评估工单派单效果，核心看四组指标：派单准确率（首次派对人）、派单时效（从工单创建到被受理的时长）、派单均衡度（各处理人或组的负载分布）、返工与流转率（因派错而转派或退回的比例）。四组指标需要先统一时间窗、分母和缺失值口径，再放在一起看：准确率与返工率反映“派得对不对”，时效与均衡度反映“派得快不快、匀不匀”。单看任何一项都可能被误导，例如把工单集中压给少数人可以让时效好看，却牺牲均衡度。下文给出可复算的公式、取数字段和评估步骤，并说明解读边界；ONES Desk 的工单字段配置与流转记录可作为取数的承载方式之一。
要点总览（TL;DR）
- 派单效果看四组指标：派单准确率、派单时效、派单均衡度、返工与流转率，分别回答派得对不对、快不快、匀不匀、派错代价多大。
- 每项指标都要固定分子、分母、时间窗与单位：准确率与返工率以同期已派单工单数为分母，时效取创建到首次受理时长的中位数与P90，均衡度用最大占比或变异系数。
- 取数依赖创建时间、首次受理时间、首次处理人、转派与退回记录五类字段，并按工单类型、来源渠道、优先级分层统计，跨周期比较前先核对口径是否变化。
- 评估按确定范围、取数计算、分层找偏差、交叉验证四步推进，准确率与返工率对照看，时效与均衡度对照看，避免单指标下结论。
- 指标反映分配环节表现，不能直接归因到个人绩效；样本量小或工单类型混杂时结论要谨慎，指标改善还需结合下游业务结果验证。
派单效果评估要回答什么问题
派单效果评估的对象是工单处理权的分配环节，即工单从创建到被正确受理这一段。评估的起点是工单进入待分配状态，终点是工单被某位处理人首次受理。这一环节之外的动作，包括跨团队升级时限、工单状态从受理到关闭的流转效率，属于另外的管理主题，不纳入本篇指标。
围绕分配环节，评估要同时回答三个问题。第一，派得对不对：工单是否在首次分配时就落到有能力、有权限处理的人手上，没有发生转派或退回。第二，派得快不快：从工单创建到被受理之间隔了多久，等待是否集中在少数时段或少数类型。第三，派得匀不匀：受理量在各处理人、各处理组之间是否分布合理，是否出现个别人长期超载而其他人闲置。
这三个问题对应不同的判断，不能互相替代。准确率高但时效长，说明派得对却派得慢，瓶颈可能在分派规则触发或人工确认环节；时效短但均衡度差，说明分派速度快，代价是负载集中。评估设计时需要把三者作为一组输出，而不是挑一个最好看的指标汇报。
派单效果的四组核心指标与计算口径
下面四组指标构成派单效果的基本度量。每项都给出分子、分母、时间窗与单位，便于按同一口径复算。统计周期建议与业务节奏匹配，常用周或月；时间窗指工单创建时间落在该周期内的工单集合，后续受理与转派动作只要发生在观察截止时间之前都计入。
| 指标 | 计算口径 | 单位 | 回答的问题 |
|---|---|---|---|
| 派单准确率 | 首次派对人数的工单数 ÷ 同期已派单工单数 | 百分比 | 派得对不对 |
| 派单时效 | 首次受理时间 − 工单创建时间，取中位数与P90 | 小时 | 派得快不快 |
| 派单均衡度 | 各处理人受理量占比的分布，可用最大占比或变异系数 | 百分比或系数 | 派得匀不匀 |
| 返工与流转率 | 转派、退回工单数 ÷ 同期已派单工单数 | 百分比 | 派错后的代价 |
派单准确率的“派对人”需要事先定义。常见做法是以该工单最终由谁解决、或是否在首次受理后未发生转派作为判定依据。定义一旦确定，跨周期比较时保持不变。分母使用同期已派单工单数，未进入分配环节的工单（如创建后即关闭、重复提交被合并）不计入。
派单时效同时给中位数和P90。中位数反映典型等待，P90反映长尾，两者差距大说明部分工单等待异常，可能是特定类型或特定时段的分派规则没有覆盖。只报平均值容易被少数极长等待拉高，掩盖大多数工单的真实体验。
派单均衡度用各处理人受理量占同期总受理量的比例来衡量。最大占比指受理量最多的那个人所占份额，份额越高说明越集中；变异系数是受理量标准差除以均值，适合处理人数量较多、需要整体看离散程度的情形。两种算法选一种固定使用，不要在不同周期之间切换。
返工与流转率统计转派和退回两类动作。转派指工单被重新分配给另一位处理人，退回指处理人将工单退回分配池或退回上一环节。同一工单在一个周期内多次转派，按工单数计一次，避免重复计数放大比例。分子分母的时间窗必须一致，否则比例会失真。
数据从哪里取、怎么保证可比
四组指标依赖五类字段：工单创建时间、首次受理时间、首次处理人、转派记录、退回记录。创建时间与首次受理时间用于计算时效，首次处理人用于判定准确率，转派与退回记录用于计算返工率。字段缺失或记录方式不统一，会直接改变指标结果，因此取数前要先确认字段在系统中的实际含义。
分层统计是保证可比的关键。不同工单类型、来源渠道、优先级的处理难度和响应要求差异明显，混在一起算会互相稀释。建议至少按工单类型和优先级两个维度分层，输出各层的指标，再决定是否汇总。汇总时说明各层权重，避免高优先级工单占比变化导致整体指标波动被误读为派单质量变化。
分母为零和数据缺失需要单独处理。某类工单在统计周期内没有派单记录，准确率和返工率的分母为零，此时不计算比例，标注“无样本”，不要写成0%。首次受理时间缺失的工单，在时效指标中单独列出缺失数量，不参与中位数和P90计算，同时在报告中说明缺失比例；缺失比例过高时，时效结论要打折扣。
跨周期比较前先核对口径。常见的变化包括：工单类型分类调整、优先级定义修改、转派记录的开始启用时间、分派规则从人工改为自动。任何一项变化都会让前后两个周期的数字不可直接比较。核对清单可以包括字段定义是否变更、统计范围是否增减、分层维度是否调整、缺失值处理规则是否一致，四项都确认后再做趋势判断。
评估步骤：从取数到结论
评估按四步推进，每步都有明确的产出，便于复核。
- 确定评估周期与工单范围。选定统计周期，明确纳入哪些工单类型、来源渠道和优先级，写清排除规则（如测试工单、重复工单）。产出是一页范围说明，后续所有数字都以此为准。
- 按指标定义取数并计算。按上节的公式逐项计算四组指标，分层输出。产出是一张指标表，包含各层的分子、分母、结果和缺失数量，保证任何人都能按表复算。
- 分层对比找出偏差集中的类型或团队。比较各工单类型、各处理组之间的准确率、时效和均衡度差异，定位哪一类工单派得不准、哪一组等待偏长、哪个人或组负载偏高。产出是偏差清单，按影响工单量排序。
- 结合返工与均衡度交叉验证结论。把准确率与返工率放在一起看，确认“派对人”的判定与实际转派情况是否一致；把时效与均衡度放在一起看，确认时效改善是否以负载集中为代价。产出是评估结论，说明哪些偏差可以归因到分配规则，哪些需要进一步排查。
四步完成后，结论应能回答：本期派单准确率处于什么水平、长尾等待集中在哪类工单、负载是否过度集中、返工主要来自哪些转派路径。结论指向具体的分配规则或处理组，而不是笼统的“派单质量有待提升”。
一个算例：两周派单数据怎么读
以下为演示情景，数字用于说明计算过程，不代表任何真实团队的水平。某团队统计两周内创建的工单共1200张，其中已进入分配环节并完成派单的为1000张，其余200张为创建后即关闭或重复合并，不计入分母。
| 指标 | 计算过程 | 结果 |
|---|---|---|
| 派单准确率 | 首次派对人数的工单860张 ÷ 已派单1000张 | 86% |
| 派单时效 | 首次受理时间减创建时间，取中位数与P90 | 中位数3.2小时，P90 18小时 |
| 派单均衡度 | 受理量最多的一人占同期总受理量 | 最大占比31% |
| 返工与流转率 | 发生转派或退回的工单140张 ÷ 已派单1000张 | 14% |
准确率86%与返工率14%需要交叉读。两者相加接近100%，说明“派对人”的判定与转派记录基本吻合，剩余差异来自少量工单在首次受理后因其他原因转派。如果准确率显示90%而返工率达到20%，则说明判定口径与转派记录不一致，需要先核对“派对人”的定义，而不是直接下结论。
时效的中位数3.2小时与P90 18小时差距明显，说明多数工单在半天内被受理，但有一成长尾等待接近一天。结合分层数据，若长尾集中在某一类需要跨组协作的工单，问题更可能出在这类工单的分派规则上，而不是整体分派速度。
均衡度最大占比31%，需要结合处理人数判断。若团队有10名处理人，均匀分布约为10%，31%说明负载明显集中；若团队只有3名处理人，31%接近均匀。因此均衡度必须和处理人数量一起报告，单独一个百分比无法判断好坏。
某类工单在两周内只有8张，其准确率即使为75%，也只有6张派对，样本过小，结论要谨慎。这类分层结果适合标注样本量并观察趋势，不宜作为调整分派规则的唯一依据。
结果怎么解读、有哪些限制
四组指标反映的是分配环节的表现，不能单独归因到个人绩效。派单准确率低，可能来自分派规则设计、工单信息不完整、处理人技能标签过时，也可能来自处理人临时请假；把准确率直接对应到某个人的能力，会忽略规则和流程的影响。指标适合用来定位分配环节的问题，绩效评价需要结合岗位职责、工单难度和协作条件另行设计。
均衡度与时效可能互相牵制。把工单优先派给响应最快的人，时效会改善，负载集中度会上升；强制平均分配，均衡度改善，但可能把工单派给不熟悉该类型的人，准确率和返工率随之变差。评估时应把两组指标放在同一张表里看，判断当前配置更偏向速度还是均衡，再决定调整方向。
样本量小或工单类型混杂时，结论要谨慎。分层后某层工单量很少，比例波动大，适合看绝对数量和趋势，不适合看百分比排名。工单类型混杂时，整体指标会被占比高的类型主导，掩盖占比低但问题严重的类型，因此分层输出比汇总数字更有解释力。
指标改善需要结合业务结果验证。派单时效缩短、准确率提升，最终要体现在工单解决周期、客户满意度或内部需求交付上。如果分配环节指标改善而下游结果没有变化，说明瓶颈不在分配，继续优化分派规则的收益有限。评估报告可以把分配指标与下游结果并列呈现，帮助判断下一步投入方向。
在工具层面，指标能否稳定复算取决于工单字段和流转记录是否被完整记录。ONES Desk 支持自定义工单属性与工作流配置，并提供工单分析报表和多维度数据统计能力，可用于汇总工单处理情况、查看处理进度。团队在配置时可以把创建时间、首次受理时间、首次处理人、转派与退回记录作为固定字段维护，再按本篇口径分层统计；具体报表项与字段支持范围以实际产品配置为准。
常见问题
派单准确率的分母应该用全部工单还是已派单工单？
用同期已派单工单数作分母。创建后即关闭、重复提交被合并、未进入分配环节的工单不计入，否则准确率会被这些工单稀释，无法反映分配环节的真实表现。分子是首次派对人数的工单数，判定标准（如最终由谁解决、首次受理后是否发生转派）需事先确定并保持稳定。
派单时效为什么建议同时报中位数和P90，只报平均值不行吗？
平均值容易被少数极长等待拉高，掩盖大多数工单的真实体验。中位数反映典型等待，P90反映长尾，两者差距大说明部分工单等待异常，往往指向特定类型或特定时段的分派规则没有覆盖。两个值一起报，才能同时看到整体水平和需要重点排查的长尾部分。
均衡度指标怎么判断好坏，有没有统一标准？
均衡度没有通用达标线，必须结合处理人数量一起看。同样31%的最大占比，在10人团队里说明负载明显集中，在3人团队里接近均匀。建议固定使用一种算法（最大占比或变异系数），在同一团队的不同周期之间做趋势比较，而不是跨团队比绝对值。
统计周期内某类工单只有几张，指标还能用吗？
样本过小时比例波动大，不适合作为调整分派规则的唯一依据。这类分层结果建议标注样本量，看绝对数量和多个周期的趋势，而不是看百分比排名。分母为零时标注“无样本”，不要写成0%，避免被误读为派单全部失败。
指标改善之后，怎么确认是派单环节起了作用？
把分配指标与下游结果并列观察，如下游的工单解决周期、客户满意度或内部需求交付情况。如果分配环节指标改善而下游结果没有变化，说明瓶颈不在分配，继续优化分派规则的收益有限。反过来，下游结果改善也需要排除工单量、类型结构变化等干扰因素。
用ONES Desk做这套评估，需要提前准备什么？
ONES Desk 支持自定义工单属性与工作流配置，并提供工单分析报表和多维度数据统计能力，可用于汇总工单处理情况、查看处理进度。团队可以把创建时间、首次受理时间、首次处理人、转派与退回记录作为固定字段维护，再按本篇口径分层统计。具体报表项与字段支持范围以实际产品配置为准。
