量化研发工作量低估，需要同时回答两个问题：平均低估了多少，以及多大比例的工作项被低估。做法是把同一工作项的计划投入与实际投入配对，先算单项低估率，再按迭代或月度汇总出低估幅度和发生频率；进一步结合分布形态、分层稳定性和连续时间窗的重复性，判断低估属于偶发还是系统性。
要点总览（TL;DR）
- 量化低估要同时算两个指标：单项低估率＝(实际投入−计划投入)÷计划投入，幅度看低估率的中位数与均值并附低估量合计，频率＝低估项数÷有效样本项数。
- 样本只纳入已完成、有计划投入、有实际投入的工作项，计划投入为0的项剔除并单列计数；时间窗按迭代或按月，至少连续3个窗口才能谈趋势。
- 判断性质看三处：低估率分布是否多数项同向为正、按团队/需求类型/规模分层后各组中位数是否同向接近、连续多个时间窗的频率与幅度是否稳定。
- 分布、分层、时间三方面同时指向同向偏差才判定为系统性低估；单窗口突增或偏差集中在个别团队，更倾向偶发。
- 低估率反映估算与实际的偏差，不说明原因，也不宜用于个人考核；样本量小、口径变更、范围蔓延时结果需标注或分段统计。
评估目标：要回答哪两个量化问题
工作量低估的评估对象是投入预估偏差，即计划投入与实际投入之间的差距。这个差距可以拆成两个可分别计算、又能合并判断的指标。
幅度回答“平均低估多少”。它衡量偏差的大小，通常用低估率的中位数、均值以及低估量合计来表达。频率回答“多大比例的工作项被低估”。它衡量偏差的覆盖面，用低估项数占有效样本项数的比例来表达。两个指标缺一不可：只有幅度，可能被少数极端项拉偏；只有频率，无法判断偏差有多严重。
评估样本限定为已完成、且同时具备计划投入与实际投入记录的工作项。未完成项的实际投入尚未定型，纳入会低估偏差；缺少任一侧数据的项无法配对，应剔除并单独披露。
评估结论的用途是判断估算流程是否需要调整，例如是否需要引入参考类比、拆分大颗粒需求、增加估算评审。结论不用于个人绩效考核，否则填报行为会被指标反向影响，数据失真。
指标与范围：样本、时间窗与分母怎么定
可比性是这套指标的前提。不同团队、不同周期要能横向对照，样本规则、时间窗和分母口径必须事先固定并全篇一致。
样本纳入规则
| 维度 | 规则 | 处理方式 |
|---|---|---|
| 样本单位 | 工作项（需求/任务/缺陷）或人天，二选一并全篇统一 | 以工作项为单位时，频率按项数算；以人天为单位时，幅度按人天算，两者不混用 |
| 纳入条件 | 已完成、有计划投入、有实际投入，三者同时满足 | 缺任一项即剔除 |
| 时间窗 | 按迭代或按月 | 至少连续3个窗口才能谈趋势 |
| 分母口径 | 有效样本项数 | 剔除项单独计数并在结果中披露 |
时间窗的选择要与估算节奏匹配。按迭代估算的团队用迭代窗口，按月估算的团队用月度窗口。窗口过短会导致样本量不足，窗口过长会掩盖阶段性变化。连续3个窗口是观察趋势的最低要求，单窗口结果只能作为当期快照。
分母必须写清楚。频率的分母是有效样本项数，即通过纳入条件的工作项数量，不含被剔除项。剔除项的数量和原因要单独列出，否则读者无法判断结果覆盖了多少实际工作。
数据口径与证据：计划投入和实际投入从哪里取
两类数据的取数时点和字段对齐方式，直接决定结果是否可信。
计划投入取估算时点的原始记录。估算完成后被修改过的计划值不能作为基准，否则偏差会被事后调整掩盖。如果系统保留了估算历史，应取首次确认的估算版本；如果没有历史记录，需要在估算确认时固化一份快照。
实际投入取工时填报或结算数据。这里要注明口径是否包含返工、评审、联调等投入。包含与不包含会得出不同的低估率，同一份报告内必须统一，并在结果旁标注。返工投入是否计入，取决于评估目的：评估估算准确性时通常应计入全部实际投入。
字段对齐依靠同一工作项ID关联计划与实际，防止跨项错配。批量导出后应按ID做一次匹配校验，检查是否存在一对多、多对一或空值记录。匹配失败的比例要记录，匹配失败项按剔除处理。
证据要求是保留原始导出文件与口径说明，包括取数时间、字段含义、剔除清单。任何人拿到这份材料都能复算出相同结果，指标才具备复核基础。
在工具承载上，ONES 的资源和工时管理方案支持统计项目工时，并可查询和导出工时登记日志明细，资源报表能反馈项目投入情况。把估算时点固化的计划投入与工时日志中的实际投入按工作项ID对齐，是这套计算的数据准备环节；具体字段粒度与报表口径需按实际版本确认。
计算步骤：低估率、幅度与频率的公式
以下公式可直接套用，单位与汇总方式需与样本单位保持一致。
| 指标 | 公式 | 说明 |
|---|---|---|
| 单项低估率 | (实际投入 − 计划投入) ÷ 计划投入 | 仅对计划投入 > 0 的项计算；结果为正表示低估，为负表示高估 |
| 低估幅度（比率） | 低估率的中位数与均值并列报告 | 中位数抗极端值，均值反映总体水平，两者差距大说明分布偏斜 |
| 低估幅度（绝对量） | 低估量合计 = Σ(实际投入 − 计划投入)，单位人天 | 只汇总低估项，或同时给出净偏差，需注明 |
| 发生频率 | 低估项数 ÷ 有效样本项数 | 低估项指低估率 > 0 的项 |
边界处理有三条。计划投入为0的项无法计算比率，剔除并单列计数，不能当作低估或高估。极端值不删除，用中位数和分位数（如P25、P75、P90）补充描述，让读者看到分布尾部。实际投入为0的已完成项要核查是否为漏填，确认后按缺失处理。
汇总时建议同时给出样本量。频率为60%但样本只有5项，与样本200项的60%，可信度差别很大。样本量应随每个汇总结果一起呈现。
例子：一个迭代的低估幅度与频率算例
以下为演示数据，用于说明计算过程，不代表任何真实团队的水平。
| 工作项 | 计划投入（人天） | 实际投入（人天） | 低估率 |
|---|---|---|---|
| A | 5 | 6 | 20% |
| B | 3 | 3 | 0% |
| C | 8 | 10 | 25% |
| D | 2 | 2 | 0% |
| E | 4 | 7 | 75% |
| F | 6 | 6 | 0% |
| G | 5 | 5 | 0% |
| H | 3 | 4 | 33% |
有效样本8项，低估项为A、C、E、H共4项，发生频率 = 4 ÷ 8 = 50%。低估率排序为0%、0%、0%、0%、20%、25%、33%、75%，中位数为(0%+20%)÷2 = 10%，均值为(20%+25%+75%+33%)÷8 ≈ 19.1%。低估量合计 = 1+2+3+1 = 7人天。中位数与均值差距明显，说明均值被E项的75%拉高，报告时应以中位数为主、均值作补充。
再看两种分布形态。第一种是少数大偏差：8项中只有1项低估75%，其余接近零，频率12.5%，中位数0%，均值约9%。第二种是多数项小幅同向低估：8项中6项各低估15%左右，频率75%，中位数15%，均值15%。两种情况下均值可能接近，但结论完全不同：前者更像个别项估算失准，后者说明估算基准整体偏低。同一频率下幅度不同也会改变结论，频率50%配中位数10%与配中位数40%，对流程调整的紧迫性判断不同。
区分偶发低估与系统性低估的判断方法
幅度和频率只描述现象，判断性质需要从三个角度检验。判断标准应在评估开始前约定，避免看到结果后再挑选口径。
| 角度 | 偶发低估的特征 | 系统性低估的特征 |
|---|---|---|
| 分布形态 | 低估率集中在零附近，少数项出现大偏差，正负偏差并存 | 多数项低估率为正且数值接近，分布整体右移 |
| 分层稳定性 | 偏差集中在个别团队、个别需求类型或特定规模区间 | 按团队、需求类型、规模分组后，各组中位数同向且接近 |
| 时间重复性 | 单窗口突增，前后窗口恢复正常 | 连续多个时间窗的频率与幅度保持稳定 |
三个角度要合起来看。分布整体右移但只出现在一个大团队，更可能是该团队的估算习惯问题；各组中位数同向但只持续一个迭代，更可能是当期需求范围变化导致。只有分布、分层、时间三方面同时指向同向偏差，才可以判定为系统性低估。
分层检验时每组样本量不宜过小，组内少于10项的中位数波动较大，结论只能作参考。时间重复性至少看连续3个窗口，窗口间口径保持不变。
解读与限制：这些数字能说明什么、不能说明什么
低估率反映估算与实际的偏差，不直接说明偏差原因。需求范围蔓延、技术方案变更、人员变动都可能推高实际投入，这些原因需要结合工作项记录单独分析，指标本身给不出因果结论。
以下情形会扭曲结果，报告中应标注：样本量过小，频率和幅度都不稳定；统计期内口径变更，如实际投入是否含返工前后不一致；范围蔓延导致实际投入包含了原估算之外的工作。出现这些情况时，应分段统计或单独说明，不能把不同口径的数据合并汇总。
不同团队、不同工作项类型之间不宜直接横比。缺陷修复与新产品需求的估算难度差异很大，跨类型比较会把类型差异误读为估算能力差异。跨团队比较应限定在同类工作项和相近规模区间内。
单指标不能代表整体估算能力。频率低但幅度大，说明少数项严重失准；幅度小但频率高，说明估算基准普遍偏低。两者要结合分布一起看，并结合连续多个窗口的趋势判断是否改善。把低估率直接用于个人考核，会改变填报行为，使后续数据失去参考价值。
常见问题
计划投入在估算后被修改过，还能用来算低估率吗？
不建议直接用修改后的值。低估率的分母应当是估算时点的原始计划投入，用事后调整过的计划值会掩盖真实偏差。如果系统保留了估算历史，取首次确认的估算版本；如果没有历史记录，在估算确认时固化一份快照，后续变更单独记录。确实只能拿到最终计划值时，应在结果旁注明口径，并与使用原始估算值的窗口分开统计，避免混算。
实际投入要不要包含返工、评审和联调的时间？
取决于评估目的，关键是全篇统一。评估估算准确性时，通常应计入全部实际投入，因为返工和联调也是这项工作真实消耗的工时；如果只统计编码时间，低估率会偏小，看起来估算更准。无论选哪种口径，都要在报告里写明是否包含返工、评审、联调，并保持各时间窗一致。口径中途变更时，变更前后的数据分段统计，不合并汇总。
样本量很小的时候，频率和幅度还能用吗？
可以算，但要随结果一起披露样本量，并降低结论强度。频率60%在5个样本和200个样本下可信度差别很大；分层检验时组内少于10项，中位数波动明显，只能作参考。样本量偏小时，建议延长统计窗口或合并同类工作项来扩大样本，同时保留原始明细，等积累到连续3个窗口再判断趋势。单窗口的小样本结果适合作为当期快照，不适合直接下系统性低估的结论。
不同团队的低估率可以直接放在一张表里比较吗？
不宜直接横比。缺陷修复与新产品需求的估算难度差异很大，跨类型比较容易把类型差异误读为估算能力差异。跨团队比较应限定在同类工作项和相近规模区间内，并确认各团队的统计口径一致，包括实际投入是否含返工、时间窗长度、剔除规则。口径不一致时，先统一口径再比较，或者只做各自纵向的趋势对比，不做横向排名。
算出系统性低估之后，下一步该调整什么？
指标只指出偏差存在，调整方向要结合工作项记录分析。常见做法包括：对同类历史工作项做参考类比估算、把大颗粒需求拆小以降低单点估算难度、在估算评审中引入多人交叉判断、对连续多个窗口的偏差设置复盘节点。调整后继续用同一套口径跟踪频率与幅度的变化，观察是否收敛。判断标准应在调整前约定，避免看到结果后再改口径，否则前后数据无法对比。
