# 《平均的终结》3:不规则人才

![](https://piccdn3.umiwi.com/img/201612/26/201612262216091813774565.jpg)

下面这张图叫雷达图，也叫蜘蛛图，它把一名球员的各项能力指标用一张二维图片显示。这张图说的是梅西在一个赛季的各项统计数据和平均水平的比较。梅西在过人、进球、射门、传球成功率、助攻这些指标上，表现远远高于平均水平，你一眼就能看出来这是一位伟大球员。 

![（图片来自“懂球帝”网站）](https://piccdn3.umiwi.com/img/201612/26/201612261800242594067962.jpg)

这种图的关键在于，它是用一组，而不是一个数据来表现一名球员的水平。玩《足球经理》之类游戏的时候，我们都是用这种图，全面考察球员的各项指标，来判断要不要买入他。

现在问题来了：在真实世界中，有多少公司在招人的时候，会看雷达图呢？答案是几乎没有。 

今天我们继续说《平均的终结：我们怎样在一个崇尚相同性的世界中成功》（ The End of Average: How We Succeed in a World That Values Sameness ）这本书，作者是哈佛大学教育学教授托德·罗斯（Todd Rose）。 

## 1.你就是一个数字

普通公司就不用说了，咱们直接说Google。Google，当然是个非常厉害的公司，新人的起薪都能超过十万美元，更重要的是，人们以在Google工作为荣。但是直到几年前，Google公司的招人方法，并没有什么特别之处。在面试之前，它考察的也就是一个人的毕业院校、大学期间的GPA、和大学入学考试的SAT成绩 —— 总而言之跟考研差不多，就是看你的学业如何。

**按时完成项目的能力呢？与人合作的能力呢？创新能力呢？对不起，你不是球星，没人统计你的那些数据。**

所以哪怕你年薪十万美元，在世界上最好的公司工作，也不能享受职业足球运动员的雷达图待遇。

事实上，对很多人来说，应聘这一天，也许还是公司人事部门对你看得最全面的一天。入职以后更没有雷达图。公司会对你进行考核，而考核的结果，通常是一个数字。比如说最高分5分，那么5分就是特别出色，2分就是很糟糕。至于说怎么个出色法，怎么个糟糕法，在一个有几千人的大公司里上级根本关心不过来。

2012年，华尔街日报做了一个调查，发现在财富500强的企业里，有60%的公司都是只用一个指标来评价员工的表现。2009年的调查则显示42%的公司采用的还是一种“强迫制”的评价体系 —— 也就是说必须按照一定比例选出优良中差来，哪怕所有人都表现很好，也必须有人获得差评。

用一个数字代表一个人，你可以想象这里面有多少弊端。微软公司就曾采用强迫制的评价体系。在2012年的一次采访中，微软公司表示他们非常后悔这个做法，简直是失落了十年 —— 每个组都一定要选出优良中差，那谁还愿意跟牛人在一组？

可是就连NBA球队，都犯过这种愚蠢的错误。

2003年纽约尼克斯队来了个新主席，伊塞亚·托马斯(Isiah Thomas)，他自己就曾是NBA球星，按理说应该非常懂篮球。但他就职后，突发奇想，提出只用球员每场比赛的平均得分这一个标准来筛选球员。尼克斯队花了大价钱买得分高的球员，它的首发阵容就是全联盟得分最高的五个球员 —— 结果成绩一塌糊涂。四个赛季里，尼克斯队的综合成绩排到了全联盟的倒数第三，输球率高达66%。

打篮球你得看雷达图啊！从数学角度来讲，一个球员至少可以在5个方面为球队做出贡献 —— 得分、篮板、抢断、助攻和盖帽。一直到托马斯卸任主席之后，尼克斯队才重新科学买人。

为什么从大公司到NBA球队，人们会犯同一个错误？一个人怎么能用一个数字来代表呢？因为他们高估了人的各项技能之间的相关度。 

## 2.什么叫“相关”

之前咱们说过，英国人类学家高尔顿认为人的各项能力指标都是“相关”的 —— 如果一个人聪明，那他的身体素质也更棒，也更自律，品德也好。

**这个“相关”的意思，就是当一个变量变大或者变小的时候，另一个变量是否也跟着变大或者变小。统计学家用“相关系数”，这里我们姑且称之为“r” ，来表示相关度，规定r的值是在 -1 和 1 之间。 **

比如我们要考察一群人的智商和身体素质之间的相关性。r=1，就说明两项指标绝对相关，那就是说智商越高的人，身体素质一定更好。如果 r 在 0 和 1 之间，那就是“大体上来看”，智商越高，身体素质越好，但有个别情况是智商高、身体素质不好。如果 r=0，就是智商和身体素质毫无关联。如果 r 是负值，则表示智商越高，身体素质越差。

下面这两张图中每个点代表一个人，我们可以直观地体会一下各种相关系数。 

![](https://piccdn3.umiwi.com/img/201612/26/201612261802184249426829.jpg)

![](https://piccdn3.umiwi.com/img/201612/26/201612261803001766203056.png)

我们知道心理学实验都不太靠谱，在很多心理学家看来，r=0.3 就足以说明两个变量之间有相关性，甚至还可能暗示这两个变量之间有因果关系 —— 智商和收入之间的相关系数是0.35？太好了！这足以说明挣钱多的人是因为聪明。但是在真正的统计学家看来，只有当 r＞0.8，才能说这两个变量“高度相关”；如果 r≤0.4，你只能说这是“弱相关”。

“高度相关”是个什么概念呢？举个例子，股票市场上有成千上万支股票，道琼斯指数只考察30支股票的综合表现，可是我们知道，道琼斯指数和其他股票指数之间的相关性达到了0.94以上！因为有这个强相关。你要想知道今天股市怎么样，看看道琼斯指数这一个数字就可以了。

可是人的各项指标之间，却是弱相关的。身高和胸围，智商和品质，这些变量的相关系数大都在0.4以下。在这种情况下只用一个指标代表一个人，就非常不可靠了。

人，本质上是不规则的。

那么应该怎么选人呢？ 

## 3.Google的新观念

公司大也有大的好处。如果又大又有钱，你就可以拿自己公司员工做各种研究。最近Google公司做了一个内部研究，就想找出来，招聘员工的时候到底哪些指标是真正有效的？研究者考察了300项指标！然而结果却是其中没有一个是特别好用的。

而且他们发现了以下几个事实，我看对一般公司也都有用：

当然我得说明一点，这些结论是针对已经在Google工作的人调查得出的统计结果。一个人能进Google，他必然满足一个基本的学历和编程技能门槛 —— 如果你考察加油站工作人员和程序员，你肯定会发现上面说的那些统统有关系。

不论如何，这项研究说明在一定门槛之上，再看学业成绩就没什么意思了。所以现在Google已经决定放弃了用单一指标评价人的做法，转而采用一个非常复杂的招人策略，不同部门对人关注的重点都不一样，具体问题具体分析。

那就是雷达图的做法，球星的待遇。 

## ｜我的评论

我们再回头看一眼梅西的雷达图。梅西虽然在绝大多数指标上都明显高于平均水平，但也有几项指标明显低于平均水平，比如拦截和铲断就不行，丢球的次数也很高。这是为什么呢？因为梅西是进攻球员！他的任务并不是拦截和铲断，而且一旦他拿球，对方的球员就会不断地拦截和抢断他，他在危险地区拿球多当然也会丢球多。

球队需要的并不是全能型选手，而是不规则的人才。你让不同类型的人才互相配合，才能打出精彩的比赛。 

## ｜由此得到

用单一指标评价人才的时代即将过去，也许将来每个人都能像球星那样拥有一张自己的雷达图。这个趋势才刚刚开始，但是已经开始了。 

## 划重点

1. 一个人不能仅用一个数字来代表，因为人的各项技能之间的相关度是弱相关的。 
2. 用单一指标评价人才的时代即将过去，也许将来每个人都能像球星那样拥有一张自己的雷达图。这个趋势才刚刚开始，但是已经开始了。

![](https://piccdn3.umiwi.com/img/201612/26/201612261804244438461966.jpg)