项目计划遗漏率衡量的是“应纳入计划的事项中，事后才被发现遗漏的比例”。统计时先要定义遗漏单元和观察窗口，再用“遗漏单元数 ÷ 应纳入计划单元总数”计算；分母取同一范围、同一时间窗内应被计划覆盖的全部单元，分子取评审或执行中新增且属于该范围的单元。抽样评审用于估算分母和发现遗漏，需要分层抽样、固定抽样规则并保留判定证据，结果按项目或迭代同口径比较，不能把单一比率当作计划质量的全部结论。
要点总览（TL;DR）
- 遗漏率的核心公式是“遗漏单元数 ÷ 应纳入计划单元总数”，分子分母必须取同一范围、同一观察窗口，并先固定遗漏单元类型（任务、交付物、依赖或验收项）。
- 观察窗口从计划基线确定时点到评审或阶段结束，窗口不一致的项目之间不做比率比较；分母为零时标注“不适用”，不参与汇总。
- 遗漏判定需要三类证据同时成立：基线版本中不存在、原计划范围内有对应目标、发现时点落在窗口内；范围外新增归入变更管理。
- 抽样评审按计划类型、规模或风险分层，固定抽样规则并设最小样本量，抽样估算值与全量统计值分开标注，外推需说明样本量。
- 遗漏率适合看趋势和定位计划编制薄弱点，跨项目比较需口径一致，不能当作绩效排名或因果结论。
评估目标：遗漏率要回答什么问题
遗漏率用于衡量计划建立阶段的覆盖完整性：在计划基线确定时，本应被纳入计划的任务、交付物、依赖或验收项，有多少在后续评审或执行中才被发现。它回答的是“计划漏了什么、漏了多少”，与“计划排得准不准、执行快不快”属于不同问题。
评估对象需要事先明确。针对项目整体计划统计时，观察范围覆盖项目全周期的计划单元；针对迭代计划统计时，范围限定在该迭代应交付的单元。两类对象的单元粒度、时间窗和分母规模差异明显，混在一起统计会让结果失去可比性。
结果主要用于横向比较与改进：比较同类项目或相邻迭代的计划完整性变化，定位计划编制环节的薄弱点，例如需求拆解不足、依赖识别不全或验收项遗漏。遗漏率不适合直接用于团队或个人绩效排名，因为分母规模、项目类型和评审严格程度都会影响比率高低，单次结果不足以支撑对人的评价。
边界上，遗漏率只覆盖计划建立阶段的覆盖问题。执行阶段的进度偏差、任务延期、资源冲突属于进度管理范畴，用偏差率、按期完成率等指标衡量；任务排期是否合理、依赖排布是否最优，也不在遗漏率的判定范围内。把这几类问题混入遗漏率，会让指标既无法复算，也无法解释。
指标与范围：遗漏单元、分母与观察窗口
指标定义的核心是三件事：遗漏单元是什么、分母包含哪些单元、观察窗口从何时到何时。三者固定后，不同项目或迭代的结果才具备可比性。建议用一张定义表把口径写清楚，统计时逐项对照。
| 口径要素 | 定义建议 | 注意事项 |
|---|---|---|
| 遗漏单元 | 任务、交付物、依赖或验收项中的一种 | 同一统计内只选一种单元类型；多种类型分别统计，不混算 |
| 应纳入计划单元总数（分母） | 同一范围、同一时间窗内应被计划覆盖的全部单元 | 范围按项目或迭代界定，不跨范围合并 |
| 遗漏单元数（分子） | 评审或执行中新增、且经判定属于原计划范围的单元 | 范围外新增不计入分子 |
| 观察窗口 | 从计划基线确定时点起，到评审时点或阶段结束止 | 窗口不一致的项目之间不做比率比较 |
| 统计维度 | 按项目、迭代、团队分层 | 分层后各层单独计算，再按需汇总 |
| 分母为零 | 标注为“不适用”，不参与比率汇总 | 避免产生无意义的比率或除零错误 |
观察窗口的起止点要写进统计说明。起点通常取计划基线确定或计划评审通过的时点，终点取下一次计划评审、阶段结束或迭代结束时点。窗口内新增的单元才可能被判定为遗漏；窗口外的新增，例如需求方在下一阶段提出的新需求，属于范围变更，不计入本期遗漏。
分母为零的情况需要单独处理。例如某迭代没有需要纳入计划的验收项，此时遗漏率标注为“不适用”，在汇总时排除该样本，而不是记为零或百分之百。分母规模过小时，比率波动大，建议同时报告分子、分母的绝对数，避免只看百分比。
数据口径与证据：遗漏如何判定和留痕
判定一个单元是否属于遗漏，需要两类证据：它确实在原计划范围内，以及它是在计划基线确定之后才被发现的。缺少任何一类，判定都站不住。证据来源主要包括计划评审记录、变更记录、新增事项的创建时间和来源说明。
判定规则建议写成可执行的条目：新增单元在计划基线版本中不存在；该单元对应的目标、交付物或验收要求在原计划范围内已有体现；发现时点落在观察窗口内。三条同时满足才计入遗漏。若新增单元对应的是全新需求或范围扩展，应归入变更管理，不计入遗漏率。
留痕要求围绕计划基线版本和变更记录展开。每次计划基线确定时保存版本快照，后续新增、修改、删除都保留操作记录和时间戳。评审记录中写明评审时点、参与角色、发现的新增单元清单及判定结论。缺失数据的样本单独标注，例如“评审记录缺失”“基线版本不可追溯”，在汇总时说明缺失比例，不用推测值填补。
定性证据与定量数据要能对应。每一个计入分子的遗漏单元，都应能追溯到具体的评审记录条目或变更记录；汇总表中的每个数字，都能回到原始记录复核。这样遗漏率才是可核验的指标，而不是估算印象。
在工具承载上，计划基线、版本对比和变更追溯可以由项目管理系统承担。ONES 支持设置项目计划和里程碑基线，通过版本对比追溯变更细节；ONES Wiki 支持文档关联任务，可用于把评审记录与对应工作项挂接。资料未说明是否内置遗漏率指标，实际统计口径和报表仍需按团队配置核验。
计算步骤：从抽样评审到遗漏率
计算流程分五步，每一步都产出可复核的中间结果。全量统计与抽样估算在最后一步区分标注，避免把估算值当作精确值使用。
- 确定统计范围与时间窗。选定一个项目或迭代，写明单元类型、观察窗口起止点和计划基线版本。这一步产出范围说明，后续所有计算都在此范围内进行。
- 分层抽样并确定样本量。按计划类型、规模或风险把单元分层，在每层内按固定规则抽取样本。样本量规则见下一节。这一步产出抽样清单和抽样记录。
- 逐项判定样本中的遗漏单元。对抽中的每个单元，对照基线版本和评审记录，按判定规则确认是否属于遗漏。这一步产出逐项判定表和证据引用。
- 计算遗漏率。公式为：遗漏率 = 遗漏单元数 ÷ 应纳入计划单元总数 × 100%。分子、分母取同一范围、同一时间窗。样本评审时，分子为样本中判定的遗漏单元数，分母为样本覆盖的应纳入单元数，得到样本遗漏率。
- 汇总到项目或迭代层级。分层样本按各层权重合并，得到整体估算值；全量评审时直接汇总全部判定结果。汇总表同时列出分子、分母、比率和样本量。
抽样估算值与全量统计值要分开标注。抽样估算值应附样本量和抽样方式，说明外推的适用范围；全量统计值注明覆盖全部单元。两者混用会让读者误判精度，也会让跨项目比较失去基准。
抽样方法设计：分层、样本量与判定规则
抽样评审的目的是用有限评审成本估算遗漏水平，同时发现具体的遗漏项。方案要能重复执行：换一个人、换一个时间，按同样规则能抽出可比样本、得出可比结论。
分层维度建议选与遗漏风险相关的因素。常见做法是按计划类型（如需求类、交付物类、验收类）、单元规模（大、中、小）或风险等级分层。层内单元同质性越高，抽样估算越稳定。分层后各层独立抽样，再按层内单元数加权合并。
样本量确定原则可以分三档：单元总数较少时全量评审，不抽样；中等规模时按固定比例抽取，并设最小样本量，例如每层不少于 10 个单元；规模很大时按统计精度要求确定样本量，并在方案中写明置信水平和允许误差的假设。最小样本要求的作用是防止样本过小导致比率剧烈波动，具体数值由团队根据评审成本确定，并保持跨期一致。
抽样随机性与可重复性靠规则保证。抽样前固定随机种子或抽样规则（如按单元编号等距抽取），记录抽样时间、抽样人、抽样范围和抽中清单。评审时点固定在计划基线确定后、阶段结束前的约定节点，避免因评审时点不同造成窗口差异。
评审组织上，由熟悉计划范围的角色主持，例如项目经理或计划负责人，评审参与人覆盖需求、开发、测试等视角。评审产出逐项判定结论和证据引用，当场记录，不事后补记。
抽样结果外推有适用条件：样本按分层随机方式抽取、样本量达到方案下限、判定规则执行一致、缺失数据比例在可接受范围内。条件不满足时，结果只作为发现问题的线索，不用于跨项目比较。
算例：一个迭代的遗漏率计算
以下为演示情景，用于说明计算过程，数据为假设值。
某迭代计划基线确定时，应纳入计划的任务单元共 120 个，观察窗口从基线确定日到迭代评审日。团队按风险分为高、中、低三层，采用分层抽样：高风险层 20 个单元全量评审，中风险层 60 个单元抽取 20 个，低风险层 40 个单元抽取 10 个。样本合计 50 个单元。
评审中，高风险层发现遗漏 3 个，中风险层样本发现遗漏 2 个，低风险层样本发现遗漏 1 个。样本遗漏率为 6 ÷ 50 × 100% = 12%。按层加权估算整体遗漏率：高风险层 3 ÷ 20 = 15%，中风险层 2 ÷ 20 = 10%，低风险层 1 ÷ 10 = 10%；加权后约为 (20×15% + 60×10% + 40×10%) ÷ 120 ≈ 10.8%。报告中同时列出样本遗漏率 12% 和加权估算值 10.8%，并注明后者为抽样估算。
与另一迭代比较时，需确认口径一致：单元类型同为任务、观察窗口同为基线确定到迭代评审、抽样规则相同。若另一迭代单元总数为 80，全量评审发现遗漏 6 个，遗漏率为 7.5%。两个迭代可以同口径比较，但应结合单元规模、风险构成和评审严格程度解释差异，不直接得出“计划质量更好或更差”的结论。
解读与限制：比率能说明什么、不能说明什么
遗漏率反映计划建立阶段的覆盖完整性，适合用来观察趋势和定位问题。比率上升，可能说明需求拆解变粗、依赖识别不足或评审把关放松；比率下降，可能来自计划编制改进，也可能来自评审标准变化或样本偏差。解读时要结合判定证据和连续几期的趋势，而不是只看单期数字。
不同项目规模与类型之间的可比性有限。大型项目单元多、依赖复杂，遗漏概率天然高于小型迭代；探索性项目的范围本身在演进，遗漏与正常变更的边界更难划清。跨项目比较应限定在单元类型、观察窗口和抽样规则一致的前提下，并同时报告分母规模。
抽样误差和样本偏差会影响结果。样本量小、分层不合理或抽样不随机，都会让估算值偏离真实水平。评审人的严格程度也会造成系统偏差：同一批单元，不同评审人可能给出不同的遗漏判定。固定判定规则、保留证据、定期校准评审口径，是控制这类偏差的常用做法。
遗漏率不能当作因果保证或全部绩效结论。它不说明遗漏造成的实际影响，也不覆盖执行阶段的进度和资源问题。合理的用法是把遗漏率与遗漏项的影响分析、变更记录、进度偏差数据结合，形成对计划管理质量的综合判断，并把发现的具体遗漏项转化为下一期计划编制的检查点。
常见问题
计划基线确定后需求方提出的新需求，算不算遗漏？
通常不算。判定遗漏需要同时满足三个条件：该单元在计划基线版本中不存在、原计划范围内已有对应的目标或交付要求、发现时点落在观察窗口内。需求方在基线确定后提出的全新需求，对应的是范围扩展，应归入变更管理并记录变更原因，不计入遗漏率的分子。
容易混淆的是“原计划范围内本应拆出、但基线时漏掉”的单元。这类单元虽然也是事后新增，但能在原计划的目标或交付物中找到对应要求，应计入遗漏。实际操作中建议在变更记录里增加一个“是否属于原计划范围”的判定字段，由计划负责人确认，避免统计时反复争论。
单元总数很少的迭代，还要不要抽样评审？
单元总数较少时建议全量评审，不抽样。样本量过小会让比率剧烈波动，例如 10 个单元里发现 1 个遗漏就是 10%，再发现 1 个就变成 20%，这样的数字用于跨迭代比较意义有限。
如果评审成本确实受限，可以设一个最小样本量下限，例如每层不少于 10 个单元；达不到下限时改为全量评审，或在报告中明确标注样本不足、结果仅作线索使用。无论采用哪种方式，规则要提前写进统计说明并保持跨期一致，避免有的迭代全量、有的迭代抽样却直接放在一起比较。
不同评审人判定的遗漏结果不一致，怎么处理？
先固定判定规则，再校准评审口径。判定规则写成可执行的条目，例如“基线版本中不存在”“原计划范围内有对应目标”“发现时点落在窗口内”三条同时满足才计入，并给每条附上证据要求。规则越具体，不同评审人之间的分歧越小。
对分歧较大的样本，可以组织一次小范围复核：由计划负责人牵头，抽取若干争议单元，各自说明判定依据，形成案例记录，作为后续评审的参照。定期做这类校准，比事后争论某个比率高低更有价值。评审记录中保留判定结论和证据引用，也便于事后追溯分歧来源。
遗漏率可以和进度偏差率放在一张报表里看吗？
可以放在同一张报表里对照，但要分开解读。遗漏率衡量计划建立阶段的覆盖完整性，回答“计划漏了什么”；进度偏差率衡量执行阶段计划与实际的偏离，回答“执行偏了多少”。两者口径、分母和时间窗都不同，不能相加，也不能用一个指标替代另一个。
放在一起看的价值在于关联分析：某期遗漏率上升，同时进度偏差扩大，可能说明计划编制粗糙导致执行中不断补漏；遗漏率平稳但偏差扩大，问题更可能出在排期或资源环节。这类关联需要结合具体遗漏项和变更记录判断，报表本身只提供线索。
用项目管理系统承载遗漏统计，需要准备哪些数据？
至少需要三类数据可追溯：计划基线版本快照、变更与新增记录、评审记录。基线快照用于确认某单元在计划确定时是否存在；变更记录提供新增单元的创建时间和来源；评审记录承载判定结论和证据引用。
在 ONES 中，项目计划和里程碑可以设置基线，通过版本对比追溯变更细节；ONES Wiki 支持文档关联任务，可用于把评审记录与对应工作项挂接。资料未说明是否内置遗漏率指标，实际统计口径和报表仍需按团队配置核验，建议先用工作项字段和报表工具搭出可复算的统计流程，再考虑固化。
