立了Flag就要努力去实现，但愿之后每周一都能写上一篇小“周记”。今天这一篇，我就小结一下我对 “主观” 与 “客观” 这两个词的一些小理解。

这样的词一直都存在于我们的生活与工作中，我们甚至不需要多做思考，就能说出两个词的意思。甚至，还能头头是道说出工作中，应该如何“客观”地做事，“客观”地处理问题，“客观”地处理人际关系。

但是突然有一天，开始特别在意“主观” 与 “客观”这件事后，就发现似乎很多情况下，理论和实际有这比较大的偏差。

---

1

---

我们的生活中时刻充满着判断和认知。还记的之前大家热议拼多多的时候，网上祭出了兴哥饭否的一张截图。


的确这个数字和我主观的认识存在这较大的偏差，由于周围几乎没有不是本科的，周围还有很多硕士博士，而且每年外出校招，来面试的几乎清一色的研究生，所以我一直认为现在至少不会低于20%。

然后这促使我回忆了一下我基于这个我认为是“客观”的“主观”认知是否做了较多的判断，发现的确是的，甚至没有质疑过自己的想法是不是足够客观。

---

2

---

我开始在工作中特别注意这点。

去年下半年开始，我进入到一个全新的组，基本上是完全脱离的业务测试。

但是正是由于这样，我站在了比测试更客观的一个立场来看整个业务线的一些东西。

没有了日常业务的一些信息作为“自动脑补”的材料，而且还可以看到除了“测试”角色之外，“开发”这层角色的东西，同时还能了解到“项目经理”的一些信息。

慢慢的发现，很多的认知和我原来想的并不一样。

之前很多的认知，都是在我做QA岗的时候生成的，也是使用的当时很多测试类书籍上的观点。现在关注点从“测试”移到“质量”后，脑中就会浮现一些奇怪的问题。

• 我们说的质量好坏，到底是一个主观的感受，还是一个客观的数据？
• 如果一个产品上线后，主观的觉的有很多程序BUG，但是客观收集到的反馈大家觉的很好用，觉的质量很好，那这个产品到底质量好不好？
• 就像某多多上的电视机，北上广的白领们觉得上当受骗，但在十二线的小县城里都觉得很好，便宜、能用、大，所以质量好。
• 那QA做的那些如整理文档、做自动化、做性能，是我们主观的认为能提高质量，还是客观的一定能提高我们的质量？
• 那QA如果不做整理文档、不做自动化、不做性能，是不是产品质量一定就100%很差？
• 如果我们有问题上线，但是当线上出现故障的时候，系统能自动做到降级、修复和容错，是不是客观上，质量也不差？
• 那最后QA做的事，到底多少是在保证的质量？保证的什么质量？对“质量”的定义是否主观？

---

3

---

记得有次，某金融保险公司的技术人员来我司交流学习，中间介绍了他们公司研发的“接口自动化测试平台”，并且说这是准备对外售卖的产品，但是整体听完发现并没有发现与市面上的免费工具有什么不同的地方。

从PPT和演讲中了解到的数据，看起来都是“主观”数据，一些对好坏的定义也很奇怪，比如对“工具被广泛使用”的解释是“有几十万条用例”，但之后又了解到，“用例是批量自动生成的”，所以，是不是这个有几十万用例的“客观数据”是平台自动生成的，然后由此来证明“工具被广泛使用”这个“非常主观”的结论。

又问到“使用团队多少？”，答案是“不知道”。
问到“提升多少效率？”，答案是“不知道”。
问到“用例冗余多少？”，答案是“不知道”。
问到“用例冗余多少？”，答案是“不知道”。
最后就问“用户觉得你的平台好用吗？”，答案仍然是“不知道”。

那之PPT中写的“高效”、“非常多团队使用”、“方便”这些结论从何而来，都是“主观”判断。

---

4

---

前阵子晋升期的时候，我担任评委，给每一位答辩的同学都提了同一个问题“你怎么判定自动化测试用例是好的？”，最后发现似乎大家都没有想过这样的问题，所以得到的答案大多是：

• “大家都这么做”
• “因为自动化测试提升了质量”
• “我会review写的用例的”
• “用例覆盖了我们的测试场景”

就发现大家并没有去“客观”的看到我们做的这件事。

• 使用自动化测试用例发现的bug数量很有限；
• 线上线下依旧会有BUG；很难证明问题的减少是因为有了自动化；
• 开发是否认可我们做的自动化；
• 我们对过了自动化的项目是否能放心大胆的上线。

其实还是有太多的未知。

当然，自动化还是必须得做，如果找到更“客观”的数据来验证，或许会更有目标。

---

5

---

我也会经常与一些QA同学做交流，最近我开始关注他们说话时的用词。

在工作交流中，习惯用“好”和“坏”，并且对“好”和“坏”没有明确界定的同学，会做更多的“主观”判断，而这些偏“主观判断”同学，一定会觉得工作中存在非常多搞不定的问题，做不完事和扯不完的皮。

而对“好坏”有明确界定，喜欢用图表和数据说话的，偏“客观判断”的同学，这方面的问题会少很多，就算有也知道如何去“量化”和“优化”，如何去一步步完成。

了解到这点之后，我就会在交流和操作中，时刻提醒自己，尽量做到“客观”。

做工具需求前不再是一拍脑袋，而是收集更多的信息，做更多的调研和问卷。

对一个修改做不了选择时，用ABTest做用户调研。

在总结和汇报中，减少了自认为“牛X”设计的描述，而多了使用者的反馈和使用数据的分析。

---

6

---

现在工作中，会引入更多工具化的流程，也会在下结论之前很多的使用我们收集到的数据。

工具化能够更好的帮助我们做出判断。

这点可能之后要写一篇“关于数据”来聊聊这块了，因为就算是知道我们应该通过数据来做到“客观”，也有可能由于采集数据的方式不对，而得到一个不正确的判断；也可能由于自己的“主观”意愿，只采集了自己想看到的数据；或者是只是一些巧合数据，如“采样偏差”。

想到了之前的一个段子：

一个记者在行驶的高铁上对大家春运买票的情况进行采访，采访了旁边的大爷，大爷说我买到了票，记者又问另外一个乘客，另外一个乘客说我也买到了票，最后大家一起说我们也都买到了票，最后得出结论：大家都买到了票，今年票很好买。

---

最后

---

总的来说：

1. 要留意工作中表述，是不是用“好坏”、“对错”来描述，却没有给出“好坏”、“对错”的定义。
2. 多检查检查对外的PPT和讲稿，将句子进行缩句，去掉形容词和修饰，最后读一读，能说的通么？
3. 对看到的信息和数据进行质疑，数据的采集方式是否是“主观选择”。
4. 对描述用词多进行思考，尤其是中文。
5. 工作中时刻的提醒自己，要保持着客观，用电脑等工具来帮助自己判断，有时候人会本能的“盲目自信”。
6. 在做主观与客观的判断的时候。我们尽可能的要看数据，但是就算我们现在看的全都是一些“客观”的数据，但是仍有可能做出一个非常“主观”的判断，原因是我们收集的数据可能就是主观的分子分母，可能并不是一个“客观”的数字。而只是我们想要统计的数字，像是先有的结论，再去找的数据（先扔的飞镖，再画的靶子）。

最后再送上一个我经常和别人说的小故事：

给一群猴子做个试验，出一道很难的题目，题目有AB两个选项，只有一个是对的选项，每个选项旁边放一个香蕉，让猴子根据自己的意愿选择一个香蕉，淘汰掉选择错误的猴子，经过N轮后，最后就只剩下了一只猴子，然后通过研究，发现这只猴子的特点，比如喜欢躺着吃香蕉，得出结论，“躺着吃香蕉，就更聪明，能做对更多的题目”。