科学地决策已经成为民主管理的重要标志之一。为政策制定开展科学研究，是当代科学事业的主要使命之一，是科学决策的重要方面。科学研究的结论和数据，在政策制订中发挥着至关重要的作用。然而，大多数情况下，政策制订过程是基于对科学信息不确定性的管理，政策制订者除了依靠科学研究结果外，还需要依赖一些“非科学研究”的“软”信息，以及对“科学研究结论”的准确把握。“政策已不再被看作基于高度确定的科学研究结果的产物”，政策中包含着对不确定性的科学管理和对不确定性的“冗余”与“容忍”。因此，政策的适用性和效果，取决于对这些“硬数据”和“软信息”的质量控制。同样，决策制订者在使用科学研究结果和数据支持政策和决策时存在诸多误区，科学研究数据、科学研究结论固有地存在着不确定性。这种不确定性直接影响着政策与决策的质量。

本书主要针对如何科学地使用科学研究的结果、数据等信息来支持决策制定等，进行深入的历史性分析，借鉴数学公式和科学信息表达形式，提出了准确传达支持决策制定科学信息的模型———NUSAP模型。科学研究数据和结论有其固有的不确定性，主要表现在：测量误差、计算误差和认知缺陷（即：对“无知”的无知）。从科学研究工具与方法的演变历史看，不确定性的信息来源在于“误差”、“随机性”、和“统计学”。“误差”代表测量工具的局限性；“随机性”代表了认知的局限性；“统计学”代表了“描述范畴”与客观现实一致性的误差，即表达性误差。因此，我们可以看到，科学研究结果所传递的信息具有必然的不确定性。作者详细分析了科学研究结果和科学信息的不确定性表现的方方面面。决策制定者在利用科学信息时，需要准确把握信息的质量，需要对信息不确定性进行有效管理，有效评估政策措施的风险。

科学咨询（science for policy）已经成为一个非常热门的领域，作为从事政策咨询的科学家需要具有科学研究的基本技能、信息质量管理与评价技能、信息不确定条件下的交流技能。NUSAP模型提出了如何准确表达信息不确定性的技能。NUSAP模型包括了5个方面：数字（N）、单位（U）、适用范围（S）、评价（A）、谱系（P）。“数字”代表了信息的量，这个值可以是一个准确数字，也可以是一个近似数字。“单位”表示了前端“数字”的性质和量级，如“英镑”、“千英镑”、“年”、“百万年”、“千米”、“毫米”等。“数字”和“单位”是相互配合使用的，与数据的使用目的有关。例如：介绍某一个化石的年代，一般只能是说XX万年，不能精确到具体年龄。“适用范围”表达了“数字”和“单位”的不确定性与不精确性，解释了我们对于数据在认识上存在的不确定性，即认知上的“局限”。因此，“适用范围”是对前两项的限定。“评价”是对“适用范围”的基本判断，代表了“数字”的价值判断。“谱系”是NUSAP中最难表达和理解的部分。实质是体现了我们认知的缺陷，表达“无知的无知”。这也表明了共同体对于目前认知能力的基本判断，体现了已有认知和“无知”的边界。“谱系”需要针对不同的认知领域重新构建，表达该领域当前的发展水平和认知水平。

原文书名为《Uncertainty and Quality in Science for Policy》，中文书名借用了“魔数”这个说法（原作者文中也多次提到这个词语），主要想表达用于支持政策制订的“硬数据”（科学研究数据和结果）依然存在诸多的不确定性，受到试验误差、计算误差、认知缺陷、表达歧义等多方面影响，直接影响了政策措施的效果。