研发计划达成率、承诺兑现率和交付预测准确率都在衡量研发计划的可靠性，但回答的问题不同：计划内的工作完成了多少、对上下游的承诺是否按期兑现、事前给出的交付预期与最终结果差多少。区分三者，关键看统计对象、时间锚点和范围变更三项口径。本文给出定义、计算边界、公式构成与混用判断方法。
要点总览（TL;DR）
- 三个指标都衡量计划可靠性，但统计对象不同：计划达成率看计划项，承诺兑现率看承诺项，交付预测准确率看预测批次。
- 区分边界先看时间锚点：计划期末、承诺到期日、预测发布时点分别对应三个指标，锚点混用会导致统计窗口错位。
- 范围变更处理是第三个分界：计划项增减是否调整分母、承诺变更是否重新起算、预测是否固定发布快照，都需要在统计前约定。
- 常见混用包括用承诺兑现率代替计划达成率、用预测准确率推断完成比例、变更后沿用旧分母，判断方法是先问统计对象再问时间锚点。
- 单次迭代执行归迭代管理，投入工时偏差归计划与实际投入分析，两者不属于三个计划可靠性指标的口径。
三个指标各自衡量什么
三个指标服务于同一个管理主题——计划是否可靠，但观察角度不同。把它们放在一起看，能避免用单一数字概括全部计划问题。
研发计划达成率衡量计划内工作的完成情况，定义为计划内按期完成的工作项占计划内工作项总数的比例。它回答的是“我们排进计划的事情，最后做完了多少”。统计对象是计划项，关注计划本身的执行覆盖度。
承诺兑现率衡量对外或对上下游承诺的兑现情况，定义为已到期承诺中按期兑现的比例。它回答的是“我们答应别人的事，有没有按时做到”。统计对象是承诺项，承诺通常经过与依赖方确认，范围比计划窄，但约束更强。
交付预测准确率衡量事前预测与最终实际的偏差程度，定义为预测发布时点给出的交付预期与最终实际结果之间的偏差。它回答的是“我们提前判断的交付时间，准不准”。统计对象是预测批次，关注判断能力而非完成比例。
三者的共同点是都以“计划可靠性”为落点，差异在于观察角度：达成率看计划覆盖面内的完成比例，兑现率看承诺约束下的守信比例，预测准确率看预期与实际的偏离程度。同一个迭代可以同时统计三个指标，但每个指标的分子分母各自独立，不能互相借用。
计算边界：对象、时间锚点与范围变更
同一批工作在三套口径下得出不同结果，原因通常不在数据本身，而在三项口径设定不同。把这三项先定清楚，指标才有可比性。
统计对象边界
计划项是团队排入计划的工作单元，范围最宽，包含内部安排但未对外承诺的内容。承诺项是经过确认、对上下游有交付义务的工作单元，通常是计划项的子集。预测批次是按发布时点切分的一组交付预期，一个批次可能覆盖多个计划项，也可能只覆盖其中一部分。统计对象不同，分母自然不同，这是三个指标结果差异的首要来源。
时间锚点边界
计划达成率的时间锚点是计划期末，判断的是在计划周期结束时，计划内工作是否按期完成。承诺兑现率的时间锚点是承诺到期日，只有到期承诺才进入统计，未到期承诺不参与计算。交付预测准确率的时间锚点是预测发布时点，比较的是该时点给出的预期与最终实际，锚点落在“发布”而非“到期”。三个锚点分别对应周期结束、义务到期和预期发布，混用锚点会让统计窗口错位。
范围变更处理
计划变更是否计入分母，需要在统计前约定：新增计划项是否纳入本期分母、移除的计划项是否从分母剔除。承诺变更要明确是重新起算到期日，还是保留原到期日并按变更后内容判定兑现。预测是否允许滚动更新，决定了比较基准是首次发布快照还是最后一次更新，通常应固定发布时点快照，避免用事后修正的预测回算准确率。
三项口径确定后，还要守住一条原则：分子分母不可互相借用。承诺范围通常小于计划范围，用承诺兑现的分子除以计划项分母，会得出一个既非达成率也非兑现率的数字；预测准确率衡量偏差，不能拿来充当完成比例。
| 维度 | 研发计划达成率 | 承诺兑现率 | 交付预测准确率 |
|---|---|---|---|
| 统计对象 | 计划项 | 承诺项（通常为计划项子集） | 预测批次 |
| 时间锚点 | 计划期末 | 承诺到期日 | 预测发布时点 |
| 范围变更 | 约定新增/移除计划项是否调整分母 | 约定变更后重新起算或保留原到期日 | 固定发布时点快照，不做事后回算 |
| 回答的问题 | 计划内工作完成了多少 | 到期承诺按期兑现了多少 | 事前预期与实际的偏差多大 |
三个指标的计算机制与公式构成
口径定清楚之后，取数环节决定指标是否可信。三个指标的公式结构不同，取数陷阱也各有侧重。
研发计划达成率
公式为：按期完成的计划项数 ÷ 计划内计划项总数。分母在计划期末锁定，分子只统计在计划周期内完成且达到完成判定标准的工作项。跨期项要事先约定归属：是在原计划期计入未完成，还是顺延到下一期重新计入分母。拆分项要约定拆分后各子项是否独立计入，避免同一工作因拆分方式不同得出不同比例。完成判定标准需要统一，例如以状态流转到“已完成”为准，还是以验收通过为准。
承诺兑现率
公式为：按期兑现的承诺数 ÷ 已到期承诺总数。分母只包含统计时点已到期的承诺，未到期承诺不进入分母，这一点与达成率按计划期统计不同。分子判定要看承诺内容是否在到期日前全部满足，部分兑现通常不计入分子。承诺变更要按事先约定处理：重新起算的，原承诺退出分母、新承诺按新到期日进入；保留原到期日的，按变更后内容判定。经双方确认的豁免承诺，应明确是移出分母还是单独列示，避免口径漂移。
交付预测准确率
公式为：预测值与实际值的偏差 ÷ 预测值（相对偏差），或直接取预测值与实际值之差（绝对偏差）。绝对偏差直观，适合单批次复盘；相对偏差便于跨批次比较，但预测值接近零时波动会被放大，需要设定适用条件。计算前必须保留预测发布时点的快照，否则无法回溯当时给出的预期。偏差方向也应记录，提前交付与延期交付在管理含义上不同。
常见取数陷阱
- 完成判定标准不一致：不同团队对“完成”的理解不同，导致分子口径不统一。
- 到期日口径不一致：承诺到期日与计划完成日混用，统计窗口错位。
- 预测快照缺失：没有留存发布时点的预测记录，只能用最终计划反推，准确率失去意义。
这些口径要落到可记录、可回溯的数据上：计划项、承诺项和预测快照分别有承载对象，报表层才能按不同口径分别取数。ONES Performance 支持对系统内产生的研发数据进行多维度、精细化、自定义的分析，并提供预置的场景化仪表盘模板；当计划项、承诺项与预测记录在系统中分别留存时，团队可以按上述口径分别配置统计视图，减少手工汇总带来的口径偏差。
容易混用的四个地方
指标混用往往不是定义不清，而是使用场景中顺手替代。以下四类情形最常见，判断方法可以统一为：先问统计对象，再问时间锚点。
把承诺兑现率当作计划达成率使用
承诺范围通常小于计划范围，承诺兑现率高不代表计划内工作完成得多。计划中大量内部安排的工作不在承诺范围内，用兑现率汇报整体计划执行，会系统性高估完成情况。判断方法：看分母是否覆盖全部计划项，若只覆盖承诺项，结论只能用于承诺场景。
用交付预测准确率替代计划达成率
预测准确率看的是偏差，达成率看的是完成比例。一个团队可能预测偏差很小，但计划内仍有大量工作未完成——因为预测本身只覆盖了部分交付内容。判断方法：问这个数字的分子是“偏差”还是“完成项”，两者不能互换结论。
范围变更后仍沿用旧分母
计划中途新增或移除工作项后，若分母不调整，达成率会失真：新增工作未完成会拉低比例，移除工作仍留在分母会虚增未完成数。承诺变更后未重新约定到期日，兑现率同样会偏离实际。判断方法：核对分母的锁定时间与变更记录是否一致。
在同一复盘会上互相替代结论
三个指标同时出现在一张报表上时，容易出现“兑现率高所以计划没问题”“预测准所以交付可靠”的推论。每个指标只回答自己那一问，结论应分别陈述。判断方法：先确认该结论对应的统计对象和时间锚点，再决定引用哪个指标。
- 区分清单一：分母是计划项、承诺项还是预测批次？
- 区分清单二：统计截止点是计划期末、承诺到期日还是预测发布时点？
- 区分清单三：范围变更后分母是否重算、快照是否固定？
- 区分清单四：结论中的“完成”指完成比例还是偏差程度？
相邻概念的区别：与迭代执行、工时偏差的边界
三个指标回答的是“计划是否可靠”，执行细节和资源投入属于另外的问题，不应塞进这三个指标里解释。
单次迭代执行情况归迭代管理。一个迭代内任务流转是否顺畅、阻塞是否及时清除、每日进度如何变化，属于执行过程的观察，不构成计划可靠性指标。迭代执行好，计划达成率未必高，因为计划本身可能排得不合理；反之亦然。把迭代执行数据当作达成率的解释，会混淆过程与结果。
投入工时偏差归计划与实际投入分析。它比较的是预估投入与实际投入的差异，衡量的是估算与资源使用，与达成率、兑现率、预测准确率的口径不同：前两者看工作项是否完成、承诺是否兑现，后者看交付预期是否准确，都不以工时为主要计量单位。工时偏差大，可能伴随达成率低，但两者不能互相替代。
划清这条边界的好处是，复盘时能把“计划排得准不准”“承诺守没守住”“预期判断准不准”与“执行顺不顺”“投入估得准不准”分开讨论，各自找到改进动作，而不是用一个数字承担全部解释责任。
一个具体例子：同一迭代的三套口径
以下为演示情景，数据为虚构，仅用于说明口径差异。
某迭代计划内共有 20 个工作项，其中 8 项对上下游做出了交付承诺，迭代开始前发布过一次交付预测，预计按期交付 18 项。迭代结束时，计划内完成 15 项；8 项承诺中 7 项在到期日前兑现，1 项延期；实际按期交付 16 项。
| 指标 | 计算 | 结果 | 说明的问题 |
|---|---|---|---|
| 研发计划达成率 | 15 ÷ 20 | 75% | 计划内工作完成覆盖度偏低，有 5 项未完成 |
| 承诺兑现率 | 7 ÷ 8 | 87.5% | 对外承诺基本守住，仅 1 项延期 |
| 交付预测准确率 | |18 − 16| ÷ 18 | 约 11.1% | 事前预期偏乐观，实际少交付 2 项 |
三个结果不同，原因在分母和比较对象不同：达成率的分母是全部 20 个计划项，兑现率的分母只是 8 项已到期承诺，预测准确率比较的是预测批次与实际交付的偏差。它们各自说明不同问题——计划覆盖面内的完成情况、承诺约束下的守信情况、事前判断的偏差程度，合起来才能拼出计划可靠性的完整图景。
常见误解是认为三个指标结果应当一致，或者用其中一个推断另外两个。在这个例子里，兑现率 87.5% 看起来不错，但计划达成率只有 75%，说明未承诺的内部工作完成得不好；预测准确率约 11.1% 的偏差，则提示排期判断偏乐观。若只汇报兑现率，管理层会高估整体计划执行水平。正确做法是三个指标并列呈现，各自标注统计对象与时间锚点，让读者知道每个数字回答的是哪一问。
常见问题
计划中途新增了工作项，达成率的分母要不要跟着调整？
这取决于统计前约定的范围变更规则，两种做法都能用，但结论含义不同。若新增项纳入本期分母，达成率反映的是“调整后计划”的完成情况，适合评估团队对最终承诺范围的执行；若新增项不纳入分母、单独记录，达成率反映的是“初始计划”的稳定性，适合观察计划编制质量。关键是同一份报表内保持一致，并在指标旁标注分母锁定时间。中途临时改口径，会让前后两期数据无法比较。
承诺延期后重新约定了到期日，兑现率应该怎么算？
需要事先约定是“重新起算”还是“保留原到期日”。重新起算的做法是原承诺退出分母，新承诺按新到期日进入统计，兑现率反映当前有效承诺的兑现情况；保留原到期日的做法是按变更后内容在原到期日判定，延期本身即计为未兑现，兑现率反映最初承诺的守信程度。两种口径回答的问题不同，前者偏运营跟踪，后者偏对外信用评估。无论选哪种，变更记录都要留痕，否则事后无法解释数字变化。
预测准确率用绝对偏差还是相对偏差，能混着用吗？
两种偏差适合的场景不同。绝对偏差是预测值与实际值之差，直观，适合单批次复盘，能直接看出少交付或多交付了几个工作项；相对偏差是偏差除以预测值，便于跨批次、跨团队比较，但预测值接近零时结果会被放大，需要设定适用条件。同一份报表里混用两种偏差，会让读者误判严重程度。建议固定一种作为主口径，另一种作为补充列示，并标注计算方式。
三个指标能不能只保留一个，减少汇报负担？
可以精简，但要清楚丢掉的是哪一问。只保留计划达成率，就看不出对外承诺的守信情况；只保留承诺兑现率，会系统性高估整体计划执行，因为承诺范围通常小于计划范围；只保留预测准确率，只能看到偏差，看不到完成比例。如果汇报篇幅有限，建议保留计划达成率作为主指标，承诺兑现率与预测准确率按季度或按批次呈现，并在结论中分别标注统计对象与时间锚点，避免用一个数字承担全部解释。
把三个指标放进同一张效能报表，需要系统里先具备什么数据？
至少需要三类可回溯的数据：计划项及其完成状态与计划周期、承诺项及其到期日与兑现结果、预测发布时点的快照记录。前两类通常依托工作项管理，第三类最容易被忽略——没有留存发布时点的预测，准确率只能用最终计划反推，失去意义。ONES Performance 支持对系统内产生的研发数据进行多维度、精细化、自定义的分析，并提供预置的场景化仪表盘模板；当这些记录在系统中分别留存时，团队可以按不同口径分别配置统计视图，减少手工汇总带来的偏差。
