项目评分出现争议时，先别急着调整分数，而要判断评分尺度是否已经不一致。常见线索包括：业务特征相近的项目得分差距明显、同一评委跨项目打分松紧不一、不同评委对同一项目分差过大，以及分数与预算、周期、风险等事实对不上。发现的关键是先统一评分口径，再用同档对照、评委间一致性、跨期稳定性和分数—事实核对四类证据定位偏差来源，然后校准锚点、复评并留痕。
要点总览（TL;DR）
- 评分尺度不一致通常表现为同档项目分差大、评委间打分漂移、跨期分数不稳定、分数与业务事实脱节四类症状。
- 排查前先统一评分对象、维度定义、分档锚点、数据截止时点和评委范围，避免把口径差异误判为尺度偏差。
- 用同档对照、评委间一致性、跨期稳定性、分数—事实核对四类证据逐项验证原因假设，结论需至少两类证据相互印证。
- 处置按偏差类型区分：锚点缺失补示例后复评，评委漂移先开校准会，维度混淆拆分定义，数据口径统一取数后重算，复评前保留原始分数。
- 校准后用组内分差收敛、评委间分差缩小、复评差异可解释三项指标验证，并通过评分说明版本化、评委轮换校准和定期抽样复核防止再次漂移。
评分尺度不一致在组合评审中是什么样
评分尺度不一致，指评委在使用同一套评分表时，对“什么程度对应什么分数”的理解出现系统性差异。它影响的是项目之间的横向取舍：两个业务价值接近的项目，因为落在不同评委手里而拉开差距，排序就失去了可比基础。本文讨论的范围限于项目组合评审中的评分尺度问题；单个需求的价值判断、组合确定后的资源调整执行，属于另外的管理动作，不在这里展开。
尺度不一致通常不会以“我打错了”的形式暴露，而是通过以下几类症状被察觉：
- 同档项目分差大。业务特征相近、所处阶段相似的项目，总分却相差一个档次以上，且差距无法用项目本身的差异解释。
- 评委间打分漂移。同一个项目，不同评委给出的分数分布明显不同，有的评委整体偏松，有的整体偏紧。
- 跨期分数不稳定。同一评委或同一维度在不同评审轮次中对类似项目的打分忽高忽低，缺乏连续性。
- 分数与业务事实不符。高分项目在预算、周期、风险等客观条件上并不占优，或者低分项目的实际表现明显好于得分。
这些症状带来的实际影响集中在三处：排序结果失真，导致资源流向并非最优的项目；评审会上争议集中在“分数怎么来的”，而不是项目本身；复评时发现结论难以复现，评审公信力下降。识别症状只是起点，下一步要排除口径本身造成的假象。
先固定口径：评分尺度不一致的排查前提
很多看似尺度不一致的现象，实际是评分口径没有统一。排查前先把以下四项核对清楚，可以避免把口径差异误判为评委偏差，也能让后续的证据比对有共同基准。
评分对象与维度定义
确认同一维度在不同项目上衡量的是同一件事。例如“战略契合度”在一个项目上被理解为与年度重点的关联，在另一个项目上被理解为长期方向一致，两者分数就不可比。核对方法是抽取几个典型项目，让评委分别说明自己在该维度上的判断依据，看是否指向同一类事实。
分档锚点
每一分或每一档应对应可观察的事实描述，而不是“较好”“一般”这类模糊词。锚点缺失时，评委只能凭个人经验换算，尺度自然分散。核对时逐档追问：给这一档的项目通常具备哪些条件？如果两位评委对同一档的描述不一致，说明锚点需要补充。
评分时点与数据截止
确认所有评委使用的是同一截止日期的数据。预算、进度、风险状态在评审周期内可能变化，取数时点不同会直接造成分数差异。核对评分表中引用的数据来源和截止时间是否一致。
评委范围与角色
确认参与打分的评委名单、各自负责的维度以及权重是否固定。评委中途更换或角色混用，会让分数分布出现无法解释的波动。口径核对完成后，再进入证据比对，判断偏差究竟来自哪里。
用四类证据定位尺度偏差来源
排查时把原因当作假设，用证据逐项验证，避免把一次异常直接当成结论。单次分差可能来自项目本身的特殊性，只有在多轮或多项目中重复出现，才适合作为判断依据。下表列出常见原因假设、对应证据和排查顺序。
| 排查顺序 | 原因假设 | 验证证据 | 判断线索 |
|---|---|---|---|
| 1 | 同档项目评分尺度分散 | 把业务特征相近的项目分组，比较组内得分离散度 | 组内分差明显大于组间分差，且无法用项目差异解释 |
| 2 | 评委个人尺度偏移 | 同一项目不同评委的分差；各评委个人打分分布 | 某评委对多数项目系统性偏高或偏低 |
| 3 | 跨期打分漂移 | 同一评委或同一维度在不同轮次的分数变化 | 类似项目在不同轮次得分趋势性上升或下降 |
| 4 | 分数与事实脱节 | 得分与预算、周期、风险等客观事实对照 | 出现系统性偏离，高分项目事实条件并不占优 |
同档对照用于判断尺度是否整体分散。做法是先按业务领域、项目阶段、投入规模等特征把项目分成若干可比组，再看组内最高分与最低分的差距。如果组内离散度普遍偏大，优先怀疑锚点不清或维度定义模糊。
评委间一致性用于定位个人尺度问题。对同一项目比较各评委打分，计算分差；同时观察每位评委在所有项目上的平均分和分布形态。某位评委长期偏离群体均值，可能是个人尺度偏松或偏紧，也可能是其掌握的信息更充分，需要结合评分说明判断。
跨期稳定性用于识别漂移。把同一评委或同一维度在连续几轮评审中的分数排成序列，观察是否存在趋势性变化。若某维度分数整体上移，可能是锚点被逐渐放宽，也可能是项目质量确实提升，需要结合项目事实区分。
分数—事实核对用于发现系统性偏离。选取得分最高和最低的项目，逐项核对预算、周期、风险、依赖关系等客观条件，看分数是否与事实方向一致。核对时以评分表中引用的数据为准，避免用事后信息反推。
四类证据的排查顺序建议从同档对照开始，因为它能最快判断问题是个别现象还是普遍现象；再依次检查评委间一致性、跨期稳定性和事实核对。每类证据只能支持一类假设，结论需要至少两类证据相互印证。
按偏差类型处置并校准评分尺度
定位到偏差类型后，处置动作要与原因对应，避免用统一复评覆盖所有问题。复评前保留原始分数和评分说明，是贯穿所有处置动作的风险边界；原始记录一旦被覆盖，后续验证和追溯都失去依据。
锚点缺失型：补充分档示例后复评
当同档项目离散度偏大且评委对分档描述不一致时，先补充每一档的示例项目和评分说明，明确该档对应的可观察事实，再组织复评。复评时要求评委对照新锚点重新打分，并记录调整理由。停止点是新锚点经过一轮复评后组内离散度明显收敛；若仍分散，需要检查维度定义本身是否清晰。
评委漂移型：先开校准会，再复评争议项目
当某位或某几位评委的打分分布系统性偏离群体时，先组织校准会，让评委就几个典型项目分别说明打分依据，对齐判断标准，再对分差较大的争议项目复评。校准会应聚焦判断依据，避免变成相互说服。复评只覆盖争议项目，不必全量重打，以减少工作量和对已确认结论的扰动。
维度混淆型：拆分或重定义维度
当同一维度在不同项目上被理解为不同内容时，需要拆分维度或重写定义，使每个维度只衡量一类事实。调整后保留历史分数对照，标注新旧口径的差异，避免直接用新分数与旧分数比较排序。停止点是评委能就每个维度的判断依据给出一致描述。
数据口径型：统一取数后重算
当分数差异来自数据截止时间或取数来源不一致时，先统一数据截止日期和来源，再按同一口径重算相关分数。重算结果需要标注与原分数的差异及原因，供评审会确认。若数据本身存在缺失，应说明缺失对分数的影响，而不是用估算值直接填补。
所有处置动作完成后，把调整前后的分数、调整理由和依据记录在同一份评审文档中，形成可追溯的校准记录。这份记录既是本轮结论的依据，也是下一轮排查的对照基线。
验证校准效果并防止尺度再次漂移
校准是否有效，需要用指标验证，而不是以“会上达成一致”作为结束标志。建议在复评结束后观察三项指标：同档项目的组内分差是否收敛；评委间对同一项目的分差是否缩小；复评分数与初评分数的差异是否能逐项解释。三项指标中任何一项没有改善，都说明处置没有触及根本原因，需要回到证据排查环节。
尺度漂移会随着评委更换、项目类型变化和时间推移再次出现，预防机制比单次校准更重要。可操作的做法包括：
- 评分说明版本化。每次调整锚点或维度定义都记录版本、调整原因和生效轮次，评委使用对应版本打分。
- 评委轮换与定期校准。在新一轮评审开始前，用历史项目做一次简短校准，让新加入的评委熟悉当前尺度。
- 定期抽样复核。每轮评审后抽取若干项目，核对分数与业务事实是否一致，发现偏离及时回查。
这些动作要落到具体的文档和工作项上才有约束力：评分口径、锚点示例、复评记录和校准结论集中存放在评审文档中，版本和调整理由可查；复评任务作为独立工作项指派给评委，完成后关联回原评审记录；下一轮评审启动前，以历史校准记录作为对照基线。借助ONES的项目管理与文档协作能力，可以把评分说明的版本、复评过程和校准结论留在同一处，让每次尺度调整都有据可查，也便于新评委快速对齐当前口径。
常见问题
评分尺度不一致和评分口径不一致有什么区别，排查时怎么区分？
口径不一致指评分表本身没有说清楚：维度定义模糊、分档没有可观察的锚点、数据截止时点不统一。尺度不一致指评分表是清楚的，但评委在使用时对“什么程度对应什么分数”的理解出现系统性差异。
排查时先做口径核对：抽取几个典型项目，让评委分别说明自己在同一维度上的判断依据。如果依据指向不同的事实类型，问题在口径；如果依据一致但给出的分数档位不同，问题在尺度。口径问题需要先修评分表，尺度问题才进入评委校准和复评。
只有一两位评委参与打分时，还能用评委间一致性来判断尺度偏差吗？
可以，但证据强度会下降。评委人数少时，单个评委的偏离就会显著影响结果，分差本身不足以区分是个人尺度问题还是项目判断分歧。
这种情况下建议补充两类证据：一是跨期稳定性，看同一评委在连续几轮中对类似项目的打分是否出现趋势性变化；二是分数—事实核对，把得分与预算、周期、风险等客观条件对照。两类证据同时指向偏离时，再组织校准会。评委人数少时，校准会应聚焦打分依据的说明，而不是靠投票取平均。
复评时发现评委仍然坚持原分数，校准应该怎么推进？
先判断分歧的性质。如果评委能给出与锚点一致的事实依据，说明原分数可能合理，需要检查的是锚点是否覆盖了这类情况，必要时补充锚点示例。如果评委的依据与锚点描述不一致，则回到校准会，就该项目逐条对照锚点说明，明确该档对应的可观察事实。
无论哪种情况，都应保留初评分数、复评分数和调整理由，不覆盖原始记录。若一轮校准后分歧仍未收敛，停止点是把分歧记录在案并标注待定，提交评审会决策，避免反复复评消耗评审周期。
校准后新旧分数还能直接放在一起排序吗？
不建议直接混排。调整锚点、拆分维度或统一取数口径后，新分数与旧分数对应的判断标准已经不同，直接比较会把口径变化误读为项目优劣变化。
可行做法是保留历史分数对照，标注新旧口径的差异点和生效轮次；对需要跨期比较的项目，按新口径重算历史分数，或只在新口径下的同一轮评审内排序。校准记录中写明调整原因，便于后续追溯和向评审会解释。
评分尺度校准应该多久做一次？
没有统一周期，取决于评委更替频率、项目类型变化速度和评审轮次密度。可操作的触发条件包括：新评委加入、评分维度或锚点调整、连续两轮出现同档项目分差偏大、抽样复核发现分数与事实系统性偏离。
日常做法是在每轮评审启动前用历史项目做一次简短校准，让评委熟悉当前尺度；每轮结束后抽取若干项目核对分数与业务事实。把校准记录集中存放并版本化，下一轮以最近一次记录作为对照基线，比固定周期更贴合实际变化。
