析，用以量化心情。通常这样的项目会与情绪分析同时进行，以确定这些词的语气是积极还是消极。9）自我量化工具不一定要花哨。纸和笔的记录、 Excel表格、或通用的自我报告应用，写日记进行记录都是好方法。10）开展几次试运行。在你第一次尝试时，有些东西达不到预期是很正常的。也许是选择的数据规模不太好，也许是收集数据的频率不现实。对自我量化项目进行修改，直到确定可行的方案。如何分析数据的建议，即如何寻找帮助你发现模式、找到趋势和完成拼图。
1）时间和地点是强线索。大多数人在看图表时，都很自然地寻找规律，并试着解释我们看到的峰值。
通常，这些规律指岀了并不直接出现在数据里的东西——如倾向于在一周的某一天去餐馆。如果你的数据有一个位置戳，和时间戳同样的原则也适用：询问在特定的地方会发生什么。
2）滑动平均可以解释潜在趋势。滑动平均显示的每个数据点，是前面几个数据点的平均值。这个数据，直观地反映了数据的上升或下降趋势。比如体重会正常波动，与每天的体重读数相比，一周的平均体重是体重增加或减少的一个更好的指标，并且，平均数也可以减少焦虑。滑动平均数可以消除数据的短期异动，同时保留潜在的长期趋势。
3）注解。数字不会讲故事，但人会。在图表上记下评论或插入图片，可以帮助还原数据中的故事。如果在某一周内，你一直在量化睡眠，当看到某天睡眠时间减少时，你很可能回想起时间减少的原因。如果你记录几个月或一年的数据，来试着寻找睡眠差的原因，这样的回想就没那么可靠了。
4）拼贴画能支持视觉上的意会。当同一事物的照片（食物、药丸、脸）以一个系列的方式显示出来时，一些模式会通过形状和颜色产生。以这种方式量化会使数学计算更加困难，但视觉模式比数字更能产生强大的反馈。
无意中捕捉到的位置信息，或是一个物体的包装，或是其他意外被拍摄到的人，都可以帮助你回忆起当时的情形，或者捕捉到你最初可能没有想到的额外信息。
5）缺少数据并不意味着真正的缺失。我们经常会遇到数据缺损现象，比如少记录了一天，缺失数据本身也可以成为数据，比如那天特别不开心。在量化某一特定活动时，关注不做某件事的模式，而不是关注做了什么，可能会带来不同的解释。
6）讲故事是一个提练的好机会。当人们不得不向别人解释数据时，往往会花时间更仔细地思考数据。这就是关于数据的完整故事出现的时候。通过与别人交谈数据，发现其他人看到的东西，可以成为数据本身另一个有用的镜像。
7）与他人比较可以提供参考。探究自身数据是否偏离人群的平均水平是很有用的不管怎样，参考其他人的数据样本，可以看到可能的变化。
使用量化来可以帮助我们了解解决甚至都不知道自己曾经有过的“问题”。
自我量化时要回答三个问题：你做过怎样的自我量化，你是如何开展的，你从中学到了什么。“数据带来知识，知识带来改变”，光是了解掌握数据还是不够的，我们还要分析掌握数据背后的信息，了解信息后面的知识，用知识推动改变。透过数据看原因，透过现象看本质才是我们的目标。
