判断研发交付周期是否合理，关键在固定口径后做两组对比：用历史基线给出参照区间，用中位数、P75、P90刻画分布形状。本文给出一套可复算的方法，覆盖指标定义、基线构建、分位数计算、判断步骤与演算示例，并说明结论的适用边界。文中会自然提到ONES在研发数据记录与度量分析上的承载方式，供已在ONES体系内取数的团队参考。
要点总览（TL;DR）
- 判断交付周期是否合理，先固定口径：明确起止状态、统计单位和时间窗，口径不一致的数据不能直接比较。
- 基线取历史同口径数据的参照区间，按季度或流程变化时重设，用中位数、P75、P90与基线逐层对比。
- 中位数反映典型水平，P75、P90反映长尾；中位数持平而P90上移，说明慢单增多而非整体变慢。
- 按团队、需求类型、规模档分层比较，样本少于20条时P90不稳定，少于10条只报样本量不下结论。
- 分位数只说明分布位置，不解释原因；结论用区间和证据表述，不设通用达标线，也不用于绩效排名。
评估目标：判断“合理”要回答哪几个问题
“交付周期是否合理”是一个复合问题，直接回答容易落到单条达标线或平均值上。把它拆开，评估实际要回答三类问题，每类对应不同的指标和结论形式。
- 典型水平问题：一个需求从进入开发到上线，通常需要多久？用中位数回答，代表一半需求在该周期内完成。
- 长尾程度问题：有多少需求明显超出典型水平？用P75、P90回答，反映慢单的占比和拖尾长度。
- 趋势变化问题：当前周期相对历史基线是持平、改善还是恶化？用同口径基线对比回答，并区分波动与结构变化。
三类问题的结论形式都是区间判断：典型水平落在某个区间、长尾比例处于某个范围、当前值与基线的差异是否超出可解释波动。评估服务于改进决策，例如判断是否需要拆小需求、调整评审节奏或补充资源；它不用于团队或个人绩效排名，因为周期受需求类型、规模、依赖关系影响，跨团队直接比较容易失真。
评估开始前先写一份问题清单，每项标注对应的指标、分层维度和数据来源。清单的作用是防止中途换口径，也方便后续复算时对照。
指标与范围：交付周期怎么定义、统计哪些对象
交付周期可比的前提是口径一致。口径不一致的两组数据，即使都叫“交付周期”，也不能放在一起比较。定义卡需要写清四件事：起止点、单位、时间窗、纳入排除范围。
| 定义项 | 需要明确的内容 | 常见选择 |
|---|---|---|
| 起点状态 | 从哪个工作项状态开始计时 | 进入“开发中”或“已排期” |
| 终点状态 | 到哪个状态停止计时 | “已上线”或“已验收” |
| 统计单位 | 按自然日还是工作日 | 跨假期多的团队宜用工作日，需固定节假日表 |
| 时间窗 | 统计哪段时间内完成的需求 | 按完成时间归集，如近3个月上线的需求 |
| 纳入范围 | 哪些需求类型和规模档进入统计 | 按需求类型、规模档分层统计 |
| 排除范围 | 哪些记录不计入 | 撤销单、回退重开单、测试数据 |
起止点的选择直接影响数值大小。以“进入开发到上线”为例，它衡量的是开发交付段的耗时，不包含需求提出到排队的等待；如果团队想评估端到端体验，需要另设从“需求受理”到“上线”的口径，两套口径分开统计、分开建基线，不能混用。
统计单位要固定。自然日和工作日混算会让周期在假期前后出现虚假波动。选择工作日时，需要维护一份节假日与调休表，并明确半天如何折算。
纳入与排除范围决定分母。撤销单、回退重开的单如果计入，会拉长分布；如果全部剔除，又可能掩盖返工问题。建议的做法是：主口径排除撤销单，回退单按最终上线记录计一次，同时在口径说明中记录排除数量，便于解释分母变化。
分层维度至少保留团队、需求类型、规模档三类。不同规模的需求周期差异明显，混在一起算分位数，中位数会被小需求拉低，P90会被大需求拉高，结论失去指导意义。
数据口径与证据：基线怎么建、分位数怎么算
基线是历史同口径数据的参照区间，不是一条固定达标线。构建基线时固定取数窗口，例如取最近3个月或6个月已完成的需求，按完成时间归集，每月或每季度更新一次。窗口太短，样本不足、波动大；窗口太长，流程变化被平均掉。更新频率与复盘节奏对齐即可，常见做法是每季度重算一次，并在口径或流程发生实质变化时立即重设。
分位数的计算方法是：把样本按周期从小到大排序，第p分位数取排序后位于p位置的值。样本量为n时，位置可按(n+1)×p估算，落在两个样本之间时用线性插值。中位数即P50，表示一半样本短于该值；P75表示75%的样本短于该值，剩下25%是慢单；P90用于观察长尾，样本量小时P90不稳定，需谨慎引用。
样本量要求与结论强度挂钩。样本少于20条时，中位数尚可参考，P75、P90容易受单条极端值影响；样本少于10条时，建议只报告样本量和区间，暂不下“偏长”或“偏短”的结论。分母为零（窗口内没有完成的需求）时，标注“本期无完成样本”，不计算分位数，也不与基线比较。
缺失值和未关闭项的处理规则要写进口径说明：未关闭的需求不进入当期分位数计算，但单独统计在途数量和已耗时，避免只看到完成样本而忽略积压。异常长尾不直接删除，先核对是否为数据错误；确认是真实慢单的，保留在主分布中，同时单独列出超过P90的样本清单，供后续分析使用。
在ONES体系内，工作项状态流转会留下时间记录，ONES Performance可自动收录系统内流转的研发数据并形成分析指标，交付效率是其度量维度之一。具体指标的起止状态、单位和统计窗口需要在系统内配置确认，分位数与基线对比的实现程度也以实际配置为准。取数时把口径说明与报表配置一并存档，后续复算才有依据。
计算与评估步骤：从取数到判断的完整流程
把基线和分位数组合成判断动作，可以按四步执行，每步留下可核对的产物。
- 固定口径并取数。按定义卡导出时间窗内完成的需求清单，字段包括需求编号、类型、规模档、团队、起点时间、终点时间、周期天数。核对总数与排除数量，记录分母。
- 计算分位数与基线值。对每个分层分别排序，计算中位数、P75、P90；同时用同一方法计算基线窗口的对应值。输出一张对照表，列出当前值与基线值。
- 同分层对比。逐层比较当前与基线的中位数和P75、P90。中位数上移说明典型水平变慢；中位数持平而P90明显上移，说明慢单增多、长尾拉长；两者同时下移说明整体改善。
- 判断差异是否可解释并记录证据。结合样本量、分母变化、需求结构变化判断差异来源。样本充足且差异持续两个统计周期以上，可认为结构变化；单期波动、样本不足或口径调整引起的差异，标注为待观察，不下结论。
判断时可设一个简单的可解释范围：当前中位数落在基线中位数的±10%以内，且P90变化不超过基线P90的±15%，视为正常波动。这个范围是团队自定的管理阈值，需要随基线更新同步复核，不能当作通用标准对外引用。
例子：一个需求交付周期的基线对比演算
以下为演示情景，数字仅用于说明计算过程，不代表任何团队的真实水平。
某团队统计“进入开发到上线”的周期，单位为工作日，取近3个月完成的需求共20条，按周期排序后为：3、4、4、5、5、6、6、7、7、8、8、9、10、11、12、14、16、18、22、30（天）。
计算分位数：中位数位置为(20+1)×0.5=10.5，取第10与第11个值的平均，即(8+8)/2=8天。P75位置为(20+1)×0.75=15.75，介于第15个值12与第16个值14之间，按线性插值：12+0.75×(14−12)=13.5天。P90位置为(20+1)×0.9=18.9，介于第18个值18与第19个值22之间：18+0.9×(22−18)=21.6天。
| 指标 | 当前窗口 | 基线窗口 | 差异 |
|---|---|---|---|
| 样本量 | 20 | 24 | 分母减少4条 |
| 中位数 | 8天 | 7.5天 | +0.5天，约+6.7% |
| P75 | 13.5天 | 12天 | +1.5天 |
| P90 | 21.6天 | 17天 | +4.6天，约+27% |
判断表述：中位数上移6.7%，在±10%的可解释范围内，典型水平基本稳定；P90上移27%，超过±15%的阈值，长尾拉长。结合样本中22天和30天两条慢单，可判断本期慢单增多，需要进一步查看这两条需求的规模档和依赖情况。由于样本量为20，P90的估计本身不够稳定，结论表述为“长尾有拉长迹象，建议下期复核”，不下“周期整体恶化”的结论。
异常值与样本不足的处理示例：若某分层本期只有6条完成需求，中位数为9天，基线中位数为8天，此时应标注“样本不足，暂不比较”，或与相邻规模档合并后再看，避免用个位数样本得出周期偏长的判断。若窗口内完成需求为0条，只报告在途数量和已耗时，不计算分位数。
解读与限制：分位数说明什么、不能说明什么
分位数说明分布位置，不解释原因。P90上移说明慢单占比增加，至于慢在等待评审、依赖外部系统还是返工，需要另做瓶颈分析。把分位数变化直接归因于某个团队或某个人，容易得出错误结论。
样本量小和口径变更都会导致不可比。样本少于20条时，P75、P90波动大；口径调整（如起点从“已排期”改为“开发中”）会让周期整体缩短，此时必须重设基线，不能拿新口径数据与旧基线比较。需求结构变化同样影响可比性：大需求占比上升，中位数和P90都会上移，这属于结构效应，判断时应按规模档分层看。
基线漂移需要识别。连续两个统计周期同方向偏离基线，且样本充足、口径未变，可认为基线本身需要更新；更新时保留旧基线记录，注明重设原因，避免历史对比断档。
结论表述建议采用固定模板：“本期[分层]交付周期中位数为X天，基线为Y天，差异在/超出可解释范围；P90为A天，基线为B天，长尾[拉长/收窄/持平]；样本量N条，分母较上期[增加/减少]M条，结论为[正常波动/待观察/结构变化]。”模板中的阈值由团队自定并随基线复核，不设通用达标线。
当团队在ONES中管理需求流转时，状态变更时间会被记录，ONES Performance可基于这些数据做多维度分析并配置仪表盘，把上述口径固化为可重复取数的报表，减少每次评估手工整理数据的工作量。分位数与基线对比的具体呈现方式以系统实际配置为准。
常见问题
团队刚起步、历史数据不足3个月，基线还能建吗？
可以建，但要降低结论强度。起步阶段样本少，建议先积累一个完整统计窗口的完成需求，再计算中位数和P75；P90在样本少于20条时波动大，可暂不引用。此时基线的作用是记录起点，等窗口补足后重算，并在口径说明中标注“基线初建、样本有限”。如果业务节奏快、需求类型差异大，可以按规模档分别积累，避免混算。
口径中途调整过，比如起点从“已排期”改成“开发中”，旧基线还能用吗？
不能直接沿用。起点后移会让周期整体缩短，新旧数据放在一起比较会得出虚假改善。处理方式有两种：一是用新口径回溯重算历史窗口，重建基线；二是保留旧基线记录，在新口径下重新积累一个窗口后再比较。无论哪种，都要在口径说明中写明变更时间和原因，避免后续复算时对不上。
中位数没变但P90明显上移，应该先查什么？
先看慢单清单，即超过P90的样本，核对它们的规模档、依赖关系和流转记录。常见情形是大需求占比上升带来的结构效应，此时按规模档分层后中位数可能并未恶化；也可能是某类外部依赖或评审环节积压，需要结合在途数量和已耗时判断。分位数本身不给出原因，定位等待与阻塞属于瓶颈分析的工作，本文方法只负责判断长尾是否拉长。
能不能给一个全公司统一的交付周期达标线？
不建议。周期受需求类型、规模档、依赖关系影响，统一达标线会让小需求团队轻松达标、大需求团队长期超标，失去指导意义。更可行的做法是每个分层各自建基线，用中位数和P75、P90的区间判断，阈值由团队自定并随基线更新复核。若管理层需要汇总视角，可以报告各分层相对基线的偏离方向和幅度，而不是一个绝对天数。
在ONES里做这套评估，需要手工导数据吗？
ONES Performance 会自动收录系统内流转的研发数据并形成分析指标，交付效率是其度量维度之一，可减少手工整理数据源的工作。具体到交付周期指标的起止状态、统计单位，以及分位数与基线对比的呈现方式，需要在系统内配置确认，以实际配置为准。取数时建议把口径说明与报表配置一并存档，方便后续复算。
