故事的开端是和两个朋友聊天，聊到了年终考评，朋友A吐槽说他们领导根据大家出勤时间来打分的，效率高的同事准点下班分数被打的很低，整天写bug每天加班改的同事反而获得了高分。而朋友B的遭遇，更令人陷入思考，朋友B说他们领导是纯粹根据每个人写代码的bug数评分的，但是自己总是在做一些攻坚克难的工作，另一个和他同级别的同事总是被分配简单的工作bug数自然而然地比他少，因此他觉得最后得分比同事低很委屈。
说到这里，我想起了前两天看到的一篇文章，是关于“辛普森悖论”的。大致是你得了一种疾病，两家医院可以选择，距离和诊疗费均相等，从近1000人就诊数据看，甲医院治愈率90%，乙医院治愈率80%，问你选择哪家医院就医？相信大家毫无疑问就会选择甲医院。但是当信息进一步扩展，这种疾病有轻症和重症之分时，甲医院收治了100名重症，治愈30人，治愈率30%；乙医院收治了400名重症，治愈210人，治愈率52.5%。再看轻症患者，甲医院900名，治愈870人，治愈率96.7%；乙医院600名，治愈590人，治愈率98.3%。无论是轻症还是重症，选择乙医院治愈率都比甲医院高，但是综合起来，甲医院治愈率90%，乙医院只有80%。
| 医院 | 轻症 | 轻症治愈数 | 轻症治愈率 | 重症 | 重症治愈数 | 重症治愈率 | 总人数 | 总治愈数 | 总治愈率 |
|---|---|---|---|---|---|---|---|---|---|
| 甲 | 900 | 870 | 96.7% | 100 | 30 | 30% | 1000 | 900 | 90% |
| 乙 | 600 | 590 | 98.3% | 400 | 210 | 52.5% | 1000 | 800 | 80% |
明明无论是轻症还是重症，乙医院都是优选，但是综合起来，数据反而没有甲医院好。这个情况，和上面B同学的境遇是不是很相似。这就是统计学著名的“辛普森悖论”(Simpson's Paradox)。
质与量并不等价，但在现实生活中，量更容易测量，于是很容易就单纯地使用数量进行比较和评定。如何避免辛普森悖论的出现呢？ 在评定时，加上权重。例如B同学的考核，如果他的领导在分配开发任务时，就把任务难度作ABCD不同区分，完成A级任务，完成系数X2，完成D级简单任务，完成系数X0.5，或者开发出bug对应乘以不同系数进行考评，会相对于单纯使用bug数考评更为公正。
但并不是每个Leader都会这么细致，所以当你选择挑战更高难度的任务时，就要做好吃力不讨好的心理准备(比如现在的我，刚接盘了一个烂摊子代码，产品说改个很简单的功能，但是项目里代码如蛛网般纠缠，阅读和理解代码的时间成本就很高)。
最后，希望大家都能遇到个开明且理解质与量之间关系的好领导。
