需求排期准确率衡量承诺的排期日期与实际完成日期的一致程度，交付健康度衡量需求在实现过程中的流动状态。两者都要先固定统计对象、时间窗、分母和完成判定标准，再计算并解释。本文给出可复算的口径、公式与示例，并说明解读时的限制。
要点总览（TL;DR）
- 需求排期准确率 = 按期完成需求数 ÷ 已到期需求数 × 100%，分母是承诺完成日落在统计周期内且未取消的需求；分母为零时不出比率，只记录样本量。
- 偏差天数 = 实际完成日 − 承诺完成日，按提前、按期、逾期分档统计，分档分布比单一比率更能反映承诺兑现的稳定性。
- 交付健康度用交付周期中位数、在制品数量、阻塞时长占比、周期吞吐量等流动指标组合观察，单看一个比率不足以判断交付能力。
- 统计前固定需求范围、时间窗（按承诺完成日还是按实际完成日归集）、完成判定和拆分规则，否则跨团队结果不可比。
- 排期准确率高可能来自排期宽松，需结合交付周期与需求规模一起读；指标反映过程状态，不宜直接作为个人绩效结论。
评估目标：排期准确率与交付健康度各自回答什么问题
需求排期准确率回答的是“承诺兑现程度”：团队在某个时间点承诺了需求何时完成，到期时有多少需求真的在那个日期或之前完成。它关注的是承诺与结果之间的偏差，属于结果侧的兑现指标。交付健康度回答的是“需求流动是否顺畅、积压是否可控”：需求从进入开发到完成要花多久，同时在处理的需求有多少，有多少时间被阻塞，每个周期能稳定交付多少。它关注的是过程侧的流动状态。
两类指标的分工决定了它们不能互相替代。排期准确率是一个比率，无法说明需求在过程中经历了什么；交付健康度是一组流动指标，无法直接说明对外承诺是否兑现。把排期准确率当成交付能力的结论，是常见的误读。
组合读法能提供更完整的判断。排期准确率高但交付周期拉长、在制品持续积压，说明承诺可能建立在宽松排期或少量需求上，兑现的代价是流动变慢。排期准确率偏低但交付周期稳定、在制品可控，说明排期本身可能过于乐观，团队的实际流动能力并不差，问题更可能出在承诺环节。两类指标同向变化时，结论相对可靠；背离时，应先回到口径和需求规模上找原因。
指标与范围：统计哪些需求、按什么时间窗归集
口径可复算的前提是范围固定。统计前需要把下面四项规则写成文字，并在每个统计周期沿用同一版本。
| 口径项 | 需要确定的规则 | 常见处理 |
|---|---|---|
| 需求范围 | 纳入哪些需求类型与优先级 | 只纳入进入排期流程的需求；取消的需求排除；合并、拆分产生的重复项按最终保留的一条计入，避免同一工作重复计数 |
| 时间窗 | 按承诺完成日归集还是按实际完成日归集 | 按承诺完成日归集，适合评估“到期承诺兑现”；按实际完成日归集，适合评估“本周期交付了什么”。两种口径结果不同，同一份报告内不可混用 |
| 统计周期 | 周、迭代还是月度 | 与团队排期节奏一致；跨周期需求归属到其承诺完成日所在周期，未完成时在后续周期继续跟踪 |
| 完成判定 | 以哪个状态或事件作为完成时点 | 需明确是开发完成、测试通过还是验收通过；完成时点决定实际完成日，必须全团队一致 |
时间窗的选择直接影响结论。按承诺完成日归集时，一个周期内到期的需求构成分母，其中按期完成的计入分子，逾期未完成的计入分母但不计入分子，这样比率反映的是“到期承诺的兑现情况”。按实际完成日归集时，分母是本周期实际完成的需求，比率反映的是“完成的需求中有多少在原承诺日之前完成”，逾期很久后才完成的需求也会进入样本。两种口径都能用，但报告里要写明用的是哪一种。
完成判定需要落到具体事件上。若以验收通过为完成，实际完成日就是验收通过日；若以开发完成为完成，实际完成日就是开发完成日。判定标准变化会让同一批需求的偏差天数整体平移，因此跨周期比较前要确认判定标准未变。
数据口径与证据：字段、公式和分母处理
计算所需的基础字段包括：承诺完成日、实际完成日、进入开发日、阻塞起止时间、状态变更记录。承诺完成日是排期的基准，实际完成日由完成判定事件产生，进入开发日用于计算交付周期，阻塞起止时间用于统计阻塞时长，状态变更记录用于还原需求在周期内的流转和改期历史。
排期准确率的公式为：按期完成需求数 ÷ 已到期需求数 × 100%。分子是实际完成日不晚于承诺完成日的需求数，分母是承诺完成日落在统计周期内、且未被取消的需求数。分母为零时，该周期不输出比率，只记录样本量为零，避免出现无意义的百分比。
偏差天数 = 实际完成日 − 承诺完成日，单位为天。结果为负表示提前完成，为零表示按期，为正表示逾期。建议按提前、按期、逾期分档统计，逾期档可再细分，例如逾期 1–3 天、4–7 天、7 天以上。分档分布比单一比率更能反映承诺兑现的稳定性：同样 80% 的按期率，偏差集中在 1 天内和分散在数周内，含义完全不同。
交付健康度由一组流动指标构成，各自的口径如下：
| 指标 | 计算口径 | 单位 |
|---|---|---|
| 交付周期中位数 | 各需求（实际完成日 − 进入开发日）的中位数 | 天 |
| 在制品数量 | 统计时点处于开发中、未完成状态的需求数 | 个 |
| 阻塞时长占比 | 需求阻塞总时长 ÷ 需求在开发状态的总时长 × 100% | % |
| 周期吞吐量 | 统计周期内完成的需求数 | 个/周期 |
取中位数而非平均值，是为了减少个别超长需求对结果的拉偏。在制品数量取统计时点的快照，需要固定快照时间，例如每周最后一个工作日结束。阻塞时长占比需要阻塞起止时间记录完整，缺失起止时间的需求单独标注，不默认按零处理。
缺失值与改期需要明确规则。改期需求应保留原始承诺日和改期记录，计算时以最新承诺日为准，同时在报告中披露改期需求的数量和占比，因为频繁改期本身会影响排期准确率的可信度。缺失实际完成日的需求，若承诺完成日已到期，计入分母但不计入分子，按逾期处理；若承诺完成日未到期，不进入当期分母。缺失承诺完成日的需求不进入排期准确率计算，单独列出数量。
计算与评估步骤：从取数到形成判断
按以下顺序执行，可以让结果可复算、可追溯。
- 固定口径并冻结统计快照。确认需求范围、时间窗、统计周期、完成判定四项规则，导出统计时点的需求清单和状态记录，保存为快照，后续计算都基于同一份数据。
- 按需求逐条计算偏差天数。对每条已到期需求，用实际完成日减承诺完成日，得到偏差天数；未完成的需求标记为逾期，偏差天数暂记为“未完成”。
- 汇总按期率与偏差分布。统计分母、分子，计算按期率；同时输出提前、按期、逾期各档的需求数和占比，以及改期需求数量。
- 计算流动指标并观察趋势。计算交付周期中位数、在制品数量、阻塞时长占比和周期吞吐量，与之前若干周期对比，看趋势而非只看单点。
- 把两类结果放在一起形成判断。先看按期率与偏差分布是否稳定，再看流动指标是否支持这个结论，最后结合需求规模和改期情况解释差异。不设一条通用达标线，判断标准由团队结合自身排期节奏和历史基线确定。
形成判断时，建议按“现象—口径核对—原因假设—验证动作”的顺序记录。例如按期率下降，先核对分母是否因需求拆分变多而扩大，再检查偏差是否集中在少数需求上，最后回到排期环节确认承诺日期是如何确定的。这样的记录能让下一周期的比较有据可依。
例子：一个统计周期内的口径演算
以下为演示情景，数据为虚构，仅用于说明计算过程。某团队以月度为一个统计周期，按承诺完成日归集，完成判定为验收通过。某月承诺完成日落在该月的需求共 10 条，其中 1 条在月中被取消，排除后分母为 9 条。
9 条需求中，7 条在承诺完成日或之前验收通过，2 条逾期。按期率 = 7 ÷ 9 × 100% ≈ 77.8%。偏差天数方面：提前完成 2 条（分别为提前 3 天、提前 1 天），按期完成 5 条（偏差 0 天），逾期 2 条（分别逾期 2 天、逾期 9 天）。分档结果为提前 2 条、按期 5 条、逾期 1–3 天 1 条、逾期 7 天以上 1 条。
流动指标方面，该月完成的需求共 8 条（含 1 条上月承诺、本月完成的需求），其交付周期（验收通过日 − 进入开发日）分别为 6、7、7、8、9、10、12、21 天，中位数为 8.5 天。月末在制品数量为 5 条，其中 1 条处于阻塞状态，阻塞时长占其在开发状态总时长的 30%。该月吞吐量为 8 条。
示例结论的读法：按期率约 77.8%，偏差分布中多数需求按期或提前，逾期集中在 2 条需求上，其中 1 条逾期超过一周，值得单独复盘。交付周期中位数 8.5 天，但存在 21 天的长尾需求，说明周期分布不均。在制品 5 条、吞吐 8 条，流动基本正常，阻塞占比 30% 提示阻塞是周期拉长的一个可能来源。这个结论说明的是该月的过程状态，不能直接推断团队交付能力的高低，也不能作为个人评价依据。
解读与限制：指标能说明什么、不能说明什么
排期准确率高可能来自排期宽松。如果承诺完成日普遍定得比实际需要更晚，按期率自然好看，但交付周期并不会因此缩短。解读时应把按期率与交付周期中位数、需求规模放在一起看：需求数量少、周期短、按期率高，说明兑现稳定；需求数量多、周期长、按期率仍高，需要确认排期是否留了过多余量。
分母选择不同会导致结果不可比。按承诺完成日归集和按实际完成日归集，得到的按期率可能相差明显；纳入全部需求还是只纳入已到期需求，也会改变分母。跨团队比较前必须统一需求范围、时间窗、完成判定和拆分规则，否则比较的是口径差异而非交付差异。
需求拆分粒度变化会改变按期率。把一个大需求拆成多个小需求，分母变大，单条需求的偏差对整体比率的影响变小，按期率可能上升或下降，取决于拆分后各条的完成情况。固定拆分规则，并在拆分规则调整时标注口径变更，是保持可比性的必要动作。
指标反映过程状态，不能直接作为个人绩效结论。排期准确率和交付健康度描述的是需求集合的流动与兑现情况，受需求规模、依赖关系、外部阻塞等多种因素影响，把这些指标直接对应到个人，会忽略协作和外部条件的作用。
数据记录不完整时，结果的可信度需要说明。阻塞起止时间缺失、改期记录未保留、完成判定事件不统一，都会让指标失真。报告中应披露缺失字段的需求数量和占比，缺失比例较高时，指标只宜作为趋势参考，不宜作为精确结论。
在需求状态、承诺完成日和阻塞记录的管理动作上，ONES 提供需求池与工单系统支撑业务反馈与产品开发的联动，团队可跟踪需求和缺陷处理进度，并通过任务和工单完成开发、测试与修复，形成需求—任务—测试—缺陷的闭环。ONES 支持 Scrum、Kanban 等模式，借助迭代计划、任务看板、燃尽图和生产率度量图管理迭代进度，系统会记录资源投入、缺陷分布、工作项滞留时间等过程数据。这些记录可以作为上述口径的取数来源；排期准确率、交付周期等指标的具体计算方式，仍需团队按本文口径自行定义并在报表中落地。
常见问题
按承诺完成日归集和按实际完成日归集，结果差在哪里，报告里该用哪个？
两种口径的分母不同。按承诺完成日归集时，分母是承诺完成日落在本周期内、且未被取消的需求，比率反映“到期承诺的兑现情况”，逾期很久后才完成的需求不会进入当期样本。按实际完成日归集时，分母是本周期实际完成的需求，比率反映“完成的需求中有多少在原承诺日之前完成”，长尾逾期需求也会被计入。
选择取决于评估目的：看承诺兑现用前者，看本周期交付质量用后者。同一份报告内只能选一种，并在报告开头写明，否则跨周期比较会失真。
需求中途改期，排期准确率怎么算才不失真？
改期需求保留原始承诺日和改期记录，计算时以最新承诺日为准，同时在报告中单独披露改期需求的数量和占比。频繁改期本身会抬高按期率，如果不披露，比率会显得比实际兑现情况更好。
如果改期比例持续偏高，建议先回到排期环节，确认承诺日期是如何确定的，再讨论比率本身。改期记录缺失时，该周期指标只宜作为趋势参考。
按期率看起来不错，但团队感觉交付一直很赶，应该看什么补充指标？
先看偏差分布：同样 80% 左右的按期率，偏差集中在 1 天内和分散在数周内，含义完全不同。再看交付周期中位数和在制品数量，如果周期在拉长、在制品持续积压，说明承诺兑现的代价是流动变慢，排期可能留了过多余量或需求规模偏小。
阻塞时长占比也值得关注，阻塞是周期拉长的常见来源。把这几项与按期率放在同一张趋势图上看，比单看一个比率更能说明问题。
需求拆分粒度变了，历史数据还能直接比较吗？
不能直接比较。把一个大需求拆成多个小需求后，分母变大，单条需求的偏差对整体比率的影响变小，按期率可能上升也可能下降，取决于拆分后各条的完成情况。
处理办法是固定拆分规则，并在规则调整时标注口径变更日期，把变更前后的数据分段呈现。跨团队比较前同样要先统一拆分规则，否则比较的是口径差异。
这些指标的数据从哪里取，ONES 能直接给出排期准确率吗？
基础数据来自需求的状态变更记录、承诺完成日、实际完成日、进入开发日和阻塞起止时间。ONES 提供需求池与工单系统支撑业务反馈与产品开发的联动，团队可跟踪需求和缺陷处理进度，并通过任务和工单完成开发、测试与修复，形成需求—任务—测试—缺陷的闭环；系统会记录资源投入、缺陷分布、工作项滞留时间等过程数据，可作为取数来源。
排期准确率、交付周期等指标的具体计算方式，仍需团队按本文口径自行定义并在报表中落地。取数前建议先确认完成判定事件和字段记录是否完整，缺失比例较高时指标只宜作为趋势参考。
