度量缺陷影响遗漏，需要同时回答两个问题：遗漏发生了多少，以及遗漏带来的影响有多重。前者用遗漏发生率衡量，后者用影响等级加权分和高等级遗漏占比衡量。三项指标都依赖同一套判定口径：什么算“影响遗漏”、影响等级如何赋值、统计的时间窗和对象范围如何固定。本文给出一套可复算的计算方法，包括公式、数据证据要求、操作步骤和算例，并说明结果解读时的边界。
要点总览（TL;DR）
- 度量缺陷影响遗漏分两层：发生情况用遗漏发生率（影响遗漏缺陷数÷同期缺陷总数×100%）衡量，严重程度用平均影响等级（Σ等级权重×缺陷数÷遗漏缺陷数）和高等级遗漏占比衡量。
- 判定“影响遗漏”需要证据：缺陷关联的需求、用例、接口或模块在缺陷发现前未被覆盖，并留存关联记录、用例执行记录或评审记录；证据不足的缺陷单列“待定”，不直接计入遗漏。
- 三项指标共用同一遗漏缺陷集合，统计前须固定时间窗、统计对象和纳入排除规则；权重调整或分级规则变更后，跨期数据不能直接比较。
- 解读时发生率要结合缺陷总量与趋势，平均影响等级只有同口径对比才有意义；单指标不能作为质量因果结论，也不宜直接用于个人绩效排名。
- 指标结果用于定位需要复查的模块和需求，改进动作落到缺陷关联补全、影响评估评审和用例覆盖补充上，再观察后续周期变化。
度量目标：回答遗漏发生多少、影响多重
缺陷影响遗漏指缺陷在发现之前，其关联的需求、用例、接口或模块没有被测试或评审覆盖到，导致影响范围在缺陷暴露时才被识别。度量这件事有两个独立目标：发生情况回答“遗漏出现得频繁不频繁”，严重程度回答“遗漏一旦出现，后果有多重”。两个目标对应不同的指标，不能用一个比例同时替代。
这套指标的用途是改进缺陷关联与影响评估流程：找出哪些模块、需求或客户场景容易漏掉影响面，评估补充关联和评审动作之后是否有效。指标反映的是流程和覆盖情况，不适合直接用于个人绩效排名，因为一个缺陷是否被判定为遗漏，取决于关联记录和覆盖证据是否完整，而不完全取决于某个人的工作质量。
本文的范围限定在缺陷侧的影响链路：从缺陷被发现，回溯它关联的需求、用例、接口和模块，判断这些对象在缺陷发现前是否被覆盖。需求覆盖与追溯管理本身的建设、跨对象变更治理，属于另外的话题，本文不展开。
指标与范围：遗漏发生率与影响等级加权分
三项核心指标的定义、公式和分母口径如下表。三项指标共用同一个“影响遗漏缺陷集合”，差异在于分子取的是数量、加权等级还是高等级子集。
| 指标 | 公式 | 单位 | 分母 | 回答的问题 |
|---|---|---|---|---|
| 遗漏发生率 | 影响遗漏缺陷数 ÷ 同期缺陷总数 × 100% | 百分比 | 统计周期内、统计对象范围内的全部缺陷数 | 遗漏出现得有多频繁 |
| 平均影响等级 | Σ(影响等级权重 × 该等级缺陷数) ÷ 遗漏缺陷数 | 等级分（无量纲） | 影响遗漏缺陷数 | 遗漏的平均后果有多重 |
| 高等级遗漏占比 | 高等级遗漏缺陷数 ÷ 遗漏缺陷数 × 100% | 百分比 | 影响遗漏缺陷数 | 遗漏中后果严重的部分占多少 |
影响等级权重需要事先约定并写入度量口径，例如致命4、严重3、一般2、轻微1。权重一旦确定，在同一比较序列内保持不变；调整权重等于换了尺子，跨期数据不能直接对比。高等级的界定同样要固定，通常取致命与严重两级，也可以按团队实际分级调整，但要在口径文档中写明。
统计范围要同时固定三件事：时间窗（如一个版本周期或一个自然月）、统计对象（项目、版本或模块）、纳入排除规则。常见的排除项包括重复提交被合并的缺陷、非产品缺陷（如环境配置错误）、以及判定证据不足无法归类的缺陷。排除项要单独计数并保留清单，避免分母被悄悄缩小。
在工具承载上，缺陷与需求、用例、模块的关联记录，以及影响等级字段，是这套指标的数据基础。ONES Project 支持缺陷跟踪管理并可统计缺陷状态分布，ONES TestCase 支持测试用例与需求、任务关联，未通过的用例可快速创建缺陷任务，这些关联和流转记录可以作为判定遗漏与取数的来源；具体字段配置和报表口径需在落地时按团队规则核验。
数据口径与证据：如何判定“影响遗漏”
判定一个缺陷属于影响遗漏，核心依据是：该缺陷关联的需求、用例、接口或模块，在缺陷发现之前没有被覆盖。这个判断需要可查证的记录，不能只凭事后回忆。判定时逐项核对关联对象在缺陷发现时间点之前的覆盖状态，任一类对象存在未覆盖且与缺陷影响直接相关，即可归为影响遗漏。
所需字段与证据来源如下表。字段缺失时，该缺陷进入“待定”集合，不直接计入遗漏，也不直接计入非遗漏，单独统计待定数量，作为口径质量的观察项。
| 数据项 | 用途 | 证据来源 |
|---|---|---|
| 缺陷ID、发现时间、所属项目/版本/模块 | 确定统计范围与时间窗 | 缺陷跟踪系统记录 |
| 缺陷关联的需求、用例、接口、模块 | 确定影响链路 | 缺陷与需求、用例的关联记录 |
| 关联对象在缺陷发现前的覆盖状态 | 判定是否遗漏 | 测试用例执行记录、评审记录 |
| 影响等级 | 计算加权分与高等级占比 | 缺陷字段，按约定规则赋值 |
| 线上事故单或客户反馈单 | 补充影响后果证据 | 事故管理或客户支持记录 |
影响等级的赋值规则要写清楚依据：按功能不可用范围、数据影响、客户可见程度等维度分级，并说明边界情形如何归类。赋值由缺陷处理人在关闭缺陷时完成，度量人员只做口径校验，不重新评级，否则同一批数据会出现两套等级。口径不一致时，以书面规则为准，规则未覆盖的情形先记录争议点，下一周期修订规则，不追溯修改历史数据。
计算步骤：从取数到出结果
按以下步骤操作，结果可被他人用同一份数据复算。
- 确定统计周期与对象范围。写明起止日期、项目或版本、模块清单，以及纳入排除规则，形成本期口径说明。
- 导出周期内全部缺陷清单，按排除规则剔除不符合条件的记录，得到分母“同期缺陷总数”。
- 逐条核对关联对象在缺陷发现前的覆盖状态，标注“影响遗漏”“非遗漏”“待定”三类，得到遗漏缺陷集合。
- 读取每条遗漏缺陷的影响等级，按约定权重汇总，计算平均影响等级；筛出高等级子集，计算高等级遗漏占比；用遗漏缺陷数除以缺陷总数，计算遗漏发生率。
- 按模块、需求、客户场景等维度拆分，分别计算三项指标，观察分布是否集中在少数对象上。
- 与上期同口径结果对照，记录口径变化、待定数量和排除项数量，作为解读时的附注。
分母为零时（周期内没有缺陷），发生率记为“不适用”而不是0%，避免把“没有数据”误读为“表现优秀”。数据不可比的情形包括：权重调整、分级规则变更、统计对象范围变化、待定比例过高。出现这些情况时，在报表中标注断点，跨断点的趋势线不连线，只做分段描述。
算例：一个版本周期的完整计算
以下为演示情景，数值仅用于说明公式落地方式，不代表任何真实项目数据。某版本周期内缺陷总数为200条，经核对判定为影响遗漏的缺陷为24条，各等级分布为：致命2条、严重6条、一般10条、轻微6条，权重取致命4、严重3、一般2、轻微1。
遗漏发生率 = 24 ÷ 200 × 100% = 12%。平均影响等级 = (4×2 + 3×6 + 2×10 + 1×6) ÷ 24 = (8 + 18 + 20 + 6) ÷ 24 = 52 ÷ 24 ≈ 2.17。高等级遗漏占比 = (2 + 6) ÷ 24 × 100% ≈ 33.3%。
按模块拆分后可以看到分布差异：
| 模块 | 缺陷总数 | 遗漏缺陷数 | 遗漏发生率 | 平均影响等级 | 高等级遗漏占比 |
|---|---|---|---|---|---|
| 模块A | 80 | 14 | 17.5% | 2.36 | 42.9% |
| 模块B | 70 | 6 | 8.6% | 1.83 | 16.7% |
| 模块C | 50 | 4 | 8.0% | 2.00 | 25.0% |
模块A的发生率和平均影响等级都高于其他模块，说明该模块的遗漏既频繁又偏重，适合优先检查其需求与用例的关联覆盖。与上期对照，假设上期遗漏发生率为15%、平均影响等级为2.05、高等级遗漏占比为30%，则本期发生率下降、平均等级略升、高等级占比略升，解读时应说明“频率下降但后果结构没有同步改善”，而不是笼统地说质量变好。
解读与限制：指标能说明什么、不能说明什么
遗漏发生率要结合缺陷总量一起看。缺陷总数很少时，一个遗漏缺陷就能让比例大幅波动，此时更适合看绝对数量和连续多个周期的趋势。发生率下降也可能来自缺陷发现更早、分母变大，需要结合平均影响等级和高等级占比判断改善是否真实。
平均影响等级受权重设定直接影响。权重是人为约定的相对刻度，2.17这个数值本身没有绝对含义，只有与同口径的历史数据或其他模块对比时才有解释力。调整权重后，新旧数据不能直接比较，应重新建立基线。
三项指标描述的是遗漏的发生与后果分布，不能作为质量因果结论。发生率低不代表流程没有风险，可能只是判定证据不足、待定比例偏高；高等级占比高也不必然指向某个团队，需要回到具体的关联缺口和覆盖记录上找原因。指标的作用是定位需要复查的对象，改进动作仍要落到缺陷关联补全、影响评估评审和用例覆盖补充上。
指标结果适合进入流程改进的复盘：把高等级遗漏集中的模块和需求列为下一周期的关联与评审重点，观察后续周期的发生率和高等级占比是否变化。这个衔接过程需要稳定的字段记录和可追溯的关联证据，ONES 的缺陷跟踪、用例与需求关联及质量统计报表可以在这一环节承载数据记录与汇总，具体指标口径和字段配置以团队实际落地为准。
常见问题
周期内缺陷总数很少时，遗漏发生率波动很大，应该怎么处理？
缺陷总数很少时，单个遗漏缺陷就能让比例大幅跳动，此时百分比的信息量有限。建议同时呈现绝对数量（遗漏缺陷数、高等级遗漏缺陷数）和连续多个周期的趋势，把比例作为辅助参考。也可以把统计窗口从单个版本拉长到一个季度，让分母积累到一定规模再比较。无论采用哪种方式，都要在口径说明中写明窗口长度，避免不同周期的数据混在一起比较。
影响等级权重可以中途调整吗？调整后历史数据怎么办？
权重可以调整，但调整等于换了尺子。调整后应在报表中标注断点，新旧数据分段描述，不把跨断点的趋势线连起来。更稳妥的做法是重新建立基线：以调整后的口径重新计算一个完整周期，作为后续比较的起点。历史数据保留原口径结果，不追溯重算，否则同一指标在不同时间点会出现两套数值，难以解释。
“待定”缺陷比例偏高说明什么，要不要计入指标？
待定比例偏高通常说明关联记录或覆盖证据不完整，判定依据不足，而不是遗漏本身变多或变少。待定缺陷不计入遗漏集合，也不计入非遗漏，单独统计数量并作为口径质量的观察项。如果待定比例持续偏高，应先补全缺陷与需求、用例、模块的关联记录，再谈指标趋势；否则发生率的分母和分子都不可靠。ONES TestCase 支持测试用例与需求、任务关联，未通过的用例可快速创建缺陷任务，这类关联记录可以作为补全证据的起点，具体字段配置需按团队规则核验。
三项指标应该一起看还是分开看？
建议一起看，因为它们回答的是不同问题。遗漏发生率说明遗漏出现得频繁不频繁，平均影响等级说明遗漏的平均后果有多重，高等级遗漏占比说明严重后果在遗漏中的比重。三者可以出现方向不一致的情况，例如发生率下降但平均等级上升，这时应描述为“频率改善、后果结构未同步改善”，而不是笼统判断质量变好或变差。分开看容易得出片面结论，合并成一个综合分又会掩盖结构差异。
这套指标能否直接用于团队或个人绩效考核？
不建议直接用于个人绩效排名。一个缺陷是否被判定为影响遗漏，取决于关联记录和覆盖证据是否完整，受记录习惯和流程执行影响较大；待定比例、排除项数量也会影响结果。更合适的用法是把指标用于流程复盘：定位高等级遗漏集中的模块和需求，检查关联与评审环节的缺口，观察改进动作之后指标是否变化。如果确实要与考核挂钩，需要先稳定口径、降低待定比例，并明确指标反映的是流程状况而非个人工作质量。
