论基层法院执行团队配置的“帕累托最优”

易凌波 秦 鹏

(重庆大学法学院，重庆 400030)

当前“基本解决执行难”这一阶段性目标已经如期实现，但伴随执行案件大幅增长和信息化技术飞速发展，传统一人一案模式已不能适应执行工作新需求。2019年2月，最高院在《人民法院第五个五年改革纲要》提出“推行以法官为核心的执行团队办案模式。”在仅有的39%员额法官编制中如何配置执行法官？如何确定“人”与“案”的核心因素？这些难题在司法体制综合配套改革中亟待解决。本文通过多元回归分析法筛选影响执行核心工作的相关性因素，再以德尔菲法和大数据分析法测量出执行法官和审辅人员的办案合理区间，最终设计测算人员的量化模板。

一、隐忧： 执行团队设置的样态扫描

目前，很多法院采用了“法官+法官助理(执行员)+法警+书记员”执行团队办案模式”，但部分法院并未结合实际工作量和团队职能分工科学配置人力资源，导致执行效率和能力无法适应新时期的司法需求。

(一) 痛点： 团队设置混乱，效能发挥不足

审执分离体制改革模式对执行工作的规范化建设以及加强内部监督等起到积极作用，但由于人员设置不合理、团队划分模糊、分工不明确等带来执行效率损伤。通过对CD市下辖21家法院2018年执行人员配备和质效指标分析，发现存在团队数量少、划分不细致、规模大等问题。

表1 执行团队配比的执行效率对比： C市部分基层法院不同执行

表1显示，GX区法院团队人数过多，出现1个法官带领10人团队，因管理幅度过宽导致结案率反而不佳。JN区法院执行团队人员又过少，出现1名法官仅带3名人员情况，人均结案达1 323.8件，远远超出法官工作饱和量，造成法官不合理的重压，结案率相对较低。进一步分析，发现并非团队人员数量越多，质效就越好。如SL区与JY区法院对比，SL各类人员均多于JY，但质效反而更低。可见人员合理配置是影响人力资源发挥的重要因素，团队人员过多或过少均不利于执行效率提升。

(二) 堵点： 人员配置薄弱化，难以适应规范化新要求

相比民事、刑事、行政三大审判庭设立，执行庭设立起步晚，直到20世纪90年代，我国才开始在各级法院设立执行庭，受主客观因素影响，对执行人员如何配置的研究，长时间处于停滞不前。长期以来，执行人员配置薄弱已为常态，虽然在执行攻坚战中，各地法院对执行力量有所加强，但依然不适应当前工作需求。以S省为例，2018年S省受案总数约1 238 783件，而执行案件为401 366件，该省员额法官24 000人，执行法官仅为3 015人，相当于12.6%的执行法官办理全省32.4%的案件。再者，执行人员素质参差不齐，很多基层法院都是将不适应审判工作的老同志或者缺乏办案经验的新手调至执行部门，审辅人员中还有大量非政法编，这部分人员或理论知识不够，或实务经验不多，又或因未能享受司改红利，工作积极性不高，与执行工作专业化规范化新要求差距很大。

(三) 误区： 参考审判团队设置，偏离真实需求

部分法院参考民商事员额法官测算模型配备执行员额法官，并未对执行团队设置进行单独研究。笔者认为此举有待商榷。从功能定位看，审判与执行团队差别很大，虽然都是以法官为中心，但是团队中成员职责、工作量测算方式差异很大。审判法官需要处理阅卷、开庭、调解、合议庭评议、撰写裁判文书、向审委会汇报等工作，而执行法官主要负责签发文书、制定执行方案、现场组织指挥重大案件、处理执行异议案件等工作。相比执行，审判案件的庭审和文书制作耗时与案件类型相关性很大，部分复杂案件工作量甚至达到简易案件的数倍或者数十倍。而执行法官工作量从根本而言，与有无可供执行财产关联性很大，与原审案件复杂性关联较小，因此两种量化模型的基础不同，不能机械沿用。对法官助理和书记员，在既往研究中，鲜有对该类别人员单独测算，但笔者认为，无论是审判还是执行，审辅人员均从事重要相关事务，其人员配备直接关系团队作用有效发挥，有必要进行量化研究。

(四) 难点： 传统方法缺失，测算结果不精准

从国内外有关研究成果来看，法官员额评估方法有很多，比较典型的有法院提交业务案例报告方法、统计回归分析方法、加权案件量方法、工作量衡量模型方法、进度模型方法等。(1)冯跃，刘峥.加拿大司法编制问题简介与思考[J].法律适用，2010(05)： 89-92.纵观各种测算法官员额模型，有的采用法官年审判工作时间(扣除非审判工作时间)/案件办理时间计算出办理案件数量，从而测算员额法官编制；(2)王静，李学尧，夏志阳.如何编制法官员额——基于民事案件工作量的分类与测量[J].法制与社会发展，2015，21(02)： 29-40.有的借鉴计量经济学与统计学的学科研究方法，通过构建案件权值模型测量案件工作量；(3)屈向东.以案定编： 通过审判工作量配置法官员额——基于案件权值模型的分析研究[C]//最高人民法院.全国法院第二十六届学术讨论会论文集： 司法体制改革与民商事法律适用问题研究.最高人民法院： 国家法官学院科研部.北京： 人民法院出版社，2015： 9.有的获取影响案件数的核心指标作因子分析，进行多元回归分析。(4)马凤岗.法官员额评估模型的建构及其运用——基于18个基层法院民事审判数据的实证分析[C]//最高人民法院.全国法院第二十六届学术讨论会论文集： 司法体制改革与民商事法律适用问题研究.最高人民法院： 国家法官学院科研部.北京： 人民法院出版社，2015： 13.以上测算方法有一定可采性，但并未考虑人案配比中执行与审判工作的差异，也存在一些问题，值得商榷。

(1) 忽视团队成员分流作用。大部分测算方法忽视了法官助理、书记员的分流作用，仅对员额法官编制测算，没有根据司法改革后对员额法官、法官助理以及书记员的职责进行工作量评定。

(2) 对法院系统历史数据应用不足。没有具体对各类案件权重赋值进行系统研究，有的简单以争点数和卷宗厚度作为赋值标准，没有抽取海量历史案件相关数据进行分析。

(3) 建模方法复杂、应用不便。案件权值模型公式太复杂，专业技术性太强，造成应用不便。部分研究的因子分析采用统计学回归分析法，运用复杂的统计公式，但是没有对多项指标进行统计调查的定性分析，对模型是否成立也没有进行检验，结果难以推广复制。

二、解析： 基于“三联法”探寻模型设置要素

本研究将借鉴法官员额编制的评估方法，基于执行团队的核心工作量分析，综合应用因子分析、调查问卷以及大数据的多元研究法，筛选影响质效的核心因子，测算执行法官、法官助理和书记员需求数量，兼具定性研究及定量分析之优势，以大数据测量代替简单抽样，避免既往研究方法缺陷。

(一) 回归分析： 筛选影响效率的人员因素

将CD市下辖21家法院中法官、法官助理、书记员、执行员的数值、部门总人数、各年龄段人数、不同学历人数等作为自变量，2016～2018年21家法院执行案件的平均结案率、人均结案数、结收比作为因变量，通过SPSS统计软件中的线性回归命令完成多元回归分析，发现影响案件质效中的重要因子，下表仅展示有显著因素的因子。

表2 年龄、教育及执行人员回归分析统计表

注： 标准化回归系数，括号中为标准误，+p<0.1，*p<0.05，**p<0.01，***p<0.001

表2中，每个自变量与因变量交叉对应的数值为回归系数，显示该自变量对因变量的影响力。如“法官”与“人均结案数”交叉处的0.847表示“法官”每增加一个单位，“人均结案数”增加0.847个单位。此外，还应注意系数右上角是否有“*”，“*”越多表示在总体中两变量的关系越显著。

输出结果显示，自变量“法官”“总人数”的回归系数达到了0.847***和0.716***的显著性水平，说明“法官数”和“总人数”与“人均结案数”相关性很强，但“总人数”虽与“人均结案数”成正相关，却与“结案率”和“结收比”呈负相关的关系，说明总人数越多不一定效率指标都高，这点与我们认识有差异。从学历结构而言，执行效率与学历有一定关联性，但特别高学历人员，例如博士、硕士，反而显著性不强。从年龄看，40—50岁阶段与人均结案数有显著关系，而40岁以下与人均结案数呈正相关，与结案率呈负相关，而50岁以上人员与效率关联性不强。

依据表1中的回归系数，可建立以下回归模型：

Y=a+9.883X1+51.39X2+15.74X3+17.4X4+0.847X5+0.716X6

从模型上看，人均结案数与年龄、学历、职称都在不同程度上存在回归关系。年龄在40岁以下，结案数将增加9.833个单位，但40—50岁显著的增加结案数51.39个单位，说明40—50岁相比其他年龄在结案数上贡献更大，学历方面，学士学位对结案数影响15.74，而大专学历的影响相似，为17.4个单位，如职称为法官，结案数增加0.847个单位，总人数增加一人，结案数平均增加0.716个单位。同样，结案率与接收比也可按照这种模式来解释。

表3 附表回归变量的描述性统计

表3展示了表2中所有自变量和因变量的描述性统计分析结果，描述了每个变量的最大值、最小值、平均值和方差。

(二) 德尔菲法： 量化人员工作耗时

通过梳理S省、S省下辖C市(省会)、C市以及X县法院的执行办案流程，采访C市(省会)W区、Q区、D区、J县、D县、P县6个基层法院26名执行局局长和资深执行法官后，设计关于执行案件办案时间问卷调查，最终以问卷结果测算执行团队合理办案区间。

采用调查问卷在测算某一工作流程所需时间具有较高主观性，但为了保证数据的科学合理性，调查组采用统计学上广泛使用的德尔菲法(5)德尔菲法也称专家调查法，本质上是一种反馈匿名函询法。其大致流程是： 在对所要预测的问题征得专家的意见之后，进行整理、归纳、统计，再匿名反馈给各专家，再次征求意见，再集中，再反馈，直至得到一致的意见。。为保证数据的精准，笔者在发放问卷时就问卷调查的内容、要求与受调查者进行了深入沟通。数据收集后，调查组进行先期清洗和预处理。统计数据预处理是指针对海量数据存在噪音数据、空缺数据和不一致数据等问题采取的处理措施，包括数据清理、数据集成和变换、数据归约等。(6)[美] Tom Soukup，Ian Davidson.可视化数据挖掘——数据可视化和数据挖掘的技术与工具[M].朱建秋，蔡伟杰译.北京： 电子工业出版社，2004.

调查问卷分为员额法官、法官助理以及书记员(法警)三种类型，针对在执行各流程节点，统计分段办理标准执行案件(标准执行案件指相对简单执行案件，即表9所载明的14种案件之外的案件)所需时间。共计发出问卷300份，有效回收问卷289份，将偏离度较高的数据进行筛选，并与受调查者进行沟通，重新填报数据后，再行统计。

表4 执行法官工作量统计

表5 法官助理工作量统计

表6 书记员(法警)工作量统计

表4～表6有效时间统计方法为： 按照国家休假制度，扣除双休日和法定节假日，有效工作日为250日，每日有效工作时间7小时，公休假为每人每年10日，标准工作时间为240×7=1680小时。表4显示，执行法官每年用于培训、会议等非核心事务时间为7.98×7=55.86小时，参加专业法官会议时间为2.039×4×12=97.872小时，有效时间为1680-55.86-97.872=1526.268小时，饱和工作时间以每天8小时计算，周末1天为加班时间，每年为(240+4×12)×8-55.86-97.872=2150.268小时。执行法官办理1件标准案件时间为5.067小时，折算全年可办理案件为1526.268小时÷5.067小时/件=301件，饱和工作时间可办理2150.268小时÷5.067小时/件=424件。表5显示，法官助理每年参加培训、会议为4.32×7=30.24小时，年有效工作时间为1680-30.24=1649.76小时，饱和工作时间为288×8-30.24=2273.76小时，法官助理办理案件区间为101—139件。表6显示，书记员(法警)年有效工作时间1680小时，饱和工作时间为288×8=2304小时，办理案件区间值为245—336件。

(三) 大数据分析： 精准测量案件权值

采用案件权值法对各类非标准案件权重赋值，并以标准案件为基础，测算出特定案件工作量。美国联邦司法中心用来测算法官工作量的“案件权值”(Case Weight)计算法，已适用60多年。(7)何帆.法官多少才够用[N].人民法院报，2013-06-07(05).虽然测算操作比较麻烦，需要对案件各种因素进行统计，但因该方法科学性较强，笔者仍首选此法。

(1) 筛选影响效率的案件因素。从CZ市、X县法院2017—2018年9594件执行案件抽样50%(4797件)，将可能影响权值的立案标的、实际审理期限、原审结案方式等指标进行回归分析，发现影响案件权值的显著相关性因子。

表7 执行案件数据回归分析表

注： 标准化回归系数，括号中为标准误，+p<0.1，*p<0.05，**p<0.01，***p<0.001

表7显示，自变量“立案标的”回归系数达到-6.013***、-6.457***、-1.638***，表示立案标的大小与终结本次执行程序、终结执行、执结率负相关性非常强，因此将案件标的额作为权值设置重要因素。“审理天数”的回归系数达到-1.496*，说明“审理天数”与“执行完毕”呈负相关，时间越长，执行完毕可能性越小。“原审结案方式”回归系数达到1.304**、0.068***，表示原审结案方式与终结本次执行程序和执结率正相关性很强，进一步对判决、调解案件抽样分析，得出调解比判决案件更易执行。

表8 对表7回归变量的描述性统计

表8展示了表7所有自变量和因变量的描述性统计分析结果，描述了每个变量的最大值、最小值、平均值和标准差。

(2) 以案件相关性指标确定固定权值。对接案件系统，将抽样的4 797件案件类型、执行方式、卷宗页数、平均执行时间等多种指标导出，借助spss分析软件，将卷宗页数、平均执行时间、执行到位率三种指标平均数分别赋值为：A、B、C，结合CZ市、X县法院关于繁简案的分类规定，梳理出14种需要赋予权重的执行案件，并对三种指标平均数分别赋值：D、E、F，权重值为X=(D/A+E/B+F/A)/3，由此测算各类非标案件权重值。

(3) 以双重赋值法测算特殊案件最终权值。基于执行个案特殊情况，如涉及稳定因素、大规模腾退等特殊案情，需对案件额外赋值。该类案件可参考对14种非标案件赋值法，如涉稳案件赋值为：H、I、J，浮动权重系数Y=(H/A+I/B+J/C)/3，如还有其他需要赋值情况，则需要再行计算浮动权重值Z。基于上述固定和浮动权重值的设定，对于特殊案件(含2种以上需要赋值因素)权重W=X(固定权值)×Y(浮动权值)×Z(浮动权值)。

表9 14种执行案件权重系数

表9以CZ市、X县法院案件数据为样本，基于上述方法测算14类案件权重值。

三、聚合： 基于工作量法生成测算模型

上述测算方法可得出办理标准执行案件时，法官办案合理区间为301—424件，法官助理为101—139件，书记员(法警)为245—336件，如果办理疑难案件则需要按照类型权值来折算工作总耗时，如： 法官办理一件标准案件耗时5.067小时，办理一件标的为6万元案件，则耗时5.067小时×1.155=5.852小时，可根据法院近三年案件情况，测算案件每年平均总耗时，根据法官每年工作时间进行人员数测算。

(一) 绘制量化模型

基于工作量及案件权重测算，设计执行法官和审辅人员量化模的函数公式为：

F2(最低配置数)=T1(执行案件核心工作总耗时)/T3(执行法官饱和工作时间)

T1=C1+C2+C3+C4…+Cx

C=X(固定权值)×Y1(浮动权值)×Y2(浮动权重值)…Yn

T2模型仅适用法官和法官助理，在梳理书记员(法警)工作量时，发现其工作量与案件复杂程度关联性不大，对该类人员工作量暂不考虑案件权重值。上述模型计算结果准确与否，最关键还是在于数据，“所有研究的最终结论都必须依赖于所选择数据的性质和质量”，(8)[荷兰] 菲利浦·汉斯·弗朗西斯.计量经济学入门[M].彭立志，译.上海： 上海财经大学出版社，2005.实践中，可深度使用“人工智能+大数据”技术，全面深度挖掘法院审判系统多种数据进行测算。

人工智能就是将各种事物以逻辑符号和公式进行知识表示，然后再转化为计算机语言，由计算机通过计算和推理而进行规划和决策。(9)赵艳红.人工智能在刑事证明标准判断中的运用问题探讨.[J].上海交通大学学报(哲学社会科学版)，2019(02)： 55.

(二) 科学应用模型

建议以本地法院近三年执行案件为基准，以大数据和案件权值测量法(部分法院可直接使用本文测算的案件权值)，测算3年案件总耗时Q(法官为Q1，法官助理Q2，书记员Q3)，年平均耗时V=Q/3(法官V1，法官助理V2，书记员V3)，测算各类人员数量为： 法官F1=T1(T2)/V1(T1为年饱和时间，T2为年合理时间)，法官助理F2=T3(T4)/V2，书记员F3=T5(T6)/V3。上列模型设计是严格区分团队中法官、法官助理以及书记员不同主体责任，且信息化技术发展相对均衡的情况下适用，如果部分法院法官并未完全从事务性工作中解放或者法院信息化建设相对滞后，量化模型应作浮动调整。

需要说明的是，对11个执行局长和20个资深执行法官的采访发现，影响办案效率因素还包含一些未能统计的客观和主观因素，客观因素有各地区辖区面积、财政收入、信息化水平等，而主观因素则包含法官及审辅人员的司法能力、性格差异、对执行工作的热爱程度等，因此模型并非适用于全国所有地区法院，但模型设计方法可为其他地区测算执行团队提供参考。

(三) 验证模型

以CZ市和X县法院2016—2018年收案数为基准，测算所需各类人员数量区间。使用案件权值测算后，将所有案件折合成标准案件，CZ市法院年均收案2 398件，X县法院2 026件，以通用模型对CZ市和X县执行人员测算，测算出表10数值。

表10 CZ市和X县法院执行人员数值区间

CZ市法院： 员额法官X1(最少)=2 398/424=5.66

X2(合理)=2 398/301=7.97

法官助理Y1(最少)=2 398/139=17.25Y2(合理)=2 398/101=23.74

书记员(法警)Z1(最少)=2 398/336=7.14Z2(合理)=2 398/245=9.79

X县法院： 员额法官T1(最少)=2 026/424=4.78T2(合理)=2 026/301=6.73

法官助理W1(最少)=2 026/139=14.58W2(合理)=2 026/101=20.06

书记员(含法警)P1(最少)=2 026/336=6.03P2(合理)=2 026/245=8.27

两个法院实际情况为，执行局长由员额法官担任，且均为院领导班子成员，负责全局执行案件管理和其他行政事务，通过进一步走访测算，两人从事执行核心事务时间大约占一般法官的35%，因此折算为0.35个员额法官。

图1 CZ市和X县法院执行人员分布图

与模型测算相比，发现CZ市和X县法院执行人员配备均存在一定程度不足，特别是法官和法官助理，工作量已远超合理区间，而书记员却存在超配状态，人员配置不均衡，团队内部存在“忙闲不均”情况。在对CZ市和X县法院回访时，了解两个法院均存在法官助理和书记员职责混同情况，因各地法院探索审判事务外包，部分属于书记员的工作剥离给第三方公司，书记员承担了法官助理部分职责，导致模型测算出审辅人员的需求数与实际人员数量有较大偏差。

四、破冰： 构建执行单元配置的“帕累托最优”

“帕累托最优”是博弈论中重要概念，是资源分配的一种理想状态，即假定固定的一群人和可分配的资源，从一种分配状态到另一种状态的变化中，在没有使任何人境况变坏的前提下，也不可能再使某些人的处境变好。(10)[美] 萨缪尔森，诺德豪斯.经济学[M].萧琛，译.北京： 商务印书馆，2013.要实现执行单元配置的“帕累托最优”，应对有效的司法资源进行合理配置，不仅应科学测算各类人员数量，还应对执行单元设置最优配套，实现诉讼效能最优，切实解决“执行难”瓶颈问题。

(一) 管理机制最优

在审执分离改革的深入推进中，对执行团队的科学设定固然重要，但对团队人员进行分权中，如果没有明确成员的权力边界，将会导致职责混同，管理混乱，无法实现团队扁平化管理的初衷。

(1) 构建执行单元人员权责清单。首先应尽快对执行员进行岗位调整。由于《人民法院组织法》并未规定执行员设置，建议将目前很多基层法院仍保留的执行员岗位转岗处理。如C市中院在全国率先实行执行一体化改革，将符合条件的执行员转为司法警察和法官助理，对人员进行了消化。其次，梳理执行工作流程节点，从立案、查冻扣再到最终执行财产分配，将节点的责任落实在团队成员上。最后，构建不同团队工作细则，明确人员职责清晰的链条，同时建立局长的权力清单，以清单形式打造完整的工作制度体系。

(2) 确定执行事务分类、集约管理机制。确立执行法官在团队的核心地位，实现集权。首先放权于法官。法官作为团队总负责人，应赋予对一般案件的审批权和决策权，让执行团队实现由传统科层式向扁平化管理模式转变。其次，结合执行权行政属性特点，打造以执行指挥中心平台为中枢的管理枢纽，突出集中、优先，实现执行“分权”。执行团队化建设一定程度上弱化了庭、局长的管理职能，因此必须强化执行指挥体系填充管理真空。(11)郭京霞，赵岩，梅宇，谢耀宗.“1+N+X”模式信息化执行团队的新探索[J].法庭内外，2016(7)： 2-3.执行指挥中心通过“大脑中枢”作用，将各团队合力进行聚集，打破条块、碎片化管理结构，以信息化和大数据的优势，实现扁平化、短平快的管理。

图2 团队化执行工作模式一

图3 团队考核体系

图4 团队人员考核体系

(3) 搭建适应团队发展的业绩评估体系。目前各地法院对执行团队划分并没有统一模式。深圳法院成为全国基本解决执行难的样板法院，(12)2018年7月10日，最高人民法院召开新闻发布会，发布了五家基本解决执行难的样板法院，深圳中院是其中之一。成立了速控团队、快执团队、速拍团队、普执团队四个执行团队。在团队工作模式下，可实行二元考核机制，分为对团队和团队成员考核两种。对团队考核时，法官是团队核心因子，可结合法官的分工，参照对法官工作量测算方法，对近三年案件人均结案数、平均执结时间、执结率、执行到位率、终本率等作为基础考核因子，赋值为1，再根据特定案件、是否涉及多人及稳定等因素分别赋予权重系数，最后得出总体数值。在对团队人员考核时，应将工作量的测算系统与办案系统对接，通过对执行全流程的关键点进行抓取，计算出案件工作量，并与标准案件对比，核算办案工作量，以此对各类人员分别考核。

(二) 配置团队最优

执行团队不是一级行政单位，而是一个工作单元，目标是提升执行能力和工作效率。(13)陈杭平.比较法视野下的执行权配置模式研究——以解决“执行难”问题为中心[J].法学家，2018(02)： 73-87，193.在法官主导下团队化工作模式，具体包括法官主导的执行决策制定、法官助理主办的执行决策实施、司法辅助人员负责的事务性工作集约办理三个层次。(14)赵玉东.团队化执行模式的构建[J].人民司法(应用)，2018(31)： 62-66.因此对执行单元设置尤为重要。基于合理办案区间的模型测算，可以得出法官、法官助理、书记员的比例并非1∶1∶1为最优，而是1∶3∶2.5为最佳，多增加法官助理或者书记员，不但不会增加法官办案量，反而会造成司法人力资源的极大浪费。因此，科学配置执行团队人员，既能提高办案效率，又不造成审判资源浪费，实现团队运行的“帕累托最优”。

(1) 解决“案多人少”： 以量化模型科学测算。最高院2018年度执行研究课题成果中，(15)张娇东.执行团队组建模式探析[N].人民法院报，2019-05-16(008).根据执行权的内部构成，梳理了三种执行团队组建模式： ① 执行裁决团队采用1+1+1的团队运作模式，即1名法官带1名法官助理和书记员，也有1+1模式，即1名法官带1名书记员或者法官助理。② 执行实施团队人员结构为“1+4+2”或“1+2+2+1”，即由1名法官带领含司法警察在内6名左右辅助人员组成。③ 执行监督团队模式为“1+2+1”或“2+1+1”，即“局长(副局长)+人民陪审员+法官助理”。这种设置给了各地法院团队构建的参考。笔者建议，在确保法官核心地位的前提下，各地法院可基于办案合理区间，测算团队的合理人员配置。传统观点认为，管理幅度通常不宜超过6人。(16)[美] 斯蒂芬P.罗宾斯，[美] 戴维P.德森佐，[美] 玛丽.库尔特.管理学原理与实践[M].毛蕴诗，译.北京： 机械工业出版社，2017.但许多组织正在扩大管理幅度，基于法官管理团队层级，笔者建议团队不宜超过8人。

图5 测算模型使用示意图

图5测算模型具体方法： 根据本文建构的模型进行团队人员科学配置。首先测算本地法院近三年每年执行核心事务工作量，基于法官、法官助理以及书记员合理办案区间测算各类人员数需求区间。团队人员数量，不能机械地完全以案定人，而是应对法官的年龄、能力、部门分布、工作均衡度和心理状态进行详细深入的分析，对人员进行适度调整。

(2) 解决“案多人弱”： 优化人员选任条件。执行工作看似简单，但实则涉及许多审判中程序性和实体性问题，还有部分善意执行案件，需要运用裁判法官的思维考量，而不能简单、粗放处理案件。但目前部分人员素质尚不能适应执行专业化要求，需对部分团队成员的选任设置一定条件。如执行裁决团队法官具有以下条件： ① 两年以上审判工作经验；② 年龄不超过45周岁；③ 有较强的组织协调能力。法官助理条件： ① 从事1年以上审判辅助工作；② 年龄不超35周岁。除对人员选任设置条件外，还应健全人才培养机制，如定期组织执行业务培训，对信息化系统操作进行考核，并将结果纳入绩效，重点培养的法官助理可列席专业法官会议，参与案情讨论。

(3) 解决“案件变化”： 动态调整人员。测算当前人员可根据历史收案数来确定，但是案件数量并非一成不变，随着执行联合惩戒力度的加大以及信息化建设迅猛发展，未来案件数量可能变化不定，应调整模型数据，对人员及时调整，确保人员数与工作量匹配，防止法院内部忙闲不均。

随着执行规范化、信息化要求不断提升，团队化执行模式势在必行。以科学建模方法可解决团队如何配置及配多少的关键问题，但使用的前提是案件系统接口完全开放。执行工作应成为自动生成数据、及时利用数据的工程，这样才能为测算提供可能。当然，执行团队配置不仅是简单大数据建模，更是牵一发而动全身的系统工程，需要创建系统的权责清单、科学的绩效管理机制等改革配套措施，才能达到执行人员配置和管理的“帕累托最优”。