复测指标异常通常指向三类问题：修复与验证环节本身存在缺口，统计口径前后不一致，或者流程协作出现积压与交接问题。要判断具体属于哪一类，需要先固定复测通过率、复测失败率和平均复测周期的公式、分母与时间窗，再用分层数据和原始样本逐条核对。本文围绕缺陷从修复提交到复测结论这一段，给出可复算的统计方法和异常解读顺序。
要点总览（TL;DR）
- 复测指标异常通常指向三类问题：修复与验证环节存在缺口、统计口径前后不一致、流程协作出现积压与交接问题。
- 复测通过率=复测通过缺陷数÷统计期内首次进入复测的缺陷数×100%；复测失败率与之互补；平均复测周期只统计已得出结论的缺陷。
- 判断异常先核对统计周期、分母定义、状态名称和重复缺陷规则是否变更，再按模块与版本拆分，最后抽取样本核对原始记录。
- 通过率与失败率之和明显低于100%，通常说明存在未复测直接关闭、结论缺失或状态跳变，需单独统计。
- 改进效果应在相同口径下连续多个周期对比，阈值基于自身历史基线设定，不套用外部统一达标线。
复测指标要回答什么评估问题
复测评估回答三个问题：修复是否真正解决了缺陷，验证是否在合理时间内完成，修复到验证之间的流程是否顺畅。指标的作用是暴露问题位置、验证改进动作是否生效，它反映的是一段流程的结果，适合作为团队复盘和质量改进的输入。
把指标直接绑定到个人绩效会带来两个后果：缺陷状态可能被提前推进，复测记录被人为简化，数据本身失去可信度。更稳妥的做法是指标用于团队和模块层面的问题发现，个人层面的评价结合具体缺陷样本、复现记录和协作过程综合判断。
本文的范围限定在缺陷修复提交之后到复测给出结论这一段，涉及复测通过率、复测失败率、平均复测周期三个指标的定义、取数、计算与解读。变更后的整体回归测试如何组织、代码层面如何修复、工具产品如何选型，均不在本文展开。
评估目标可以归纳为以下清单，统计前先确认每一项都有对应的数据支撑：
- 修复有效性：复测通过的缺陷占进入复测缺陷的比例，以及失败集中在哪些模块。
- 验证及时性：缺陷从提交复测到得出复测结论所花的时间。
- 流程顺畅度：是否存在未复测直接关闭、复测反复退回、长期停留在待复测状态的情况。
- 改进可验证性：同一口径下改进前后的数据是否出现可解释的变化。
三个核心指标的公式、分母与时间窗
三个指标必须写清楚分子、分母、单位和时间窗，否则不同批次的数据无法比较。下表给出可直接复算的定义，其中“进入复测的缺陷”指统计期内首次进入复测状态的缺陷，同一缺陷多次复测只在首次进入时计入分母。
| 指标 | 分子 | 分母 | 单位 | 时间窗与说明 |
|---|---|---|---|---|
| 复测通过率 | 复测结论为通过的缺陷数 | 统计期内首次进入复测状态的缺陷数 | 百分比 | 按缺陷首次进入复测的时间归属统计期；多次复测以最终结论判定该缺陷是否通过 |
| 复测失败率 | 复测结论为未通过的缺陷数 | 同上 | 百分比 | 与通过率互补，两者之和为100%；需在口径中说明“未通过”是否包含“无法复现”“环境阻塞”等结论 |
| 平均复测周期 | 各缺陷从提交复测到得出复测结论的时间之和 | 统计期内完成复测（已得出结论）的缺陷数 | 小时或天 | 只统计已得出结论的缺陷；仍停留在待复测状态的缺陷不计入分母，单独作为积压量报告 |
多次复测的处理需要在统计前明确：一种做法是以缺陷为单位，取最终结论计入通过或失败；另一种做法是以复测次数为单位，统计每一次复测的结论分布。前者适合看修复质量，后者适合看验证工作量，两者不能混用。重复缺陷的合并规则同样要固定，例如同一根因衍生的多条缺陷是合并为一条还是分别计入，规则一旦确定，前后统计期保持一致。
时间窗建议按自然周或迭代周期切分，并明确起止时点是否包含边界当天。状态定义要列出哪些状态算“进入复测”、哪些算“复测完成”，避免不同人取数时对状态的理解不一致。
数据从哪里取、口径如何对齐
复测指标的数据来自缺陷管理系统中的状态流转记录、复测结论字段和时间戳。取数前先做一张字段对照表，把每个指标用到的字段、来源和判定规则写清楚，后续核对和复算都以此为准。
| 字段 | 用途 | 核对要点 |
|---|---|---|
| 缺陷状态及流转记录 | 识别进入复测、复测完成、关闭等节点 | 确认状态名称与实际含义一致，记录每次状态变更的时间 |
| 修复提交时间 | 区分修复完成与提交复测的间隔 | 与复测开始时间区分，避免把等待修复的时间算进复测周期 |
| 复测开始与结束时间 | 计算平均复测周期 | 确认时间戳由系统自动记录，减少手工填写误差 |
| 复测结论 | 判定通过或未通过 | 结论选项需穷举，包含无法复现、环境阻塞等情形并明确归类 |
| 关联版本与模块 | 分层分析与定位问题 | 确认缺陷关联到正确的版本和模块，便于按模块拆分 |
缺失值和状态跳变要单独标记。典型情况是缺陷未经复测直接被关闭，或状态从待修复直接跳到已关闭。这类记录不能默认计入通过，应作为独立类别统计并说明数量，否则通过率会被高估。定性判断同样需要证据，例如抽检若干条复测失败缺陷，核对复现步骤、实际结果与预期结果是否记录完整，抽检样本量和结论一并写入统计说明。
在缺陷状态流转和复测记录的管理动作上，ONES 测试管理支持覆盖缺陷生命周期的跟踪，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跟踪修复情况，并可统计缺陷状态分布。团队可以把复测状态、复测结论作为工作项流转的一部分记录下来，为上述取数提供原始记录。具体状态与字段的自定义范围以实际产品配置为准。
计算与核验步骤
从取数到得出可复算的指标，按以下顺序操作，每一步留下记录，便于他人复核。
- 固定统计周期与缺陷范围。确定起止时间，并限定模块、版本、严重级别等筛选条件，把范围写进统计说明。
- 按状态流转还原每条缺陷的复测轨迹。逐条记录进入复测时间、复测次数、每次结论和最终结论，形成明细表。
- 分别计算三个指标并记录分母。每个指标旁边写明分母数值，便于判断样本量是否足够支撑结论。
- 处理边界情况。分母为零时指标不计算，标注“样本不足”；多次复测按事先确定的规则归并；重复缺陷按合并规则处理；未复测直接关闭的记录单列。
- 抽样核对原始记录。抽取一定数量的缺陷，回到系统核对状态、时间和结论，确认计算结果可以复现。抽样发现偏差时，回到第二步修正明细表。
完成后的交付物是一张指标汇总表和一份明细表。汇总表列出三个指标的数值、分母和统计周期，明细表保留每条缺陷的复测轨迹，两者能相互对上，指标才算可核验。
一个可复算的例子
假设某统计周期内，某模块首次进入复测状态的缺陷共 80 条。其中复测结论为通过的有 62 条，未通过的有 14 条，另有 4 条未经复测直接关闭。已得出复测结论的 76 条缺陷，从提交复测到得出结论的时间合计为 912 小时。
按前述口径计算：复测通过率为 62 ÷ 80 × 100% = 77.5%；复测失败率为 14 ÷ 80 × 100% = 17.5%；两者之和为 95%，剩余 5% 对应 4 条未复测直接关闭的记录，单独报告。平均复测周期为 912 ÷ 76 ≈ 12 小时，分母只取已得出结论的 76 条，未完成的 4 条不计入。
多次复测的处理在这个例子里这样体现：假设 14 条未通过缺陷中有 5 条退回修复后再次复测，其中 3 条最终通过。按缺陷为单位的口径，这 3 条仍计入未通过一侧的原始判定，若改为按最终结论统计，则通过数变为 65 条、未通过 11 条，通过率相应变化。两种口径都可用，但必须在统计说明中写明采用哪一种，前后统计期保持一致。
分母为零的情形：若某新模块在该周期内没有缺陷进入复测，通过率不计算，标注“本期无复测样本”，不写成 0% 或 100%。
指标异常分别说明什么问题
异常读数本身不指向唯一原因，需要把读数拆到模块、版本、缺陷类型等维度，再结合样本核对。下表给出常见异常表现与优先排查方向。
| 异常表现 | 可能原因 | 优先核对 |
|---|---|---|
| 复测通过率偏低 | 修复不彻底；复测环境或数据与缺陷场景不一致；复测用例覆盖不足；缺陷描述不清导致修复方向偏差 | 抽检失败缺陷的复现记录，对比修复说明与实际改动范围 |
| 复测失败率偏高且集中在少数模块 | 该模块修复质量存在问题，或回归范围不足导致修复引入新问题 | 按模块拆分失败分布，查看失败缺陷的关联版本与修复记录 |
| 平均复测周期偏长 | 复测排队积压；责任交接不清；环境准备耗时；缺陷长期停留在待复测状态 | 统计待复测状态的停留时长分布，识别积压集中的环节 |
| 指标突然跳变 | 统计口径或状态规则变更；缺陷范围调整；真实质量变化 | 先核对统计周期、分母定义、状态名称是否改动，再排查质量因素 |
| 通过率与失败率之和明显低于100% | 存在未复测直接关闭、结论缺失或状态跳变 | 统计未复测关闭的数量和占比，核对状态流转记录 |
排查顺序建议先口径后质量。指标突然跳变时，第一步确认统计周期、分母定义、状态名称和重复缺陷规则是否发生变化，这些改动足以让读数整体偏移；确认口径未变后，再按模块和版本拆分，定位是局部问题还是全局问题；最后抽取样本核对原始记录，用复现记录和修复说明支撑判断。单看一个指标容易误判，例如通过率下降同时平均复测周期缩短，可能说明复测推进加快但验证不够充分，需要结合失败样本一起看。
解读限制与改进验证
指标反映的是一段流程的结果，不能单独证明因果。通过率上升可能来自修复质量提升，也可能来自复测标准放宽或缺陷范围收窄，判断时需要结合样本记录和流程变更记录。不同团队、不同版本之间的数据，只有在公式、分母、时间窗和状态定义完全一致时才可比较，口径不同的数据放在一起排名没有意义。
改进动作之后，在相同口径下对比前后数据，并观察指标是否发生转移。例如加强修复自检后通过率上升，但平均复测周期可能因为复测更细致而变长；压缩复测排队时间后周期下降，但通过率可能因验证更严格而短期走低。这类转移是正常的，解读时要把几个指标放在一起看，避免用单一指标的改善证明整体变好。
阈值应基于自身历史基线设定。先积累若干统计周期的数据，观察正常波动范围，再把明显偏离基线的读数作为异常信号触发排查，不套用外部统一达标线。改进效果的验证同样需要多个周期，单期数据的改善可能只是波动，连续几个周期在相同口径下稳定变化，才更适合作为改进生效的证据。
常见问题
复测通过率和复测失败率相加不到100%，该怎么处理？
两者之和低于100%，说明分母中存在未归入通过或未通过两类的缺陷，常见情形是未经复测直接关闭、复测结论缺失或状态跳变。处理方式是把这些记录单列为独立类别，统计其数量和占比，并在统计说明中注明，不能默认计入通过，否则通过率会被高估。若这类记录占比持续偏高，需要回到状态流转规则上检查，确认关闭缺陷是否必须经过复测结论。
同一缺陷多次复测，按缺陷统计还是按复测次数统计？
两种口径都可用，取决于评估目的。按缺陷统计时，以最终结论判定该缺陷是否通过，适合看修复质量；按复测次数统计时，每一次复测的结论都计入分布，适合看验证工作量。两种口径不能混用，选定后在统计说明中写明，并保持前后统计期一致。若中途切换口径，指标会出现整体偏移，此时应先判断是口径变化还是质量变化。
指标突然变好，也需要排查吗？
需要。指标突然跳变，无论方向如何，都应先核对统计周期、分母定义、状态名称和重复缺陷规则是否发生改动，这些调整足以让读数整体偏移。确认口径未变后，再按模块和版本拆分，判断是局部改善还是全局变化。通过率上升也可能来自复测标准放宽或缺陷范围收窄，需要结合失败样本和流程变更记录一起看。
平均复测周期偏长，应该从哪个环节开始查？
先统计缺陷在待复测状态的停留时长分布，识别积压集中在哪个环节。常见原因包括复测排队积压、责任交接不清、环境准备耗时，以及缺陷长期停留在待复测状态未被处理。把停留时长按模块和责任人分组，能较快定位是资源不足还是交接断点。若积压集中在少数模块，还需核对这些模块的修复提交节奏是否与复测安排脱节。
改进动作做完后，多久能判断是否有效？
单期数据的改善可能只是正常波动，建议在相同口径下连续观察多个统计周期，确认变化稳定后再判断改进是否生效。同时留意指标转移：加强修复自检后通过率可能上升，但平均复测周期会因复测更细致而变长；压缩复测排队时间后周期下降，通过率可能因验证更严格而短期走低。把几个指标放在一起看，比单看一个指标更可靠。
