配套读物 · 技术与方法实践 · 母文《默配》

拿到一个「人均」,先问它是谁分出来的

——一套查「默配」的操作办法
SDE Universes · 配套读物 · 2026年8月 · 约 3441 字
这一篇是什么 母文的判断是:很多被当成某个单位自身属性的数(人均、率、份额、分摊成本),其实是一次没有人作出、也没有人负责的分配的产物。这篇文章把它落成可上手的:怎么识别这类数、怎么用一句话验它、怎么把那次隐形的分配重新变成一个有人签字的决定。

读法 这一篇写给:已经认同母文的判断、现在想把它用到自己手头工作上的人。全篇以可操作为准,不重复论证。
目 录
  1. 什么时候该用这套检查
  2. 第一步:把「测量」和「分配」分开
  3. 第二步:用一句话验它
  4. 第三步:三档读数怎么办
  5. 第四步:把默配变成一次有人签字的分配
  6. 第五步:盯住两端的失效信号
  7. 三种做坏的方式
  8. 五个实操疑问
  9. 用在自己身上
  10. 一页纸操作卡
  11. 一个走完全套的例子
  12. 与三种常见做法的分工

01什么时候该用这套检查

只要满足两个条件,就该查:

条件一,总量是固定的、必须被切开的。预算、编制、席位、工时、床位、服务器成本、一段总时长、一个总人口。条件二,切出来的那一份被当成了某个单位自己的数来用。用来排名、用来考核、用来分配下一轮资源、用来对外说明。

两条都占,那个数就一定是分出来的,不是测出来的。差别只在于这次分配有没有被当成一个决定来处理。

有一个非常好用的触发信号:一线的人反复说“这个数不对”,但说不出哪儿不对。这几乎总是默配的现场——那个数在它自己的口径里完全正确,所以挑不出错,可它跟现场对不上,因为它测的根本不是现场。

02第一步:把「测量」和「分配」分开

拿到任何一个数,先做这个分类,一分钟就够。

问:要得到这个数,需不需要参照别的单位?

不需要 → 测量。房间面积、机器功率、某个人的实际工时、某台设备的实际耗电。这些数不受别人影响,别人变了它不变。

需要 → 分配。人均、占比、份额、分摊成本、标化率、排名、权重。这些数只要别的单位一变,它自己不动也会变。

做完这个分类你通常会发现一件事:你日常用来做决定的那些数,绝大多数在第二类里。而它们在语言上全都被说成了第一类——「他们科室的人均」「这个年龄段的患病率」「这个部门的成本」。

第一步的全部价值,就是把主语改回来:不是「他那份」,是「我们按某个算法分给他那份」。

03第二步:用一句话验它

母文给的判据只有一句,不含程度词,可以拿去问文件而不是问人:

「这个数,换一种算法之后还成立吗?」

操作起来是这样:

1. 找出现在用的算法(往往写在某个附件里,或者根本没写下来,只在某个人的表格公式里)2. 找一种同样合理的替代算法(不是找一个更好的,是找一个同样说得通的)3. 两种都算一遍4. 比排名,不比数值

比排名不比数值这一条要记牢。数值差一点很正常,真正说明问题的是顺序有没有翻。如果换个算法排名就翻个儿,那么这个排名反映的主要是算法。

04第三步:三档读数怎么办

算完两遍,落在三档里的一档:

第一档,排名基本不变。这个数比较结实,可以放心用。同时把这次验算的结果写下来存档——下次有人质疑时,你有一份现成的证据。

第二档,排名局部变动。中间的几名换了位置,头尾没变。这时候要做的是缩小它的用途:可以用来看大格局,不能用来做临界判定(比如末位淘汰、达标线、评优)。因为临界判定恰好落在最不稳的那一段上。

第三档,排名大幅翻转。停止把它当成属性使用。它仍然可以作为一个内部参考量,但不能进考核、不能进对外文件、不能作为资源分配的依据。这一档要做第四步。

05第四步:把默配变成一次有人签字的分配

这是全部工作的落点。既然不存在正确算法,那么唯一诚实的做法不是找到正确算法,而是让这次选择变成一个明面上的、有人负责的决定

三个动作,从易到难:

动作一:写下口径与理由。在任何用到这个数的文件里,加一行:本表采用某某口径,理由是某某,另一种常见口径为某某。一行字,成本极低,作用极大——它把“这是客观数据”改成了“这是我们的选择”。

动作二:指定一个人。这个口径由谁定、谁有权改、什么时候复核。默配之所以没人负责,就是因为它从来没有被指派过。指派完,它就变成了一个普通的、可以被质疑和修订的决定。

动作三:写下这次选择牺牲了什么。每一种口径都在保护某一端、牺牲另一端。把牺牲的那一端明确写出来:「本口径便于横向比较,代价是小规模单位的实际情况被压平。」这一句话会让受损的那一方至少有据可依。

06第五步:盯住两端的失效信号

母文说,曲线两端的失效都不报警。所以要人工设两个哨兵。

贴实际那一端的失效信号:横向比较做不下去,会议上反复出现「这两个数没法比」,于是有人提议“统一口径”。听到这句提议时,要问一句:统一之后,谁的实际情况会被压平?

统一口径那一端的失效信号:数据很干净,结论很清楚,而一线持续反映对不上。听到「一线的感受不够客观」这句话时,要警觉——这句话本身就是这一端失效的典型症状。

两个信号出现时,正确反应都不是往另一端推到底,而是回到第二步,把两种算法都算一遍,看差在哪儿

07三种做坏的方式

做坏一:用它来否定所有数据。「反正数都是分出来的,不用信」——这是最坏的用法,也是最常见的误读。本文要求的是同一件事算两遍,这比只算一遍更严格。凡是拿这套说法来支持“跟着感觉走”的,是把它用反了。

做坏二:把它变成一场关于算法的无限争论。因为不存在完美算法,所以争论可以永远进行下去。防止的办法是给争论定一个终点:选定一个口径、写下理由和牺牲、定一个复核日期,然后照它执行。执行期内不再争论口径,到期再议。

做坏三:只在自己吃亏的时候查。这是最常见的实际情况——某个部门排名靠后,就开始质疑分摊方式。这会让整套检查变成一个讨价还价的工具,几次之后就没人当真了。正确做法是在拿到数据的时候一律查一遍,不管这次结果对自己有利还是不利,并且把有利时的验算结果也一并公开。

08五个实操疑问

一、找不到第二种算法怎么办?几乎总是能找到。最省事的三种替代口径:按人头、按时间、按产出。三选一,跟现行口径不同的那个就是你的第二种算法。

二、只有我一个人在意这件事,做了有什么用?有用,而且是最有杠杆的一件事。你会成为房间里唯一能在关键时刻说清“这个排名主要来自分摊方式”的人。这句话在临界判定的场合分量很重。

三、领导说“别搞复杂,就用现在这个”怎么办?接受,然后做动作一——把口径和另一种口径写在附注里。不改结论,只留记录。这个成本是零,而且几乎没有人会反对写一行说明。

四、这套东西会不会让决策变慢?验算一次通常是半小时的事。真正慢的是出事之后重新论证一整套考核体系是否合理。

五、怎么判断我们这里的默配严重不严重?一个粗略的读数:把最近一年里用来做重要决定的五个数拿出来,逐个做第一步分类。如果五个里有四个以上属于「分配」而不是「测量」,且没有一个写下过口径理由,那就是重的。

09用在自己身上

这套东西拿来查自己也很有用。

一个人对自己的评价,几乎全部是分配出来的,不是测出来的。「我在同龄人里算中等」「我这个水平在这个行业里排不上号」——这些判断全都需要参照别人,别人一变它就变,而且用哪个参照系完全没有被审视过。

用同样三步:这个判断需不需要参照别人(需要 → 是分配);换一个参照系还成立吗(换个城市、换个行业、换个年龄段);如果换了就翻个儿,那它说的是参照系,不是我。

这不是自我安慰的技巧。它是同一条判据落在同一类问题上:凡是需要参照别人才能得到的数,就不是你自己的属性。

10一页纸操作卡

1. 两个触发条件:总量固定必须切分 + 切出的份额被当成谁自己的数2. 第一步分类:得到它需不需要参照别的单位?需要=分配,不需要=测量3. 第二步验算:找一种同样合理的替代算法,两种都算,比排名不比数值4. 三档处置:排名不变→照用并存档;局部变动→缩小用途,不做临界判定;大幅翻转→停止当属性用5. 第四步签字:写下口径与理由/指定负责人与复核日期/写明这次选择牺牲了什么6. 两个哨兵:听到「统一口径」问谁被压平;听到「一线不够客观」立刻回去算第二遍7. 三条不许:不用它否定所有数据、不让口径之争无限进行、不只在自己吃亏时查8. 同样三步拿来查一次自己对自己的评价

11一个走完全套的例子

一家有六个科室的医院,年终要评“人均效率”,排名后两位的科室次年编制不增。检验科连续两年垫底,主任每次都说这个数不对,但说不清哪儿不对。

第一步分类。人均效率=科室总产出 ÷ 科室人数。产出里包含了门诊量、检查例数、收入。问一句:得到这个数需不需要参照别的科室?——单看是不需要,但它被用来排名,而排名需要。更关键的是“产出”的口径里有大量公摊:设备折旧怎么摊、共用的标本流转岗算谁的人头、夜班值守算不算工时。这些都需要参照别人。判定:分配,不是测量。

第二步验算。现行口径是按在册人数算人均。他们找了一个同样合理的替代:按实际工时算(把夜班、值守、跨科支援折算进去)。两种都算了一遍。

第三步读数。排名大幅翻转:检验科从第六升到第三,另一个原本第二的科室掉到第五。原因很直白——检验科有大量夜班和随叫随到的值守工时,这些工时在“在册人数”口径里完全不出现,等于白干;而按在册人数算,人越多分母越大,一个必须配足夜班人力的科室天然吃亏。

落在第三档,处置是:停止把它当成科室属性使用

第四步签字。他们做了三件事。一是在评比文件里加了一行:本表采用在册人数口径,另一常见口径为实际工时口径,两者排名差异较大。二是指定了口径的责任人(医务科副科长),并写明每年十月复核一次。三是写下这次选择牺牲了什么:「本口径便于快速核算,代价是夜班与值守密集的科室被系统性低估。」

结果。当年的编制决定没有立刻改变,但“排名后两位次年编制不增”这条硬规则被改成了“排名后两位需提交口径说明”。这个改动看起来很小,实际上把一次没人作出的分配,变成了一件必须有人开口说话的事。

注意整个过程里,没有一次是在论证“哪种算法才对”。他们只是把选择摆到了明面上。

12与三种常见做法的分工

和「提高数据质量」的分工。数据质量处理的是采集准不准——有没有漏报、有没有录错、口径执行得一致不一致。本文处理的是口径本身的选择。两者容易混,混了会走弯路:一个默配问题被当成数据质量问题,结果是把采集越做越细,而那个决定排名的口径始终没被碰过。分辨的办法:如果把所有采集误差都修到零,这个排名会不会变?不会,那就是口径问题。

和「多指标综合评价」的分工。加更多指标是很自然的反应——既然一个数不可靠,那就多用几个。这有帮助,但要注意:多个指标最后还是要合成一个总分,而合成的权重本身就是一次默配。加指标不解决问题,只是把那次没人签字的分配挪到了权重表里。所以做多指标评价时,第二步的验算要做在权重上。

和「申诉/复议机制」的分工。申诉机制处理的是个案纠错,本文处理的是结构。差别在于:申诉要求受损方举证,而默配的受损方恰恰举不出证(他手里只有“实际情况不是这样”)。所以申诉机制在默配面前基本失效。要让它有效,必须先做第四步——把口径和它牺牲的那一端写下来。写下来之后,受损方才有了可以援引的东西。

接下来读什么

这一篇只是入口。真正的论证、边界与反驳,都在母文里:《默配》

另一条路:🌱 白话解释文《四个人合租,你那份房租是你自己的事吗》——用日常生活的类比,把母文讲成人人能懂的话。