做组织科技能力评估时，最容易被误用的一个指标，是「参与制修订标准的总数」。
这个数字好拿、好看、好比较，几乎每家单位的年度总结里都会出现。但它衡量的是「这家单位在标准化工作里出现过多少次」，而不是「这家单位的科研能力有多强」。两者之间的差距，比大多数报告愿意承认的要大得多。
一项国家标准从立项到发布，参与单位常常有几十家。牵头单位、起草单位、参与单位，在这份名单里是同一种写法，但在实际工作中承担的分量完全不同。
如果把名单长度直接累加成一个总数，得到的其实是这家单位在标准化体系里的曝光次数。它反映的是参与广度——这当然有价值，但它回答不了「谁定义了这项标准的技术路线」这个问题。
看标准数量，就像看一家医院的挂号量：能说明它规模不小，但说明不了它能不能治疑难杂症。
把三类数据放在一起排名时，很容易默认它们可以相加。但它们的时间尺度完全不同：
三者放在同一个坐标系里，只能做结构对照，不能做加权求和。一家单位标准多、专利少，可能是它在行业里扮演规则角色；反过来，专利多、标准少，可能是它更偏产品和技术输出。这两种情况都正常，硬加成一个总分，等于把两种不同的能力折算成同一种货币。
比「有多少」更值得追问的是「相对谁而言」。
同一家企业，用集团合并口径统计和用下属研究院口径统计，标准数量能差出一个量级；同一所高校，算全校和只算一个学院，结论可能完全相反。跨单位比较时，如果分母没有对齐，排名顺序基本是统计口径的产物，而不是能力的产物。
一个可操作的自检：把这个数字除以「本单位同期立项的标准数」，看看通过率；再除以「参与人数」，看看人均贡献。三个数一起看，比单看总数可靠得多。
我自己的习惯是：标准数量只用来做入口，不用来做结论。
先用它筛出「在标准化体系里活跃」的单位，再去看三件事——它牵头的比例、它所在的技术领域是否与主业一致、它的标准是否被后续标准引用。这三件事比总数难拿，但它们才真正指向能力。
数据能说明的，永远比数据看起来能说明的要少一点。把口径写清楚，比把数字做大更重要。