评估任务颗粒度，核心做法是先明确要回答的问题，再用一组互补指标和统一口径去计算，最后结合团队任务类型与交付节奏做判断。颗粒度没有通用达标线，单看任务数量或工时都容易误判。本文给出一套可复算的方法：指标定义、分子分母、时间窗、计算步骤、演示演算与解读限制，帮助你把“太粗还是太细”变成可以讨论和验证的结论。
要点总览（TL;DR）
- 评估任务颗粒度先明确要回答的问题：任务能否被单人独立执行、能否被估算、能否被跟踪与验收，再把“太粗/太细”转成可检验的判断。
- 用一组互补指标组合判断：单任务工作量中位数与P90、任务完成周期中位数、子任务数、描述完整度、返工/重开率、跨人交接次数，单看任务数量或工时容易误判。
- 每个指标写清分子分母、单位、时间窗和缺失值处理，用同一批已完成任务做基线，调整拆分规范后在可比时间窗内复测分布变化。
- 颗粒度没有通用达标线，判定规则写成“指标—区间—依据”，阈值来自历史基线或团队共识；结论用于修订拆分规范，不宜直接作为个人考核依据。
- 解读时按任务类型分组、注意样本量与估算习惯差异，指标反映分布特征，不能直接等同于团队效率或交付质量。
评估目标：颗粒度要回答哪几个问题
颗粒度评估服务于拆分规范的调整，先要把模糊感受转成可检验的问题。常见的目标有三类：任务能否被单人独立执行，任务能否被估算，任务能否被跟踪与验收。三类目标对应不同的观察角度，评估前应从中选出本次真正关心的2–4个问题，避免一次评估铺得太开。
“太粗”和“太细”是两类不同的问题，需要分开识别。任务太粗时，表现通常是执行人拿到任务后仍不清楚第一步做什么、估算区间很宽、完成状态长时间不动、验收时争议多。任务太细时，表现通常是任务数量膨胀、每个任务只对应几十分钟动作、状态流转和交接记录占用了大量管理时间、子任务之间的依赖关系比任务本身还复杂。
评估结论的用途是调整拆分规范，例如修改“一个任务的工作量上限”“任务描述必须包含哪些字段”“什么情况下允许拆子任务”。把颗粒度指标直接用于个人考核，会诱导成员按指标反推填数，指标随即失真。因此评估开始前应明确：本次结论只用于规范修订，不用于评价个人。
一份可用的评估目标清单可以写成这样：本次评估要判断（1）单个任务能否被一名成员在约定周期内独立完成；（2）任务工作量估算的离散程度是否过大；（3）任务描述是否足以支撑验收；（4）拆分带来的交接次数是否偏高。每个问题后面标注对应的指标和时间窗，后续章节按此展开。
指标与范围：用哪些指标衡量颗粒度
单一指标无法刻画颗粒度，建议用一组互补指标组合判断。工作量类指标反映任务大小，周期类指标反映任务从开始到结束的跨度，结构类指标反映拆分深度，质量类指标反映拆分是否清晰到可以顺利验收。下表给出指标集合及其衡量的侧面。
| 指标 | 含义 | 对应的颗粒度侧面 | 适用范围 |
|---|---|---|---|
| 单任务工作量中位数 | 纳入任务的工作量中间值，单位人时或故事点 | 任务整体大小是否偏大 | 有估算或工时记录的任务 |
| 单任务工作量P90 | 第90百分位的工作量，反映长尾 | 是否存在少数超大任务拉高整体 | 同上，样本量足够时使用 |
| 任务完成周期中位数 | 任务从进入执行状态到完成的时间中位数 | 任务在流程中停留的时长 | 状态流转记录完整的任务 |
| 子任务数（拆分深度） | 每个任务下的子任务数量或层级数 | 拆分是否过细、层级是否过深 | 使用子任务结构的任务 |
| 任务描述完整度 | 描述、验收标准、负责人等关键字段的填写比例 | 拆分后任务是否清晰可执行 | 全部纳入任务 |
| 返工/重开率 | 重开或退回次数与完成任务数的比值 | 拆分不清导致的反复 | 有状态回退记录的任务 |
| 跨人交接次数 | 任务在成员之间转移的次数 | 拆分是否制造了过多协作成本 | 有指派变更记录的任务 |
评估范围要在取数前写清楚。按任务类型划分，需求实现、缺陷修复、运维支持的可比性不同，探索性任务与重复性任务的工作量分布也差异明显，建议分类分别统计，不混在一张表里比较。时间窗通常选一个或连续几个已完成的迭代，只纳入已完成任务，排除进行中、已取消和长期挂起的任务。纳入与排除规则写成一句话，附在指标表后面，保证不同人取数时结果一致。
数据口径：分子分母、时间窗与缺失值
口径决定结果能否复算。每个指标都要写清分子、分母、单位、时间窗和缺失值处理方式，下面逐项说明。
工作量指标：分子为纳入任务的工作量之和，分母为纳入任务数，单位统一为人时或故事点，同一批数据不混用两种单位。未估算的任务单独计数并标注，不按零计入分母，否则会拉低中位数。若团队同时存在估算和实际工时两套数据，评估颗粒度优先用估算值，因为它反映拆分时的预期大小；实际工时可用于交叉验证。
周期指标：从任务进入执行状态的时间点算到完成状态的时间点，明确起止状态名称，并说明按工作日还是自然日计算。跨周末和节假日较多的团队，用工作日口径更贴近实际投入；用自然日则要说明包含非工作时间。长期挂起后恢复的任务，周期会被拉长，应标记为异常并在统计时单独列出。
拆分深度：统计子任务数或层级数时，要说明只统计叶子任务还是包含全部层级。只统计叶子任务更接近实际执行单元，包含全部层级则反映结构复杂度。两种口径不能混用，报告中注明所用口径。
返工率：分子为重开或退回次数，分母为完成任务数，结果以百分比表示。分母为零时该指标不计算，标注“无样本”，不用0%代替。跨人交接次数同理，按任务统计平均交接次数，并说明是否包含子任务之间的交接。
缺失值与异常值：未填工时、未写描述、状态长期不变的任务，先标记再决定剔除或保留。剔除规则要写进口径说明，例如“工作量缺失的任务不进入工作量指标，但计入描述完整度指标”。异常值处理建议保留原始数据，在报告中同时给出剔除前后的中位数，避免因剔除规则不同产生争议。
计算与评估步骤：从取数到判定
按以下五步执行，可以得到一次可复现的颗粒度评估。
- 确定评估范围与时间窗，导出任务清单。清单至少包含任务编号、类型、负责人、估算值、实际工时、创建与完成时间、状态变更记录、子任务数、描述字段填写情况、重开次数、指派变更记录。
- 按上一节口径逐项计算指标，得到基线分布。除中位数外，同时记录P90、样本量和缺失数量，形成一张基线表。
- 设定判定规则。规则应写成“指标—区间—依据”的形式，例如“工作量中位数落在4–16人时之间，依据为本团队过去三个迭代的分布”；“P90不超过中位数的3倍”；“返工率低于10%”；“平均交接次数不超过1次”。阈值来源只能是历史基线或团队共识，不套用外部通用标准。
- 抽样人工复核。从工作量最大和最小的任务中各抽若干条，检查描述是否足以执行、验收标准是否明确，与指标结论对照。指标显示正常但抽样发现大量任务描述缺失时，说明指标集合需要补充或口径需要修正。
- 调整拆分规范后复测。修改规范（例如设定任务工作量上限、要求描述包含验收标准）后，在下一个可比时间窗内重新取数，对比中位数、P90、返工率和交接次数的分布变化，判断调整是否达到预期。
评估流程涉及任务字段、工时记录和状态流转数据，这些数据通常分散在任务描述、状态变更日志和工时记录中。使用 ONES 这类研发管理工具时，任务的工作量、状态、子任务和指派变更会随执行过程沉淀在工作项里，评估时可按迭代或时间窗筛选已完成任务，导出字段后按本文口径计算；状态回退和指派变更记录也可作为返工率与交接次数的取数来源。工具承担的是数据留存和取数，判定规则仍需团队自己设定。
例子：一次颗粒度评估的完整演算
以下为演示情景，数字仅用于说明计算过程，不代表任何真实团队的基线。
某团队一个迭代内完成12个需求实现类任务，其中10个有估算值，单位为故事点，分别为：1、2、2、3、3、3、5、5、8、13。另2个任务未估算，标记后不进入工作量指标。
工作量中位数：将10个值排序后取第5、第6位的平均，即(3+3)/2=3故事点。P90：10个样本的第90百分位取第9个值，即8故事点。中位数3、P90为8，P90约为中位数的2.7倍，长尾尚可接受；但存在一个13点的任务，明显高于其余任务，抽样复核时应重点检查该任务是否本应拆分。
周期指标：12个任务从进入执行到完成的自然日中位数为6天。返工率：迭代内重开次数合计3次，完成任务数12，返工率=3/12=25%。跨人交接：指派变更合计9次，平均每任务0.75次。描述完整度：12个任务中9个填写了验收标准，完整度=9/12=75%。
综合判断：工作量中位数处于中等水平，但P90偏高且存在单个超大任务，说明部分任务偏粗；返工率25%偏高，结合描述完整度75%，提示拆分后的任务在验收标准上不够清晰；交接次数不高，说明拆分没有制造明显的协作负担。结论是“整体略偏粗，重点在少数大任务和验收标准缺失”，调整方向为设定单任务工作量上限、要求拆分时写明验收标准。
复测对比：下一个迭代按同一口径重新计算，若中位数仍在3左右、P90降到5、返工率降到10%以下、描述完整度升到90%以上，可认为调整有效；若中位数明显下降而任务数量大幅上升、交接次数上升，则说明拆分过度，需要回调上限。
解读与限制：指标能说明什么、不能说明什么
颗粒度指标反映的是任务大小和结构的分布特征，不能直接等同于团队效率或交付质量。工作量中位数下降可能来自拆分更细，也可能来自估算习惯变化；返工率上升可能来自拆分不清，也可能来自验收标准变严。解读时应把指标变化与具体规范调整、人员变动、任务类型构成一起看。
不同任务类型的可比性有限。探索性任务在开始时难以准确估算，工作量分布天然分散；重复性任务则相对集中。把两类任务放在同一张分布表里比较，容易得出错误结论。建议按任务类型分组统计，组内比较，跨组只看趋势。
样本量过小和分母为零是常见偏差来源。一个迭代只有几个任务时，中位数和P90都不稳定，应累积多个迭代再判断。返工率在完成任务数很少时波动很大，分母为零时直接标注无样本。估算习惯差异也会影响结果：有的成员习惯把任务拆小后估算，有的习惯整体估算，评估前应统一估算单位和拆分约定。
指标用于改进拆分规范时，沟通方式决定评估能否持续。建议在团队内公开口径和基线，说明评估目的是让任务更容易执行和验收，讨论对象是任务结构而不是个人表现；调整规范时给出过渡期，复测后一起看分布变化。把颗粒度指标当作个人考核依据，会迅速改变填数行为，使基线失去参考价值。
常见问题
团队任务量不大，一个迭代只有十几个任务，颗粒度评估还能做吗？
可以做，但结论要谨慎。样本量小时，中位数和P90都不稳定，返工率在完成任务数很少时波动也很大。建议累积连续几个已完成迭代再计算，把时间窗拉长到样本量足够支撑分布判断；分母为零的指标直接标注“无样本”，不用0%代替。样本不足时，可以先做抽样人工复核，用描述完整度和验收标准缺失情况辅助判断，等数据积累后再补定量结论。
探索性任务和重复性任务能放在一起算颗粒度吗？
不建议混在一张分布表里比较。探索性任务在开始时难以准确估算，工作量分布天然分散；重复性任务相对集中。混算会让中位数和P90同时受两类任务构成变化影响，难以判断是拆分规范变了还是任务类型比例变了。建议按任务类型分组统计，组内比较中位数和P90，跨组只看趋势变化，并在报告中注明分组口径。
评估发现颗粒度偏粗，应该先改拆分规范还是先调估算方式？
先看指标指向哪类问题。如果P90明显高于中位数、存在少数超大任务，且抽样复核发现这些任务描述不足以直接执行，优先改拆分规范，例如设定单任务工作量上限、要求拆分时写明验收标准。如果工作量分布本身分散但描述完整、返工率不高，更可能是估算习惯差异，先统一估算单位和拆分约定。两类调整可以先后进行，每次只改一项，复测时才能看清分布变化来自哪项调整。
颗粒度指标可以用于个人绩效考核吗？
不建议。颗粒度指标反映任务大小和结构的分布特征，一旦与个人考核挂钩，成员会按指标反推填数，例如把任务拆得更碎以压低单任务工作量，或减少重开记录以降低返工率，基线随即失真。更合适的做法是在团队内公开口径和基线，说明评估目的是让任务更容易执行和验收，讨论对象是任务结构；调整规范时给出过渡期，复测后一起看分布变化。
调整拆分规范后，多久复测比较合适？
选一个与基线可比的时间窗，通常是一个完整迭代或连续几个迭代，确保任务类型构成和团队人员没有大的变动。复测时沿用同一套口径和同一批指标，对比中位数、P90、返工率、描述完整度和交接次数的分布变化。如果中位数下降但任务数量大幅上升、交接次数上升，说明拆分过度，需要回调上限；如果指标改善但抽样复核发现描述质量下降，说明规范还需要补充验收标准方面的要求。
