我见过太多律所数据看板上，那个“案件胜诉率”数字高得离谱，但所里的合伙人们就是不敢往外拿。不是怕同行觉得数字太高显得假，而是心里清楚：这数字自己都解释不清楚。去年帮一家做商事诉讼的律所做数据治理，系统跑出来的“合同纠纷胜诉率”是78%。看起来不错，但往下拆一层就发现：民间借贷、金融借款合同、合伙协议纠纷全混在一起，跨度极大。真正把案由分类标准拉齐之后，重算了一遍，民间借贷的胜诉率掉了12个百分点。

这事给了我一个很强烈的信号，后来在好几个项目里反复验证：案由分类标准统一的问题，不是“把表格填对”这种小事，而是直接决定胜诉率统计能不能用的底层问题。BI平台再贵、看板再炫，数据源头如果乱着进，出来的结论就不可能有指导意义。

一、案由分类标准统一，是胜诉率统计“能用”的前提

很多律所在上BI项目的时候，精力都放在选平台、调看板、接数据源上，但很少有人愿意停下来问一句话：我们每一个案件被分到什么案由类别里去，这个分类标准是统一的吗？如果没有统一，那所谓“胜诉率”就不是一个可比的指标。

道理不复杂。胜诉率的本质就是一个比率：分子是某一类案件中胜诉案件数，分母是同一类案件的总数。案由分类标准一旦不统一，分子分母就不在同一个统计口径里。你看着是A类案件的胜诉率，实际上混进了属于B类案件的分子，或者分母里漏掉了一部分本该归入的案件。

我做数据咨询这些年一个反复出现的认知是：BI系统从来不是“告诉你怎么管理”，而是“放大了你曾经做过的管理决策”。案由分类标准这件事在手工统计时代可能没那么扎眼，因为大家的精力都耗在填表和汇总上，没几个人真的去交叉比对。但BI系统把数据拉通、透视、切片的速度太快，分类标准的不一致会被直接暴露出来，而且是以一种很难解释的方式呈现，同一家所、同一套系统，两个团队看同一类案件的胜诉率，差了两位数。

这是技术问题吗？根本不是。这是从案件立案阶段就没有一个统一分类规则的问题。

二、一个被严重低估的真实场景：案由分类是如何在律所日常中悄悄变乱的

要理解案由分类标准统一的重要性，得先回到真实的律所作业场景里去看，而不是坐在会议室里画数据架构图。

1. 立案环节：分类标准从一开始就走偏

绝大多数律所的案由分类，是在收案立案阶段由承办律师或者案管人员手工填写的。这个环节最大的问题是什么？是填的人根本不会想到，这个随手写下的分类会在两年后出现在管理合伙人的BI看板上，被用来判断一个业务线的战略方向。

一线律师在填这类字段时的心态很真实：案件赶紧立进去、流程跑起来最重要。案由分类？“随便选一个能过的就行。”系统里下拉框有“民间借贷纠纷”和“借款合同纠纷”，这两个选项对很多人来说只是点一下鼠标的差别，但对BI统计来说，是完全不同的两个分析粒度。有的所甚至允许自由输入案由，那就彻底乱了，同一个案件，在立案信息里叫“借贷纠纷”，在结案报告里叫“民间借贷”，在财务结算单里又叫“借款合同案件”。

这三种叫法都在描述同一件事，但BI系统不知道。BI系统只能原样吞下你用不同方式写下的同一个概念，然后在胜诉率统计里把它们当成三个独立分类。

2. 系统中途升级或迁移：历史数据瞬间失控

第二个高危场景是系统升级或者数据迁移。很多律所从旧案件管理系统迁移到新平台时，会经历一次案由分类体系的重新映射。原来的分类体系可能是自己定义的，新的平台可能内置了国家标准案由库。迁移时，技术团队只能做机械的字段映射：旧系统的“借贷”映射到新系统的“民间借贷纠纷”，旧系统的“合同纠纷”映射到新系统的“合同纠纷（项下未细分）”。

这个映射过程听起来严谨，实际上大量历史案件的分类精度被压缩了。过去五年里你可能可以区分出“承揽合同纠纷”和“建设工程合同纠纷”，但迁移完之后，这两个类别全进了“合同纠纷”这个大类。五年趋势线一看，突然陡变，不是因为业务真的变了，只是因为统计口径在迁移那天被人为改了。

3. 跨分所、跨团队数据合并：口径完全对不齐

这个问题在规模稍大一点的律所特别突出。总部上了BI平台，要求各分所、各团队把案件数据汇总上来做统一分析。听起来是顺理成章的事，但执行的时候你会发现：每个团队对案由分类的理解都不一样。

知识产权团队习惯按“专利纠纷”“商标纠纷”“著作权纠纷”来分；但另一个团队的系统中可能根本没有这个分类粒度，全部归类为“知识产权权属、侵权纠纷”。数据一汇总，总部BI看板上的“知识产权类胜诉率”到底代表什么，几乎没人能说清楚。

更麻烦的是，不同团队还可能有不同的胜诉统计习惯。有的团队把“调解结案”算胜诉，有的不算；有的把“部分胜诉”计入胜诉统计，有的单独归为“其他”。这些问题如果在合并层面没有做数据标准化，BI平台上那个看起来无比精确的百分比，说轻点是方向性误导，说重点就是数字幻觉。

三、常见误区：为什么很多所“做了标准化”还是没用

过去几年，越来越多律所开始意识到这个问题，很多所也做了“案由分类标准化”的动作。但我观察到一个挺尴尬的事实：做了不等于做对了。下面这些误区的出现频率，高到我觉得有必要单独拿出来讲。

1. 把“发了分类标准文档”等同于“统一了分类标准”

这是最常见的认知偏差。管理合伙人觉得，案由分类标准不是早就发过文档了吗？所有团队手上都有司法部的案由规定，自己还组织法务部整理了一份内部标准对照表，邮件全所发了三遍。

但文档只是起点，离终点太远。真正的问题在于：文档有没有嵌入到系统中作为强制约束？有没有在立案环节做校验？没有的话，文档就是摆设。一线做录入的人不会在立案窗口打开的时候，再去翻一份PDF对照表。他们会选择最快的方式，填一个自己熟悉但可能不准确的类别，或者干脆就选系统默认的第一项。

我做项目时验证过这个规律：只靠文档传达、没有系统约束的标准化，执行偏差率通常在40%以上。很多所意识到的时候，已经是两年后第一次跑全所BI看板，发现数据根本不可信。

2. 把“套用国家标准案由库”当成解决方案的全部

司法部的《民事案件案由规定》当然是最权威、最完整的参照体系。但国家标准案由库是为审判管理设计的，不是为律所管理设计的。它的颗粒度在有些区域太粗（比如一个“合同纠纷”到底管多少个业务子类）；在另一些区域又太细（某些极其罕见的案由，整个所十年就用过一次）。

一些所直接把国标案由库内置到系统里，以为万事大吉。但业务团队很快反馈回来：选不到合适的案由。于是大家就开始走歪路，要么随意选一个近似案由，要么在备注栏里写真实案由，让统计字段再次失效。

真正有效的案由分类标准，一定是在国家标准的基础上做了“业务适配层”的：保留国标的层级结构，但在实际使用层级上做简化和归并，加入律所自身业务特点的二级或三级细化分类。这个适配的过程不是技术活，而是业务判断，需要案管、业务团队、数据团队坐在一起，反复讨论哪些分类粒度对管理分析有意义、哪些没有。

3. 低估了历史数据清洗的工作量

标准化上线之后，很多所的做法是，新案件按新标准走，旧案件按历史数据保留，不做清洗。这个决策的后果在BI上呈现为：时间序列分析完全断裂。

你在看近三年某类案件的胜诉率趋势时，前两年的数据按旧标准统计，近一年按新标准，中间存在一个无法解释的断层。任何跨时间段的对比都失去意义。

我理解历史数据清洗的工作量确实大。但如果不做清洗，就得接受一个现实：BI系统的有效期是从标准化上线那一天才开始计算的，在此之前的所有历史趋势数据，只具备参考性，不具备可比性。

四、专业判断框架：案由分类标准统一必须解决的三个核心问题

基于上面这些观察，我在自己做项目时，把“案由分类标准统一”这件事拆成了三个不可跳过的核心问题。这三个问题必须按顺序回答，跳过任何一个，后面的动作都可能会跑偏。

1. 分类标准由谁制定？，不只是案管的事

很多所的第一反应是：案由分类标准当然是案管中心来定。这句话说对了一半。案管中心确实应该有最终负责权，但制定过程必须有业务团队深度参与。

为什么？因为案管团队对案件的理解往往偏向流程控制和管理归档，而业务团队才清楚一个具体案由类别在实际办案中意味着什么。比如说，一个做金融业务的合伙人会明确告诉你，“金融借款合同纠纷”和“民间借贷纠纷”在本团队的业务结构里是完全不同的两条线，分别对应不同的客户类型、收费模式、风控逻辑和胜负关键点。如果案管中心在制定分类标准时把这二者强行归并成一个大类，业务团队的分析能力就被废掉了。

我在实际项目里通常建议一个三方协同的制定机制：案管中心提供流程管控视角、业务团队提供专业判断视角、数据团队提供统计可操作性视角。三方合议完成的分类标准，才有执行基础。

2. 分类细到什么程度？，不是越细越好

这是一个特别容易被执两端的问题。一端是追求极致的细粒度，恨不得把每一个可能的细分子案由都穷举出来；另一端是干脆全部只保留大类，降维保平安。

两种做法都有大问题。太细会有两个后果：第一，选择负担太重，一线填表的人会抗拒，错误率反而升高；第二，样本量急剧碎片化。你把案由分到100个子类，很多子类一年就那么两三个案件，统计出来的胜诉率没有任何管理意义，稍微波动一下就百分之几十的跳变。

太粗呢？前面说的问题全回来了，质量型胜诉率和粗放型胜诉率分不清，团队之间的结构性差异被大类平均掩盖，管理动作没有发力点。

我的判断原则是两条：第一，每个子类的年案件量不少于30件，否则不具备统计稳定性；第二，子类之间的胜诉率如果存在规律性且持续性的差异（如连续三年差距超过15个百分点），就值得被拆分出来独立统计。这个标准不绝对，但提供了一个可讨论的起点。

3. 历史数据怎么处理？，选择性回标而非全量重标

历史数据处理是资源消耗最大的环节。全量重标当然是最理想的，但实际情况是很多历史案件的卷宗信息已经不可追溯，仅凭立案时的电子记录无法完成精准的案由重新分配。

我在实践中摸索出的一个折中策略是“选择性回标”：只对近三年且在关键分析维度上有代表性的历史案件做回标，更早期的数据打上“旧分类体系”标签。BI系统内做两套时间序列，一套是从今年开始的新标准序列，一套是到去年为止的旧标准序列，二者之间有明确的说明断层，但不做硬性拼接。

这个策略的代价是放弃了超长期的趋势分析，但它保住了近期的可比性。在绝大多数律所的BI应用场景下，三年可比数据已经足以支撑大部分管理判断。更重要的是，它避免了用错误的历史映射数据去做出错误推断，这个风险比没有历史数据严重得多。

五、数据观察：几个在案由标准化前后发生显著变化的指标

下面是我在三个不同规模的律所项目中记录到的真实变化。数据已做脱敏处理，但变化方向和幅度是准确的。这些观察可以帮助判断自己所的案由分类工作处在什么阶段。

1. 跨团队胜诉率差异：从“看不出来”到“清楚可见”

有一家综合型律所，在做案由标准化之前，全所商事诉讼业务线统计出的胜诉率在72%到76%之间浮动，各团队之间的差异不超过5个百分点。管理层一度认为团队间能力差距不大。

标准化之后重算：同一业务线内，不同案由子类的胜诉率拉开了巨大的距离。有一个团队在“股权转让纠纷”上胜诉率高达88%，但在“公司决议纠纷”上只有51%。另一个团队则正好相反。标准化之前，这两个子类全部混在“与公司有关的纠纷”大类里，互相冲抵，看起来每个人的水平都差不多。

这个发现对于一个律所的价值是极大的，它不是说哪个团队好哪个差，而是说优势是结构性的、有具体方向的。标准化之后，案源分配、团队培养、绩效考核才有了精准的依据。

2. 年度趋势线的形态彻底变了

另一家所的标准化工序是在去年八月完成的。只看BI看板上的年度胜诉率趋势图，标准化之前曲线是平缓的、几乎不动的，让人感觉这个所在各个案件类型上都很稳。标准化之后再看今年前十个月的数据，趋势线开始出现正常的、可解释的季度性波动。

这不代表业务退步了。恰恰相反，这说明数据开始反映真实了。标准化之前的平稳线，本质是分类混淆导致的“数据噪声对冲”，不同子类的波动在混乱的统计口径里互相抵消了，造出了一条看起来很完美的假稳定线。

真正的数据治理，往往会让图表上的线变“难看”，但变“可信”。这一点很多管理者一开始不容易接受，需要数据团队花时间解释。

3. 同一案由在不同统计场景下的数值收敛了

标准化之前有一个很典型的现场：同一个案件类型，从案件管理系统拉出来的胜诉率、从财务结算系统拉出来的胜诉率、从合伙人考核表里手动汇总的胜诉率，三个数字经常不一样。这种差异在大所里几乎是常态，大家以前觉得是各个系统数据不同步的问题。

实际上不是同步问题，是分类口径问题。每个子系统在生成统计时，对案由的理解和抓取逻辑不同。标准化之后，底层字段统一了，三个口径的数值在同一个案由类别上开始收敛到2个百分点以内的差距，这个差距是可以解释的，比如是否计入调解案件、是否包含正在审理中的案件这类定义性差异。

数值收敛意味着什么呢？意味着从合伙人、到财务部、到管委会，大家看着同一个BI看板讨论问题时，不用再在数据到底准不准确这件事上互相质疑了。这才是数据驱动管理真正能跑起来的土壤。

六、不同阶段的行动路径：你在哪个阶段，就重点做什么

案由分类标准统一这件事，不同的所在不同的阶段需要的动作完全不一样。我按成熟度大概分了三个阶段，每个阶段的优先级排列是深思熟虑过的。

1. 第一阶段：连基本标准都没有的律所

判断标准很简单：如果你现在随便找三个人问“我们所的案由分类标准是什么”，三个人给出三个不同的答案，那你就在第一阶段。

这个阶段的优先级是：

• 先不要想BI看板的事。BI系统在底层数据标准不统一的时候放上去，产生的误导远大于指导。
• 先完成案由分类标准的制定和文档化。以司法部案由规定为骨架，由案管中心牵头，邀请一到两位资深合伙人对重点业务领域做细化分类建议。
• 制定之后先在试点团队跑三个月，用试运行反馈调整标准，而不是上来就全所推行。
• 这个阶段最大的陷阱是追求完美而迟迟不动。三类核心案由先定清楚，远比野心勃勃地覆盖几百个子类重要得多。

2. 第二阶段：有标准但没系统约束的律所

这类所已经有了内部准案由分类标准文档，也组织过培训，但问题出在执行层。立案时分类命中率偏低，或者不同人填的标准不一致。

这个阶段的优先级是：

• 在案件管理系统中将案由字段设置为必填项，且限定为下拉选择（不允许自由输入）。
• 下拉选项内嵌业务适配后的标准案由库，并增加关键词搜索功能降低选择难度。
• 设置月度分类准确性抽检机制：由案管中心每月随机抽取一定比例的新立案件，比对案卷材料核实分类准确率，并将抽检结果同步到团队负责人。
• 这个阶段的常见阻力来自一线觉得“麻烦”。应对策略是把案由分类准确性不作为考核指标，而是作为一种质量管理辅助来定位，避免诱发人为操控数据。

3. 第三阶段：有系统约束但历史数据未清洗的律所

这类所的新案件分类已经比较规范了，但历史案件数据仍然按旧标准存储，导致BI上的时间趋势分析不可用。这其实已经是案由标准化工作中相对成熟的阶段了，离真正的数据可用只差最后一步。

这个阶段的优先级是：

• 别试图全量清洗所有历史数据，这个工作量会让整个计划流产。
• 确定三到五个对当前管理决策最重要的案由大类，针对这些大类的近三年案件做选择性回标。
• 在BI系统中建立“统计口径版本”字段，明确标注哪些年份使用的是旧标准、哪些是新标准，让阅读看板的人有明确的认知边界。
• 制定一个历史数据逐步退役计划：旧标准数据在超过五年后不再参与正式趋势分析，仅用于长期参考。

七、关于案由标准化要不要与律师绩效挂钩的判断

这是实施过程中几乎一定会被问到的一个问题。管理者的逻辑线很直接：既然案由分类准确率这么重要，那就把分类准确率纳入律师的绩效评价，激励和约束并行。

这个想法在逻辑上站得住，但在实际运行中有很大的副作用风险。我结合几个项目的反馈，整理了一个分角色的判断框架。

1. 直接挂钩绩效的风险：诱发分类操控而非分类准确

一旦案由分类与律师个人绩效挂钩，就会产生一个内生的激励扭曲：律师会倾向于将自己的案件分入胜诉率偏高的案由类别，而不是分入最准确的案由类别。这不是对律师人品的怀疑，而是对所有精细化考核体系的通用观察，只要你量化和奖惩任何一个指标，这个指标就会开始被游戏化。

如果分类绩效权重不高，操作的动力小，但对行为改变的效果也小。如果权重高到足以影响收入，那么操控的动力立刻变大。在大多数律所当前的数据审计能力下，这种操控被发现的概率很低。等到从BI数据上看出异常时，污染已经扩散了。

2. 折中方案：不挂钩个人绩效，但挂钩团队质量公示

在我参与过的项目里，一个比较成功的做法是案由分类准确性不进入个人考核，但进入团队维度的定期质量公示。具体来说：

• 每月公示各业务团队的案件分类准确率（基于案管中心抽检结果）。
• 准确率低于一定阈值的团队会被要求书面说明原因和改进计划，但不触发直接经济奖惩。
• 连续两个季度保持高准确率的团队在全所会议上做经验分享。

这个方案把“质量压力”转化为“同行压力”，而非经济惩罚。团队之间看到准确率排名之后，自我驱动力往往比外部考核强得多。而且这样做还意外产生了一个附带收益：团队负责人开始主动组织内部案由分类学习，因为他们不想自己的团队在全所公示中落在后面。

3. 如果一定要挂钩：建议挂钩“制度遵守”而非“分类结果”

如果律所的管理制度确实要求必须将案由分类纳入绩效体系，那我的建议是把指标从“分类准确率”迁移到“分类流程合规率”。

什么意思？考察的不是“分得对不对”（因为对错的判断本身就涉及主观性和争议），而是“是否按照制度流程完成了分类操作”。比如：

• 立案时是否在系统中完成了案由下拉选择（而非随意跳过）;
• 如果对系统内置分类有疑问，是否按规定流程提请案管中心复核，而不是自行修改。

这些行为指标可观测、可验证、不容易被操控，也不会诱使律师去主动选择对自己有利的案由类别。它们在逻辑上保护了案由分类体系的长期可靠性。

八、案由标准化之后，什么才是“可信的胜诉率”

标准统一了、系统也约束了、历史数据该洗的洗了，是不是胜诉率就天然可信了？还没到那一步。因为胜诉率本身还有定义层面的问题，和案由分类标准交织在一起，需要一并处理。

1. 胜诉的定义必须与案由分类同时标准化

不同团队、甚至同一团队的不同合伙人，对“胜诉”的理解都有微妙差别。有的把全部支持诉讼请求才算胜诉；有的把部分支持也算胜诉；有的不考虑执行阶段的回款情况，只计算判决或调解结果；有的则把调解结案单独剔除；甚至有些律师认为只要预期目标达成就算胜诉。

这些定义差异，如果在BI统计时不加以统一，其造成的胜诉率偏差绝不低于案由分类混乱。而且，这两个维度是乘数关系：案由分类偏差叠加胜诉定义偏差，最终的胜诉率误差不是加法级的，是乘法级的。

因此，在案由分类标准化的同时，必须完成一项配套工作：制定全所级别的胜诉统一定义标准。关键是要覆盖所有结果类型的归属规则，判决全部支持、判决部分支持、判决全部驳回、调解结案、撤诉、发回重审、仍在审理中等。每一类都要有明确定义归属于“胜诉”“败诉”还是“其他/不计入统计”。

2. BI系统里应该同时展示“口径A”和“口径B”

我的实践建议是：不要只挂一个胜诉率数字。在律所BI看板上，至少设计两个并行的胜诉率口径。

口径A（排他型胜诉率）：仅统计判决全部支持诉讼请求的案件。这个口径最保守，但对律师专业能力的区分度也最高。它剥离了调解、部分胜诉中的谈判因素和妥协成分，相对更纯粹地反映法律判断的准确度。

口径B（包容型胜诉率）：统计所有判决支持（含部分支持）以及以有利条件达成的调解结案案件。这个口径更接近业务收益视角，对客户来说也更有感知度，因为客户关心的是结果对自己是否有利，而不是判决书怎么写。

双口径并行，不是为了制造麻烦，而是为了让不同角色看到适合自己的分析维度。管理合伙人可能需要同时看两个口径；业务团队负责人可能更关注口径B；而案管在做专业质量复核时，口径A的参考价值更大。

九、接下来的动作清单

如果你读到这里，我希望这篇文章不是增加了你的焦虑，而是帮你把“案由分类统一”这件事从一堆模糊的正确感中拎出来，变成一个可以分步推进的具体事项。下面是一份经过验证的推进清单，按优先顺序排列：

1. 快速诊断：指定案管中心在一周内随机抽取过去一年的50个案件，比对案卷中的实际案由与系统中的录入案由，计算分类准确率。用这个数字说服决策层或至少建立基线认知。
2. 确定牵头人与工作机制：指定一个具体的人（而非一个部门）作为案由分类标准化的负责人，并明确业务团队和数据团队的参与方式。
3. 完成标准制定与业务适配：以国标案由库为底稿，邀请业务团队对核心业务领域的案由细分进行评审，产出内部案由分类标准V1.0。
4. 系统改造与上线：将分类标准嵌入案件管理系统，实现下拉选择的强制约束，关闭自由输入通道。
5. 过渡期管理与抽检：设置三个月的过渡期，每月抽检并公示分类准确率，但不与个人考核挂钩。
6. 历史数据选择性回标：针对核心案由分类的近三年案件完成历史数据清洗，为BI数据打通时间维度。
7. 胜诉率定义标准同步制定：在BI看板上线前完成全所胜诉定义标准化，设定多口径并行展示。

做这件事没有什么技术奇点，也不需要等下一个版本的系统。唯一的门槛是，有没有人愿意在数据治理这个看不见却不可或缺的基础层上持续投入管理精力。BI平台能放大你的管理能力，但它同时也会放大管理上的任何一处模糊地带。案由分类标准化，就是第一块真正需要擦干净的玻璃。

免费注册

咨询方案

扫码咨询方案