研发数据缺失的严重程度，取决于缺失是否改变指标结论：同样缺10%，落在交付周期的完成时间字段上可能让团队排名反转，落在备注类字段上则几乎不影响判断。评估时建议用三层口径：先按字段和记录算缺失率，再判断该缺失对指标方向、排序或达标判断的影响，最后结合影响范围与可替代证据定级。下文给出可复算的公式、分级判定表和演算示例，并说明如何据此安排修复顺序。
要点总览（TL;DR）
- 评估研发数据缺失的严重程度，核心是把“缺了多少”换算成“结论会被带偏多少”，缺失率本身不能直接决定修复顺序。
- 缺失率统一按“缺失记录数÷应有记录数×100%”计算，并注明时间窗、团队范围与分母口径；分母为零、记录未生成、字段为空三类情况分开统计。
- 严重度分三级：高——关键指标分母缺失或补齐后方向可能反转且无替代证据；中——数值可估但排序可能变化；低——缺失集中在非决策字段或可被其他数据源补齐。
- 修复优先级按“严重度×影响范围÷修复成本”排序，分母为零和口径不可比两类问题先处理，因为它们会让后续比较失去基准。
- 评估结果用于排修复优先级和分配治理资源，不宜直接作为团队或个人绩效评价依据。
评估目标：判断哪些缺失会误导结论、哪些可以接受
这项评估要回答的问题很具体：当前研发度量数据中，哪些缺失会让报表上的结论失真，哪些缺失在现有决策场景下可以暂时接受。评估对象是度量数据本身及其呈现结果，包括原始记录、汇总指标和看板图表；指标定义是否合理、工具链接口如何配置，属于另外的工作，不在本次评估范围内。
判定一个缺失是否“严重”，看它是否改变以下三项之一：指标方向（例如交付周期从缩短变为延长）、对象排序（例如团队A与团队B的效率排名互换）、达标判断（例如某指标从达标变为不达标，或反之）。三项均不受影响时，该缺失通常可归入可接受范围。
可接受缺失与需修复缺失的区分原则可以归纳为三条：缺失字段是否参与关键指标计算；缺失是否集中在少数记录且能被旁路数据交叉验证；缺失是否稳定出现并持续影响同一批报表。三条中任意一条指向“是”，就应进入修复清单，而不是简单按缺失率高低一刀切。
指标与范围：先圈定受影响的指标、字段和时间窗
在计算缺失率之前，先把评估范围固定下来，否则不同人算出的数字无法比较。做法是按决策用途列出关键指标，再倒推每个指标依赖的必填字段和应有记录来源，最后明确统计时间窗、团队范围和分母定义。
| 关键指标 | 典型决策用途 | 必填字段示例 | 应有记录来源 |
|---|---|---|---|
| 交付周期 | 判断交付效率变化、识别瓶颈环节 | 需求创建时间、进入开发时间、上线时间、状态流转记录 | 工作项状态变更日志 |
| 缺陷密度 | 评估交付质量、安排测试资源 | 缺陷数量、缺陷等级、所属模块、关联版本 | 缺陷工作项及其关联关系 |
| 需求吞吐 | 评估团队产出节奏、做容量规划 | 需求完成时间、需求状态、所属迭代 | 需求工作项与迭代记录 |
每个指标都要写清三件事：统计时间窗（例如自然月或迭代周期）、团队范围（哪些团队纳入分母）、分母定义（应有多少条记录参与计算）。分母定义尤其容易漂移，例如“本月应完成的需求数”是按计划完成日统计还是按实际完成日统计，会直接改变缺失率结果，必须在评估开始前书面固定。
数据口径与证据：缺失率怎么算、证据怎么留
缺失率的基本公式为：缺失率 = 缺失记录数 ÷ 应有记录数 × 100%，结果以百分比表示，并注明统计时间窗与团队范围。分子是目标字段为空或无效的记录数，分母是该时间窗内按业务规则应当存在的记录总数。公式本身简单，难点在于三类情况必须分开统计，不能混入同一个分子。
- 分母为零：该时间窗内本就没有应有记录，例如新团队尚未启动迭代。此时缺失率无定义，应标注“不适用”，不能记为0%或100%。
- 记录未生成：业务上应产生记录但流程未走到，例如需求未进入开发所以没有开发开始时间。这类缺失反映流程执行问题，需单独计数。
- 字段为空：记录已存在但字段未填写，例如工作项已关闭但完成时间留空。这类缺失直接削弱指标可算性，是修复的重点对象。
证据留存的目标是让任何人能按同样口径复算出相同结果。建议保留三类材料：按字段统计的空值数量与占比明细；随机抽样的原始记录清单，标注缺失位置；旁路数据比对记录，例如用代码提交时间与工作项完成时间交叉核对，说明缺失是否可由其他来源补足。证据与计算口径放在一起归档，后续口径调整时才有对照基准。
评估步骤：从缺失率到严重度分级
分级流程分四步，每一步都有明确产出，最终形成一张可复核的判定表。
第一步，算缺失率并标注分母口径。按第二节确定的指标—字段—时间窗清单逐项计算，对分母为零的项标注“不适用”，对记录未生成与字段为空分别计数。
第二步，判断指标影响度。针对每个缺失字段，回答它是否改变指标方向、排序或达标判断。可以用敏感性方法验证：用现有数据算出指标值，再假设缺失记录按最有利和最不利两种情形补齐，看结论区间是否跨越判断阈值。
第三步，评估影响范围与可替代证据。影响范围看涉及多少团队、多少张报表、多少个决策场景；可替代证据看是否有旁路数据能补足缺失，以及补足后的可信程度。
第四步，按高/中/低定级并写明理由。判定表如下：
| 严重度 | 判定条件 | 典型情形 | 处理建议 |
|---|---|---|---|
| 高 | 关键指标分母缺失，或补齐后指标方向可能反转；且无替代证据 | 交付周期的上线时间大面积缺失，团队排名无法确认 | 优先修复，修复前相关报表加注“结论待确认” |
| 中 | 数值偏差可估算，但对象排序可能变化 | 缺陷等级字段部分为空，缺陷密度数值可估、团队对比顺序不稳 | 排入近期修复，报表标注估算口径 |
| 低 | 缺失集中在非决策字段，或可被其他数据源补齐 | 备注、标签类字段缺失；完成时间可由发布记录补足 | 常规治理，不占用紧急修复资源 |
修复优先级按“严重度 × 影响范围 ÷ 修复成本”排序，其中严重度取高=3、中=2、低=1，影响范围可用涉及团队数或报表数计量，修复成本按人天估算。分母为零和口径不可比两类问题应单独前置处理，因为它们会让后续所有比较失去基准。
在评估流程落地时，字段完整性和报表口径需要有人持续维护。ONES 研发效能管理解决方案对交付效率、交付质量、进度情况、资源效率等效能数据进行展示，形成量化、实施、分析、改进的闭环；ONES Performance 可实时同步 Project 中的业务数据，减少手动整理数据源带来的遗漏。评估中发现的字段缺失和口径问题，可以在这一数据链路上明确责任人与修复状态，使分级结果转化为可跟踪的治理动作。
例子：一个交付周期指标缺失的分级演算
假设某月三个团队共有应完成需求120条，交付周期指标依赖“上线时间”字段。实际统计发现该字段缺失18条，则缺失率为18 ÷ 120 = 15%。进一步拆分：其中12条属于记录未生成（需求未走到上线环节），6条属于字段为空（已上线但未回填时间）。
情形一：缺失集中在关键字段。若这18条缺失全部落在交付周期最长的两个团队，且补齐后这两个团队的平均交付周期可能从28天变为35天，团队排名将从第二、第三位变为末位，指标方向与排序均可能改变，且无旁路数据可补，应定为高严重度。影响范围涉及3张报表、2个决策场景，修复成本约2人天，优先级得分为3 × 3 ÷ 2 = 4.5。
情形二：缺失分散在非关键字段。若同样的15%缺失率分散在备注、标签等字段，且交付周期计算不受影响，则定为低严重度。影响范围1张报表，修复成本1人天，优先级得分为1 × 1 ÷ 1 = 1.0。
两种情形缺失率相同，严重度相差两个等级，说明缺失率本身不能直接作为修复排序依据。按得分排序，情形一应先于情形二处理；若同时存在分母为零的指标（例如新团队当月无应完成需求），应最先确认其统计口径，再处理上述两项。
解读与限制：避免把缺失率当结论、把单指标当全部
缺失率高低与结论可靠性高低并不等价。15%的缺失落在关键字段上可能让排名反转，30%的缺失落在非决策字段上可能不影响任何判断。解读评估结果时，应把缺失率与指标影响度、影响范围放在一起看，单独引用缺失率容易造成误判。
有两类情况结果不可直接比较：一是分母为零，缺失率无定义，任何百分比都不成立；二是指标口径发生变更，例如统计时间窗从自然月改为迭代周期，变更前后的缺失率不在同一基准上，需要分别计算并注明口径版本。
严重度分级的用途是排修复优先级和分配治理资源，不宜直接作为团队或个人的绩效评价依据。数据缺失往往反映流程执行和系统配置问题，把它与绩效挂钩，可能导致填报行为变形，反而降低数据可信度。评估结论应落到“先修哪个字段、由谁修、修完如何复算验证”上，形成可闭环的治理记录。
常见问题
缺失率算出来是15%，是否一定要马上修复？
不一定。15%只是缺失比例，是否马上修复要看这些缺失落在哪些字段、是否改变指标结论。同样的15%，如果落在交付周期的上线时间字段上，且补齐后团队排名可能反转，就属于高严重度，应优先处理；如果落在备注、标签等非决策字段上，对指标计算没有影响，可以按常规治理节奏处理。建议把缺失率与指标影响度、影响范围放在一起判断，再决定修复顺序。
分母为零的指标，缺失率应该记0%还是100%？
都不合适。分母为零表示该时间窗内按业务规则本就没有应有记录，例如新团队当月尚未启动迭代，此时缺失率没有定义，应标注“不适用”，并在评估表中单独说明原因。把它记为0%会掩盖口径问题，记为100%则会虚增严重度。这类指标应先确认统计口径和业务前提，再决定是否纳入本轮评估。
记录未生成和字段为空，为什么要分开统计？
两者反映的问题不同，修复动作也不同。记录未生成通常是流程没有走到，例如需求未进入开发环节，所以没有开发开始时间，这类缺失要通过流程执行和节点管理解决；字段为空是记录已经存在但信息未填写，例如工作项已关闭但完成时间留空，这类缺失直接影响指标可算性，需要通过填报规范和字段校验解决。混在一起统计，会让人无法判断该改流程还是改填报。
严重度分级结果可以直接用于团队绩效考核吗？
不建议。严重度分级的用途是排修复优先级和分配治理资源，数据缺失往往与流程执行、系统配置和填报习惯有关，把它直接与绩效挂钩，可能让填报行为变形，反而降低数据可信度。更合适的做法是把结论落到具体动作上：先修哪个字段、由谁负责、修完后用什么口径复算验证，形成可跟踪的治理记录。
指标口径调整后，之前的缺失率还能直接对比吗？
不能直接对比。口径变更会改变分母定义和统计范围，例如统计时间窗从自然月改为迭代周期，变更前后的缺失率不在同一基准上。处理方式是分别计算并注明口径版本，需要跨期比较时，用同一口径回溯重算历史数据，或明确标注两段结果不可直接比较。分母为零的指标同样不参与横向比较。
