衡量工单积压程度，需要同时看积压存量、积压时长和流入流出比三类指标，单看未关闭工单总数容易误判。判断是总量问题还是结构问题，做法是把同一组指标按优先级、团队、工单类型和处理环节拆开比较：各维度普遍同向恶化、流入持续大于流出，倾向总量问题；总量平稳但少数维度存量与等待时长明显偏高，倾向结构问题。下文给出可复算的指标定义、取数口径和分层拆解步骤。
要点总览（TL;DR）
- 衡量工单积压程度需要三类指标：存量类（未关闭工单数及按状态、优先级、团队分组的存量）、时长类（等待时长中位数、P90、超阈值工单占比）、流量类（时间窗内新增量、关闭量、流入流出比）。
- 判断总量问题还是结构问题，方法是用同一组指标先看整体、再按优先级、团队、工单类型和处理环节拆开比较：各维度普遍同向恶化且流入持续大于流出，倾向总量问题；总量平稳但少数维度存量与等待时长明显偏高，倾向结构问题。
- 指标可复算的前提是固定统计范围与口径：工单范围、时间窗长度、时区与工作日历一致，重开工单计数方式和缺失时间字段的处理规则事先约定。
- 解读指标时需注意：存量高不等于处理能力差，等待时长受优先级规则影响，单指标不能代表整体服务质量，指标改善与流程改进的因果关系需另行验证。
- 指标要持续可用，前提是工单状态、优先级、归属团队等字段在系统中规范记录，按固定周期查看存量与等待时长分布，发现结构集中点后定位到具体团队或环节跟进。
评估目标：先定义“积压”再谈程度
本文所说的积压，指已经进入待处理流程、但尚未关闭的工单。这个定义包含两个要素：工单已经进入服务流程，具备被处理的条件；工单仍处于未关闭状态，占用着团队的处理容量。处于草稿、待补充信息而暂未进入流程的记录，以及已经关闭的工单，都不计入积压。
评估目的是回答两个问题：积压严重到什么程度，以及积压主要由总量增长造成还是由结构分布造成。前者决定是否需要扩充处理能力，后者决定是否需要调整分流规则或某个环节的处理方式，两者的应对方向不同，因此需要在同一套指标上完成判断。
评估边界限定在服务质量度量范围内。本文讨论如何统计和解读积压指标，不涉及SLA规则如何设计、优先级策略如何制定，也不涉及开发交付效率的度量。指标结果用于描述积压状态和定位问题分布，不直接作为个人绩效结论。
衡量积压程度的指标体系与统计范围
积压程度由三类指标共同刻画：存量说明积压规模，时长说明积压的严重程度，流量说明积压是在扩大还是在收敛。三类指标使用同一统计范围，才能相互印证。
| 指标类别 | 指标名 | 计算方式（分子/分母） | 时间窗 | 单位 |
|---|---|---|---|---|
| 存量 | 未关闭工单数 | 统计时点处于未关闭状态的工单数 | 时点值，按日或按周取 | 件 |
| 存量 | 分状态存量 | 未关闭工单中，按待受理、处理中、待客户回复等状态分组的工单数 | 时点值 | 件 |
| 存量 | 分维度存量 | 未关闭工单按优先级、归属团队、工单类型分组的工单数 | 时点值 | 件 |
| 时长 | 等待时长中位数 | 未关闭工单从创建（或进入当前环节）到统计时点的已等待时长，取中位数 | 时点快照 | 小时或工作日 |
| 时长 | 等待时长P90 | 同上口径，取第90百分位 | 时点快照 | 小时或工作日 |
| 时长 | 超阈值工单占比 | 已等待时长超过约定阈值的未关闭工单数 ÷ 未关闭工单总数 | 时点快照 | 百分比 |
| 流量 | 新增量 | 时间窗内创建的工单数 | 周、月等固定窗口 | 件/窗口 |
| 流量 | 关闭量 | 时间窗内关闭的工单数 | 周、月等固定窗口 | 件/窗口 |
| 流量 | 流入流出比 | 时间窗内新增量 ÷ 同一窗口内关闭量 | 周、月等固定窗口 | 比值，无量纲 |
存量类指标回答“现在压了多少”，时长类指标回答“压了多久、有多少已经超出可接受范围”，流量类指标回答“积压是在扩大还是收敛”。流入流出比大于1表示窗口内新增多于关闭，存量会继续上升；小于1表示积压正在消化。该比值需要与存量绝对值一起看：存量已经很高时，比值略大于1也意味着积压持续累积。
统计范围需要事先固定。工单范围指纳入统计的工单来源和类型，例如是否包含内部请求、是否包含已撤销工单；时间窗指流量指标使用的固定长度窗口，周窗口与月窗口的结果不可直接比较；时区与工作日口径决定等待时长按自然小时还是按工作小时计算，跨时区团队应统一到同一基准时区，并按统一的工作日历扣除休息时间。阈值本身属于管理约定，本文不给出通用达标线，组织应结合自身服务承诺设定。
数据口径与证据要求
指标可复算的前提是取数字段和口径规则明确。计算上述指标至少需要以下字段：工单创建时间、首次响应时间、关闭时间、状态变更记录、优先级、归属团队、工单类型。状态变更记录用于还原工单在各环节的停留时间，是计算分环节等待时长的依据。
几类口径需要提前约定，否则不同周期的数据无法比较：
- 重开工单的计数方式。工单关闭后因问题未解决被重新打开，可以选择计为新工单，也可以保留原工单编号并重置关闭时间。两种方式对新增量和关闭量的影响不同，全周期必须统一，并在报表中注明。
- 跨时区与节假日处理。等待时长统一按基准时区计算，工作日历统一，避免同一工单在不同团队报表中呈现不同时长。
- 缺失值处理。创建时间缺失的工单无法计算等待时长，应单独列出并从时长类指标中剔除；关闭时间缺失但状态为已关闭的记录属于数据异常，应单列核查，不直接计入存量或关闭量；状态跳变导致环节停留时间无法还原的工单，在分环节统计中单列，不参与该环节的时长计算。
- 可比性前提。对比两个周期时，窗口长度一致、工单范围一致、阈值一致。周期长度不同时，应换算为同一长度或改用比值类指标比较。
建议在每次统计时保留原始工单清单和计算脚本或查询条件，使指标结果可以被他人按同样口径复算。这既是数据质量的保障，也是后续归因讨论的基础。
计算与评估步骤：从总量到结构逐层拆解
判断总量问题还是结构问题，核心方法是用同一组指标做两次观察：先看整体，再按维度拆开看分布。整体恶化且各维度同步恶化，指向总量问题；整体平稳或轻度上升但少数维度显著偏高，指向结构问题。
第一步，计算整体指标。取当前时点的未关闭工单数、等待时长中位数与P90、超阈值占比，再取最近一个完整窗口的新增量、关闭量和流入流出比，与上一周期或上几个周期的同口径结果对比，判断整体是否恶化以及恶化幅度。
第二步，按维度拆分同一组指标。分别按优先级、归属团队、工单类型、处理环节计算存量、等待时长和超阈值占比。拆分时保持指标定义不变，只改变分组维度，这样各组的数值可以直接与整体数值比较。
第三步，比较各维度的恶化幅度与贡献占比。贡献占比指某一分组的存量增量占整体存量增量的比例，或某一分组的超阈值工单数占整体超阈值工单数的比例。若少数分组的贡献占比明显高于其正常业务占比，说明积压集中在那里；若各分组贡献占比与其业务占比大致相当，说明恶化是普遍性的。
第四步，结合流入流出比判断成因。整体流入流出比持续大于1，且各团队、各类型的比值同步大于1，倾向产能不足导致的总量问题；整体比值接近1，但个别团队的比值显著大于1或个别环节的等待时长显著偏高，倾向分流不均或环节瓶颈导致的结构问题。两种情形可能同时存在，此时应先处理结构集中点，再评估总量是否需要扩容。
分母为零或样本过小时需要特别处理。某分组在窗口内关闭量为零，流入流出比无法计算，应标注“无关闭样本”而不写作无穷大；某分组未关闭工单少于约定样本量（例如不足20件）时，比率类指标应同时标注样本量，避免用极小样本得出结构性结论。样本量阈值属于管理约定，组织可自行设定并保持一致。
示例：一次积压增长的归因演算
以下为演示情景，数据为假设值，用于说明计算与判断过程。某支持团队以周为窗口统计，上一周与本周的工单范围、工作日历和阈值口径一致。
| 指标 | 上一周 | 本周 | 变化 |
|---|---|---|---|
| 周末未关闭工单数 | 420件 | 510件 | +90件 |
| 等待时长中位数 | 18小时 | 22小时 | +4小时 |
| 等待时长P90 | 60小时 | 96小时 | +36小时 |
| 超阈值工单占比（阈值48小时） | 14% | 23% | +9个百分点 |
| 周新增量 | 300件 | 330件 | +30件 |
| 周关闭量 | 290件 | 240件 | -50件 |
| 流入流出比 | 1.03 | 1.38 | +0.35 |
整体看，存量增加90件，P90等待时长从60小时升至96小时，超阈值占比从14%升至23%，流入流出比从1.03升至1.38，积压明显恶化。新增量只增加30件，关闭量却减少50件，说明恶化主要来自关闭端的处理能力下降，而非需求激增。
按团队和优先级拆分后，情况更清楚：
| 分组 | 存量变化 | P90等待时长变化 | 流入流出比 | 存量增量贡献占比 |
|---|---|---|---|---|
| 一线支持组 | +12件 | +8小时 | 1.05 | 13% |
| 技术支持组 | +68件 | +52小时 | 1.72 | 76% |
| 账务支持组 | +10件 | +6小时 | 1.08 | 11% |
| 高优先级工单 | +20件 | +14小时 | 1.20 | 22% |
| 普通优先级工单 | +70件 | +40小时 | 1.45 | 78% |
技术支持组的存量增量贡献占比为76%，P90等待时长增加52小时，流入流出比1.72，均显著高于其他两组；高优先级工单的恶化幅度小于普通优先级。整体流入流出比1.38，但一线支持组和账务支持组接近1，说明积压并非全团队普遍性产能不足，而是集中在技术支持组。据此判断为结构问题：分流或处理能力集中在技术支持组这一环节，应优先核查该组的排班、技能覆盖和工单分配规则，再决定是否需要整体扩容。若拆分后各团队比值普遍大于1.3且贡献占比接近业务占比，则应改判为总量问题。
解读与限制：指标能说明什么、不能说明什么
存量高不等于处理能力差。存量同时受流入量、工单构成和关闭节奏影响，一个承接大量简单工单的团队，存量可能高于承接少量复杂工单的团队，但处理表现并不差。解读存量时应同时给出新增量、关闭量和工单类型构成。
等待时长受优先级规则影响。高优先级工单被优先处理，会拉长普通优先级工单的等待时长，这是规则设计的结果，不能直接读作团队效率下降。跨团队比较等待时长时，需确认两边的优先级规则、工作时间和工单复杂度大致可比，否则只做趋势观察，不做横向排名。
单一指标不能代表整体服务质量。存量、时长、流入流出比各自反映一个侧面，超阈值占比高但存量稳定，可能说明少量长尾工单长期滞留；存量上升但P90稳定，可能说明新增工单集中在短周期类型。判断时应三类指标一起看，并结合分维度拆分结果。
指标改善与流程改进之间的因果关系需要另行验证。调整排班、修改分流规则之后指标好转，也可能同期需求下降或工单类型变化所致。若要确认某项改进的效果，应设置对照周期或对照分组，排除流入量变化的影响后再下结论。指标是描述和定位工具，不是绩效结论，也不构成对个人或团队能力的最终评价。
把指标落到工单系统里持续跟踪
上述指标要持续可用，前提是工单在系统中被规范记录。工单状态、优先级、归属团队、工单类型等字段需要在受理时填写完整，状态变更按实际处理动作流转，这样存量分组、等待时长和分环节停留时间才能从系统数据中直接统计出来。字段口径一旦确定，应保持稳定，避免中途改字段含义导致历史数据不可比。
在ONES Desk中，可以通过自定义工单属性记录优先级、归属团队和工单类型等分组字段，通过工作流配置对应待受理、处理中、待回复等状态，使状态变更与实际处理动作一致；优先级可以在工单受理时评估和定义，便于后续按优先级拆分存量与等待时长。ONES Desk企业版提供工单分析报表，汇总工单处理情况，用于按周期查看处理进度和团队表现，具体报表字段与统计口径可在实际环境中核验。
持续跟踪的做法是固定节奏：按周或按月导出或查看存量、等待时长分布和流入流出比，与上一周期同口径对比；当拆分结果显示某一团队或环节的贡献占比明显偏高时，回到该团队或环节核查排班、分配规则和积压工单清单，把结构性问题定位到具体对象后再跟进处理。指标跟踪与问题跟进形成闭环，积压评估才不只是报表上的数字。
常见问题
积压指标应该按周统计还是按月统计？
取决于工单的处理周期和波动幅度。处理周期短、日波动大的团队适合按周统计，能较快发现流入流出比的变化；处理周期长、单量小的团队按月统计更稳定，避免小样本带来的比率失真。关键是同一组对比周期长度保持一致，周窗口与月窗口的结果不能直接比较。若需要同时看短期波动和长期趋势，可以周窗口看流量、月窗口看存量与时长分布，但要在报表中注明各自口径。
重开的工单算新工单还是原工单，会影响总量与结构的判断吗？
会影响，而且影响方向不同。把重开工单计为新工单，会同时抬高新增量和关闭量，流入流出比可能被稀释；保留原工单编号并重置关闭时间，则新增量不变，等待时长会被拉长，存量与时长指标更容易恶化。两种方式都能用，但全周期必须统一，并在报表中注明。若重开率本身较高，建议单独统计重开工单占比，作为解读存量与时长变化的辅助信息，避免把重开造成的时长增长误读为处理能力下降。
拆分后多个团队同时恶化，还能判定为结构问题吗？
需要看恶化的普遍程度和贡献占比。如果多数团队的流入流出比同步大于1、贡献占比与其业务占比大致相当，更接近总量问题，说明整体流入超过处理能力。如果恶化集中在少数团队，或某个处理环节的等待时长显著偏高，即使涉及多个团队，也仍属结构问题，只是集中点不止一个。两种情形可能并存，此时可以先处理贡献占比最高的结构集中点，再评估整体是否需要扩容。
样本量很小的团队，比率类指标还能用吗？
可以用，但要同时标注样本量，并谨慎下结论。某团队一周内关闭量只有几件时，流入流出比的小幅变化就会产生很大波动，容易误判为结构性异常。建议设定一个最小样本量（例如未关闭工单不足20件），低于该阈值时比率类指标只做参考，不作为归因依据，改用绝对数量和工单清单核查。样本量阈值属于管理约定，组织自行设定并保持一致即可。
指标好转就能说明流程改进有效吗？
不能直接说明。调整排班或分流规则后指标好转，也可能同期需求下降、工单类型变化或统计口径调整所致。要确认改进效果，应设置对照周期或对照分组，排除流入量变化的影响后再比较。指标的作用是描述积压状态和定位问题分布，流程改进是否有效需要结合工单清单抽查和对照数据另行验证。
