要判断一条周期任务触发规则是否值得保留，可以固定观察四类指标：按计划生成率、漏生成次数与漏生成率、人工补建比例、触发异常处理时长。它们分别回答“有没有按计划生成”“漏了多少”“人工补了多少”“异常处置负担多大”。四类指标需要在同一时间窗、同一规则范围内统计，再结合失败原因分布解读，才能形成保留、调整或停用的判断依据。
要点总览（TL;DR）
- 评估周期任务触发规则是否有效，固定观察四类指标：按计划生成率、漏生成次数与漏生成率、人工补建比例、触发异常处理时长。
- 四类指标须在同一规则ID、同一时间窗、同一任务类型和责任人范围内统计；规则变更前后分段计算，分母为零时只报告次数。
- 人工补建比例以应生成任务总数为分母，与生成率共用分母，便于对照判断漏生成后是否主要靠人工兜底。
- 指标结果需结合漏生成原因分布解读：集中在节假日偏向日历配置，集中在依赖数据未就绪偏向上下游衔接，异常处理时长偏长则检查发现与恢复流程。
- 生成率高不代表任务有价值，低频规则宜看次数与跨周期趋势；调整后应再观察一个完整周期验证并记录复查时间。
评估目标：判断规则该保留、调整还是停用
评估对象是单条周期任务触发规则及其生成结果，而不是整个任务系统或团队的整体效率。评估要回答的决策问题很具体：这条规则继续按当前配置运行是否合适？如果存在问题，应该调整参数或适用范围，还是停用并改为人工创建或其他方式？
三种处置结论对应不同的判断方向，可以先用下表建立评估框架，再用指标数据填充判断依据。
| 处置结论 | 典型判断方向 | 需要重点核对的指标 |
|---|---|---|
| 保留 | 按计划生成稳定，漏生成少，人工补建比例低，异常处置负担可接受 | 按计划生成率、漏生成次数、人工补建比例、异常处理时长 |
| 调整 | 生成结果总体可用，但漏生成集中在特定日期或依赖条件，或补建比例偏高 | 漏生成原因分布、人工补建比例、异常处理时长 |
| 停用 | 长期漏生成严重，补建成本接近或超过人工创建，异常反复出现且难以恢复 | 漏生成率、人工补建比例、异常处理时长最大值 |
评估周期建议与规则频率匹配。日规则或周规则可以按季度评估，月规则可以按半年评估，低频规则则适合按年度或按实际触发次数积累到一定样本后再评估。评估不追求一个综合分数，而是形成可复核的判断依据：指标数值、统计范围、原因分类和调整建议都能被他人按同样口径复算。
指标与范围：四类核心指标及统计边界
四类核心指标分别回答不同问题，计算时需要固定分子、分母和统计范围。下表给出定义与公式，便于直接复算。
| 指标 | 公式 | 单位 | 回答的问题 |
|---|---|---|---|
| 按计划生成率 | 实际生成次数 ÷ 应生成次数 × 100% | 百分比 | 规则在多大比例上按计划生成了任务 |
| 漏生成次数 | 应生成次数 − 实际生成次数 | 次 | 时间窗内漏掉了多少次生成 |
| 漏生成率 | 漏生成次数 ÷ 应生成次数 × 100% | 百分比 | 漏生成在应生成中的占比 |
| 人工补建比例 | 人工补建任务数 ÷ 应生成任务总数 × 100% | 百分比 | 需要人工补建的任务占应生成任务的比例 |
| 触发异常处理时长 | 恢复正常时间 − 异常发现时间 | 小时或天 | 异常从发现到恢复的处置负担，可用中位数与最大值分别报告 |
统计范围需要固定四项：规则ID、时间窗、任务类型、责任人范围。规则ID确保只统计目标规则；时间窗明确起止日期；任务类型限定同一类周期任务；责任人范围避免把其他团队的任务混入。应生成次数的口径按规则日历推算，规则暂停期不计入应生成，暂停前已生成的任务仍计入实际生成。
人工补建比例的分母是应生成任务总数，而不是实际生成任务数。这样补建比例与生成率使用同一分母，便于横向对照：生成率低而补建比例高，说明规则漏生成后主要靠人工兜底；生成率正常但补建比例仍高，则要检查是否存在规则之外的人工创建习惯。
数据口径与证据：数据从哪里取、怎么保证可比
四类指标的数据主要来自三类记录：任务系统的任务创建记录、规则配置变更记录、异常工单或处理日志。创建记录用于比对实际生成；配置变更记录用于确定规则参数和生效时间；异常工单或处理日志用于统计异常发现与恢复时间。取数前先确认这三类记录在评估时间窗内是否完整。
规则变更需要记录生效时间，变更前后分段统计，不混算。例如一条周规则在季度中期调整了触发日期，就应把季度拆成调整前和调整后两段，分别计算生成率和漏生成次数，再合并观察趋势。混算会把调整前的漏生成和调整后的正常生成平均掉，掩盖真实变化。
缺失值处理遵循两条规则：生成记录缺失时按漏生成计，并单独标注数据缺失原因，如日志未保留、任务被删除、系统迁移等；分母为零时，即时间窗内应生成次数为0，不计算比率，只报告次数。人工补建需要可识别，通常依赖补建任务的来源标记，或通过创建人与创建时间关联到对应规则。若无法识别补建来源，应在评估说明中标注该指标口径受限，避免把估算值当作精确值使用。
计算与评估步骤：从取数到形成结论
评估可以按六步执行，每一步都有明确产物，便于复核和交接。
- 确定评估时间窗与规则范围，按规则日历导出应生成清单。清单应包含每次应生成的计划日期、任务类型和责任人。
- 比对实际生成记录，逐条标记已生成与漏生成，计算按计划生成率、漏生成次数和漏生成率。
- 识别人工补建任务，按来源标记或创建记录关联到规则，计算人工补建比例。
- 统计触发异常处理时长，按异常原因分类，分别报告中位数和最大值。
- 结合原因分布判断问题出在规则配置、数据依赖还是执行环节。例如漏生成集中在节假日，偏向日历配置；集中在依赖数据未就绪的日期，偏向上下游衔接；异常处理时长偏长，则要检查发现机制和恢复流程。
- 输出保留、调整或停用建议，并列出具体调整项和复查时间。
在任务系统中执行这套流程时，规则配置、生成记录和异常处理往往分散在不同页面。ONES Project 的自动化规则提供运行日志，可查看规则运行状态，便于核对实际生成与异常记录；统一的管理平台支持对规则进行集中监测和管控，适合在评估时按规则范围取数和跟踪调整后的运行情况。具体日志字段和监测粒度以实际版本配置为准。
结论输出建议采用固定模板：规则名称与ID、评估时间窗、应生成次数、实际生成次数、生成率、漏生成次数与原因分类、人工补建比例、异常处理时长中位数与最大值、处置建议、调整项、复查时间。模板固定后，不同周期的评估结果可以直接对比。
例子：一条周报提醒规则的季度评估
假设某团队有一条周报提醒规则，每个工作周生成一次周报任务。某季度按规则日历应生成13次，实际生成11次，漏生成2次。按公式计算：按计划生成率 = 11 ÷ 13 × 100% ≈ 84.6%；漏生成率 = 2 ÷ 13 × 100% ≈ 15.4%。
该季度人工补建了3个周报任务。若以应生成任务总数13个为分母，人工补建比例 = 3 ÷ 13 × 100% ≈ 23.1%。这里需要说明口径：补建任务中有1个对应漏生成的日期，另外2个是团队在规则之外额外创建的周报任务。如果评估目标是衡量规则漏生成带来的人工兜底，可以只统计对应漏生成日期的补建，即1 ÷ 13 ≈ 7.7%；如果评估目标是衡量整体人工投入，则使用3 ÷ 13 ≈ 23.1%。两种口径应在报告中写明，不能混用。
异常处理时长方面，该季度共记录2次触发异常，一次从发现到恢复用时4小时，另一次用时2天。中位数为（4小时与2天之间的中间值，按小时折算约26小时），最大值2天。异常原因分别为节假日日历未排除和依赖数据未就绪。
结合原因分布，可以给出调整建议：在规则日历中补充节假日排除配置，减少因日历问题导致的漏生成；对依赖数据未就绪的情况，增加生成前的数据就绪检查或调整触发时间。调整后保留规则，并在下一个季度按同一口径复查生成率和漏生成次数，验证调整是否有效。
解读与限制：指标说明什么、不能说明什么
生成率高说明规则按计划生成了任务，但不等于任务本身有价值。还需要结合任务完成情况和使用反馈判断：生成的任务是否被按时处理、是否有人认领、是否在评审中被使用。一条生成率接近100%但长期无人处理的规则，同样值得重新评估其保留必要性。
低频率规则的样本量小，比率波动大。月规则一个季度只有3次应生成，漏1次就是33%的漏生成率，单看比率容易过度反应。这类规则宜看次数和跨周期趋势，把多个季度的漏生成次数放在一起观察，再决定是否调整。
指标不构成因果保证。生成率上升可能来自规则调整，也可能来自任务类型变化或责任人范围变化。规则调整后需要再观察一个完整周期验证，并记录调整项与复查时间。不同规则之间的可比性依赖口径一致，跨团队比较时尤其要确认应生成口径、补建识别方式和异常统计范围是否相同，否则比较结果容易失真。
评估结论应落到可执行的记录上：保留的规则注明下次复查时间；调整的规则写明调整项和预期观察指标；停用的规则说明替代方式，如改为人工创建或并入其他规则。这样下一轮评估可以直接沿用口径，形成连续的判断依据。
常见问题
规则在评估期内调整过参数，指标还能直接和上一周期比较吗？
不能直接混算。规则变更需要记录生效时间，把评估时间窗拆成变更前和变更后两段，分别计算按计划生成率、漏生成次数和人工补建比例，再观察趋势变化。混算会把调整前的漏生成和调整后的正常生成平均掉，掩盖真实差异。如果调整频繁，建议以最近一次稳定配置为起点重新累计样本，并在报告中注明分段口径，便于下一周期按同样方式对比。
人工补建任务没有来源标记，补建比例怎么统计？
可以退一步用创建人与创建时间关联：把在应生成日期之后、由规则相关责任人手工创建的同类型任务识别为补建，并抽样核对准确性。若仍无法可靠识别，应在评估说明中标注该指标口径受限，把补建比例作为参考值而非精确值使用，同时优先推动在任务创建时补充来源字段。补建比例的分母始终是应生成任务总数，与生成率共用分母，避免口径不一致导致横向对照失真。
低频规则一个季度只触发几次，漏一次比率就很高，该怎么判断？
低频规则样本量小，比率波动大，单看百分比容易过度反应。建议以次数为主、比率为辅：把连续多个周期的漏生成次数放在一起看趋势，同时核对每次漏生成的原因是否属于同一类问题。如果漏生成集中在可修复的配置原因上，优先调整配置；如果漏生成分散且无共同原因，可以延长观察窗口，等样本积累到一定数量再决定是否调整或停用。
触发异常处理时长应该统计到恢复规则运行，还是统计到补完漏掉的任务？
两者统计的是不同负担，建议分开报告。异常处理时长按“恢复正常时间减异常发现时间”计算，衡量的是规则本身的恢复效率；漏生成任务的人工补建则计入补建比例，衡量的是人工兜底成本。如果只统计到恢复运行，会低估实际影响；如果合并统计，又会让两个指标互相污染。分开报告后，可以同时看到规则恢复速度和人工补救投入，判断更完整。
评估结论是保留，还需要继续跟踪吗？
需要。保留结论应注明下次复查时间，并按同一口径继续记录生成率、漏生成次数和异常处理时长。规则运行环境会变化，例如依赖数据源调整、责任人范围变动或日历配置更新，都可能让原本稳定的规则出现新的漏生成。保留不等于不再关注，定期复查可以让问题在影响扩大前被发现，也让历次评估结果具备可比性。
