好的度量像探照灯
虽然度量不能告诉你哪些技能是好的，哪些技能是坏的，但是具体的度量本身显然有好有坏。坏的度量通过没用的或者实际不相关的细节浪费你的时间，分散你的注意力，使你不能有更深刻的理解；好的度量拨开迷雾，将灯光照耀在真正紧要的事情上。特别是那些随着时间流逝，你或许已经错过、忘记或未能充分欣赏的事情。
问题是，如果你不使用它们的话，你无法区分哪些是坏的度量，哪些是好的度量。如果度量太难于收集，或者太抽象并且混乱，我们可以认为这些度量是坏的。你可以通过如下这些问题来评估一个度量本身的好坏：
- 这个度量是否相对易于描述和理解？
- 这个度量是否展示了我还不知道的一些事情？
- 这个度量是否清楚地涉及了我关心的目标？
如果上面所有问题的答案很明确是NO的话，那么这个度量要么需要更多的工作去完善，要么它就应该废弃掉。
个人和团队很自然地去选择那些对他们来说很有意义的和提供最大价值的度量，随着时间的流逝，如果存在更好的度量，将不再需要那些缺乏意义或者更没用的度量。你想要描述性的度量，并且度量能够覆盖更多样的技能，遗憾的是，大多数度量都只不过是混乱的和不切实际的。
毫不夸张地说，已经有上百个统计旨在跟踪棒球运动员各种各样的细节，包括诸多富有创造性的命名，如：贪婪得分(Vultured Runs)、魔鬼得分(Ghost Runs)、 构成防御率（Component ERA，CERA）和纯粹防御率（Defense-Independent Component ERA，DICE）。没有人会定期地使用所有的这些度量，也没有人懂得它们所有的意思。或许在某个时候，会有人认为所有的这些度量都可能是好的，但是，随着时间的流逝，证据表明当中的某些度量是没有用的。每个分析师和每个团队通过反复试验来检验那些统计数据对特定球员位置和情形是很有意义的，并且将会沿用那些好的度量。
好的度量不仅仅只是跟踪活动。就像本章开篇引用的John Wooden的名言揭示的一样，活动并不等于成就。好的度量可以直接关联到或者产出成就。例如，跟踪某人工作了多久，对度量本身来说没有任何用处。在篮球比赛中，没有谁会统计某个球员运了多久的球，因为这样跟踪活动不能关联到比赛的结果。但是人们会跟踪某个球员丢掉控球（失误），因为球权的改变可以极大地影响比赛的胜负。
在棒球比赛中，救援和救援失败是两个好的统计例子。当一个替补投手加入一个比分接近的比赛中，如果当时他们队是保持领先的，而他们成功地保持了领先优势，那么承认他们充当了救援。如果他们失去了领先优势，那么认为他们救援失败。这些统计数据满足上面我们所说的好的度量的标准，也就是说，它们相对容易理解，这些统计数据给出我们在其他方面无法跟踪到的一些信息，并且这些度量直接关联球员和球队的关键目标（输赢）。
对于程序员，你可以想象一个类似于棒球的救援这样的度量。一个程序员可能在项目的后期或者软件发布之后，通过修改重要的问题而获得好评。拥有这样的度量将允许你跟踪这些特别的“救援”，这允许你依次跟每一位成员沟通此度量，讨论它的价值。并且可能确定团队何时失去了达成“救援”的机会，你可以确定那些拥有很多“救援”的程序员可以得到认可和欣赏。最终，就像你开始理解好团队里的度量一样，你或许开始识别出，如果你的软件团队缺少“救援”，则需要在这个领域提高关注或技能。