评估研发资源预订效果，通常需要四组指标：预订兑现率、资源闲置率、预订变更率和预订偏差。要让这些数字可复算，每个指标都要先固定统计对象、时间窗和数据来源三件事，并保证分子分母同源、同一粒度。本文给出指标定义、逐项统计口径、计算校验步骤和一个迭代的算例，也说明结果能说明什么、不能说明什么。
要点总览（TL;DR）
- 评估研发资源预订效果用四组指标：预订兑现率、资源闲置率、预订变更率、预订偏差，分别回答预订是否被兑现、是否浪费、调整是否频繁、差距有多大。
- 每个指标先固定统计对象（人、角色或团队）、时间窗（周或迭代）、数据来源（预订记录、工时填报、任务实际投入），并保证分子分母同源、同粒度。
- 缺失工时填报单列为“未填报”，不直接补零；取消的预订从有效预订分母中剔除并计入变更率；跨期预订按实际投入发生的时间窗归属。
- 汇总时先加总分子分母再相除，不对个人比率取平均；分母为零记为不适用，不同时间窗或粒度的指标不做直接比较。
- 指标反映预订质量而非个人绩效，高兑现率不等于高产出，需与闲置率成对观察，并结合变更原因和长期趋势解读。
评估目标：预订效果要回答哪几个问题
预订效果评估的对象是“预订”这一管理动作，判断的是预订与实际投入之间的关系。它服务于排期改进，回答的是预订是否可信、是否浪费、调整是否合理，而非给个人打分。评估开始前先明确结论用途，指标选择才有取舍。
具体要回答四类问题：
- 预订是否被兑现：计划投入的工时，有多少真正落在预订的人和时段上。对应预订兑现率。
- 预订是否造成闲置或浪费：预订出去但未产生有效投入的工时占多大比例。对应资源闲置率。
- 预订调整是否频繁且可解释：多少预订在周期内被改期、改人、改量或取消，原因分布如何。对应预订变更率。
- 预订与实际的差距有多大：按工时口径的绝对差额是多少，方向是超投还是欠投。对应预订偏差。
结论用途决定评估方式。用于改进排期时，重点看偏差原因和变更分类，允许指标短期波动；用于考核时，需要更长的观察窗口和更严格的填报纪律，并接受指标无法单独支撑绩效结论这一限制。两种用途混用，容易把排期问题误判为人的问题。
指标与范围：四组核心指标及其适用边界
四组指标从不同角度描述预订质量，单独看任何一项都可能得出片面结论，需要组合使用。下表给出定义、单位与常见粒度。
| 指标 | 含义 | 单位 | 适用粒度 |
|---|---|---|---|
| 预订兑现率 | 实际投入中落在预订范围内的部分占有效预订的比例，衡量预订被兑现的程度 | 百分比 | 人、角色、团队 |
| 资源闲置率 | 预订但未产生有效投入的工时占有效预订的比例，衡量预订的浪费程度 | 百分比 | 人、角色、团队 |
| 预订变更率 | 周期内发生调整的预订占初始预订的比例，衡量预订稳定性 | 百分比 | 预订条数或工时，按团队汇总 |
| 预订偏差 | 实际投入与预订工时的差额，保留正负方向区分超投与欠投 | 人时或人天 | 人、团队 |
粒度选择要与预订记录的记录方式一致。按人预订就按人统计，按角色预订就按角色汇总，混用会让分子分母对不上。时间窗通常取周或迭代，同一份报告内保持统一，跨窗口的数据不做直接比较。
本文范围限于人员投入相关的预订评估。任务本身的排期与依赖管理、资源负载冲突的处理方法属于其他主题，这里不展开；工具的价格、版本与认证信息也不在讨论范围内。
统计口径：分子分母、时间窗与数据来源
口径定义的关键是三个一致：分子分母来自同一数据源、落在同一时间窗、使用同一粒度。下表逐指标给出可复算的口径。
| 指标 | 分子 | 分母 | 时间窗 | 数据源 | 异常处理 |
|---|---|---|---|---|---|
| 预订兑现率 | 时间窗内实际投入工时中落在预订范围内的部分 | 同期有效预订工时 | 周或迭代 | 预订记录、工时填报、任务实际投入 | 未填报单列，不计为零；部分兑现按落在范围内的部分计入 |
| 资源闲置率 | 预订但未产生实际投入的工时，含事先约定阈值内的低效使用 | 同期有效预订工时 | 周或迭代 | 预订记录、工时填报 | 取消的预订不计入分母；未填报需标注占比 |
| 预订变更率 | 周期内发生改期、改人、改量或取消的预订条数（或工时） | 同期初始预订条数（或工时） | 周或迭代 | 预订记录及变更日志 | 条数与工时两种口径不混用；同一预订多次变更按一次计或按次计需事先约定 |
| 预订偏差 | 实际投入工时与预订工时之差，取绝对值汇总，同时保留正负方向 | 不适用（差额指标） | 周或迭代 | 预订记录、工时填报 | 未填报不参与计算，单独报告覆盖情况 |
跨期预订的归属规则需要单独约定。常见做法是：预订记录归属预订创建时点所在的时间窗，实际投入按发生时间归属，同一工时只计入一个时间窗，避免重复统计。若一个预订跨越两个迭代，按各迭代实际发生的投入分别计算兑现部分。
缺失工时填报要单列为“未填报”，不能直接当作零投入。直接补零会系统性压低兑现率、抬高闲置率，让结论失真。报告中应同时给出未填报工时占比，超过一定比例时该周期的指标只作参考。
部分兑现按实际落在预订范围内的工作量计入分子，超出预订范围的部分不计入兑现，但可在偏差指标中体现。取消的预订从有效预订分母中剔除，同时计入变更率的分子，两项指标分别反映不同侧面。
计算与评估步骤：从取数到出结论
计算流程按“取数—清洗—汇总—校验”推进，每一步留下可复查的记录。
- 取数：导出时间窗内的预订记录（预订人、时段、工时、状态）、工时填报明细和任务实际投入数据，三份数据使用同一人员标识和同一时间字段。
- 清洗：剔除测试数据与重复记录；标记未填报、部分填报的记录；将取消预订单独标记，不混入有效预订。
- 对齐：按人和时间窗把预订工时与实际投入工时匹配，跨期记录按归属规则拆分，确认同一工时未被两个窗口重复计入。
- 汇总：先按人计算，再按角色或团队汇总。汇总时先加总分子分母再相除，不对个人比率取平均，避免小分母拉偏结果。
- 计算：按口径表逐项计算四个指标，变更率同时输出条数口径与工时口径，偏差同时输出绝对值与方向。
- 校验：抽取若干成员或若干预订记录，比对预订记录、工时填报与任务实际投入三者是否一致；核对分母为零的指标是否标记为不适用；检查不同周期是否使用了相同口径。
分母为零时该指标记为不适用，不做补零处理。不同时间窗、不同粒度的指标不可直接横向比较，需要比较时先统一到同一口径。校验中发现口径漂移，应回到口径表修订并重算，而不是在报告里加注说明。
在工具层面，ONES 资源管理支持通过工作数量和工时规模了解成员排期，支持筛选与分组掌握成员在不同项目的投入比重，并可实时查看成员每日投入饱和明细；资源报表可反馈项目投入情况，工时日志支持查询和导出。这些数据可以作为预订记录与实际投入的取数来源，指标公式与口径仍按上文定义执行。
算例：一个迭代的预订兑现率与闲置率
以下为演示情景，数字为便于说明而设定，不代表任何真实团队的水平。
某团队一个迭代（两周）内，5 名成员共产生有效预订 400 人时。迭代结束后，工时填报显示实际投入合计 340 人时，其中 300 人时落在预订的人和时段范围内；另有 40 人时投入在预订范围之外的任务上；剩余 60 人时的预订未产生实际投入；还有 20 人时的工时未填报。变更记录显示，初始预订 50 条，其中 8 条发生改期或改人。
- 预订兑现率 = 300 ÷ 400 = 75%。
- 资源闲置率 = 60 ÷ 400 = 15%。
- 预订变更率（条数口径）= 8 ÷ 50 = 16%。
- 预订偏差 = |340 − 400| = 60 人时，方向为欠投。
结果的含义：约四分之三的预订投入被兑现，15% 的预订未产生投入，变更比例处于可解释范围，整体呈欠投。不能直接推出的结论包括：不能据此判断成员效率高低，因为未填报的 20 人时可能改变分子；不能据此认定预订质量差，因为欠投可能来自需求推迟等外部原因；也不能把 75% 当作达标线，达标线需要结合团队历史趋势自行设定。
解读与限制：指标能说明什么、不能说明什么
这组指标反映的是预订质量，即计划与实际投入的吻合程度，不反映个人绩效。兑现率高说明预订被较好执行，也可能说明预订本身定得保守；兑现率低可能是排期问题，也可能是填报缺失。解读时要回到数据覆盖情况和变更原因。
高兑现率不等于高产出。一个团队可以把预订定得很宽松，轻松获得高兑现率，但资源利用并不充分。因此兑现率需要与闲置率成对观察：兑现率高、闲置率低，说明预订既被兑现又被用满；兑现率高、闲置率也高，往往意味着预订口径与实际统计口径不一致。
数据缺失和口径漂移会直接改变结论。未填报工时占比高时，兑现率被低估、闲置率被高估；中途更换统计粒度或时间窗，前后周期不可比。建议固定口径表并版本化管理，每次调整都记录变更原因和生效周期。
使用建议：以趋势观察为主，按周或迭代连续跟踪四项指标，结合变更原因分类做归因；把指标作为排期复盘的输入，而非考核结论；对异常周期先核查数据质量，再讨论管理动作。指标组合、长期趋势和业务背景三者结合，结论才站得住。
常见问题
预订兑现率和资源闲置率为什么必须成对看？
两个指标的分母相同，都是同期有效预订工时，但分子描述的是相反的两部分：兑现率看落在预订范围内的实际投入，闲置率看预订了却没有产生实际投入的工时。只看兑现率，团队把预订定得宽松也能得到好看的数字；只看闲置率，又无法判断剩余投入是否真的用在了预订的人和时段上。
成对观察时，兑现率高、闲置率低，说明预订既被兑现又被用满；兑现率高、闲置率也高，通常意味着预订口径与实际统计口径不一致，比如预订按角色记、工时按人填，需要先核对数据再下结论。
工时填报缺失严重时，指标还能用吗？
可以用，但要先标注覆盖情况。缺失填报不能直接补零，补零会系统性压低兑现率、抬高闲置率，让结论偏向“预订质量差”。
建议在报告中同时给出未填报工时占有效预订工时的比例。占比低时，指标可正常解读，把未填报部分作为误差说明；占比高时，该周期的指标只作参考，优先补齐填报或改用抽样核对的方式估算，并在趋势图中标记该周期，避免与数据完整的周期直接比较。
跨迭代的预订应该算在哪个时间窗？
常见做法是分开归属：预订记录归属预订创建时点所在的时间窗，实际投入按发生时间归属到各时间窗，同一工时只计入一个窗口。一个预订跨越两个迭代时，按各迭代实际发生的投入分别计算兑现部分，未发生的部分留在原预订所在窗口的闲置统计中。
关键是事先把这个规则写进口径表并保持稳定。中途更换归属方式，前后周期的兑现率和闲置率就不可比，趋势观察会失真。
预订变更率按条数算还是按工时算？
两种口径都可以，但不能混用，也不能在同一张报表里一部分按条数、一部分按工时。按条数算适合观察调整动作的频率，计算简单，一条预订多次变更时需事先约定按一次计还是按次计；按工时算更能反映调整对投入规模的影响，适合与兑现率、闲置率放在同一量纲下比较。
实际操作中可以同时输出两个口径，但要在口径表中写明各自的分子分母，并在趋势跟踪时固定使用其中一种作为主口径。
这些指标可以直接用来考核个人吗？
不建议直接用于个人考核。指标衡量的是预订与实际投入的吻合程度，受需求变更、任务推迟、填报纪律等外部因素影响，个人很难完全控制。兑现率低可能是排期问题，也可能是工时没填，把它当作绩效结论容易误判。
更合适的用法是把指标作为排期复盘的输入：按周或迭代跟踪趋势，结合变更原因分类做归因，先核查数据质量再讨论管理动作。确需与考核挂钩时，应拉长观察窗口、明确填报规则，并接受单指标无法支撑绩效结论这一限制。
