交付预测偏差分析衡量的是承诺时点与实际交付时点之间的差距，用来判断计划是否可信、偏差集中在哪个方向。要得到可复算的结果，需要先固定预测口径、承诺范围和统计时间窗，再逐交付单元计算偏差天数与偏差率，按团队、需求类型和时间窗汇总，并区分提前与延期两个方向。本文给出指标定义、取数规则、计算步骤和一个季度样本的演示，并说明结果解读的边界。
要点总览（TL;DR）
- 交付预测偏差分析衡量承诺时点的预测交付日与实际交付日之间的差距，结论用于判断计划可靠性，不用于评价个人绩效。
- 核心指标包括偏差天数（实际减预测，正值为延期）、偏差率（偏差天数÷计划周期天数）和命中率（落在容差窗口内的单元数÷纳入统计的单元数），口径需在首次计算前固定。
- 预测交付日要保留承诺时点的快照，实际交付日需在上线、验收、交付确认中择一并统一使用，否则偏差反映的只是口径差异。
- 计算按明细、分组、方向拆分、质量检查四步推进，样本量少于10个的分组只呈现明细，分母为零时标注无样本而非0%。
- 偏差小不代表计划过程健康，需结合重承诺数量、范围变更和取消项一起解读，跨团队比较应在相同口径和需求类型分组下进行。
评估目标：要回答计划可靠性的哪个问题
交付预测偏差分析的对象是交付单元的两个日期：承诺时点记录的预测交付日，以及实际完成交付的日期。分析结论用于回答“我们的交付承诺准不准、偏差偏向哪个方向、哪类工作更容易失准”，服务于计划可靠性判断和后续承诺调整。
这个定位决定了三项边界。第一，结论不用于评价个人绩效。偏差受需求范围变化、依赖方进度、评审排期等多种因素影响，把它挂到个人头上会诱导提前压日期或推迟承诺，反而破坏数据真实性。第二，它与单次迭代内的执行跟踪不同。站会、看板流转关注的是当前迭代任务推进到哪一步，偏差分析关注的是跨多个交付单元、跨若干时间窗的承诺准确度。第三，它与投入工时偏差不同。工时偏差比较计划投入与实际投入的工作量，交付预测偏差比较的是日期，两者可以互相补充，但公式、分母和解读方式都不同，不应混在一张表里计算。
开始分析前，建议先写一份边界清单，明确以下内容并让参与方确认：
- 分析对象：纳入哪些交付单元（需求、版本、项目里程碑），以什么层级作为一行记录。
- 结论用途：用于季度计划复盘、承诺流程改进，还是仅作为观察指标。
- 不纳入的内容：单次迭代执行情况、工时投入、个人产出评价。
- 责任分工：谁维护预测交付日，谁确认实际交付日，谁负责口径解释。
指标与范围：偏差天数、偏差率与命中率怎么定义
三个核心指标分别回答“差几天”“差的比例多大”“有多少落在可接受范围内”。定义需要在第一次计算前固定下来，写入指标说明，后续统计沿用同一口径，否则跨期结果无法比较。
| 指标 | 公式 | 单位 | 分母与口径说明 |
|---|---|---|---|
| 偏差天数 | 实际交付日 − 预测交付日 | 天 | 正值为延期，负值为提前，零为按期；按自然日计算，跨月跨年不影响 |
| 偏差率 | 偏差天数 ÷ 计划周期天数 | 百分比 | 计划周期天数 = 预测交付日 − 承诺起始日，即做出该承诺时所覆盖的时长；分母为零或负值的记录不计算偏差率 |
| 命中率 | 落在容差窗口内的交付单元数 ÷ 纳入统计的交付单元数 | 百分比 | 容差窗口需事先约定，例如 ±3 天或 ±10%；分母为通过纳入规则的全部交付单元 |
| 平均绝对偏差 | 各交付单元偏差天数绝对值之和 ÷ 纳入统计的交付单元数 | 天 | 用于衡量整体偏离幅度，抵消提前与延期的正负相消 |
偏差率的分母选择需要特别说明。用计划周期天数作分母，含义是“偏差占原计划时长的比例”，适合比较周期长短不同的交付单元；如果改用实际周期天数作分母，含义会变成“实际执行中偏离的比例”，两种口径不能混用。计划周期很短的交付单元，偏差一两天就会产生较大的偏差率，解读时应结合偏差天数一起看。
统计范围同样要在指标说明中写清。交付单元粒度建议统一到同一层级，例如都以需求为单位，避免一部分按需求、一部分按版本统计。时间窗按实际交付日落入的区间划分，例如按季度统计时，以该季度内实际交付的单元为样本。纳入与排除规则需要明确：跨时间窗才交付的单元归入实际交付所在窗口；取消项、合并项、拆分项按下一节的处理规则标注后决定是否纳入。
数据口径与证据：预测快照和实际交付怎么取数
偏差分析的可信度取决于两个日期是否真实、是否可比。预测交付日必须在承诺时点留下快照，实际交付日必须用统一标准判定，否则算出来的数字只是口径差异的反映。
预测交付日的快照规则：在承诺形成时（例如计划评审通过、版本排期确认）记录当时的预测日期，并保留记录时间和记录人。后续如果因范围变更调整日期，新增一条变更记录，原快照保留不动。这样计算时取“承诺时点的预测值”，而不是事后修改后的值。如果直接读取工作项上可随时编辑的日期字段，历史承诺会被覆盖，偏差分析就失去意义。
实际交付日的判定标准需要三选一并全组织统一：上线时间、验收通过时间、交付确认时间。三者之间可能相差数天甚至数周，混用会让不同团队的偏差不可比。选定后写入指标说明，并在取数时只认这一标准对应的时间字段。
范围变更、拆分合并与取消项按以下规则处理，并在明细表中保留标注：
- 范围变更：承诺后需求内容发生实质变化且重新承诺的，以新承诺的快照为预测值，并在明细中标记“重承诺”，便于单独观察这类单元的偏差。
- 拆分：父项拆成多个子项时，以子项为交付单元分别计算，父项不重复计入，避免分母虚增。
- 合并：多个单元合并交付时，合并后的单元按一条记录计算，原单元标注“已合并”并排除。
- 取消项：承诺后取消的单元不计入命中率分母，单独统计取消数量，作为范围稳定性的参考信息。
数据缺失和口径不一致时，处理方式是标注而非猜测。缺少预测快照的记录标记“无预测基线”，不参与偏差计算但计入样本说明；实际交付日缺失的记录标记“待确认”，在时间窗结束后仍缺失的从当期样本中排除并记录数量。每期结果附一张数据质量说明，列出纳入数、排除数及排除原因，让读结果的人知道分母是怎么来的。
计算与评估步骤：从明细到汇总的执行顺序
计算按“明细—分组—方向—质量检查”四步推进，每一步产出可核对的中间结果，便于他人复算。
第一步，生成明细表。每个交付单元一行，字段包括：单元编号、所属团队、需求类型、承诺起始日、预测交付日（快照）、实际交付日、计划周期天数、偏差天数、偏差率、是否命中、方向标记、口径备注。偏差天数按实际减预测逐行计算，偏差率用偏差天数除以计划周期天数，命中判断按事先约定的容差窗口逐行标记。
第二步，分组汇总。按团队、需求类型、时间窗三个维度分别汇总，每组给出：纳入单元数、平均绝对偏差（天）、命中率、偏差率的中位数。平均绝对偏差反映整体偏离幅度，中位数偏差率减少极端值干扰。分组时保持口径一致，同一张表内不混用不同容差窗口或不同实际交付判定标准。
第三步，方向拆分。把样本分为提前（偏差天数为负）、按期（为零）、延期（为正）三类，分别统计数量和占比，并给出提前组与延期组的平均偏差天数。方向分布能揭示系统性倾向：如果延期占多数且平均延期天数稳定，说明承诺普遍偏乐观；如果提前与延期大致对称，说明偏差更多来自个体判断波动。
第四步，质量检查。核对样本量与分母情况。样本量过少的分组（例如少于 10 个交付单元）只呈现明细，不给出比率结论，或明确标注“样本不足，仅供参考”。分母为零的情况包括：计划周期天数为零或负（当天承诺当天交付、预测日早于承诺起始日），此类记录不计算偏差率；纳入单元数为零的分组，命中率不计算，显示为“无样本”，不写成 0%。
| 汇总表字段 | 说明 |
|---|---|
| 分组维度 | 团队 / 需求类型 / 时间窗，一次只按一个维度展开 |
| 纳入单元数 | 通过纳入规则、参与计算的交付单元数量 |
| 平均绝对偏差 | 单位：天，反映整体偏离幅度 |
| 命中率 | 单位：百分比，注明所用容差窗口 |
| 提前 / 按期 / 延期占比 | 三类之和为 100%，注明各类平均偏差天数 |
| 排除数与原因 | 无预测基线、待确认、取消、合并等分类计数 |
例子：一个季度交付样本的偏差计算演示
以下为演示情景，数据为虚构样本，仅用于说明公式代入方式，不代表任何真实团队的表现。假设某季度纳入统计的交付单元共 8 个，容差窗口约定为 ±3 天，实际交付日统一按上线时间判定。
| 单元 | 承诺起始日 | 预测交付日 | 实际交付日 | 计划周期（天） | 偏差天数 | 偏差率 | 是否命中 |
|---|---|---|---|---|---|---|---|
| A | 1月5日 | 1月20日 | 1月20日 | 15 | 0 | 0% | 是 |
| B | 1月8日 | 1月25日 | 1月28日 | 17 | +3 | 17.6% | 是 |
| C | 1月12日 | 2月2日 | 2月10日 | 21 | +8 | 38.1% | 否 |
| D | 2月1日 | 2月14日 | 2月12日 | 13 | −2 | −15.4% | 是 |
| E | 2月10日 | 3月1日 | 3月6日 | 19 | +5 | 26.3% | 否 |
| F | 2月15日 | 3月5日 | 3月3日 | 18 | −2 | −11.1% | 是 |
| G | 3月1日 | 3月10日 | 3月10日 | 9 | 0 | 0% | 是 |
| H | 3月5日 | 3月20日 | 3月31日 | 15 | +11 | 73.3% | 否 |
逐项代入：单元 B 偏差天数 = 1月28日 − 1月25日 = +3 天，偏差率 = 3 ÷ 17 ≈ 17.6%，落在 ±3 天内，命中。单元 C 偏差天数 = 2月10日 − 2月2日 = +8 天，偏差率 = 8 ÷ 21 ≈ 38.1%，超出容差，未命中。单元 D 偏差天数 = 2月12日 − 2月14日 = −2 天，为提前，偏差率 = −2 ÷ 13 ≈ −15.4%，命中。
汇总结果：纳入 8 个单元，命中 5 个（A、B、D、F、G），命中率 = 5 ÷ 8 = 62.5%。偏差天数绝对值之和 = 0 + 3 + 8 + 2 + 5 + 2 + 0 + 11 = 31 天，平均绝对偏差 = 31 ÷ 8 ≈ 3.9 天。方向分布：提前 2 个（D、F），按期 2 个（A、G），延期 4 个（B、C、E、H），延期占比 50%，延期单元平均偏差 = (3 + 8 + 5 + 11) ÷ 4 = 6.75 天，提前单元平均偏差 = 2 天。这组数字说明该季度延期方向更明显，且延期幅度大于提前幅度。
假设同季度还有两个单元：单元 I 在承诺后取消，按规则不计入分母，单独记录取消 1 个；单元 J 缺少承诺时点的预测快照，标记“无预测基线”并排除。因此该季度实际工作项为 10 个，纳入计算 8 个，排除 2 个，数据质量说明中需写明这两项排除原因，命中率的分母 8 才可被复核。
解读与限制：偏差数字能说明什么、不能说明什么
偏差指标回答的是“承诺日期与实际日期差多少”，它反映结果差距，不解释差距从何而来。解读时应把偏差分布、命中率、方向占比和数据质量说明放在一起看，避免只引用一个数字下结论。
偏差小不等于计划过程健康。如果团队通过频繁重承诺、把预测日期一再后移来保持“按期”，偏差数字会很好看，但承诺本身已失去约束力。因此需要同时观察重承诺单元的数量和占比、范围变更频率，以及取消项数量。反过来，偏差较大也可能来自外部依赖延迟或需求范围扩大，这些原因需要结合变更记录单独分析，指标本身给不出因果解释。
不同团队、不同需求类型的偏差不宜直接横向比较。需求类型不同，计划周期长短、不确定性程度差异明显，一个探索型需求的偏差率天然高于标准化配置类需求。跨团队比较时，应确保容差窗口、实际交付判定标准、时间窗长度一致，并按需求类型分组后再看。即使口径一致，团队规模、依赖关系数量等条件不同，比较结论也只能作为观察线索。
样本量和时间窗直接影响结论稳定性。样本量少于 10 个的分组，命中率一个单元的变动就会带来 10 个百分点以上的波动；时间窗过短（例如单月），偶发的延期会主导整体结果。建议以季度为基本观察窗口，连续观察多个窗口看趋势，单期结果只作参考。分母为零或接近零的情况要显式标注，不把“无样本”写成 0%。
最后，偏差指标不能替代对计划过程的检查。它适合作为复盘会议的输入之一，与范围变更记录、依赖处理记录、评审周期一起使用，才能形成对计划可靠性的完整判断。
把偏差分析落到日常协作：数据沉淀与复盘衔接
偏差分析要持续做下去，前提是预测交付日和实际交付日作为工作项字段被稳定记录，并且能按时间窗取出明细。如果每次分析都要人工翻聊天记录、找邮件确认日期，口径很快会走样，分析也难以坚持。
在日常协作中，可以把两个日期做成工作项的固定字段：预测交付日在承诺评审通过时填写并锁定快照，实际交付日在交付确认时填写，字段的修改留痕。这样每个交付单元从承诺到交付的过程都留下可追溯的记录，计算时直接取字段值，不需要二次回忆。ONES Performance 支持对系统内日常流转的研发数据进行多维度、精细化的自定义分析，并自动收录这些数据形成分析指标，适合承载这类按团队、需求类型、时间窗展开的偏差汇总；其预置的场景化仪表盘模板可供管理人员和项目经理直接使用，减少从零搭建报表的配置工作。
复盘衔接建议按固定节奏执行：每个时间窗结束后，导出该窗口的交付明细，按本文步骤计算偏差天数、偏差率、命中率和方向分布；复盘会上先看数据质量说明，确认纳入与排除口径，再讨论偏差集中的分组和方向；最后把结论转化为下一轮承诺的具体调整，例如对延期集中的需求类型增加缓冲天数、对重承诺频繁的单元检查拆分粒度。调整后的效果在下一个时间窗用同一口径复算，形成“记录—计算—复盘—调整—再计算”的闭环。
常见问题
预测交付日在承诺后被调整过，偏差计算应该用哪个日期？
取承诺时点记录的那一版预测日期，也就是快照值。后续因范围变更重新承诺的，以新承诺的快照作为预测值，并在明细中标记“重承诺”，单独观察这类单元的偏差。如果直接读取工作项上可随时编辑的日期字段，历史承诺会被覆盖，算出来的偏差无法反映当时的判断水平。
容差窗口设成±3天还是±10%，会影响命中率结论吗？
会，而且影响明显。容差窗口越宽，命中率越高。因此窗口必须在计算前约定并写入指标说明，同一份报告内不混用不同窗口，跨期比较时也要确认窗口一致。窗口的选择可以结合业务节奏：交付周期以周为单位的团队，±3天较常见；周期以月为单位的，可以适当放宽。无论选哪个，都应同时给出偏差天数和平均绝对偏差，避免只看命中率一个数字。
样本量很少的团队，偏差结果还能用吗？
可以用来看明细，不宜用来下比率结论。样本量少于10个交付单元时，命中率每变动一个单元就会带来10个百分点以上的波动，单期结果很容易被偶发事件主导。建议这类团队先积累两到三个时间窗的数据，或只呈现偏差天数的明细和方向分布，等样本足够后再给出命中率和平均绝对偏差。报告中应显式标注样本量，让读结果的人知道结论的稳定程度。
取消的需求和拆分后的子需求，在分母里怎么处理？
取消项不计入命中率分母，单独统计取消数量，作为范围稳定性的参考。拆分时以子项为交付单元分别计算，父项不重复计入，避免分母虚增；合并交付的单元按一条记录计算，原单元标注“已合并”并排除。这些处理规则应在指标说明中写清，并在每期结果附上纳入数、排除数及原因，保证分母可被复核。
偏差分析的结果怎么和下一轮承诺衔接？
按固定节奏执行：时间窗结束后导出交付明细，计算偏差天数、偏差率、命中率和方向分布；复盘会上先确认数据质量说明中的纳入与排除口径，再讨论偏差集中的分组和方向；最后把结论转化为具体调整，例如对延期集中的需求类型增加缓冲天数，对重承诺频繁的单元检查拆分粒度。调整效果在下一个时间窗用同一口径复算，形成记录、计算、复盘、调整的循环。
