具体水平，但是这些预测技术仍被广泛使用。
任何
个对付过顽固
官僚机构或不屈服于企业“服务”人都
解，这过程有多不人道。分类基于特定测量，未测量差异（如个体差异）并不存在于全景分类目中。在个体层面上，
们可能会认为，无论有关任意群人预测统计数据准确性如何，它们都没有考虑到们个人行为。但是旦这些小组分类完成，们就不再被当作个体对待。相反，们变成“福利母亲[51]”或“老年研究生”，并被期望与这种类型相符。有趣是，人们似乎渴望把这些标签分配给自己，也许这是他们种社群意识——要成为可识别组织部分。许多组织使用这种自认同来重新获得种历史感（例如，美国黑人经历）或维护对术语控制权（例如，同性恋者重拾“queer”这个词）。
分类从来都不是价值中立：它总是包含个评估，种比较分类形式。使人“黑”原因往往更多是政治学问题，而非遗传学或其他科学问题。在纳粹德国，人们认为，任何至少有个犹太裔祖父母人都是犹太人。在这种分类下，“上等阶级”和“中等阶级”收入界限就非常随意，而且通常反映分类者价值体系：思考下“中产阶级减税”这个短语和它使用方式。即使那些看似客观分类，例如医疗诊断，也要受制于变化无常时间和文化影响：思考下女性“癔病”或同性恋精神病学评价变化。统计技术无法考虑到这些变化。
评估是种测量偏差或变化过程，它是由已经制定分类统计规范来衡量。评估是种规避风险程序，公司在将可能商品和服务提供给参与交易人时存在潜在风险，评估就是指公司试图限制其中风险手段。评估还包括对可能被系统排除或特殊处理所有人群描述。评估涉及基于概率、机会减少和损失预防计算。
评估基于预测，今天事件表明预测技术已经扩展到更模糊领域。例如，O.J.辛普森案[52]辩护律师获取潜在陪审员详细资料，并利用这些资料来“预测”哪些人更有可能投有罪票。当然，辩护律师会蛮横地阻止这些人加入陪审团。
甘地指出，实际上有三种预测，每种都有自己长处和不足，但都很少被提及，它们分别是：统计预测，基于群组行为与个体行为比较；“回忆”预测，基于人过去行为；临床预测，基于专家对于个体行为评估。
们可能会本能地喜欢统计预测，因为它是“科学”，对证明和假设挑战完全开放。然而，统计意义并不经常如此清晰。事实上，例如个人是个群组中成员，这个群组成员有95%可能在三年内买辆新车，这并不意味着这个人也有95%可能在三年内买车。
但是从全景分类角度来看，这无关紧要。例如，相对于强制那
请关闭浏览器阅读模式后查看本章节，否则可能部分章节内容会丢失。
