導語｜招人、選人、找合作，多數判斷其實是憑印象。畫像要解決的，是把印象變成有依據、可覆核、能複述的判斷——這也是它和「貼標籤」最大的區別。
一、畫像分兩層，獲取方式完全不同
人才畫像通常按「冰山」分兩層：
• 水面之上的部分是「查得到」的：所在機構、研究方向、職稱、論文與專利、代表作、合作網絡。
• 水面之下的部分是「問得出」的：做成過甚麼事、怎麼做事、和誰合得來、為甚麼留下或離開。
水面之上決定「專業對不對得上」，水面之下決定「能不能長期合作」。兩層的獲取方式不一樣，混在一句話裏說，畫像就會變得既不可查、也不可信。
二、為甚麼很多畫像做了等於沒做
• 只有形容詞：「專業紮實、有潛力、抗壓能力強」。追問一句「憑甚麼」，答不上來。
• 沒有出處：結論來自一次印象或一頓飯的觀感，別人無法覆核，也無法複用。
• 一次性：做完歸檔，人一動、方向一變，就過期了。
這三樣的共同點是：每條結論後面沒有掛東西。
三、有出處的畫像，長甚麼樣
一份能用的畫像，每一項都要能追到來源。以公開數據能覆蓋的部分為例：
| 畫像要素 | 公開數據中可找到甚麼 | 需要你自己確認甚麼 |
| 基本情況 | 機構、方向、職稱、在職狀態 | 職稱與在職狀態變動快，需看最新 |
| 科學產出 | 論文與專利數量、年度分布 | 署名順序與實際貢獻佔比 |
| 代表作 | 被引結構、發表層級 | 是否第一作者、是否開創性工作 |
| 合作網絡 | 共同署名關係、合作機構 | 是長期合作，還是偶發的單篇合作 |
| 賽道定位 | 領域詞隨時間的遷移 | 是否已經轉向新方向 |
抓取、比對、標註來源這些機械活，適合交給工具。MuchSci 的人才畫像助手就是這一類：輸入一個名字或方向，輸出一份有出處的人才分析報告，覆蓋科學產出、代表作、合作網絡與賽道定位，每條結論都標着來源、可以追到原始記錄。
四、公開數據，能回答到哪一步
需要說清邊界：公開數據能回答「他做過甚麼」，不能回答「他做得怎麼樣、願不願意來」。口碑、動機、價值觀、穩定性、薪酬預期這些，只能靠訪談、測評和實際合作去驗證。
把查得到的部分查透，是為了把問得出的部分問準。 數據給不了答案，但它能告訴你該問哪幾個問題——這大概是畫像最實際的用處。
五、同一份畫像，三種讀法
1. 找潛在合作者：先看合作網絡與賽道定位——是不是同一賽道，有沒有共同的中介人。
2. 組建評審或顧問名單：先看代表作與被引結構——是否覆蓋需要的分支，是否有持續產出。
3. 招聘前做人才地圖：先看人才分布與流動方向——這個方向的人從哪來、往哪去，對手在招甚麼人。
用途不同，讀法不同。同一份材料，回答的是三個不同的問題。
六、把判斷說出處
一份真正合格的畫像，最後落在三句話上：這條結論從哪來？如果它錯了，我怎麼發現？它能支撐我做甚麼決定？
MuchSci 這類人才畫像工具能幫你補全第一句話——把「從哪來」寫清楚，把可覆核的部分交出去。但第二句和第三句，仍然只能由人來回答：誰來判斷這條數據的可信度，誰來決定用它做哪個決定。
從「我覺得他不錯」到「他近五年在這個賽道上有持續的產出，合作者集中在三個機構，代表作被引集中在兩篇」，中間差的不是更多形容詞，而是每一句後面都掛着一個可以點開的出處。這也是畫像和標籤最本質的區別：標籤用來分類，畫像用來支撐判斷。
你手上那份畫像，最近一次被追問「憑甚麼」的時候，你答得上嗎？