判断研发交付是否稳定，需要把计划偏差、预测误差和承诺达成波动三类指标组合起来看：计划偏差反映承诺与实际结果的偏离，预测误差反映交付前判断的准确程度，承诺达成波动反映偏离是否反复出现。单看一次偏差只能说明某个迭代出了问题，把偏差的方向、幅度和连续多个周期的波动放在一起，才能区分偶发延误和系统性不稳定。本文给出这三类指标的计算口径、取数要求和组合判断方法，适用于迭代或发布周期层级的计划可靠性评估。
要点总览（TL;DR）
- 识别研发交付不稳定，需要组合三类指标：计划偏差看偏离幅度与方向，预测误差看事前判断准不准，承诺达成波动看偏离是否反复出现。
- 取数前先统一四项口径：承诺范围冻结时点、完成判定标准、需求拆分粒度、缺失值与分母为零的处理，否则不同周期数据无法比较。
- 组合判断的关键是偏差方向是否集中、幅度是否收敛、波动是否持续偏高；偏差大且波动高指向系统性不稳定，偏差小但预测误差大说明结果碰巧兑现。
- 指标只反映结果偏离，不说明原因，也不设通用达标线；应先用自身历史数据建立基线，再判断当前是否偏离。
- 单指标不足以评价团队，计划偏差小可能来自承诺保守，达成率高可能来自范围缩水，不宜直接用于绩效排名。
评估目标：要回答交付稳不稳，而不是快不快
本文的评估对象是计划可靠性，即团队或项目在承诺时点给出的交付范围，能否在约定周期内被稳定兑现。评估结论用于改进计划管理：调整承诺方式、收紧范围变更、提高估算准确度，而不是用于团队或个人绩效排名。
纳入评估的内容包括：承诺范围内的完成情况、交付前预测与实际结果的差距、连续多个周期内达成情况的变化。不展开的内容包括：单次迭代内部的执行过程管理、投入工时偏差分析、具体工具的产品能力对比，以及任何通用达标线或排名标准。
交付稳定性与交付速度是两个问题。一个团队可以交付量不大但每个周期都兑现承诺，也可以交付量很大但完成范围频繁偏离计划。本文只回答前者，速度类指标不在讨论范围内。
指标与范围：三类指标各自回答什么问题
三类指标从不同角度刻画计划可靠性，需要同时使用。计划偏差回答“这次偏离了多少”，预测误差回答“事前判断准不准”，承诺达成波动回答“这种偏离是不是反复出现”。
| 指标 | 回答的问题 | 计算口径 | 单位与时间窗 |
|---|---|---|---|
| 计划偏差 | 实际完成与承诺范围偏离多少、偏向哪个方向 | 计划偏差率 =（实际完成工作量 − 承诺工作量）÷ 承诺工作量；结果为负表示少交，为正表示超交 | 百分比；按单个迭代或发布周期计算 |
| 预测误差 | 交付前对结果的判断与实际相差多少 | 预测误差率 =（实际完成工作量 − 交付前预测工作量）÷ 交付前预测工作量；同时记录绝对误差与方向 | 百分比；按单个周期计算，可汇总为平均绝对误差 |
| 承诺达成波动 | 达成情况在连续周期内是否稳定 | 先计算每周期达成率 = 实际完成 ÷ 承诺范围，再取连续 N 个周期达成率的标准差 | 百分点；建议 N 不小于 5 个周期 |
统计范围需要事先固定：以迭代还是发布周期为统计单元，以团队还是项目为统计层级，观察窗口取最近多少个周期。三项选择会直接影响数值，同一份报告内应保持一致，跨报告比较时需说明口径。
工作量口径可用故事点、需求条数或人天，选定后不随周期更换。用需求条数时，大小需求权重相同，波动会被放大；用故事点时，估算本身的偏差会进入指标，解读时需要留意。
数据口径与证据：取数前先统一这几件事
指标能否复算，取决于取数前是否统一了口径。以下四项需要在计算前明确并记录，否则不同人算出的结果无法比较。
- 承诺范围的冻结时点。约定在迭代启动会结束、排期确认或发布评审通过时冻结承诺范围，并保留冻结后的每一次范围变更记录，包括增加、移出和替换。计算计划偏差时，以冻结时点的范围为准，变更单独统计。
- 完成判定标准。明确“完成”指状态流转到已完成、通过验收，还是已上线。三种标准得出的达成率差异明显，同一评估中只采用一种，并在报告中注明。
- 需求拆分粒度。约定进入承诺范围的工作项最小粒度，避免同一件事在不同周期被拆成不同数量的条目。跨迭代结转的工作项，需要约定是计入原周期未完成还是计入新周期承诺，两种处理不能混用。
- 缺失值与分母为零。某周期无承诺范围时，该周期不参与达成率计算，并在样本数中扣除；预测值缺失时，该周期不计算预测误差，不用实际值倒推填充。样本周期少于约定数量时，只报告数值，不下稳定性结论。
这些口径在工具中体现为具体的管理动作：工作项状态决定完成判定，迭代范围与变更记录决定承诺口径，交付前的预测值需要有字段承载。在 ONES 中，迭代工作项的状态流转、范围变更记录和自定义字段可以分别承载这三类信息，使每个周期的承诺范围、预测值和实际完成能够按同一口径取数并复算。
计算与评估步骤：从单指标到组合判断
计算按周期逐个进行，先得到单周期数值，再做跨周期组合判断。步骤如下：
- 按冻结时点确定每个周期的承诺范围，记录变更次数与变更量。
- 按统一完成标准统计实际完成量，计算该周期的计划偏差率，保留正负号。
- 取交付前记录的预测值，计算预测误差率，同时记录绝对误差和方向。
- 计算该周期达成率，连续取不少于 5 个周期，计算达成率标准差作为波动值。
- 保留每个周期的原始明细，包括承诺量、预测值、实际完成量和变更记录，便于复核。
得到数值后，先看偏差方向是否集中：连续多个周期都是负偏差，说明承诺习惯性偏高；正负交替则更可能是估算随机误差。再看幅度是否收敛：偏差率逐周期缩小，说明计划能力在改善；幅度忽大忽小，需要结合波动值判断。
组合判断可参考下表。判断的前提是口径一致、样本周期足够，单周期数据不适用。
| 情形 | 指标表现 | 指向的问题 |
|---|---|---|
| 偏差大且波动高 | 计划偏差率绝对值持续偏大，达成率标准差高 | 系统性不稳定，承诺方式或范围控制存在结构性问题 |
| 偏差小但预测误差大 | 计划偏差率接近零，预测误差率绝对值偏大 | 结果碰巧兑现，事前判断能力不足，交付过程依赖临时调整 |
| 偏差方向集中、波动低 | 连续负偏差，达成率标准差低 | 稳定的系统性高估，属于可修正的承诺习惯问题 |
| 偏差与波动均低、预测误差小 | 三项指标均在历史基线附近 | 计划可靠性较好，可继续观察，不据此下绩效结论 |
例子：一个六周期数据的读法
以下为演示数据，用于说明计算与解读方式，不代表任何真实团队水平。假设某团队以故事点为口径，六个迭代的承诺量、预测值和实际完成量如下：
| 周期 | 承诺量 | 预测完成 | 实际完成 | 计划偏差率 | 预测误差率 | 达成率 |
|---|---|---|---|---|---|---|
| P1 | 40 | 38 | 36 | −10% | −5.3% | 90% |
| P2 | 42 | 40 | 30 | −28.6% | −25% | 71.4% |
| P3 | 38 | 36 | 37 | −2.6% | +2.8% | 97.4% |
| P4 | 45 | 42 | 33 | −26.7% | −21.4% | 73.3% |
| P5 | 40 | 39 | 38 | −5% | −2.6% | 95% |
| P6 | 44 | 41 | 31 | −29.5% | −24.4% | 70.5% |
单看平均计划偏差率，六周期均值约为 −17.1%，说明整体少交。若只看 P3 和 P5，偏差率分别为 −2.6% 和 −5%，容易得出“计划基本准确”的结论；但 P2、P4、P6 的偏差率都在 −26% 以上，三个周期呈现规律性交替。
计算达成率标准差：六个周期达成率均值约为 82.9%，标准差约为 11.9 个百分点。偏差幅度大且波动高，属于组合判断矩阵中的第一种情形，指向系统性不稳定，而非偶发延误。
再看预测误差方向：六个周期的预测误差全部为负，说明交付前预测值本身也偏高，团队在承诺和预测两个环节都存在高估习惯。若预测误差正负交替而计划偏差集中为负，问题更多出在承诺范围而非判断能力；本例中两者同向，修正重点应放在承诺时的工作量评估和范围控制上。
解读与限制：这些指标能说明什么、不能说明什么
三类指标反映的是结果偏离及其重复性，能够帮助定位计划管理中的问题类型，但不能直接说明原因。偏差大可能来自估算偏高、范围蔓延、依赖阻塞或人员变动，指标本身不区分这些原因，需要结合变更记录和具体周期复盘确认。
使用时有以下边界需要注意：
- 范围频繁变更时可比性下降。若冻结后变更量大，计划偏差率更多反映变更管理而非计划能力，应同时报告变更次数与变更量，必要时将变更后的范围作为补充口径单独计算。
- 分母为零的周期不参与计算。无承诺范围或预测值缺失的周期应剔除并注明，样本不足时只报告数值，不判断稳定性。
- 不设通用达标线。偏差率和波动值的合理区间取决于团队历史基线、需求性质和统计粒度，应先用自身过去若干周期的数据建立基线，再判断当前是否偏离。
- 不把单指标当全部绩效。计划偏差小可能来自承诺保守，达成率高可能来自范围缩水，任何单一指标都不足以评价团队，也不宜直接用于排名。
指标的价值在于形成可复算、可对比的观察序列。把每个周期的承诺、预测、实际和变更记录完整保留下来，按同一口径持续计算，才能让偏差的方向、幅度和波动成为可讨论的管理依据，而不是一次性的结论。
常见问题
团队只有三四个迭代的数据，能判断交付是否稳定吗？
样本周期不足时，建议只报告每个周期的计划偏差率、预测误差率和达成率数值，暂不下稳定性结论。承诺达成波动需要连续不少于 5 个周期才有参考意义，周期太少时标准差会被单个异常周期主导。可以先把口径固定下来，按周期持续记录，积累到足够样本后再做组合判断。
承诺范围在迭代中途频繁变更，计划偏差率还有意义吗？
仍有意义，但解读要调整。冻结后变更量大时，计划偏差率更多反映变更管理而非计划能力。建议同时报告变更次数与变更量，必要时把变更后的范围作为补充口径单独计算，与原冻结口径并列呈现，避免用一个数字概括两种不同的问题。
计划偏差和预测误差都偏大，应该先改哪一个？
先看两者的方向关系。若预测误差与计划偏差同向且幅度接近，说明承诺和预测两个环节存在同一种高估习惯，修正重点放在承诺时的工作量评估和范围控制；若预测误差正负交替而计划偏差集中为负，问题更多出在承诺范围设定，而非交付前的判断能力。方向关系比单个数值更能指示改进切入点。
不同团队的偏差率可以直接横向比较吗？
直接比较的前提是统计单元、统计层级、工作量口径和完成判定标准完全一致。需求性质、拆分粒度和依赖结构不同的团队，即使口径统一，数值也不宜简单排序。更稳妥的做法是各团队先建立自身历史基线，观察自身是否偏离基线，横向比较只作为参考信息。
这些指标能否直接用于团队绩效考核？
不建议直接使用。计划偏差小可能来自承诺保守，达成率高可能来自范围缩水，单指标容易被针对性优化而失去观察价值。这些指标更适合作为计划管理的讨论依据，配合变更记录和周期复盘定位问题类型，绩效评价需要另行设计多维度标准。
