研发工作量评估要回答的是“这件事大概需要投入多少”，而不是“谁做得更多”。要让结果可信，先明确用途与对象层级，再统一单位、分母和时间窗，用历史同类任务的实际投入做基准，按公式算出预估区间，最后用偏差率和命中率检验评估质量。本文给出一套可直接代入数据复算的口径、公式与算例。
要点总览（TL;DR）
- 先写清用途与对象层级：排期、资源申请、承诺交付对精度要求不同，单任务、迭代、项目三级的核验口径要各自匹配。
- 单位按层级选：人时适合短期精确排班，人天适合迭代与版本规划，故事点只在同一团队内可比，跨团队汇总需折算或分别统计。
- 单项预估用类比法或三点估算 E=（O+4M+P）/6，汇总后按历史偏差加缓冲；偏差率=（实际−预估）/实际×100%，命中率=落在区间内的任务数/纳入评估的任务总数。
- 评估记录要留评估人、评估时点、假设条件与类比对象，取数与复盘使用同一套数据，偏差才能定位到方法而非外部变化。
- 偏差率与命中率只反映投入预估的准确度，样本量小时参考价值有限，不宜直接用于绩效结论，建议按迭代复盘、按季度校准口径。
评估目标：要回答哪个投入问题
工作量评估的第一步是写清用途。同一个任务，用于排期时只需要一个可安排的时间量级，用于资源申请时需要说明人力投入与技能构成，用于对外承诺交付时则要求更窄的偏差范围。用途不同，评估时点、精度要求和复核方式都不同。建议在评估开始前用一句话固定下来，例如“为下个迭代的排期提供单任务投入预估，允许偏差在±30%以内”。
需要区分三类容易混淆的活动。投入预估是对未来工作的判断，产出评价是对已发生结果的衡量，工时填报是对实际消耗的记录。三者使用同一批工作项，但目的和数据方向不同。评估结果只反映投入预估的准确程度，不能直接当作团队产出或绩效结论。
对象层级决定评估粒度。单任务级评估适合两周以内的迭代排期，颗粒度细、可核验样本多；迭代级评估适合版本规划，关注总量与缓冲；项目级评估适合立项和资源申请，通常由任务级结果汇总而来。层级一旦确定，后续的分母、时间窗和核验口径都应与之匹配，避免用项目级总量去核验单任务预估。
精度要求应写成可检验的条件，而不是“尽量准确”。常见做法是设定偏差率阈值和命中率目标，例如“80%的任务实际投入落在预估区间的±30%以内”。阈值由团队历史数据决定，没有通用达标线；首次评估可以先记录数据，运行两三个迭代后再确定目标。
本节交付物：一份评估目标说明，包含用途（排期/资源申请/承诺交付）、对象层级（单任务/迭代/项目）、精度要求（偏差率阈值与命中率目标）以及评估时点。
指标与范围：选单位、定分母、划时间窗
单位选择直接影响可比性。人时适合颗粒度细、需要精确排班的短期任务；人天适合迭代和版本级规划，便于与人员可用天数对齐；故事点适合需求差异大、希望弱化绝对时间的团队，但故事点只在同一团队内部可比，跨团队汇总时需要折算或分别统计。三种单位可以在不同层级并存，但同一张报表内应保持一种主单位。
分母与统计范围要事先约定。按任务数统计时，分母是纳入评估的任务总数；按迭代统计时，分母是该迭代内完成的任务数或迭代数；按人天统计时，分母是投入的人天总量。分母不同，偏差率和命中率的数值会明显变化，因此报表中必须标注分母定义。
时间窗决定哪些工作进入统计。常见约定包括：以任务进入“进行中”到“已完成”的日期为实际投入窗口；返工计入实际投入，因为返工消耗了真实资源；等待时间是否计入取决于评估目的，排期用途通常计入日历时间但不计入人力投入；会议和沟通时间若未单独记录，可按约定比例折算或明确排除。纳入与排除规则应写成清单，随报表一起发布。
缺失值与异常值需要处理约定。评估值缺失的任务不进入偏差率计算，但在命中率统计中单独列为“未评估”；实际投入明显异常（如超过同类任务中位数数倍）的记录先核查原因，确认是数据错误则修正，确认是真实情况则保留并标注，不直接删除。
| 指标 | 单位 | 分子 | 分母 | 时间窗 |
|---|---|---|---|---|
| 单项预估投入 | 人时/人天/故事点 | 评估人给出的预估值 | 不适用 | 评估时点 |
| 实际投入 | 人时/人天 | 任务实际消耗工时 | 不适用 | 开始至完成 |
| 偏差率 | 百分比 | 实际−预估 | 实际 | 与任务时间窗一致 |
| 命中率 | 百分比 | 落在区间内的任务数 | 纳入评估的任务总数 | 同一迭代或统计周期 |
| 迭代总投入 | 人天 | 各任务预估之和加缓冲 | 不适用 | 迭代周期 |
数据口径与证据：评估值从哪来、怎么留痕
历史实际投入是评估的主要基准。取数来源应固定，例如工时记录、任务流转时间戳或迭代结算数据。取数前需要清洗：剔除测试数据和重复记录，统一单位换算（如8人时折算1人天），核对任务与迭代的归属关系。清洗规则写成文档，每次取数按同一规则执行，结果才可横向比较。
评估记录要保留可复核的字段。至少包括：评估人、评估时点、评估对象（任务或迭代）、所用单位、预估值或三点估算的三个值、假设条件（如依赖的接口是否就绪、是否包含联调）、类比对象（参考了哪个历史任务）。缺少这些字段，事后无法判断偏差来自评估方法还是外部变化。
定性证据同样重要。任务拆分依据（为什么拆成这几项）、类比对象的选择理由、识别的风险假设，都应随评估记录保存。拆分粒度过粗是偏差的常见来源，保留拆分过程便于复盘时定位问题。
数据不可比时要标注，而不是强行合并。例如团队更换了技术栈、需求范围在迭代中发生变更、统计单位从故事点改为人天，这些情况应在报表中注明“口径变更”，必要时分段统计。评估记录、工作项拆分与历史投入数据可以在研发管理工具中留痕，例如在ONES中通过工作项字段记录预估工时与评估时点，迭代结束后对照实际工时做偏差复盘，使取数与核验使用同一套数据。
计算步骤：从单项预估到整体区间
单项预估常用两种方法。类比法直接取历史同类任务的实际投入作为预估值，适合重复性高的任务；三点估算分别给出乐观值O、最可能值M、悲观值P，按期望公式计算：E =（O + 4M + P）/ 6。三点估算的区间可取[O, P]，用于命中率统计。权重4体现最可能值的中心地位，团队也可根据历史拟合情况调整权重，但调整后应在报表中注明。
汇总分两步。先对同一迭代内的任务预估值求和，得到基础总量；再按约定比例加缓冲，缓冲用于覆盖拆分遗漏和不确定性，比例可参考历史偏差的中位数确定，例如历史偏差普遍为正10%至20%，则缓冲取15%左右。缓冲不是固定值，应在每个统计周期复核。
偏差率公式为：（实际−预估）/ 实际 × 100%。正号表示实际超过预估（低估），负号表示实际低于预估（高估）。分母用实际而非预估，是为了避免预估为零时无法计算；若实际投入为零（任务取消），该任务不进入偏差率计算并单独标注。
命中率公式为：落在预估区间内的任务数 / 纳入评估的任务总数 × 100%。区间由三点估算的[O, P]或类比法给出的上下限确定。分母为零（统计周期内没有可评估任务）时，命中率记为“不适用”，不写0%，避免误读为评估全部失败。
- 确定统计周期与纳入任务清单。
- 逐项记录预估值或三点估算值，标注评估人与假设。
- 汇总基础总量，按约定比例加缓冲。
- 周期结束后取实际投入，逐项计算偏差率。
- 统计命中率，汇总偏差分布，形成复盘记录。
算例：一个迭代的工作量评估全过程
以下为演示情景，数值用于说明计算过程。某团队规划一个两周迭代，纳入4个研发任务，单位为人天，缓冲比例取15%。
| 任务 | 乐观O | 最可能M | 悲观P | 期望值E | 实际投入 |
|---|---|---|---|---|---|
| 任务A：接口开发 | 2 | 3 | 5 | 3.17 | 4 |
| 任务B：页面改版 | 3 | 4 | 7 | 4.33 | 4 |
| 任务C：数据迁移脚本 | 1 | 2 | 4 | 2.17 | 3 |
| 任务D：联调与修复 | 2 | 3 | 6 | 3.33 | 5 |
逐项计算期望值，例如任务A：E =（2 + 4×3 + 5）/ 6 = 19 / 6 ≈ 3.17人天。四项期望值合计约13.0人天，加15%缓冲后迭代总量约为14.95人天，取整为15人天。
迭代结束后计算偏差率。任务A：（4−3.17）/ 4 × 100% ≈ +20.8%；任务B：（4−4.33）/ 4 × 100% ≈ −8.3%；任务C：（3−2.17）/ 3 × 100% ≈ +27.7%；任务D：（5−3.33）/ 5 × 100% ≈ +33.4%。四项均为正偏差或小幅负偏差，说明整体存在低估倾向，其中任务D偏差最大，复盘时应重点检查联调工作量是否在拆分时被遗漏。
计算命中率。以[O, P]为区间，任务A实际4落在[2,5]内，命中；任务B实际4落在[3,7]内，命中；任务C实际3落在[1,4]内，命中；任务D实际5落在[2,6]内，命中。命中率为4/4 = 100%。本例样本仅4项，命中率100%不足以说明评估稳定，需要累积多个迭代的数据再判断。
解读与限制：偏差说明什么、不说明什么
偏差偏大通常有几类原因：拆分粒度过粗，遗漏了联调、测试和文档工作；需求在迭代中变更，实际范围超出评估时的假设；隐性工作未记录，如环境搭建和跨团队沟通。复盘时应先定位原因，再决定是调整拆分方法、补充缓冲，还是修订纳入排除规则。把偏差直接归因于个人能力，会掩盖口径问题。
命中率在样本量小、任务差异大时参考价值有限。四五个任务的迭代，一次全部命中或全部落空都可能出于偶然。建议累积至少三到五个迭代、数十个任务后再看趋势，并按任务类型分组统计，避免用总体命中率掩盖某一类任务的系统性偏差。
评估结果与产能、绩效指标要分开使用。工作量预估衡量的是判断准确度，产能衡量的是单位时间内的有效产出，绩效还涉及质量、协作等多维因素。用偏差率考核评估人，容易导致预估被刻意放宽，反而降低数据可信度。评估数据更适合用于改进拆分方法、校准缓冲比例和优化排期。
持续校准建议按固定节奏进行：每个迭代结束后做一次偏差复盘，每个季度汇总一次口径与缓冲比例的调整。复盘记录保留评估时的假设与事后原因，形成可追溯的校准链条。当团队技术栈、需求类型或人员构成发生明显变化时，历史基准需要重新建立，旧数据仅作参考。
常见问题
团队第一次做工作量评估，没有历史数据怎么办？
首个周期先以记录为主，不急于设定偏差率阈值。可以先用三点估算给出乐观、最可能、悲观三个值，把评估人、评估时点和假设条件一并留存；迭代结束后取实际投入，算出偏差率作为基线。运行两三个迭代、累积数十个任务后，再根据历史偏差的中位数确定缓冲比例和可接受的偏差范围。首次评估的目标是让数据链条完整，而非一次估准。
返工和需求变更的投入，应该计入实际投入吗？
返工消耗了真实资源，通常计入实际投入，否则偏差率会系统性偏低。需求变更的处理取决于评估目的：如果变更发生在评估之后、范围明显扩大，可以在报表中标注“范围变更”，把变更前后的数据分段统计，避免把范围变化误判为评估失准。无论采用哪种处理，规则应事先写清并随报表发布，同一统计周期内保持一致。
命中率100%是不是说明评估已经很准了？
不一定。命中率的分母是纳入评估的任务总数，四五个任务的迭代全部落在区间内，可能只是区间设得足够宽或样本偶然。判断评估质量要同时看三点：样本量是否足够（建议累积三到五个迭代）、区间宽度是否合理（过宽会抬高命中率但失去排期参考价值）、偏差分布是否集中在某一类任务。按任务类型分组统计，比只看总体命中率更能发现问题。
故事点和人天能在同一张报表里混用吗？
同一张报表内建议保持一种主单位。故事点只在同一团队内部可比，跨团队汇总时需要折算或分别统计；人天便于与人员可用天数对齐，适合迭代和版本级规划。如果团队内部用故事点排期、对外用天汇报，应固定一个折算规则并注明折算依据，折算比例变化时在报表中标注口径变更，避免历史数据被直接比较。
评估结果能不能用来考核评估人或团队？
不建议直接挂钩。偏差率衡量的是判断准确度，产能衡量单位时间内的有效产出，绩效还涉及质量与协作，三者口径不同。用偏差率考核评估人，容易导致预估被刻意放宽，数据可信度下降，后续排期和资源申请都会受影响。评估数据更适合用于改进任务拆分方法、校准缓冲比例和优化排期节奏，考核应使用另外设计的指标组合。
