跟踪缺陷修复进度，常用的指标可以归为四类：存量与流入流出、修复时效、缺陷结构和质量回流；常见的可视化方式包括趋势折线、累计流图、按状态分组的堆叠柱、周期分布直方图或箱线图，以及模块热力表。判断修复进展是否健康，需要把存量是否收敛、时效是否稳定、重开是否受控放在一起看，并固定统计口径与时间窗，避免用单一指标下结论。
要点总览（TL;DR）
- 缺陷修复进度跟踪常用四类指标：存量与流入流出（未关闭数、新增数、关闭数、净流入）、时效（平均修复时长、P50/P90、验证等待时长）、结构（严重级别、模块、责任人、状态分布）、质量回流（重开率、验证一次通过率）。
- 可视化按要回答的问题选型：趋势折线看走势，累计流图看流入流出与存量累积，堆叠柱看状态结构，直方图或箱线图看周期分布与长尾，模块热力表看集中度与瓶颈。
- 判断进展是否健康要组合看三点：存量是否收敛、时效是否稳定、重开是否受控；三者同向才可下健康结论，出现矛盾信号需下钻抽查。
- 指标可复算的前提是固定状态定义与时间戳字段，跨团队、跨版本比较前统一严重级别与状态映射，口径变更后历史数据分段呈现。
- 指标用于发现问题和推动跟进，不能替代对缺陷内容、验证记录和团队上下文的判断，也不宜直接用作个人绩效结论。
评估目标：回答“修复进展是否健康”
缺陷修复进度跟踪要回答的问题，是缺陷从提交到验证关闭这条链路是否在按预期推进。评估对象覆盖缺陷提交、受理、修复、验证、关闭几个环节，起止边界通常从缺陷创建时间开始，到验证通过并关闭为止。只统计“已修复”而不看验证环节，容易把等待验证的积压误判为进展良好。
“健康”可以拆成四个判断方向，每个方向对应一个具体问题：
| 判断方向 | 要回答的问题 | 典型信号 |
|---|---|---|
| 存量收敛 | 未关闭缺陷是在减少还是持续累积？ | 存量趋势向下，净流入为负或接近零 |
| 时效稳定 | 修复和验证的耗时是否可控、波动是否收窄？ | 平均修复时长稳定，P90 不持续抬升 |
| 结构可控 | 缺陷是否集中在少数模块、级别或责任人？ | 高严重级别占比下降，集中度可解释 |
| 质量回流受控 | 修完的缺陷是否又被重新打开？ | 重开率处于可接受范围，验证一次通过率稳定 |
这套评估结果主要用于三种场景：周度跟踪时看趋势和异常，版本发布前判断是否具备发布条件，复盘时解释某一阶段为什么积压或返工。三种场景对时间窗和颗粒度的要求不同，周度跟踪看周环比，发布前看版本全周期，复盘则按阶段拆分。
指标与范围：常用指标清单及定义
下面按四类给出常用指标的口径。公式中的“统计期内”指选定的时间窗，例如最近一个迭代或最近四周，所有指标应在同一时间窗内计算，才能横向比较。
| 类别 | 指标 | 定义与公式 | 单位 | 时间窗 | 数据来源字段 |
|---|---|---|---|---|---|
| 存量与流动 | 未关闭缺陷数 | 统计期末处于未关闭状态的缺陷数量 | 个 | 期末快照 | 缺陷状态、统计日期 |
| 存量与流动 | 新增缺陷数 | 统计期内创建的缺陷数量 | 个 | 统计期 | 创建时间 |
| 存量与流动 | 关闭缺陷数 | 统计期内从非关闭状态转为关闭状态的缺陷数量 | 个 | 统计期 | 关闭时间、状态变更记录 |
| 存量与流动 | 净流入 | 新增缺陷数 − 关闭缺陷数 | 个 | 统计期 | 创建时间、关闭时间 |
| 时效 | 平均修复时长 | 统计期内关闭缺陷的（修复完成时间 − 提交时间）之和 ÷ 关闭缺陷数 | 小时或天 | 统计期 | 创建时间、修复完成时间 |
| 时效 | 修复周期 P50 / P90 | 将统计期内关闭缺陷的修复周期排序，取第 50、90 百分位对应值 | 小时或天 | 统计期 | 创建时间、修复完成时间 |
| 时效 | 验证等待时长 | 统计期内关闭缺陷的（验证时间 − 修复完成时间）之和 ÷ 关闭缺陷数 | 小时或天 | 统计期 | 修复完成时间、验证时间 |
| 结构 | 严重级别分布 | 各严重级别未关闭缺陷数 ÷ 未关闭缺陷总数 | 百分比 | 期末快照 | 严重级别、状态 |
| 结构 | 模块分布 | 各模块未关闭缺陷数 ÷ 未关闭缺陷总数 | 百分比 | 期末快照 | 所属模块、状态 |
| 结构 | 责任人分布 | 各责任人当前未关闭缺陷数 | 个 | 期末快照 | 当前处理人、状态 |
| 结构 | 状态分布 | 各状态（待受理、修复中、待验证等）缺陷数 | 个 | 期末快照 | 状态 |
| 质量回流 | 重开率 | 统计期内被重新打开的缺陷数 ÷ 统计期内关闭缺陷数 | 百分比 | 统计期 | 重开记录、关闭时间 |
| 质量回流 | 验证一次通过率 | 首次验证即通过的缺陷数 ÷ 进入验证环节的缺陷数 | 百分比 | 统计期 | 验证记录、验证结果 |
平均修复时长容易受少数超长缺陷拉高，因此要同时看 P50 和 P90：P50 反映典型缺陷的修复速度，P90 反映长尾情况。重开率的分母选择关闭缺陷数而非全部缺陷数，是为了衡量“修完的活有多少返工”，与存量规模解耦。
数据口径与证据：让不同周期可比
指标能否复算，取决于状态定义和时间戳字段是否固定。首先要明确什么算“已修复”、什么算“已验证关闭”。常见做法是把“已修复”定义为开发完成修改并提交验证的状态，“已验证关闭”定义为测试验证通过后进入的终态。如果团队把“已修复”和“待验证”混在同一个状态里，验证等待时长就无法单独计算。
时效类指标依赖四个时间戳：提交时间、开始修复时间、修复完成时间、验证时间。取数前应确认这些字段在缺陷记录中真实存在且被填写，缺失的记录要么剔除，要么单独标注，不能默认用相邻状态变更时间替代而不加说明。
几类常见的数据问题需要提前约定处理方式：
- 分母为零：统计期内没有关闭缺陷时，平均修复时长和重开率没有意义，应显示为“无样本”而不是 0，避免被误读为表现优异。
- 样本过少：关闭缺陷少于一定数量（例如 10 个）时，比率类指标波动很大，宜标注样本量并谨慎解读。
- 状态定义不一致：跨团队比较前，需要把各团队的状态映射到统一的状态集合，严重级别也要统一映射，否则结构分布不可比。
- 数据缺失与脏数据：时间戳倒挂（验证时间早于修复完成时间）、状态跳变缺少中间记录等情况，应打标并排除在时效计算之外，同时在报告中说明剔除数量。
口径一旦变更，历史数据不能直接与新口径拼接成一条趋势线，应在图上标注口径变更点，或分段呈现。
计算与评估步骤：从取数到判断
把指标算出来只是第一步，形成健康判断需要按固定流程走完五步，每一步都有明确的输入和输出。
| 步骤 | 输入 | 动作 | 输出 |
|---|---|---|---|
| 一、确定范围与时间窗 | 项目或版本、统计起止日期 | 锁定缺陷集合，明确按创建时间还是关闭时间筛选 | 可复算的缺陷清单 |
| 二、按口径计算指标 | 缺陷清单、状态与时间戳字段 | 计算四类指标，记录分母与剔除样本 | 指标结果表 |
| 三、对比基线 | 上周期值、目标值或历史分位 | 计算变化幅度，判断是否超出正常波动 | 偏差清单 |
| 四、组合判断 | 存量趋势、时效趋势、重开率 | 看三者是否同向，识别矛盾信号 | 健康结论与待查项 |
| 五、定位异常并跟进 | 结构分布、待查项 | 下钻到模块、责任人、严重级别，形成跟进动作 | 行动项与责任人 |
第四步是判断的核心。存量下降、时效稳定、重开率受控，三者同向时可以认为进展健康；如果存量下降但重开率上升，说明关闭速度可能来自验证放松，需要抽查验证记录；如果时效改善但存量不降，可能是新增缺陷同步增加，净流入没有转负。单看任何一个指标都可能得出相反结论。
第五步的跟进动作要落到具体对象，例如“某模块 P90 修复周期连续两周上升，安排一次缺陷内容抽查”，而不是笼统地要求“提升修复效率”。指标用于定位问题，不用来直接给个人或团队定绩效，否则容易诱发挑简单缺陷先修、拖延难缺陷等行为。
可视化方式：选哪种图看哪个问题
图表选择取决于要回答的问题。同一批指标用错图，会把趋势读成结构，或把长尾读成均值。
| 可视化形式 | 适合回答的问题 | 常用指标 | 误读风险 |
|---|---|---|---|
| 趋势折线 | 存量、新增、关闭随时间怎么变化？ | 未关闭缺陷数、新增数、关闭数、净流入 | 时间窗过短时波动被放大；不同口径拼接成一条线 |
| 累计流图 | 流入流出如何累积成当前存量？ | 累计新增、累计关闭、存量 | 只看累计关闭上升会忽略新增同步上升 |
| 按状态分组的堆叠柱 | 缺陷卡在哪个阶段？ | 状态分布、严重级别分布 | 堆叠顺序变化影响视觉判断；总量变化被掩盖 |
| 周期分布直方图或箱线图 | 修复时长集中在哪、长尾有多长？ | 修复周期、验证等待时长 | 分箱过粗掩盖双峰；箱线图不显示样本量 |
| 模块或责任人热力表 | 缺陷集中在哪些模块或人？ | 模块分布、责任人分布、P90 周期 | 把集中度直接等同于个人能力问题 |
趋势折线和累计流图常配合使用：折线看每周的流入流出速率，累计流图看这些速率如何累积成存量。堆叠柱适合周度例会上快速指出“待验证”积压，直方图和箱线图适合在复盘时解释为什么平均值好看但个别缺陷拖了很久。热力表用于下钻定位，不宜单独作为进展结论。
在工具层面，缺陷状态流转和报表需要落在同一套数据上。ONES 测试管理解决方案覆盖缺陷的全生命周期管理，缺陷可关联至迭代；ONES Project 支持一键提交 Bug 至对应项目或迭代，并统计缺陷状态分布，提供看板、燃尽图和多种图表形态呈现进度。把状态定义、时间戳字段和报表口径配置在同一系统中，可以减少手工汇总带来的口径漂移。
例子：一个迭代周期的跟踪示例
以下为演示情景，数据为假设值，用于说明计算与解读方式，不代表任何真实项目结论。设定统计范围为一个两周迭代，时间窗为迭代起止日期，缺陷按创建时间归入本迭代。
假设本迭代新增缺陷 60 个，期初未关闭 40 个，期末未关闭 52 个，期内关闭 48 个。则净流入 = 60 − 48 = 12 个，存量从 40 升至 52，存量未收敛。关闭的 48 个缺陷中，修复周期合计 480 小时，平均修复时长 = 480 ÷ 48 = 10 小时；将修复周期排序后 P50 为 8 小时，P90 为 26 小时。验证等待时长合计 96 小时，平均为 2 小时。期内重开缺陷 6 个，重开率 = 6 ÷ 48 = 12.5%。
把结果放到图上看：趋势折线显示新增数在迭代第二周明显抬升，关闭数基本持平，净流入转正；累计流图中累计新增曲线斜率大于累计关闭曲线，两条线的差距就是扩大的存量；箱线图显示 P50 稳定在 8 小时附近，但 P90 从上一周期的 20 小时升至 26 小时，长尾变长。
这组数据的解读是：时效的典型值改善或稳定，但存量没有收敛，且重开率达到 12.5%，说明关闭速度可能部分来自验证放松或缺陷集中在小改动上。此时不宜得出“修复效率提升”的结论，应下钻查看新增缺陷集中在哪些模块、重开的 6 个缺陷是否集中在同一功能，并结合验证记录抽查。示例的局限在于样本量偏小、只覆盖一个迭代，P90 对个别长尾缺陷敏感，跨迭代比较前需确认口径一致。
解读与限制：指标不能替代判断
指标反映的是现象，不能直接证明原因。存量上升可能是因为新增变多，也可能是关闭变慢，还可能是验证资源不足，需要下钻到结构和记录才能区分。把“平均修复时长上升”直接归因为开发效率下降，往往忽略了缺陷复杂度变化或严重级别结构变化。
几类常见误读需要特别留意：
- 样本量小、周期短：一个迭代或十几个缺陷的比率波动很大，结论不稳定，宜看多周期趋势而非单点。
- 结构变化影响均值：高严重级别缺陷占比上升会拉长平均修复时长，这属于结构效应，不代表处理变慢。
- 关闭数高不等于质量好：关闭速度可能来自验证放松，需要结合重开率和验证一次通过率一起看。
- 口径变更后不可直接比较：状态定义、严重级别映射或时间窗调整后，历史数据与新数据应分段呈现。
定量指标之外，建议补充定性证据：抽查若干高严重级别或长周期缺陷的处理记录，查看验证备注是否具体、复现步骤是否完整；对重开缺陷做小样本复盘，确认是修复不彻底还是需求理解偏差。这些证据能解释指标背后的原因，也能验证指标本身是否可信。指标用于发现问题和推动跟进，最终判断仍需结合缺陷内容、验证记录和团队上下文。
常见问题
统计期内没有关闭缺陷时，平均修复时长和重开率该怎么呈现？
分母为零时这两个指标没有意义，应显示为“无样本”，不要填 0。填 0 会被读成表现优异，掩盖了当期没有可评估样本的事实。同时建议在报告中标注当期关闭缺陷数，让读者知道比率类指标是否具备计算基础。
存量在下降，但重开率同时上升，这种情况怎么判断？
这属于矛盾信号，不能直接得出进展健康的结论。存量下降可能来自验证放松，关闭速度被高估。建议先抽查重开缺陷是否集中在同一功能或同一责任人，再看验证一次通过率是否同步下降；如果两项都指向验证环节，应把跟进动作放在验证记录抽查和验证标准确认上，而不是继续追关闭数量。
跨团队比较缺陷修复指标前，需要先统一哪些口径？
至少统一三处：状态映射，把各团队的“已修复”“待验证”等状态归并到同一状态集合；严重级别映射，保证结构分布可比；时间窗与筛选方式，明确按创建时间还是关闭时间归入统计期。口径不一致时，即使公式相同，结果也不可比。
样本量很少时，P90 修复周期还能用吗？
可以用，但要标注样本量并谨慎解读。关闭缺陷只有十几个时，P90 往往由一两个长尾缺陷决定，跨周期波动很大。此时更适合看多周期趋势或直接列出长尾缺陷清单，用具体记录说明问题，避免把单点 P90 当作稳定结论。
把缺陷状态和时间戳放在同一系统里统计，对跟踪进度有什么实际帮助？
状态定义、时间戳字段和报表口径配置在同一套数据上，可以减少手工汇总导致的口径漂移，指标也能直接复算。以 ONES 为例，ONES 测试管理解决方案覆盖缺陷全生命周期管理，缺陷可关联至迭代；ONES Project 支持一键提交 Bug 至对应项目或迭代，统计缺陷状态分布，并提供看板、燃尽图和多种图表形态呈现进度。具体可用字段与图表维度以实际配置为准。
