评估需求交付预期的准确性，关键是把“承诺什么时候交付”和“实际什么时候完成”放在同一口径下比较。本文给出按期交付率、平均绝对偏差和偏差分布三类指标的计算方法，说明预期值、实际值的取数规则与缺失处理，并用一组示例数据演示从逐条偏差到整体判断、再到复盘归因的完整过程。
要点总览（TL;DR）
- 评估需求交付预期准确性，核心是把承诺交付日期与实际完成日期放在同一口径下比较，按需求逐条计算偏差天数。
- 三类核心指标配合使用：按期交付率看兑现比例，平均绝对偏差看偏差幅度，偏差分布看偏差结构，单看任何一类都容易误判。
- 取数口径必须固定：预期值在首次承诺日期与最新承诺日期中选定一种并保留变更记录，实际值取状态流转到已完成的时间戳，并明确自然日或工作日。
- 判断顺序是先看整体指标是否稳定，再按需求类型、团队、优先级分组定位偏差集中区，最后抽取延期样本归因到估算偏差、范围变更或依赖阻塞。
- 按期率高可能来自承诺保守或范围压缩，样本过少或分母为零时不下结论，复盘应落到估算校准、承诺流程和依赖前置等具体动作。
评估目标：先明确要回答什么问题
需求交付预期准确性，评估的是需求承诺交付日期与实际完成日期的吻合程度。评估对象是单条需求，比较的两个时间点都落在需求本身：一个是团队对外或对内承诺的交付日期，一个是需求状态流转到已完成的实际日期。迭代整体排期是否合理、容量是否够用，属于另一类问题，不在本文口径内。
把“准确性”拆开，评估要回答三个具体问题：
- 预期是否可信：在统计周期内，承诺的交付日期有多大比例被兑现，偏差整体有多大。
- 偏差来自哪里：延期是集中在某类需求、某个团队、某个优先级，还是分散在各个环节。
- 如何改进估算：偏差样本中，多少来自估算本身不准，多少来自范围变更，多少来自外部依赖阻塞。
这三个问题对应三种不同的判断动作：看整体稳定性、看结构差异、看个案原因。只回答第一个问题，容易把指标当成结论；三个问题依次回答，评估才能落到改进动作上。需要区分的是，需求验收是否通过、闭环是否完成，属于质量与流程判定，与交付日期准确性是两个维度，本文不展开。
指标与范围：三类核心指标及纳入范围
三类指标分别回答“兑现比例”“偏差幅度”“偏差结构”，建议同时使用。单看按期交付率会掩盖延期程度，单看平均绝对偏差会掩盖分布形态。
| 指标 | 公式 | 单位 | 分母 | 回答的问题 |
|---|---|---|---|---|
| 按期交付率 | 按期完成需求数 ÷ 统计期内应完成需求数 × 100% | 百分比 | 统计期内承诺交付、且到期日落在统计期内的需求数 | 承诺兑现的比例 |
| 平均绝对偏差 | Σ|实际完成日期 − 承诺交付日期| ÷ 完成需求数 | 天 | 统计期内实际完成的需求数 | 偏差的平均幅度 |
| 偏差分布 | 各偏差区间需求数 ÷ 完成需求数 × 100% | 百分比 | 统计期内实际完成的需求数 | 偏差集中在哪个区间 |
偏差分布建议按五个区间统计：提前完成、按期完成（偏差为0天）、延期1–3天、延期4–7天、延期7天以上。区间边界可按团队交付节奏调整，但同一份报告内应保持固定，便于跨周期对比。
纳入范围以“统计期内承诺交付的需求”为准。已取消或已合并到其他需求的需求，不计入分母，但应单独记录数量和原因，避免分母被悄悄缩小。跨期未完成的需求，在到期日所在周期计入“应完成但未完成”，实际完成后再回填偏差，两个周期的报告需注明处理方式，防止同一条需求被重复统计或遗漏。
数据口径与证据：预期值、实际值怎么取
口径不一致是这类评估最常见的失真来源。同一条需求，如果这次用首次承诺日期、下次用最新承诺日期，按期率会明显波动，且无法解释。因此第一步是固定取数规则并写入报告说明。
预期值的取法
预期值有两种可选口径：首次对外承诺日期，或最新一次确认的承诺日期。前者衡量“最初承诺的可信度”，后者衡量“当前承诺的可信度”。两种都有意义，但必须固定一种作为主口径，另一种可作为辅助指标。无论选哪种，都要保留承诺日期的变更记录，包括变更时间、变更前后的日期和变更原因，否则偏差无法归因。
实际值的取法
实际值以需求状态流转到“已完成”的时间为准，取状态变更的时间戳，而非人工填写的完成日期。同时明确两个细节：时区统一为团队所在时区；偏差按自然日还是工作日计算。按自然日计算更简单、可复算；按工作日计算更贴近实际交付感受，但需要维护节假日日历。两种口径不能混用，跨周期对比时必须一致。
缺失与特殊情况的处理规则
- 缺失承诺日期：不计入按期率分母，单独列为“未承诺需求”，并统计其占比。占比过高说明承诺流程本身需要规范。
- 跨期未完成：到期日所在周期记为未按期，实际完成后回填偏差天数，报告中注明回填规则。
- 中途拆分：原需求标记为“已拆分”，子需求各自记录承诺日期与实际完成日期，原需求不重复计入分母。
- 范围变更导致重新承诺：保留原承诺记录，新承诺作为最新口径，偏差归因时单独标记为“范围变更”。
偏差归因需要证据支撑，而不是事后回忆。需求变更记录、阻塞事项记录、依赖方的交付时间，都应在需求推进过程中留下痕迹。这些记录既是归因依据，也是复盘会上讨论改进动作的素材。在工具层面，需求承诺日期、状态流转时间和变更历史需要能在工作项上留痕，ONES 的需求池与自定义工作流可以承载需求从提出到完成的流转记录，工作项滞留时间等过程数据也会被系统记录，便于后续取数核对。
计算与评估步骤：从逐条偏差到整体判断
计算从单条需求开始，判断从整体指标开始，两者方向相反，顺序不能颠倒。先汇总再下钻，可以避免被个别极端案例带偏整体判断。
第一步：逐条计算偏差并打标签
对每条纳入范围的需求，计算偏差天数 = 实际完成日期 − 承诺交付日期，正数为延期，负数为提前，零为按期。同时打上三类标签：需求类型、所属团队、优先级。这三类标签是后续分组对比的维度，应在需求创建时就填好，避免统计时临时补录。
第二步：汇总整体指标
按上一节的公式计算按期交付率、平均绝对偏差和偏差分布。观察两个信号：按期率是否在多个周期内保持稳定，平均绝对偏差是否与按期率的变化方向一致。如果按期率上升但平均绝对偏差同时扩大，说明按期完成的需求变多了，但延期的那部分延得更久，承诺策略可能偏向保守或选择性承诺。
第三步：分组对比，定位偏差集中区
按需求类型、团队、优先级分别计算按期率和平均绝对偏差，找出明显偏离整体水平的组。分组时注意样本量，单组需求数过少时结论不可靠。分组对比的价值在于把“整体不准”转化为“哪一类不准”，为复盘提供具体切入点。
第四步：抽取延期样本做归因
从延期需求中按偏差区间分层抽样，逐条判断偏差来源，归入三类：估算偏差（工作量或复杂度判断失误）、范围变更（需求内容在承诺后发生实质变化）、依赖阻塞（等待外部团队、环境或决策）。三类原因的改进动作不同：估算偏差对应估算校准和历史数据参考，范围变更对应承诺后的变更流程，依赖阻塞对应依赖前置和跨团队对齐。
判断顺序总结为：先看整体指标是否稳定，再看分组结构差异，最后看个案归因。整体稳定时，个案归因用于持续优化；整体波动时，优先检查口径是否变化、承诺流程是否松动。
例子：一个统计周期的完整计算
以下为演示数据，用于说明公式代入方式，不代表任何真实团队的交付水平。
某统计周期内，承诺交付且到期日落在本期的需求共20个。其中按期完成14个，延期6个，延期需求的偏差天数分别为2、3、5、8、10、15天。
- 按期交付率 = 14 ÷ 20 × 100% = 70%
- 平均绝对偏差 = (2 + 3 + 5 + 8 + 10 + 15) ÷ 20 = 43 ÷ 20 = 2.15天
偏差分布如下：
| 偏差区间 | 需求数 | 占比 |
|---|---|---|
| 提前完成 | 0 | 0% |
| 按期完成 | 14 | 70% |
| 延期1–3天 | 2 | 10% |
| 延期4–7天 | 1 | 5% |
| 延期7天以上 | 3 | 15% |
解读时先看结构：70%按期，但延期7天以上的需求占15%，说明少数需求出现了大幅偏差，平均绝对偏差2.15天被这3条需求明显拉高。如果只看平均偏差，容易低估尾部风险；如果只看按期率，容易忽略长尾延期。
再做分组对比。假设按需求类型拆分，发现延期7天以上的3条需求中有2条属于同一类型，且该类型的按期率明显低于整体水平，那么复盘重点应放在该类型需求的估算方式和依赖关系上，而不是泛泛讨论“整体交付不准”。分组对比的作用是把平均指标背后的结构差异暴露出来。
解读与限制：指标能说明什么、不能说明什么
按期交付率衡量的是承诺兑现的比例，它不能单独证明估算能力强。按期率高可能来自承诺保守：团队把交付日期往后放，自然容易按期；也可能来自范围压缩：承诺后削减需求内容以保住日期。这两种情况下指标好看，但预期准确性并未真正提升。因此按期率需要与平均绝对偏差、偏差分布一起看，并配合承诺变更记录判断。
样本过少或分母为零时不下结论。一个周期只有三五条需求，按期率的波动更多反映随机性，不足以说明趋势。建议至少积累多个周期、每条分组维度有足够样本后再做对比判断。分母为零时，按期率无定义，应报告“本期无应完成需求”，而不是记为0%或100%。
不同团队、不同需求类型之间的可比性有限。需求复杂度、依赖外部方的程度、验收标准的清晰度都会影响偏差，跨组对比必须在同一口径下进行，并说明差异背景。把不同团队的按期率直接排名，容易把结构差异误读为能力差异。
复盘应聚焦可改进的动作，而不是给指标排名。常见的改进方向有三类：估算校准，用历史偏差数据修正同类需求的工期判断；承诺流程，明确谁有权承诺、承诺后变更需要什么记录；依赖前置，把外部依赖的确认时间提前到承诺之前。每次复盘选定一到两个动作，下个周期用同一口径验证是否改善，形成闭环。ONES 的迭代回顾场景支持通过燃尽图、工时日志等报表复盘进度偏差，并可用 Wiki 沉淀复盘结论，便于后续周期对照。
常见问题
需求在承诺后发生范围变更，按期交付率应该怎么算？
建议保留原承诺记录，把变更后的日期作为最新承诺口径，并在报告中固定说明本期采用哪一种口径。如果主口径是首次承诺日期，范围变更导致的重承诺仍按原日期计算偏差，同时在归因时单独标记为“范围变更”；如果主口径是最新承诺日期，则按新日期计算，但需要统计本期变更需求的数量和占比，避免通过频繁改期让指标虚高。两种口径不能在同一份报告里混用。
团队刚开始做这类度量，第一个周期数据很少，能直接下结论吗？
不建议。一个周期只有三五条需求时，按期率的波动更多反映随机性，不足以说明估算水平或趋势。可以先按同一口径连续记录几个周期，等各分组维度积累到足够样本后再做对比判断。分母为零时按期率无定义，应报告“本期无应完成需求”，不要记为0%或100%。早期阶段更适合把重点放在把承诺日期、完成时间和变更记录留完整，为后续评估打好数据基础。
按期交付率和平均绝对偏差应该先看哪个？
两个一起看，顺序上先看按期率判断整体兑现情况，再看平均绝对偏差判断偏差幅度，最后看偏差分布确认结构。三者可能出现方向不一致的情况：按期率上升但平均绝对偏差同时扩大，说明按期完成的需求变多了，延期的那部分却延得更久，承诺策略可能偏向选择性承诺。出现这种组合时，应回到偏差分布和分组数据中找原因，而不是用单一指标下结论。
跨周期未完成的需求，在两个周期的报告里怎么处理才不重复？
常见做法是在到期日所在周期把该需求计入“应完成但未完成”，按未按期处理；实际完成后，在实际完成所在周期回填偏差天数，并在报告中注明回填规则。关键是两个周期的报告使用同一套规则并互相引用，避免同一条需求既被算作上期延期、又被算作本期按期完成。如果团队需求周期普遍较长，也可以约定以实际完成所在周期为唯一统计周期，但同样需要固定下来并写入口径说明。
评估结果能不能直接用于团队绩效考核？
不建议直接挂钩。按期交付率受需求复杂度、外部依赖程度、验收标准清晰度等因素影响，不同团队之间可比性有限，直接排名容易把结构差异误读为能力差异。更稳妥的用法是把指标作为复盘输入：找出偏差集中的需求类型和环节，讨论估算校准、承诺流程、依赖前置等改进动作，下个周期用同一口径验证是否改善。如果确实要与考核关联，应选择同口径、同类型需求内的对比，并配合定性判断。
