核心结论：学科投入方向的论证，普遍缺少一个基础环节——专家储备的量化盘点。基于公开画像的三个查询维度（学部、领域、层次），可以把"专家储备"从模糊印象变成可比对的数字。数据是决策参考，最终取舍由管理者判断。
一、问题的由来
学科布局讨论会上，最常见的论证方式是经验陈述："这个方向前景好""我们在该领域有积累"。但"前景"与"积累"都缺少一个可核查的中间量：这个方向的高层次专家储备，到底是多少？
二、三个查询维度
MuchSci 人才画像的规模统计与分类查询，提供了三个盘点维度：
按学部——各学部入库专家规模，哪里厚重、哪里薄弱一眼可见；
按领域——某学部细分领域（如计算机视觉）的院士、杰青各有多少，分类查询直接给数；
按层次——院士、杰青分开统计，顶尖厚度与中坚力量分开看。
三、一个技术细节
大规模分布统计的可靠性，取决于计数方式。画像库的规模统计直接执行计数，不受搜索单次 100 条上限影响——这意味着全库范围的盘点也能算准，而不是"取前一百条看看"。
四、从数据到决策
参考流程四步：数专家储备 → 结合项目年份看活跃趋势 → 与现有投入方向交叉比对 → 形成决策建议。两点边界必须说明：其一，画像覆盖的是入库公开画像，它回答"有多少人"，回答不了"该投多少"；其二，投入决策涉及资源与战略，最终判断权在管理者。