缺陷严重程度后续调整比例，指同一缺陷在首次定级之后发生严重程度变更的比例。它适合用来观察判级口径是否稳定、定级准确性是否有改善趋势。分析前要先固定分母和观察窗口，再拆分调整方向、幅度和判级角色，否则同一组缺陷记录会算出不同结果。下文给出一套可复算的口径、取数字段、计算步骤与算例，并说明结果能说明什么、不能说明什么。
要点总览（TL;DR）
- 严重程度后续调整比例 = 观察窗口内发生严重程度变更的缺陷数 ÷ 纳入统计的已定级缺陷数 × 100%，分子按缺陷去重，分母需明确首次定级时间、状态和重复缺陷处理。
- 观察窗口可选定级后固定 N 天或至关闭前，两种口径算出的比例不可直接比较，报告中必须写明采用哪一种。
- 分析时先看总体比例，再拆分上调与下调、调整幅度，并按模块、团队、判级角色、缺陷类型分组，结合分级分布判断调整是否集中在中低级别。
- 比例高低不能直接说明判级质量，需结合调整原因分布和误判样本复核；跨团队、跨版本比较要求分级标准、观察窗口和纳入规则一致。
- 调整比例适合作为发现问题的入口，不宜直接作为个人绩效结论；改进后保持口径不变复测，并记录同期标准与流程变化。
评估目标：调整比例要回答什么问题
这项度量的核心用途，是回答“首次定级与后续确认之间的一致程度如何”。缺陷在提交时由提交人给出严重程度，进入评审、分诊或修复阶段后，测试、开发或缺陷评审会基于复现结果、影响范围、用户可见性重新判断。调整比例反映的正是这两次判断之间的差异规模。比例偏高，说明首次定级与后续判断存在较多分歧；比例偏低，说明两次判断较为一致。它观察的是判级过程的质量，不直接指向某个人的工作表现。
用途不同，读法也不同。作为过程观察指标时，关注的是趋势和结构：本季度比上季度是升是降，上调集中在哪些模块，下调是否集中在某类缺陷。作为绩效评价依据时，需要非常谨慎，因为调整可能来自信息在后续阶段才充分暴露，也可能来自评审标准本身变化，这些都不属于个人失误。把调整比例直接挂到个人考核上，容易让提交人倾向于给出模糊或偏保守的定级，反而破坏数据质量。
调整比例需要与另外两类信息配合使用。一是分级分布，看各级别缺陷的数量结构是否合理，例如严重级别占比长期极低或极高都值得复核；二是误判样本，抽取被调整的缺陷逐条看原因，判断是信息不足、标准理解不一致，还是评审缺位。三者结合，才能从“比例是多少”走到“问题出在哪”。单独一个比例只能提示方向，不能定位原因。
指标与范围：分子、分母与观察窗口
指标定义可以写成一张定义卡，保证不同人复算结果一致。核心公式为：
严重程度后续调整比例 = 观察窗口内发生严重程度变更的缺陷数 ÷ 纳入统计的已定级缺陷数 × 100%
分子是“发生变更的缺陷数”，按缺陷去重计数，同一缺陷在窗口内多次调整只计一次；如果关心调整频次，可另设“调整次数”作为辅助指标，但不与比例混用。分母是“纳入统计的已定级缺陷数”，需要明确三条口径：首次定级时间落在统计周期内；缺陷状态满足纳入条件，例如已进入处理流程的缺陷才计入，提交即关闭或判定为重复的缺陷通常排除；重复缺陷按主缺陷归并，避免同一问题被多次计数。
观察窗口决定“后续”的范围，常见两种取法：一是定级后固定 N 天，例如 7 天或 14 天内发生的调整；二是从首次定级到缺陷关闭前的全部调整。前者适合观察短期判级质量，后者适合观察全生命周期内的口径稳定性。两种窗口算出的比例不可直接比较，报告中必须写明采用哪一种。窗口越短，比例通常越低，因为部分调整发生在修复后期。
| 定义项 | 口径说明 | 注意事项 |
|---|---|---|
| 指标名称 | 严重程度后续调整比例 | 与“调整次数”“返工率”区分 |
| 分子 | 窗口内严重程度发生变更的缺陷数（去重） | 多次调整只计一次 |
| 分母 | 周期内首次定级且满足纳入条件的缺陷数 | 排除重复、无效、提交即关闭 |
| 观察窗口 | 定级后 N 天，或至关闭前 | 同一报告内保持一致 |
| 拆分维度 | 调整方向（上调/下调）、调整幅度（跨几级）、判级角色、模块、缺陷类型 | 维度组合过细时样本会不足 |
| 单位 | 百分比，附缺陷数绝对值 | 小样本时同时给出分子分母 |
调整方向和幅度要作为拆分维度预先定义。上调指严重程度由低改高，下调指由高改低；幅度可按跨越的级别数记录，例如相邻一级与跨两级以上分开统计。方向与幅度的定义要在统计前写清，避免统计中途改变口径导致前后不可比。
数据口径与证据：从缺陷记录中取哪些字段
计算这个指标至少需要以下字段，建议在取数前逐项确认可得性：
- 缺陷唯一标识，用于去重和关联变更记录；
- 首次严重程度，即提交或首次评审确认时的值；
- 当前严重程度，即统计时点的值；
- 首次定级时间，用于确定分母归属周期和观察窗口起点；
- 严重程度变更时间与变更人，用于判断是否落在窗口内、由谁调整；
- 缺陷状态与状态变更时间，用于判断是否纳入、是否已关闭；
- 所属模块、缺陷类型、提交团队等分组字段；
- 调整原因备注或评审记录，作为定性证据。
仅有“首次值”和“当前值”两个字段，只能判断是否发生变化，无法判断变化发生在窗口内还是窗口外，也无法区分一次调整和多次调整。因此变更历史或审计留痕是必要条件。如果系统只保留当前值，需要从操作日志、评审记录或版本历史中补齐变更轨迹；补齐不了的部分，应在报告中说明覆盖范围，并把无法判断的缺陷单列为“变更时间不明”，不强行计入分子或分母。
定性证据主要来自调整原因备注和评审记录。理想的记录包含调整理由（如复现后影响面扩大、用户场景确认、标准理解偏差）和参与评审的角色。字段缺失时，可按缺陷抽样人工复核，把原因归入有限几类，例如信息补充、标准不一致、评审缺位、误操作。缺失值处理要写进口径：原因字段为空的比例过高时，原因分布只能作为参考，不能据此下结论。
计算与评估步骤：从总体比例到结构拆分
建议按以下顺序推进，每一步都产出可核对的结果：
- 锁定数据集。按周期和纳入条件筛出分母缺陷，记录总数，并单独统计被排除的重复、无效缺陷数量。
- 计算总体调整比例。在选定观察窗口内，统计发生严重程度变更的缺陷数，除以分母，得到总体比例，同时给出分子分母绝对值。
- 拆分上调与下调。分别计算上调比例和下调比例，两者之和在单次调整口径下等于总体比例；若存在多次调整，需说明归类规则，例如按首次调整方向归类。
- 按维度分组比较。按模块、团队、判级角色、缺陷类型分别计算比例，观察差异是否集中在少数分组。分组样本过少时只列数值，不做排名。
- 结合分级分布。查看调整前后各级别缺陷的数量结构，判断调整是否集中在中低级别，以及严重级别缺陷是否被系统性低估或高估。
- 抽样复核误判样本。从被调整缺陷中抽取样本，逐条阅读调整原因，归类为信息补充、标准不一致、评审缺位、误操作等，统计各类占比。
- 形成判断与改进项。把总体比例、结构差异和原因分布放在一起，指出主要问题类型，并提出对应动作，例如统一分级示例、增加严重级别评审环节、补充必填调整原因。
分组比较时要注意同一口径：各组使用相同的观察窗口和纳入条件，否则组间差异可能来自口径而非判级质量。跨版本比较还需确认分级标准在此期间是否修订，标准变化会直接改变调整比例，需要在报告中标注。
例子：一个季度调整比例的完整算例
以下为演示用假设数据，仅用于说明计算过程。某季度首次定级且满足纳入条件的缺陷共 800 个，观察窗口取定级后 14 天。窗口内发生严重程度变更的缺陷 96 个，其中上调 60 个、下调 36 个。
总体调整比例 = 96 ÷ 800 × 100% = 12.0%；上调比例 = 60 ÷ 800 × 100% = 7.5%；下调比例 = 36 ÷ 800 × 100% = 4.5%。两者之和等于总体比例，说明本算例中每个缺陷在窗口内只调整了一次。
按模块拆分，假设模块 A 有 200 个缺陷、调整 40 个，比例 20.0%；模块 B 有 300 个缺陷、调整 24 个，比例 8.0%；模块 C 有 300 个缺陷、调整 32 个，比例约 10.7%。模块 A 的比例明显偏高，应优先抽样复核。再按方向看，模块 A 的 40 个调整中有 32 个为上调，提示该模块缺陷在提交时可能被系统性低估。
若某团队当期纳入缺陷只有 15 个、调整 3 个，比例 20.0%，与模块 A 数值相同，但样本过小，不宜直接比较，报告中应标注样本量。若某分组分母为零，比例记为“不适用”，不写 0%，避免被误读为没有调整。抽样复核模块 A 的 20 个上调样本，若其中 12 个原因是“复现后影响面扩大、提交时信息不足”，则改进方向是完善提交模板中的影响描述，而非追究提交人。
解读与限制：比例高低说明什么、不能说明什么
比例偏高，可能说明首次定级时信息不足、分级标准理解不一致、评审环节缺失，也可能说明后续阶段发现了新的影响面，属于正常的信息逐步充分。比例偏低，可能说明判级准确稳定，也可能说明调整流程不顺畅、调整没有被记录，或团队倾向于不改动已定级结果。因此单看高低无法直接下结论，需要结合调整方向、原因分布和分级分布一起判断。
跨团队、跨版本比较有前提：分级标准一致、观察窗口一致、纳入排除规则一致、缺陷类型结构相近。任一条件不满足，组间差异就可能来自口径而非判级质量。比较时应同时呈现分子分母，样本量小的分组只作观察，不参与排名。
这个指标不能直接当作绩效结论，也不能证明某个环节导致了调整。调整比例与判级质量之间是相关观察，不是因果保证。合理的做法是把它作为发现问题的入口：先用比例定位异常分组，再用误判样本归类原因，最后用改进后的复测比例观察变化。复测时保持口径不变，并记录同期分级标准、提交模板、评审流程是否调整，避免把流程变化带来的效果误记为判级改善。
在缺陷记录承载上，ONES 提供缺陷工作项的严重程度字段与变更留痕，可按周期筛选首次定级缺陷、查看严重程度的历史变更记录，并通过报表统计调整数量与分组分布。将调整原因设为必填或纳入评审记录，能让后续的抽样复核有据可查；具体字段配置与报表形式以团队实际使用为准。
常见问题
首次定级时间以哪个时间点为准，提交时间和评审确认时间不一致时怎么处理？
首次定级时间决定缺陷归入哪个统计周期，也决定观察窗口的起点，因此需要在口径中固定一种取法。常见做法是取缺陷提交时首次填写严重程度的时间；如果团队实行提交后统一评审，也可以取首次评审确认严重程度的时间。两种取法都可以用，关键是同一份报告内保持一致，并在指标定义卡中写明。
当提交时间与评审确认时间跨周期时，建议按首次定级时间归属周期，避免同一缺陷在两个周期重复计入分母。若评审确认时间明显晚于提交时间，可在报告中单独说明这段延迟的分布，因为它会影响短期窗口内观察到的调整比例。
同一缺陷在观察窗口内被多次调整严重程度，分子应该怎么计？
主指标按缺陷去重计数，同一缺陷在窗口内无论调整几次都只计一次，这样比例的含义是“有多少缺陷发生过调整”，便于和分母直接对应。如果关心调整的频繁程度，可以另设“调整次数”或“平均每缺陷调整次数”作为辅助指标，单独呈现，不与比例混算。
需要拆分上调与下调时，要预先规定多次调整的归类规则，例如按首次调整方向归类，或按窗口结束时的净变化方向归类。规则一经确定，前后周期保持一致，否则结构数据不可比。
调整原因备注大量为空，还能做原因分布分析吗？
可以先统计原因字段的缺失比例，再决定分析深度。缺失比例较低时，可对已填写部分做原因归类，并在报告中注明覆盖率；缺失比例较高时，原因分布只能作为方向性参考，不宜据此得出“主要问题是标准不一致”这类结论。
更稳妥的做法是从被调整缺陷中抽样人工复核，通过缺陷描述、评论和评审记录还原调整理由，把样本归入信息补充、标准不一致、评审缺位、误操作等有限几类。同时把调整原因设为必填或纳入评审记录，逐步改善后续数据的可用性。
不同团队的调整比例可以直接排名比较吗？
直接排名有风险。可比的前提包括分级标准一致、观察窗口一致、纳入排除规则一致，以及缺陷类型结构相近。任一条件不满足，组间差异就可能来自口径差异而非判级质量。例如一个团队负责的模块本身用户可见性高，后续补充信息导致上调的概率天然更高。
比较时应同时呈现分子和分母，样本量小的分组只作观察、不参与排名。若确实需要横向对比，可先统一口径，再结合各组的调整方向结构和原因分布解释差异。
改进措施实施后，怎么判断调整比例的变化是改进带来的？
复测时保持公式、分母口径和观察窗口不变，这样前后数据才具备可比性。同时记录同期发生的变化，例如分级标准是否修订、提交模板是否调整、是否新增严重级别评审环节，这些都会影响调整比例。
把总体比例、上调下调结构、原因分布和误判样本归类结果放在一起看：如果调整总量下降且原因分布中“信息补充”类明显减少，可以支持改进有效的判断；如果比例下降但原因分布没有变化，需要排查是否是调整记录变少而非判级改善。单期数据只能提示方向，建议连续观察几个周期再下结论。
