核心結論：學科投入方向的論證，普遍缺少一個基礎環節——專家儲備的量化盤點。基於公開畫像的三個查詢維度（學部、領域、層次），可以把"專家儲備"從模糊印象變成可比對的數字。數據是決策參考，最終取捨由管理者判斷。
一、問題的由來
學科布局討論會上，最常見的論證方式是經驗陳述："這個方向前景好""我們在該領域有積累"。但"前景"與"積累"都缺少一個可核查的中間量：這個方向的高層次專家儲備，到底是多少？
二、三個查詢維度
MuchSci 人才畫像的規模統計與分類查詢，提供了三個盤點維度：
按學部——各學部入庫專家規模，哪裡厚重、哪裡薄弱一眼可見；
按領域——某學部細分領域（如計算機視覺）的院士、傑青各有多少，分類查詢直接給數；
按層次——院士、傑青分開統計，頂尖厚度與中堅力量分開看。
三、一個技術細節
大規模分佈統計的可靠性，取決於計數方式。畫像庫的規模統計直接執行計數，不受搜索單次 100 條上限影響——這意味著全庫範圍的盤點也能算準，而不是"取前一百條看看"。
四、從數據到決策
參考流程四步：數專家儲備 → 結合項目年份看活躍趨勢 → 與現有投入方向交叉比對 → 形成決策建議。兩點邊界必須說明：其一，畫像覆蓋的是入庫公開畫像，它回答"有多少人"，回答不了"該投多少"；其二，投入決策涉及資源與戰略，最終判斷權在管理者。