投入比例流程与规范：管理层人力资源计划入门指南关键指标

三年前我陪一家七百多人的软件公司做年度人力预算，财务总监和研发负责人在会议室里僵了四十分钟。财务拿出一张表：人力成本占营收 58%，比去年高了 6 个百分点，要求明年压到 52%。研发负责人拿出另一张表：交付项目数量涨了 41%，人均项目数已经顶到历史高位，再压就只能砍需求。两张表都是真的，但两张表说的根本不是同一件事，一个在算钱的投入比例，一个在算人的投入比例，中间没有任何共同口径。

那次会议最后没有结论，只留下一个决定：先把"投入比例"这件事本身做成一套流程和规范。

这件事后来成了我过去几年反复处理的一类问题。管理层要的从来不是一张更漂亮的人数表，而是一套能在预算会、季度复盘、扩编审批上反复使用的判断语言。投入比例不是一个财务比率，而是管理层对"用多少人、多少钱、多少管理注意力，换多少可交付产出"这件事的显性化约定。它的价值不在精确，而在于让所有人在同一张表上争论。

一、核心结论：投入比例是决策语言，不是财务口径

先把结论摆出来：一套能用的投入比例体系，只由三样东西构成，唯一的口径、可追溯的基线、分级的授权阈值。缺任何一样，比例就会退化成"谁嗓门大谁定"的谈判筹码。

1. 三类投入比例口径必须先分清

大多数人一说到人力投入比例，脑子里只有一个数：人力成本占营收多少。但在实际管理场景里，至少存在三类完全不同的口径，它们的用途、责任人和波动特征都不一样。

第一类是成本口径，即人力成本占营收、占总成本、占毛利的比重。它回答的是"钱花得重不重"，责任人是财务和业务负责人，特点是受营收波动影响极大，半年内就可能从 45% 跳到 62%。

第二类是配置口径，即某类人员占总人数的比重，比如研发人员占比、销售与支持人员比例、管理人员占比。它回答的是"组织结构长什么样"，责任人是 HR 与各业务负责人，特点是变动缓慢但一旦偏离很难回调。

第三类是效率口径，即单位投入的产出，比如人均营收、人均交付项目数、每万元人力成本产出的毛利。它回答的是"这笔投入值不值"，责任人是业务负责人，特点是最容易被操纵，砍掉培训、砍掉预研，效率指标立刻变好看。

三类口径经常被混着用。我见过最常见的一种错位：用成本口径的恶化去要求配置口径的调整，结果是把高薪的资深工程师换成两个初级工程师，人力成本占比降了 3 个点，六个月后交付缺陷率翻倍。

2. 三条不能让渡的规范

口径唯一：同一个指标在全公司只能有一个计算公式、一个数据来源、一个统计周期。听起来像废话，但我做过的一次口径盘点里，同一家公司的"人均营收"在财务、HR、业务三张报表里是三个数，差异最大达到 17%，原因只是分子用含税还是不含税、分母用期初人数还是平均人数。

基线可追溯：任何一个比例数字，都必须能往回追到原始记录。追不到的基线等于没有基线，因为它无法在争议时被验证，也无法在口径调整后被重算。这一条决定了你要不要上系统，以及上什么样的系统。

阈值授权：比例不是用来算的，是用来触发动作的。没有阈值的比例只是一张报表。真正有用的规范是"当某部门人力成本占其毛利比重超过 X%，扩编审批自动上升一级"，而不是"季度经营分析会上讨论一下人力成本占比"。

3. 入门者最该盯的八个指标

指标体系不是越多越好。我给刚接手人力计划的管理者只推八个指标，理由是这个数量刚好能在一页纸上讲完，又足以覆盖成本、配置、效率、风险四个维度。超过十二个，会议就会变成念数字。

这张表里我最看重的是最后一行。人力预算偏差是唯一一个衡量"计划部门自己靠不靠谱"的指标，其他七个指标衡量的是业务。一家公司如果连续三年人力预算偏差都在 15% 以上，那么它所有的投入比例讨论都缺乏意义，因为基线本身不可信。

二、背景与真实场景：为什么 HR 计划总在预算会上输

我参与过的人力计划项目里，HR 一方在预算会上处于劣势是常态。原因不是专业能力不够，而是携带的武器不对，HR 带去的是人数表和招聘计划，财务带去的是成本曲线和敏感性分析。在管理层的决策语境里，前者是需求，后者是约束，需求永远打不过约束。

1. 一个典型的预算会现场

去年第四季度，一家做工业软件的公司找我做外部评审。他们的流程是这样的：九月各部门报 HC 需求，HR 汇总成一张 137 人的新增编制表，十月财务按营收预测给出一个 82 人的预算上限，十一月开会吵，最后折中到 96 人。

整个过程里，没有任何一个环节讨论过"这 96 个人放在哪里，能换来什么"。所有人都默认人数是目的，而不是手段。到了次年六月，96 个编制实际到岗 61 人，其中研发占了 47 人，销售只到了 9 人，因为招聘难度不同。于是年初那个"折中"的决策，在执行层面被彻底改写成另一个方案，而没有人重新评估过它是否仍然合理。

这就是缺投入比例模型的典型后果：决策在预算会上做出，实际方案在招聘市场上被决定。

2. 三种反复出现的组织病灶

人数表思维：所有讨论的计量单位都是"人"，而不是"人月""人天""产能"。一旦单位是"人"，就无法比较一个资深工程师和一个初级工程师，也无法解释为什么同等人数的团队产出差三倍。

部门本位：各部门报需求时天然倾向于多报，因为报少了没人补，报多了最坏是被砍。这个博弈结构决定了汇总出来的需求必然虚高，而 HR 没有能力也没有立场去逐条质疑，最后只能整体打折，这是最粗糙的一种决策方式。

年度一次性：人力计划一年定一次，定完锁死。但业务的变化周期远短于一年，尤其在项目制、订单制的行业里，季度内的波动可能是 ±30%。用年度计划去管季度波动，结果一定是计划失效，然后所有人都不再相信计划。

3. 从"人数表"到"投入比例模型"的关键转变

转变的实质不是换一张表，而是换一套提问方式：从"我们需要多少人"，换成"我们准备把多少比例的资源投入到哪类工作上，预期换回什么"。

前一个问题只有一个答案维度，就是数量；后一个问题有三个维度，比例、结构、产出。三个维度里，比例是最容易被管理层接受的，因为它直接对应预算；结构是最容易被忽略的，因为它需要业务判断；产出是最难量化的，但也是唯一能证明投入合理的东西。

我一直建议的顺序是：先立比例，再调结构，最后挂产出。反过来做，也就是先从产出指标倒推比例，看起来很科学，实际上会因为产出指标本身不可靠而全盘崩塌。

三、拆解常见误区：五个看起来对、实际上错的做法

下面五个误区，我在不同公司见过至少三轮。它们的共同特征是：逻辑上讲得通，执行后产生反效果，而且反效果往往要一到两个季度才显现，等显现时已经没人记得是哪个决策导致的。

1. 误区一：把 HR 服务比当作效率指标

HR 服务比，也就是每 100 名员工配几名 HR，是很常见的一个投入比例。公开的人力资本基准研究长期显示，各行业的中位数大致落在每 100 名员工 2 到 3 名 HR 之间，制造业偏低、知识密集型行业偏高。很多人拿这个数去做对标，发现自己 4.5 就急着裁员。

这个用法是错的。HR 服务比本质上是一个复杂度指标，不是效率指标。它的高低取决于四件事：员工分布在几个城市、有几个法人主体、蓝领白领比例、以及 HR 承担的职能边界（是否包含行政、IT、培训实施）。

我做过一个对比：两家都是 800 人的公司，A 公司单地单主体、业务单一、HR 只做招聘和员工关系，服务比 1.9；B 公司分布在 6 个城市、4 个法人、含两条生产线、HR 还兼管行政和安全生产，服务比 5.2。B 的 HR 团队其实更精简，但因为数字难看，被要求砍掉两个人，结果当年劳动用工合规检查出了三个问题。

2. 误区二：用去年同期的比例做今年预算

这是最省事也最危险的做法。比例的历史值只在一个条件下可以外推：业务结构不变。而现实中业务结构几乎每年都在变，尤其是产品线扩张、渠道切换、外包比例调整的年份。

一个具体的例子：某 SaaS 公司上年人力成本占营收 51%，第二年按 51% 编预算。但第二年他们从项目交付模式转向订阅模式，实施团队人数需求下降，客户成功团队人数需求上升。总量看比例没变，结构上却出现了 40 人的错配，最后是"一边裁员一边招聘"，多花了大约两个月的人均成本在重叠期上。

比例的正确用法是作为约束条件的参考值，而不是作为目标值直接套用。今年该是多少，取决于今年的业务结构，而不是去年的数字。

3. 误区三：只算显性人力成本

预算表上的人力成本通常只有工资、奖金、社保公积金。但真正影响投入产出判断的，至少还有四项隐性成本：招聘成本、空岗成本、培养周期成本、以及管理与协作成本。

空岗成本最容易被忽略，因为它不出现在任何一张财务报表上。一个关键岗位空缺三个月，损失的是这三个月本该产生的产出，以及团队其他人分摊工作导致的效率下降。我见过一个粗略的经验估算：一个中层技术岗位空缺一个季度，隐性损失大约是 0.8 到 1.2 倍的年薪，具体取决于岗位对交付链路的依赖度。

管理与协作成本更隐蔽。人员规模每上一个台阶，协作成本不是线性增长。一个 30 人的团队增加 10 人，沟通路径增加有限；一个 300 人的组织增加 100 人，跨部门协调成本可能是数量级的变化。这也是为什么"人均营收随人数增长而下降"在很多公司是常态，而不是异常。

4. 误区四：把流程规范做成审批加码

一提到"规范"，很多公司的第一反应是加审批节点。原本部门经理批就能招，现在要 HRBP、HRD、财务、分管副总四道。结果是审批周期从 3 天变成 11 天，需求方为了绕过流程，开始拆单，把一个 5 人的需求拆成三个小需求分批提交，规避高层审批阈值。

一旦出现拆单，流程就彻底失效了。因为你在总量上看不到真实需求，看到的是一堆都在阈值以下的小单。规范的目的不是增加审批，而是让不同量级的决策走不同路径：小额快速通过，大额严格论证。这个设计思路和阈值授权是同一件事。

5. 误区五：指标越多越专业

我见过一份 34 个指标的人力仪表盘，做得很漂亮，但管理层会议上看的是另外三张 PPT。指标体系的失败不在于指标不对，而在于没有和决策场景绑定。

判断一个指标该不该留，我只问一句：它触发什么动作？如果答案是"没什么动作，就是看看"，那它就不该出现在管理层的表上，最多留在分析师的底稿里。按这个标准砍下来，34 个通常能剩 7 到 9 个。

四、专业判断逻辑：投入比例的四个锚点

误区讲完，接下来是我认为这套东西真正的内核：当有人问你"这个比例合理吗"，你怎么判断。我的做法是先找四个锚点，任何一个锚点站不住，比例就不该被采信。

1. 锚点一：业务量的驱动因子是否被正确识别

所有人力投入最终都要挂在一个业务量上。这个业务量必须是真正的驱动因子，而不是相关指标。区别在于：驱动因子变化时，人力需求必须跟着变；相关指标变化时，人力需求可能完全不变。

举例：一家做定制交付的公司，常用"合同额"作为人力投入的分母。但合同额里包含了大量外采硬件，硬件部分的金额翻倍，人力需求一点不变。真正的驱动因子是"交付工时"或"项目数×平均复杂度"。用合同额做分母，会得出"人效大幅提升"的假结论。

识别驱动因子的方法很简单：把过去 24 个月的数据拉出来，看哪个业务量指标和实际工时/实际人数的相关性最高。如果两条曲线的拐点对不上，那它就不是驱动因子。

2. 锚点二：单位产出的边际曲线在哪个位置

加人带来的产出增量，几乎从来不是线性的。典型形态是：初期递增（分工带来效率），中期平缓，后期递减（协调成本超过分工收益）。判断投入比例是否合理，本质是判断你现在站在曲线的哪个位置。

实操上没有办法精确画出这条曲线，但可以通过一个替代指标观察：连续四个季度的人均产出变化方向。如果人数增长 20%，人均产出下降超过 8%，大概率已经过了平缓区进入递减区，此时继续按同比例加人是不理性的。

3. 锚点三：管理跨度与层级是否支撑得住这个比例

管理跨度决定了管理注意力能不能覆盖到每个下属。一个管理者带 12 个人和带 5 个人，能提供的指导频次和深度完全不同。跨度太小时，管理成本被浪费在协调上；跨度太大时，指导缺失导致质量问题和人员流失。

我的经验区间是：一线执行团队的管理跨度在 7 到 12 之间比较健康，专业性强、需要深度辅导的岗位可以降到 5 到 7，标准化程度高的岗位可以到 15 以上。这个区间不是标准，是起点，需要按业务复杂度调整。

层级的问题更麻烦。层级每增加一层，信息从上到下的衰减和从下到上的延迟都会放大。我观察过的一个规律：从决策到一线执行的平均传导时间，每增加一层大约增加 0.5 到 1.5 个工作日。一个 7 层的组织，一个决定从 CEO 到一线执行者手里，平均要 4 到 8 天。

4. 锚点四：合规与风险敞口是否被计入

最后一个锚点最容易被当成"HR 的事"，但它直接影响投入比例的真实成本。用工合规、安全生产、数据与隐私、行业资质要求，这些都会在某个时点把隐性成本变成显性支出。

判断方法：把过去三年发生过的合规处罚、劳动争议赔偿、安全事故损失加总，除以同期人力总成本，得到一个"风险成本率"。这个比率通常在 0.5% 到 3% 之间，但当它超过 3% 时，说明你的投入比例里省下的钱，实际上是在为未来的赔付做预提，只是没有记账。

五、流程与规范：把计划做成可执行的四段流程

前面都是判断逻辑，这一节讲落地。我把人力计划的流程拆成四段：定口径、定基线、定审批、定复盘。四段之间有严格的先后顺序，跳过任何一段，后面的都会返工。

1. 第一段：定口径，先写数据字典

口径这件事必须在系统里固定下来，而不是在 Excel 模板里约定。原因是模板会被人改，而数据字典不会。我要求每个指标都必须写清六件事：名称、计算公式、数据来源表、统计周期、责任人、以及口径变更记录。

下面是一个可以直接用的数据字典片段。我建议用 YAML 或类似的配置格式管理，这样它可以进版本库，每次口径调整都有 diff 可查。

metric: headcount_actual
display_name: 实际在岗人数

formula: 统计周期末在岗人数 + 周期内在岗满 15 天人数 / 2

source_table: hr_employee_snapshot

period: month

owner: hr_ops

notes:

不含实习生与外部顾问

停薪留职计入在岗，但不计入人力成本分母

口径变更需 HRD 与财务 BP 双签

version: 3

changelog:

v1 期初人数

v2 平均人数（期初+期末）/2

v3 加权平均，修正月中入职导致的低估

这段配置看起来平淡，但它是整套体系的地基。我见过太多公司在这一步省事，结果后面每个季度都要重新对账一次，对账的时间成本远超当初写字典的时间。

2. 第二段：定基线，用滚动十二个月而不是年度值

基线的作用是提供一个可比较的参照。年度值的问题在于样本量太小，一次异常（比如某月集中入职 30 人）就会把整年的基线拉偏。滚动十二个月能平滑掉季节性波动和单次冲击。

计算上不复杂，下面这段逻辑可以直接用在任何支持窗口函数的数据仓库里。它的作用是算出每个月的人力成本占比及其滚动十二个月基线，从而判断当月是异常还是趋势。

select
month_id,
labor_cost,
revenue,
labor_cost / nullif(revenue, 0) as labor_cost_ratio,
avg(labor_cost / nullif(revenue, 0)) over (
order by month_id
rows between 11 preceding and current row
) as ratio_baseline_12m,
(labor_cost / nullif(revenue, 0))
avg(labor_cost / nullif(revenue, 0)) over (
order by month_id
rows between 11 preceding and current row
) as deviation_from_baseline
from finance_monthly_summary
where revenue is not null
order by month_id;

关键在于 deviation_from_baseline 这一列。管理层的注意力应该放在偏离基线的月份上，而不是每个月都从头讨论一遍绝对值。这一条小小的改变，能让月度会议的人力议题时间从 40 分钟压到 12 分钟左右。

3. 第三段：定审批，用阈值而不是层级

审批设计的核心是分级授权。我的建议是按"新增人力成本占该部门年度人力预算的比重"设阈值，而不是按人头数。原因是人头数不考虑薪酬差异，同样是加 3 个人，加三个初级和一个资深技术专家，成本差三倍。

一个可用的四档结构：占比 5% 以内，部门负责人 + HRBP 双签；5% 到 12%，加分管副总；12% 到 25%，加 HRD 与财务 BP，需附投入产出说明；25% 以上，上经营会。这套结构的关键是每一档都对应一个明确的论证材料要求，而不是单纯增加签字人。

4. 第四段：定复盘，月度看偏差、季度看结构

复盘节奏比复盘内容更重要。我的建议是月度只看偏差（实际 vs 预算 vs 基线），季度才看结构（各类人员占比、跨度、层级、关键岗位供给）。月度讨论结构会陷入细节，季度只看偏差会错过结构性变化。

复盘一定要有输出。每次复盘至少产出一条口径修正、一条阈值调整或一条编制回收决定，否则这个会就会退化成通报会。

六、案例与数据观察：项目制组织里，投入比例要在项目维度校准

前面讲的都是公司层面的比例。但对于项目制、研发密集型的组织，公司层面的比例往往掩盖了真实问题，因为同样的总人数，在不同项目间分配的方式决定了产出差异。这类组织的投入比例必须在项目维度上再校准一次。

1. 场景：一家 600 人研发组织的人力计划困境

去年我参与了一家 600 人规模的软硬件一体企业的年度人力计划评审。他们的痛点很具体：公司层面的人均产出连续两年下滑，但每个部门的负责人都能证明自己部门很忙，加班时长在增长，项目数量在增长，只有交付准时率在下降。

问题出在跨项目的人力分配上。他们用 Excel 维护一张 600 行的人力分配表，每个月初由各项目经理报工时占比，HR 汇总。但实际执行中，一个工程师同时在 3 到 4 个项目上出现，占比加起来经常超过 100%，最高的一行是 165%。

这意味着什么？意味着这张表在数学上就不成立。所有基于它的投入比例计算，包括项目人力成本、项目毛利、人均产出，全部失真。当一个工程师的投入被重复计入多个项目时，每个项目的人力成本都被低估，公司层面的总额却被高估。

2. 用系统把"投入比例"变成可核对的记录

这类问题的解法不是把 Excel 做得更精细，而是换一个数据来源。我们当时的做法是把人力投入记录的来源从"项目经理月度填报"改成"任务与工时系统里的实际记录"，再按月汇总。这一步之后，重复计入的问题自动消失了，因为一个人在系统中的时间记录不可能超过 100%。

这类场景里，我通常会建议考察具备项目与资源管理能力的平台。以 PingCode 为例，它主要服务中大型企业及 100 人以上的组织，把需求、迭代、任务、工时、发布串在一条链路上，人力投入的数据天然产生在任务执行过程中，而不是靠事后填报。

对人力计划来说，这个差异的价值在于三点：投入数据可追溯到具体任务，能区分"在忙"和"在产出"；跨项目的人力占用可以被汇总校验，超配会直接暴露；项目维度的人力成本可以按实际工时归集，而不是按人头平摊。第三点尤其关键，因为按人头平摊会让低投入项目虚高成本、高投入项目虚低成本，最终导致资源持续流向错误的方向。

3. 六个月的落地观察

这家企业上线后的六个月里，我记录了几个变化。这些数字来自该项目的过程记录，做了脱敏处理，属于单一样本观察，不能当作行业基准。

需要说明的是，准时率的提升不完全是系统带来的。同期他们还做了需求变更管控和迭代节奏调整，系统的作用是让资源冲突提前可见，从而让这些管理动作有数据依据。把系统当成单独的解药，是这个领域另一个常见的误判。

七、不同情况下的行动建议

投入比例这件事没有统一答案，但不同规模的组织有明显的不同起点。下面按规模分四类，每类给出我认为最该先做的一件事。这里的规模指的是实际在岗人数，不是营收。

1. 100 到 300 人：先立口径，别急着建模

这个阶段的组织通常已经有了一定的人数复杂度，但还没有专职的人力规划岗。最常见的状态是：HR 有三四个人，Excel 有十几张，每张的口径都不太一样。

这一阶段唯一该做的事是把八个核心指标的口径写下来并对齐一次。不需要系统，不需要仪表盘，一份两页的数据字典加一次跨部门对齐会就够。做完这一步，你会发现至少三处原本以为是共识的地方其实是分歧。

不建议做的事：上复杂的人力规划模型、做九宫格盘点、设计多维度人效看板。这些在这个阶段的投入产出比很差，因为数据基础不足以支撑它们。

2. 300 到 1000 人：建比例模型，同时把审批阈值定下来

这个阶段是投入比例体系收益最大的区间。人数带来的协调成本开始显著，部门的扩编诉求开始出现系统性虚高，靠拍脑袋决策的代价变得昂贵。

该做三件事：建立按业务线拆分的比例模型（至少区分成本、配置、效率三层）；设定四档审批阈值并明确每档的论证材料；建立月度偏差复盘机制。三件事的顺序不能颠倒，因为没有口径的阈值会引发争议，没有阈值的复盘会变成通报。

这个阶段通常也需要引入系统支撑，因为跨部门的数据汇总靠人工已经不可靠了。选型时优先看两件事：数据能不能追到原始记录，以及口径能不能在系统里配置而不是写死在报表里。

3. 1000 人以上：多业务单元组合与内部结算

到这个规模，公司层面的单一比例已经失去指导意义，因为不同业务单元的毛利结构、人力密集度、成长阶段差异太大。正确做法是按业务单元分别设定比例区间，再在集团层面做组合管理。

这一阶段真正的难点是内部结算。共享职能（平台研发、设计中心、测试中心）的人力成本如何分摊到各业务单元，直接决定了各单元看到的投入比例是否真实。分摊规则一旦不合理，业务单元会做出错误的外包或自建决策。

我建议的分摊原则是：能直接归集的直接归集，不能归集的按实际占用（工时、需求数、调用次数）分摊，完全无法计量的才按人头平摊，且平摊部分占比不应超过共享职能总成本的 30%。

4. 业务剧烈波动或收缩期：先改分母，再改分子

收缩期最常见的错误是立刻砍人。但比例是分数，砍人改的是分子，如果营收（分母）下降得更快，比例反而会恶化。

正确的顺序是：先判断分母的可控性。如果营收下滑是结构性的、不可逆的，那么砍人是必要的，但要按投入产出比排序，先砍边际产出最低的投入，而不是按部门平均砍。如果营收下滑是周期性的、可预期的，那么优先用弹性手段，冻结招聘、控制外包、调整奖金结构，保住核心能力。

收缩期最忌讳的是均匀砍。均匀砍的结果是把高产出的团队和低产出的团队一起削弱，六个月后想恢复时，高产出的人已经走了。

八、不同情况下的取舍

最后讲取舍。这一节是我认为最容易被跳过、但实际最影响成败的部分，因为投入比例体系本质是一组权衡，而不是一组标准答案。任何试图把权衡变成标准答案的做法，最后都会在某个具体场景里失效。

1. 精度与速度的取舍

你可以把口径做到非常精确，比如把人力成本拆到 14 个科目、按项目按人按天归集。代价是数据采集成本极高，一线要填大量表单，而且填出来的数据质量通常很差，因为没人愿意每天花 20 分钟填工时。

我的判断标准是：精度只需要支撑到当前决策所需的分辨率。如果扩编审批的阈值是 12% 的成本占比，那么你的数据精度达到 ±2% 就足够，不需要做到 ±0.2%。多出来的精度不会改变任何决策，只会增加摩擦。

反过来说，如果公司正在做业务单元的内部结算，需要区分各单元的盈利能力，那么精度要求就完全不同，因为 2% 的误差可能直接改变一个单元是盈利还是亏损的判断。

2. 集中管控与业务自主的取舍

集中管控的优点是总量可控、口径统一；缺点是决策慢、脱离业务实际。业务自主的优缺点正好相反。这个取舍没有绝对答案，但有明确的判断依据：业务单元之间的同质化程度。

如果各业务单元的商业模式、人力结构、毛利水平高度相似，集中管控的收益大、成本低，因为可以用同一套比例标准。如果差异很大，集中管控就会不断产生"这个标准不适用于我们"的争议，此时应该做的是统一口径、分散阈值，口径必须一致，但每个单元的比例区间和审批阈值可以不同。

3. 编制刚性与弹性用工的取舍

刚性编制的好处是能力可积累、文化可传承；坏处是调整成本高。弹性用工（外包、兼职、项目制合作）的好处是随业务伸缩；坏处是能力沉淀在外部、质量不稳定、长期成本可能更高。

我的经验比例是：核心能力（决定产品差异化的部分）保持刚性，且占比不低于总人力的 60%；波动性工作（季节性交付、临时项目、标准化实施）用弹性，占比 20% 到 35%；剩余部分留给培养中的新人。

这个比例的关键在第一条。很多公司在成本压力下把核心能力也外包出去，短期内成本比例确实改善，但两三年后会发现自己失去了定义产品的能力，只能在别人定义的框架里做集成。这个损失不会出现在任何一张人力报表上。

4. 自建与采购的取舍

投入比例体系要不要上系统、上什么系统，本质是自建还是采购的取舍。自建的好处是口径完全可控、能贴合自身流程；坏处是需要持续投入开发和维护，而且业务变化时改起来慢。

我的判断依据是口径的稳定性。如果你的口径一年要改三次以上，说明业务还在快速变化，此时采购标准化产品加配置化能力比自建更划算，因为你不必为每一次变化付出开发成本。如果口径已经稳定三年以上，且确实存在市场上没有的特殊逻辑，才值得自建。

还有一个常被忽略的成本：自建系统的人力本身也要计入人力投入比例。我见过一家公司为了做人力分析，养了一个 6 人的数据团队，这 6 个人的成本没有计入任何业务单元，导致全公司的人力成本占比被低估了约 1.2 个百分点。这个循环有点讽刺，但确实常见。

九、下一步：把体系在九十天内立起来

如果读完这篇你要动手，我建议按九十天推进，分三个阶段。这个节奏的前提是你已经有基本的 HR 数据和财务数据，只是没有把它们组织成投入比例体系。

1. 第一个三十天：只做口径

产出物是一份数据字典和一个口径对照表。具体动作：把财务、HR、业务三套报表里所有涉及人力和人效的指标列出来，逐个核对公式，标记出冲突项；为每个保留的指标指定唯一的数据来源和责任人；开一次跨部门对齐会，把冲突项当场定掉。

判断成功的标准很简单：同一组数字，从三个部门拿到的答案完全一致。做不到这一条，后面所有工作都会返工。

2. 第二个三十天：做基线和阈值

产出物是滚动十二个月的基线数据和一套四档审批阈值。具体动作：按口径算出过去 24 个月的指标序列，标出异常月份并做归因；用滚动十二个月均值作为基线；按新增人力成本占部门年度预算的比重设四档阈值，并明确每档的论证材料要求。

这一阶段最容易被跳过的是归因。异常月份如果不做归因，基线就会被污染，后续所有偏差分析都会带着这个污染。

3. 第三个三十天：跑一次完整复盘

产出物是一次真实的月度复盘会议和一份决定清单。不要做演练，直接用真实数据开一次会，按"偏差，归因，动作"的结构走一遍，会后必须产出至少三条具体决定。

这次会议的价值在于暴露问题：你会发现某些指标根本没人看、某些阈值定得不合理、某些部门的数据口径仍然不一致。这些问题在纸面上永远发现不了，只有真跑一遍才会浮出来。

九十天之后，体系进入维护状态：月度看偏差、季度看结构、年度调阈值。真正难的不是建立，而是让它在第二年、第三年不被荒废。我见过太多体系在第一年做得很好，第二年被新来的负责人推倒重来，原因是没有人把口径变更记录维护好，新负责人无法判断哪些是历史决策、哪些是历史包袱。

所以最后一句建议：把口径的变更记录当成资产来管，它比任何一张报表都更能说明这家公司是怎么思考人的投入的。当你能向管理层完整讲清"这个比例三年前是多少、为什么变、变了之后发生了什么"，投入比例才真正从一张表变成了一套管理能力。