1900年，在二十世纪的第一次数学家大会上，伟大的数学家希尔伯特提出了23个困难的数学问题。为了说明什么是完美的数学问题，他随手举了个栗子：三体问题。
三体问题是天体力学中的基本力学模型。它是指三个质量、初始位置和初始速度都是任意的可视为质点的天体，在相互之间万有引力的作用下的运动规律问题。
现已知三体问题不能精确求解，即无法预测所有三体问题的数学情景，只有几种特殊情况已研究。
120年过去，现在看来这个例子的影响比起当初的23个问题都要大。也正是以这个问题为基础，大刘的硬核科幻《三体》不仅获雨果奖，更是吸粉无数。
而评价这件事，尤其是客观性，恰恰是另一类三体问题。是被评价对象、评价者、评价结果接收者之间信息传递与知识应用的问题。
哲学上，客观性是指从不同观点或角度来思考或判断某件事物的合理性，一个事物不受主观思想或意识影响而独立存在的性质。
但同时，评价行为是一种知识活动，而知识是我们在实践中认识客观世界的成果，这个客观世界包括我们人类自身，这个成果中也包括并不“真”的部分。
也就是说，评价本身是一种主观活动。问题自然就来了，主观性的知识活动如何得到对事物的客观性评价？
1
评价基础：真实而充分的数据
巧妇难为无米之炊，客观性评价也一样。
没有不为人知的知识，但却有大量不为人知的数据。这些数据是因为我们当前还看不见、够不着，有些是因为我们在使用中技术或管理手段缺失，用不好。
临床科研离不开数据采集，虽然数据的来源有很多，比如 HIS 系统，医院信息科、自己平时积累的数据等，但数据缺失依然是一个典型问题。以下是一个研究案例。
某研究人员拟研究针灸疗法对于治疗肩部疼痛的效果，设计了一个随机单盲对照临床试验，一共纳入了 52 名患有肩袖肌腱炎的运动员，随机分为 2 组，分别接受针灸治疗和虚拟针灸治疗，治疗共持续 4 周……其中试验组 3 名，对照组 4 名，研究人员未能真实地记录到他们治疗后的疗效情况，无法准确评估治疗效果，由于病例脱落而产生了缺失数据。
而以工业4.0为方向的制造业，数据也是先决条件。有了数据就可以让原有那些看不见的信息可以被看见，管不着的能够被管着。APM（资产绩效管理）的一个典型应用场景就是，根据机床的工况、加工件数、工作时长、震动数据、加工温度、加工工艺的计算刀具的有效寿命，既能够避免过度维护造成的浪费，也可以避免故障停机带来损失。
但这一场景首先要解决的也是数据采集问题。虽然面对的是相对好管理的机器设备，但数据采集难度和临床研究相比是有过之而无不及。因为工业设备品牌类型繁多、厂家和数据接口各异、不同采购年代差异等等，更别说至今相当多的工厂都还在工业2.5阶段。
还有数据失真问题。
我们在《批判性思考：事实和观点》中描述了事实和观点的差异。但今天这里要表述的是，事实可能会被篡改，在《不要盲目相信网络评分》中也做过描述。由于事实能够被高度量化表达，其表达形态就是数据。
糟糕的是，有些数据甚至是人为篡改的。炒股的人应该有切身体会，作为重要参考数据的上市公司年报，数据并不是那么保真。
某子岛家的扇贝们就在长达6年的时间里上演过不断跑路、饿死的精彩剧情：
2014年10月：扇贝“突然跑了”巨亏7.6亿，震惊整个A股市场
2018年2月：扇贝又被活活饿死了，2017全年巨亏7.22亿元
2019年11月：扇贝又跑路了，2019全年亏损3.9亿元
2020年5月：扇贝又跑...跑路了，业绩依旧巨亏
直到借助北斗卫星还原了采捕船的真实航行轨迹，间接复原了真实的采捕海域，坐实了财务造假，才让扇贝们背的锅得以卸下。
还有些篡改不是有意的，而可以被称之为系统性数据失真。
曾经刷屏的亚马逊关店事件就是因为这个。卖家通过在快递内塞优惠券小卡片等方式，吸引客户好评。这一在国内司空见惯的运营手段，却违反了亚马逊《销售政策和卖家行为准则》：卖家存在“操纵用户评论行为”。
同为跨境平台的Shopee也更新了《不正当竞争政策》：平台将严格监测一切发生在Shopee上的不公平商业竞争行为，其中包括“站外交易、垃圾信息、损坏名誉、刷单、抓取数据、虚假流量、虚假本地店铺”等等。
这不禁更让人担心，电商平台的好评保真度有多高？
不仅进行评价前的数据全面性和准确性问题，对于评价自身带来的影响，也一样有缺失。
物理上要求观测者或测量工具避免干扰被观测对象。但在现实生活中几乎做不到，要不然蝴蝶效应就不会广为流传。
和前面的数据缺失、数据失真比起来，这个问题更严重。因为风险本身不是既有状态，而是要预测的，完美符合数据缺失和数据失真的双重特点。
不像吃顿饭买件衣服，有些事物的评价可能会带来重大影响。对一只股票的评价不当可能会带来数十数百万损失，对一个人的评价不当可能会导致种种不如意，对冲突事件的评价不当可能导致战争和生命损失。
越南战争就是典型的例子。
关于越南战争的论述可谓汗牛充栋，大多数西方学者认为，美国在越南打了一场错误的战争。
虽然从考虑参战到正式参战经历了较长时间的论证，但在固执的冷战思维影响下，再多论证也无济于事，无法挽回方向性的战略失误。
到了越战后期，美国决策者才开始意识到这一点。时任国防部长克拉克·克利福德就说，“近几年来使我明白……我们不可能取得军事上的胜利，我们必须停止参加这场战争……现在是结束这场战争的时候了。我们要立即迅速地、有条不紊地、全面地、有计划地退出印度支那。”
现在以事后之明来看似乎一目了然。但在当时的历史背景下其实是十分复杂的，由于受到历史和认识局限性的影响，这些误判在当时难以预料。
为了能给重大决策提供支撑，客观性评价就显得更加重要。
2
专业背景：建立评价体系
评价体系是专业活，最典型的是用信用评级，在社会分工中已经发展出独立的评级业。
信用评级是受评客体信用状况进行分析并判断优劣，通常将道德品质、还款能力、资本实力、担保和经营环境条件或者借款人、借款用途、还款期限、担保物及如何还款等要素逐一进行评分，以达到全面反映的要求。
具体评价方法有很多种，比如要素分析法还能细分为：5C要素分析法、5P要素分析法、5W要素分析法 、4F法要素分析法、CAMPARI法、LAPP法、骆驼（CAMEL）评估体系等。
这些评价方法虽然不知道明细，但看名字就让人感觉到两个字：专业。
但无论哪一种客观评价方法，都会受到主观的影响。美国几家信用评级公司都认为信用分析基本上属于定性分析，虽然也重视一些定量的财务指标，但最终结论还要依靠信用分析人员的主观判断，最后由评级委员会投票决定。
一个能够被普遍接受的评价体系，必须具有相应领域的专业知识。一个踢球的厨子大概率不是一个好屠夫。
但评级评价是有成本的的，信用评级很专业，但也是很贵的。
2021年6月流传一份评级收费自律公约。收费标准包括企业主体信用评级收费不应低于25万元，债项信用评级收费不应低于20万元，单笔债券评级收费不应低于45万元。跟踪评级收费不应低于10万元，数据更新收费不应低于10万元。结构化产品中，信贷ABS和不动产类REITs首次评级费用不低于45万元，企业资产证券化产品的首次评级费用不低于35万元。
或者更准确的说是效益，就是做出评价需要的投入及产出。很多时候大差不差也就够了，比如中午吃个简餐，是抄手还是盒饭。根本用不着上面的种种方法，跟着感觉走错不了。在一些相对较重要的场合如组个饭局，才需要这些，哪些人、吃什么、在哪里吃，还有像方不方便停车等一些其他七七八八的细节。
经验多了其实这些形成类似于肌肉记忆，不需要有一个明显的评价过程，会变成自然反应。这些基础信息输入后脑袋里自然就给出了首选项。但经验不足的时候，可能就需要到处打听，哪家餐馆比较好。打听或者是翻好评的过程其实是相当低效的。
有一个更好的方法，那就是配个助理，让评价这件事成为一个新的社会分工，让专业评价不只是仅仅局限于经济金融、政策制定或重大项目等少数领域，而是让生活中的所有领域都具有该能力。
3
评价结果：确认和二次加工
评价结果不是终点，评价结果需要作为起点进入下一个环节为决策提供支持。
一千个人心中有一千个哈姆雷特。接收评价结果的人也是如此。
这对于上面的信用评级不太明显，因为评级给出与评级接收都具有相应领域的专业背景，不存在视角差异。
但在生活领域里就完全变了。
首先是生活的方面和品类丰富到没有人能成为所有品类的专家。一个擅长基础科学研究的人可能对服装选择毫无感觉；一个擅长小店经营的人可能对数码电子设备使用知之甚少；一个工作井井有条的人可能对亲子陪伴感到无力。并不是人人都像谢耳朵，甚至能对薯条量化评价。
陈丹青说：“我没有美学立场，只有一肚子偏见。我不认为谁真的有美学立场，如果有人跟我讲他的美学立场，我会偷笑，这只他自己的观点，对其他人来说，都是偏见。”
在接收到评价结果后，一样需要一个二次评价的过程，也就是判断是否适用于我。只是在信息爆炸、数据失真的当下，这一点其实完成起来颇为困难。
当谢耳朵说卷卷薯条只能得2分的时候，我们可以不喜欢他的结论，但他的想法是非常非常值得借鉴的。
未完待续。
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至123456@qq.com 举报，一经查实，本站将立刻删除。
