基本信息

阅读时间:约 13 分钟

字数:约 5193 字

摘要:评分差一档,多半不是谁不客观,而是看的行为样本、用的档位定义、给的权重不同。本文用三层两场模型,把校准会的分歧拆成证据、标准、权重三层,把人格与名额两类移出会场,并给出九十分钟现场脚本与五项度量。

全文语音

中文

English

日本語

한국어

1

专业分析:评分不一致不是能力问题,是结构问题

每年校准会上最容易被误读的一句话是"我们打分差太多,说明有人不客观"。真实情况往往相反:两位经理给出的分数相差一档,多数时候不是谁在偏袒,而是他们看到的行为样本、使用的判断标准、赋予的权重本来就不一样。把这种结构性差异当成道德问题,会议就会从"对齐判断"滑向"互相辩护",最后只剩下谁更会说话。

评分不一致才是常态:校准会该吵的三件事与不该吵的两件 思维导图

数据侧的量级值得先说清楚。Viswesvaran、Schmidt 与 Ones 在一九九六年发表于《人事心理学》的元分析中汇总了数十项上级评定研究,单一上级评分的评分者信度大致落在零点五上下,把多位上级的评分合成之后信度才明显抬升。Scullen、Mount 与 Goff 在二〇〇〇年《应用心理学杂志》的多评分者研究进一步拆解方差,发现评分差异中约六成来自评分者自身的宽严尺度与个人偏好,而不是被评者之间真实的绩效差距。两组数字指向同一件事:单一评分者给出的分数,更像"这位经理眼中的你",而不是"你的绩效"。

评分不一致才是常态:校准会该吵的三件事与不该吵的两件 配图

企业侧的公开动作也能印证这种结构性。微软在二〇一三年宣布放弃沿用多年的强制分布,公开解释里反复提到的并不是员工能力不足,而是评分机制把协作变成了零和;德勤在二〇一五年公开改造绩效管理时给出的估算更直白,全公司每年花在绩效评估流程上的时间约两百万小时,改造方向是把年度一次性打分拆成项目结束时的即时反馈加少量校准。两家公司的做法不能直接照搬,但它们共同确认了一点:分歧的来源在流程结构里,不在个别人的品格里。

评分不一致才是常态:校准会该吵的三件事与不该吵的两件 配图

基于这个结构,我给这场会配一个命名框架:三层两场模型。分歧按性质分三层——证据层,我们看到的样本是否相同;标准层,我们对同一档位的定义是否相同;权重层,同一份贡献在不同目标里的分量是否相同。这三层可以公开争,因为每一层都能通过补充材料、对齐行为锚、重排优先级来收敛。另有两类议题不属于这三层:人格与动机,也就是"他是不是不上心";名额与配额,也就是"我们部门要几个 A"。这两类需要另开一个场,硬塞进校准会只会让前三层的讨论失真。

与它对照,常见做法是"统一分数":会上只对最终数字讨价还价,谁的分被拉低谁不服气。三层两场模型把目标从"把分数谈平"改成"把分歧归类"——能归进三层的,当场补材料、定口径;归不进去的,记录之后转到另一个会议。前者产出的是可复用的判断标准,后者产出的是当次的名额分配,两件事混在一起,等于用一场会同时做两件性质不同的工作。

可落地的度量有五项:分歧归类率,即会上提出的分歧有多少能被明确归入三层之一;证据补齐率,即归入证据层的分歧中当场补齐材料的比例;锚点复用率,即本次对齐的标准在下一次校准会被直接引用的比例;返工率,即会后因口径不清被要求重新打分的比例;会议时长中位数。执行清单四步:会前四十八小时收齐书面材料,缺失项标记为待补;会上按三层顺序过,证据层不收敛不进入标准层;每一层的结论写成一句可复述的话并当场记录;人格与名额议题一律写入另议清单,指定承接会议与责任人。

2

先把分歧分堆,再决定要不要开口

会议低效的常见原因不是有人反对,而是反对的东西不在同一个层面。一个人说"他这个季度明显掉档",另一个人说"他去年就是这个水平",第三个人说"我们部门整体就该高一档"。三句话听起来都在谈分数,实际分别在谈事实、谈标准和谈配额。不先分堆,任何一句回应都会被听成站队。

评分不一致才是常态:校准会该吵的三件事与不该吵的两件 框架图

分堆的动作可以很小。主持人手上只留一张三列纸,标题写"证据、标准、权重",另加一栏"另议"。任何人提出异议,先问一句"这属于哪一列",答不上来的先放进另议。这个动作花不到两分钟,却把讨论从"谁对谁错"改成了"我们在争什么"。

评分不一致才是常态:校准会该吵的三件事与不该吵的两件 配图

有一个细节容易被忽略:分堆要按"这句话在争什么"来分,而不是按"谁说的"来分。同一位经理可能前半句在争证据,他确实没见过那次跨部门救火;后半句在争权重,他认为跨部门贡献不该计入本团队目标。同一个人身上同时出现两类分歧很正常,打包回应就会变成对人不对事。

评分不一致才是常态:校准会该吵的三件事与不该吵的两件 配图

分堆还有一个副作用值得提前说:它会让一部分分歧自动消失。有人提异议只是因为信息没同步,一旦被要求指向具体某一列,他自己就会发现这只是信息差。会前把材料发全,能消掉的分歧通常比会上能谈拢的更多。

3

该吵的第一件:事实层,同一行为两份观察记录

事实层的分歧最容易被误判成"主观"。典型场景是:A 经理说这位员工这个季度几乎没有独立推进,B 经理说他独立完成了两次跨部门对接。两个人可能都没说谎,只是观察窗口不同——A 看到的是本团队周会,B 看到的是项目群。这种分歧该吵,因为吵完可以补事实。

评分不一致才是常态:校准会该吵的三件事与不该吵的两件 对比图

事实层吵架的正确姿势是"要样本,不要结论"。有效的问法是"你观察到哪几次、什么时间、什么行为、结果如何",无效的问法是"你不觉得他今年状态不好吗"。前者能落到具体事件,后者只能落到印象,而印象既无法被证伪,也无法被对齐。

评分不一致才是常态:校准会该吵的三件事与不该吵的两件 配图

补齐样本之后,常见结果是分数往中间靠,但原因不是各让一步,而是双方看到的行为集合变大了。还有一种结果是分数不动、理由换了:原本写"主动性不足",改成"在这类任务上主动性充足,在另一类任务上需要明确指令"。后一种写法对员工更有用,因为它指出了边界,而不是贴了一个标签。

评分不一致才是常态:校准会该吵的三件事与不该吵的两件 配图

事实层也有边界。有些行为根本无法被完整观察,比如跨时区协作中的响应速度、对下属的日常支持。这时候不该硬争"谁看得更全",而应该承认样本不全,把结论降级为暂定,并在下一个周期指定观察点。承认看不见,比假装看见更专业。

4

该吵的第二件:标准层,"超出预期"到底长什么样

标准层的分歧是最值钱的一类,因为一旦对齐,可以用好几年。典型表现是两位经理对同一档位有不同默认值:一位认为按时交付且质量达标就是符合预期,另一位认为这只能算需要改进,因为达标只是底线。两人都没错,错在没有共同的锚。

评分不一致才是常态:校准会该吵的三件事与不该吵的两件 配图

对齐标准的抓手是行为锚,不是形容词。把"超出预期"翻译成三件可观察的事:主动承担了本不属于自己的接口协调;在信息不全时做出了可回溯的判断;把一次性的问题变成了可复用的流程。每一条都带上"至少发生过几次"的门槛,标准才从口号变成尺子。

评分不一致才是常态:校准会该吵的三件事与不该吵的两件 配图

行为锚的写法有一个技巧:写"做了什么",不写"表现得如何"。"沟通能力强"是形容词,"在需求变更时提前两天同步了三个下游团队"是行为。前者人人可以自称,后者可以被核对。校准会的时间应该花在后一种句子上,而不是反复争论前一种。

标准层还有一个隐形争议:同一档位在不同职能里的含金量。研发的超出预期和客服的超出预期,能不能用同一把尺?实践中的折中是共用一套行为维度,包括主动性、判断质量、影响范围、可复用性,但每个维度的具体事例按职能举例。维度统一保证可比,事例分职能保证可操作。这个折中不完美,却比各部门自己定更能防止宽严漂移。

5

该吵的第三件:权重层,同一个项目在两个目标里分量不同

权重层的分歧最容易被当成抢功劳,其实多数时候是目标口径不同。同一个项目,在产品团队是年度主线,在支撑团队只是众多需求之一;同一位员工在两个目标下的贡献占比自然不同。不把这个差异摆出来,讨论就会退化成"你到底认不认他的贡献"。

评分不一致才是常态:校准会该吵的三件事与不该吵的两件 配图

处理权重分歧的有效做法是先摆目标,再摆贡献。让每位经理用一句话说清"我这个季度最重要的三件事",然后把被评者的工作映射上去。映射完通常会看到:争议不在贡献大小,而在同一份贡献该记在哪个目标上。这个发现本身就能消掉大半火气。

评分不一致才是常态:校准会该吵的三件事与不该吵的两件 配图

权重层需要接受一个现实:不可能完全对齐。不同团队的资源、风险、周期本来就不同,强行用统一权重会制造新的不公。可行的做法是设定权重区间而不是权重定值,落在同一区间内的差异视为可接受,超出区间的才需要上升讨论。区间由业务负责人定,个体差异由直线经理解释,责任才分得清。

还有一层容易被跳过:权重会随时间变化。季初定的重点,季中可能因为市场变化被替换。校准会如果不回顾这种变化,就会用季初的尺子量季末的活。把目标变更记录作为标准材料带上会,比事后解释有效得多。

6

不该吵的第一件:人格与动机,越吵越糊的那一类

"他就是不上心""她太在意自己的方案""这个人抗压不行"——这类句子在校准会上出现频率不低,但它们几乎从不产生结论。原因很简单:人格与动机不可直接观察,只能从行为反推,而反推的过程充满观察者的投射。两个人对同一个人的动机判断相反,谁也说服不了谁。

评分不一致才是常态:校准会该吵的三件事与不该吵的两件 配图

更麻烦的是,人格归因会污染后面的所有讨论。一旦会上有人给出"态度问题"的标签,后面再谈证据就会被听成"为态度找借口"。会议的注意力从"这件事怎么判断"转移到"这个人行不行",而后者不是一场九十分钟的会能解决的问题。

评分不一致才是常态:校准会该吵的三件事与不该吵的两件 配图

可行的替代是把人格句子翻译成行为句子。"他不上心"可以翻译成"过去两个月有三次周报延迟超过两天";"她太护自己的方案"可以翻译成"在两次评审中她没有接受替代方案,也没有给出反驳依据"。翻译完,议题就自动落回事实层,可以被讨论,也可以被解决。

如果翻译不出来,说明这条判断目前没有行为支撑,应该直接撤下,而不是带上会。主持人在这里需要一个明确权限:任何无法翻译成行为的评价,不进入记录。这条规则看起来强硬,但它保护的是会议产出,而不是某个人的面子。

7

不该吵的第二件:名额与配额,这是资源会不是校准会

"我们团队今年必须有两个 A,不然留不住人"——这句话在校准会上出现时,会议性质已经变了。它谈的不是判断,而是分配;不是"他够不够",而是"我们能拿到多少"。把它放进校准会,证据讨论会变成筹码交换,最后谁声音大谁赢。

评分不一致才是常态:校准会该吵的三件事与不该吵的两件 配图

这不是说配额不重要。评级往往与预算、晋升名额、股权挂钩,配额当然要谈。问题在于它需要另一个会场、另一套材料、另一批人。校准会谈的是这个人相对标准处在什么位置,资源会谈的是在总盘子里怎么切。两件事分开,各自都能做得更干净。

评分不一致才是常态:校准会该吵的三件事与不该吵的两件 配图

分开之后还有一个好处:校准会的结论可以成为资源会的输入。先把人按标准排好,再谈名额怎么切,比一边排人一边切名额透明得多。反过来,如果先定名额再排人,排的结果一定向名额靠拢,标准就失效了,第二年大家会默认"标准是可以谈的"。

现实里很难完全分开,尤其是小团队。一个折中是:校准会前四十五分钟只谈标准与个例,不出现"名额"二字;后四十五分钟明确切换成资源议题,由有分配权的人主持,记录单独成文。同一个房间可以开两场会,但两场会的记录不能混在一起。

8

把争吵装进流程:一场九十分钟的现场脚本

会前四十八小时:每位经理提交被评者的书面材料,格式固定为三件事、三条观察、一个待确认点。材料不齐的会前标记,不在会上补。这一步能把事实层的分歧压掉一半,因为大部分"我觉得他不行"在被迫写出三条观察之后会自动修正。

评分不一致才是常态:校准会该吵的三件事与不该吵的两件 配图

前二十分钟:主持人重申三层两场规则,并给出本次的档位定义与行为锚。这一段不讨论个例,只确认尺子。尺子没确认就进入个例,后面所有争论都会绕回"你说的符合预期和我说的不是一回事"。

评分不一致才是常态:校准会该吵的三件事与不该吵的两件 配图

中间四十分钟:按人过,每人四分钟。顺序固定为证据层、标准层、权重层,每层只允许提一个最关键的分歧。超时由主持人打断,分歧转入书面跟进。这个节奏看起来紧,但它强制大家把最要紧的那一条说出来,而不是在细枝末节上消耗。

最后三十分钟:处理另议清单,明确每一项的承接会议、责任人和截止时间。结束前用五分钟回读:本次对齐了哪几条标准、哪几条证据待补、哪几项转入资源会。回读的句子要能被复述,否则等于没开会。回读之后当场把记录发给所有参会者,不给"我记得不是这样"留空间。

FAQ

常见问题

1.问:评分不一致是不是说明我们的管理者不专业?答:不一致本身是常态,前面提到的多评分者研究显示,单一评分者的分数里很大一部分来自评分者自身的宽严尺度。真正需要警惕的不是差异存在,而是差异无法被解释:如果两位经理说不出自己依据的是哪几条行为,那才是专业度问题。

2.问:两位经理都不肯让,会议僵住了怎么办?答:先判断僵在哪一层。如果僵在证据层,就当场把各自的观察写成时间线,缺的一方标记待补,结论降级为暂定;如果僵在标准层,就回到行为锚,用具体事例对齐定义,而不是继续争论形容词;如果僵在权重层,说明这是目标口径问题,交给业务负责人定区间,不必在会上分出胜负。

3.问:小团队只有十几个人,也需要开这种会吗?答:需要,但可以缩短。人少的优势是证据容易补齐,劣势是经理之间容易碍于情面不肯直说。可行的做法是保留三层结构、把时长压到四十五分钟,并且由不直接管理这些人的上一级主持,减少人情压力。

4.问:校准会的结论要不要告诉员工本人?答:建议告知结论与依据,不告知讨论过程。员工需要知道的是自己在哪些行为上被认可、哪些边界需要调整,而不是谁在会上说了什么。把依据写成两三条可核对的行为,比转述会议气氛更有用,也能减少事后申诉。

5.问:怎么判断一场校准会开得有没有效果?答:看三个滞后指标:下一次校准会是否直接引用了本次对齐的标准;会后返工重新打分的比例是否下降;同一位员工在不同经理口中的评价是否趋于一致。三个指标里前两个一个季度内可见,第三个通常要两到三个周期才稳定,别用一次会议的感受替代长期观察。


图片来源:图1 AS_Photography / Pixabay (CC0) · 图2 DarkoStojanovic / Pixabay (CC0) · 图3 Monoar_CGI_Artist / Pixabay (CC0) · 图4 makabera / Pixabay (CC0) · 图5 MartinHarry / Pixabay (CC0) · 图6 HarryHO34 / Pixabay (CC0) · 图7 Myriams-Fotos / Pixabay (CC0) · 图8 sasint / Pixabay (CC0) · 图9 darksouls1 / Pixabay (CC0) · 图10 KELLEPICS / Pixabay (CC0) · 图11 terski / Pixabay (CC0) · 图12 Felix-Mittermeier / Pixabay (CC0) · 图13 5598375 / Pixabay (CC0) · 图14 fietzfotos / Pixabay (CC0) · 图15 mattiaverga / Pixabay (CC0) · 图16 2h1yucel / Pixabay (CC0) · 图17 KELLEPICS / Pixabay (CC0) · 图18 reallywellmadedesks / Pixabay (CC0)


本文为信息分享与方法论科普,不构成任何专业建议,请结合自身情况判断。

本文由 AI 生成,经人类主编终审。