衡量需求排期准确性，核心是回答一个问题：承诺的交付时间与实际交付时间差了多少。建议以单个需求为统计单位，用排期偏差率和按期交付率两个主指标，辅以偏差方向、需求规模分层和变更次数，在固定时间窗内统计并剔除无效样本。指标本身只描述偏差，解读时需要结合样本量和偏差分布，避免用单一比率下结论。
要点总览（TL;DR）
- 以单个需求为统计单位，用排期偏差率（Σ实际与承诺交付日差÷Σ承诺周期）和按期交付率（按期交付需求数÷到期需求数）两个主指标衡量排期准确性，前者看偏差幅度，后者看达标比例。
- 辅助指标包括偏差方向分布、按需求规模分层的偏差和排期内变更次数，用于判断偏差是否集中、是否随规模放大。
- 统计前统一时间基准（自然日或工作日、截止时点），只纳入已到期且已交付或已确认逾期的需求，剔除取消、合并、拆分后不再独立交付及无承诺日期的样本。
- 按确定时间窗、清洗样本、计算总体与分层指标、对比趋势并核查异常、形成结论与改进项五步执行，每步保留可复核的中间结果。
- 偏差率低不等于排期管理好，需结合偏差方向、样本量和需求结构解读；指标描述结果，不能直接归因到个人或团队，宜作为改进验证的输入。
评估目标：排期准确性要回答哪几个问题
排期准确性的评估对象是单个需求的承诺交付时间与实际交付时间。评估时把“准确”拆成四个可度量的问题，分别对应不同的指标和观察方式。
- 偏差多大：实际交付日期与承诺交付日期相差多少天，相对承诺周期占多大比例。这由排期偏差率回答。
- 偏差朝哪个方向：提前交付和延后交付各占多少。同样是平均偏差为零，一半大幅提前、一半大幅延后的团队，与偏差集中在零附近的团队，管理含义完全不同。
- 偏差是否集中：偏差是分散在多数需求上，还是集中在少数需求上。少数需求的大幅延后会把总体偏差率拉高，掩盖多数需求按期交付的事实。
- 偏差是否随规模变化：大需求是否系统性地比小需求更容易延后。按需求规模分层后，可以看到偏差与规模的关系。
需要区分三类相邻但不同的管理对象。迭代整体安排关注一个迭代内承诺了多少工作量、容量是否合理，属于规划问题；需求验收关注交付物是否满足验收标准，属于质量问题；排期准确性只关注时间承诺与时间结果之间的差距。三者可以互相印证，但不能互相替代。一个迭代整体按时结束，内部仍可能有多个需求延后、被其他需求掩盖；一个需求验收通过，也不代表它按承诺日期交付。
指标与范围：主指标、辅助指标和统计单位
建议设置两个主指标，一个反映偏差幅度，一个反映达标比例，同时使用才能避免片面。统计单位统一为“单个需求”，所有公式中的分子分母都按需求计数或按天累计。
| 指标 | 公式 | 单位 | 分母说明 |
|---|---|---|---|
| 排期偏差率 | Σ(实际交付日期−承诺交付日期)÷Σ承诺周期 | 百分比 | 分母为纳入样本的承诺周期天数之和，即每个需求从承诺确定日到承诺交付日的天数累计 |
| 按期交付率 | 按期交付需求数÷到期需求数 | 百分比 | 分母为统计窗口内已到承诺交付日、且已交付或已确认逾期的需求数 |
| 偏差方向分布 | 提前交付数、按期交付数、延后交付数各自占比 | 百分比或需求数 | 分母同按期交付率的到期需求数 |
| 规模分层偏差 | 按需求规模区间分别计算排期偏差率 | 百分比 | 各层内承诺周期天数之和 |
| 排期内变更次数 | 需求在承诺确定后到交付前，承诺日期或范围被修改的次数 | 次 | 按需求统计，可给出均值与分布 |
排期偏差率的分子带方向：延后为正，提前为负，正负相抵后得到净偏差。如果只关心偏差幅度而不关心方向，可以另算绝对偏差率，即分子取绝对值。两种口径回答的问题不同，报告中应注明使用哪一种，不能混用。
统计范围需要事先写清楚，至少包括三项。时间窗按承诺交付日落入统计区间来界定，例如“本季度承诺交付的需求”，而不是按实际交付日界定，否则延后到下一季度的需求会被漏掉。需求状态只纳入已到期且已交付、或已到期确认未交付的需求；尚未到期的在途需求不进入分母。样本排除规则包括：已取消的需求、被合并到其他需求后不再独立交付的需求、拆分为多个子需求后原需求不再单独承诺的需求，以及从未设定承诺交付日期的需求。这些样本应在报告中单列数量，便于核对排除是否合理。
数据口径与证据：从哪些字段取数、如何保证可比
计算排期准确性至少需要四类字段：承诺交付日期、实际交付日期、需求规模、变更记录。承诺交付日期是排期确定时写入的日期，实际交付日期是需求达到约定交付状态的时间，两者都应保留历史值，避免后续修改覆盖原始承诺。需求规模可以用故事点、人天估算或需求等级表示，用于分层。变更记录需要保留每次承诺日期调整的时间和调整前后值。
时间基准必须统一，否则不同团队的数据不可比。需要明确三点：一是按自然日还是工作日计算偏差，跨节假日较多的周期建议用工作日，并在报告中注明；二是截止时点，例如以当日 24 点前状态变更算当日交付；三是跨时区团队统一到哪个时区。同一份报告内只能使用一种基准，口径变更时要在报告中记录变更时间和影响范围，新旧口径的数据不直接拼接成趋势线。
几类特殊情况需要预设处理规则：
- 分母为零：统计窗口内没有到期需求，或所有需求都被排除，此时不输出比率，改为列出需求明细并标注“样本不足”。
- 样本过少：到期需求少于约定下限（例如 10 个）时，比率波动很大，建议延长统计窗口或只做明细观察，不据此下结论。
- 需求拆分与合并：拆分后以子需求各自的承诺日期为准，原需求不计入；合并后以合并后需求的承诺日期为准，被合并需求不计入。若拆分发生在承诺之后，应在变更次数中记录一次。
- 数据缺失：缺少承诺日期或实际交付日期的需求单独列出，不进入主指标计算，缺失比例过高时先修数据再算指标。
在工具层面，承诺日期、实际交付日期和变更历史需要有稳定的承载位置。ONES 通过统一的需求池承载需求流转，业务团队可以跟踪需求处理进度；需求在迭代规划时被排入对应迭代，迭代过程中的状态变化和过程数据由系统记录，这些记录可以作为取数来源。具体字段名称和报表配置需按实际环境确认。
计算与评估步骤：从取数到得出结论的流程
按以下五步执行，每一步都留下可复核的中间结果，便于他人复算。
- 确定时间窗与样本范围。选定统计周期，按承诺交付日落入区间筛出需求清单，记录初始样本量。同时记录数据导出时间和数据源，保证后续可追溯。
- 清洗样本。逐条标记取消、合并、拆分、无承诺日期、未到期的需求，形成排除清单和排除原因。清洗后的样本量是后续所有比率的分母基础。
- 计算总体指标与分层指标。先算排期偏差率和按期交付率，再算偏差方向分布；然后按需求规模分成两到三档，分别计算偏差率，观察大需求与小需求的差异。变更次数单独统计均值和分布。
- 对比趋势与分布，核查异常需求。与上一周期同口径数据对比，看偏差率是改善还是恶化；列出延后天数最多的若干需求，逐条核查延后原因，判断是估算问题、依赖阻塞还是范围变更。异常需求的处理结论要回写到需求记录中。
- 形成结论与待改进项。结论区分“数据说明了什么”和“推测的原因是什么”，改进项落到具体动作，例如调整某类需求的估算方法、在承诺前增加依赖确认环节，并约定下一周期的验证方式。
在迭代复盘中，可以把排期偏差明细与迭代过程数据放在一起看。ONES 支持在迭代回顾时通过燃尽图、工时日志等报表复盘进度与成本偏差，工作项滞留时间等过程数据也可作为交叉印证；这些数据与排期偏差结合，能帮助判断延后是发生在等待环节还是执行环节。
例子：一个季度需求排期准确性的计算演示
以下为演示数据，用于说明计算过程，不代表任何真实团队的表现。
某季度按承诺交付日筛出需求 24 个。清洗后排除：取消 2 个、合并 1 个、拆分为子需求后原需求不再独立承诺 1 个、无承诺日期 1 个，剩余有效样本 19 个。其中 2 个尚未到期，最终进入分母的到期需求为 17 个。
| 需求 | 承诺周期（天） | 偏差（天） | 是否按期 |
|---|---|---|---|
| A1–A6 | 各 10 | 0、0、+2、0、−1、0 | 5 个按期，1 个延后 |
| A7–A12 | 各 15 | +3、0、0、+5、0、−2 | 3 个按期，2 个延后 |
| A13–A17 | 各 20 | +8、+4、0、+10、+2 | 1 个按期，4 个延后 |
总体计算：承诺周期合计为 6×10＋6×15＋5×20＝250 天；偏差合计为 (0+0+2+0−1+0)＋(3+0+0+5+0−2)＋(8+4+0+10+2)＝31 天。排期偏差率＝31÷250＝12.4%。按期交付需求为 5＋3＋1＝9 个，按期交付率＝9÷17＝52.9%。偏差方向分布为：提前 2 个、按期 9 个、延后 6 个。
分层看，承诺周期 10 天的小需求偏差合计 1 天，偏差率约 1.7%；15 天档偏差合计 6 天，偏差率约 6.7%；20 天档偏差合计 24 天，偏差率约 24%。偏差明显随需求规模放大，且集中在 20 天档的两个需求（+8 和 +10）上，这两个需求贡献了总偏差的 58%。这说明总体 12.4% 的偏差率主要由少数大需求驱动，改进重点应放在大需求的估算和依赖管理上，而不是笼统要求所有需求“更准时”。
样本不足的处理示例：若只看 20 天档，样本为 5 个，低于约定的 10 个下限，此时不单独输出该档的比率结论，改为列出 5 个需求的偏差明细，并注明“样本不足，仅供观察”。若某月到期需求为 0，则该月不计算比率，报告中写“本月无到期需求”，不写 0%。
解读与限制：指标能说明什么、不能说明什么
排期偏差率低，说明承诺日期与实际交付日期的差距小，但不等于排期管理做得好。如果团队习惯把承诺日期定得很宽松，偏差率会很低，代价是交付节奏变慢；如果偏差正负相抵，净偏差接近零，背后可能是大量需求在提前与延后之间摆动。因此偏差率必须与偏差方向分布、按期交付率一起看，三者组合才能描述排期的真实状态。
样本量和需求结构会显著影响指标。需求数量少的周期，单个大需求的偏差就能改变总体比率；需求构成变化，例如大需求占比上升，也会让偏差率上升，而这未必是排期能力下降。跨周期比较时，应同时比较样本量、规模结构和变更次数，确认口径一致后再判断趋势。
指标描述的是结果，不能直接归因到个人或团队。一个需求延后可能来自估算偏差、外部依赖、范围变更或验收返工，这些原因需要逐条核查需求记录才能区分。把排期偏差率直接用作绩效考核，容易导致承诺日期被刻意放宽或需求被拆小以规避统计，反而破坏数据的可信度。更合适的用法是把指标作为改进验证的输入：针对某类问题采取动作后，观察下一周期同口径指标是否变化。
除排期偏差外，建议配套观察几类交付健康度信号：需求从进入到交付的滞留时间，反映流程中等待环节的长短；承诺确定后的变更频次，反映需求稳定性；缺陷分布和返工情况，反映交付质量是否以延后为代价。ONES 可自动记录和统计资源投入、缺陷分布、工作项滞留时间等过程数据，这些信号与排期偏差交叉印证，能帮助判断偏差是偶发波动还是结构性问题。指标体系的目的是让改进有据可依，而不是给出一个可以互相比较的分数。
常见问题
统计窗口内到期需求很少，或者某个月没有到期需求，指标该怎么报？
到期需求少于约定下限（例如 10 个）时，比率波动很大，建议延长统计窗口或只做需求明细观察，并在报告中标注“样本不足，仅供观察”，不据此下结论。若某月到期需求为 0，则该月不计算比率，报告中写“本月无到期需求”，不写 0%。分母为零时同样不输出比率，改为列出需求明细并说明原因。
需求在承诺之后被拆分或合并，统计时应该算哪一个？
拆分后以子需求各自的承诺日期为准，原需求不计入；合并后以合并后需求的承诺日期为准，被合并需求不计入。如果拆分或合并发生在承诺确定之后，应在排期内变更次数中记录一次，以便在解读偏差时区分“估算不准”和“范围调整”两类原因。
排期偏差率可以直接用来考核团队或个人吗？
不建议直接用作绩效考核。排期偏差率描述的是结果，一个需求延后可能来自估算偏差、外部依赖、范围变更或验收返工，这些原因需要逐条核查需求记录才能区分，不能直接归因到个人或团队。把偏差率直接用于考核，容易导致承诺日期被刻意放宽或需求被拆小以规避统计，反而破坏数据可信度。更合适的用法是把指标作为改进验证的输入：针对某类问题采取动作后，观察下一周期同口径指标是否变化。
除了排期偏差，还应该看哪些交付健康度信号？
建议配套观察三类过程信号：需求从进入到交付的滞留时间，反映流程中等待环节的长短；承诺确定后的变更频次，反映需求稳定性；缺陷分布和返工情况，反映交付质量是否以延后为代价。ONES 可自动记录和统计资源投入、缺陷分布、工作项滞留时间等过程数据，这些信号与排期偏差交叉印证，能帮助判断偏差是偶发波动还是结构性问题。
跨季度或跨团队比较排期偏差率时，需要注意什么？
跨周期比较时，应同时比较样本量、需求规模结构和变更次数，确认口径一致后再判断趋势。需求构成变化，例如大需求占比上升，也会让偏差率上升，而这未必是排期能力下降。时间基准（自然日或工作日、截止时点、时区）在同一份报告内只能使用一种，口径变更时要在报告中记录变更时间和影响范围，新旧口径的数据不直接拼接成趋势线。
