量化：数据思维

无法量化就无法真正比较和评价。但量化不等于迷信数字——"粗略的正确好过精确的错误"，既要善用数据，也要警惕数据的局限性。

- 定义：量化思维是指用数学和数字来理解、比较和预测事物的能力。一旦能用数字表达事物，就能方便地进行比较和评价。数学具有稳定性，2+2=4在100万年前正确，100万年后同样正确。但关键问题是：不能过分重视能计算的、忽略无法计算的。
- 方法：①建立量化框架——如用总投入资本收益（ROIC）比较企业效率：X企业需1亿美元产生1,000万现金收益（10%），Y企业只需4,000万美元（25%），价值差异巨大；②使用折现现金流模型评估价值；③区分增长对价值的作用——可能是正面也可能是负面，取决于再投资的收益率；④理解数学局限性——不要期望长期投资回报高于企业总资本投入的收益；⑤警惕虚假精确——过分追求精确无异于"自杀"，留有安全边际比精确计算更重要。
- 案例：①企业X和Y的比较——同样产生1,000万现金流、增速5%，但X需1亿美元资本投入（价值1亿），Y只需4,000万（价值1.6亿），差异源于资本效率；②巴菲特质疑互联网狂热——以5,000亿美元估值买零利润企业，需要800亿美元税前利润才能实现10%回报，全球没有企业能做到；③长期回报率与企业收益率的关系——如果企业40年收益率为资本6%，长期持有收益率不会超过6%；④预期增长率修正对估值的影响——媒体行业假设从"6%永久增长"修正为"无增长"，估值从2,500万降至1,000万。
- 应用场景：企业估值、投资分析、绩效评估、成本效益分析、任何需要客观比较的决策场景。