统计异常发生率、平均恢复时长和人工接管率，关键是先建一套共用的异常事件台账：明确什么算异常、按什么时间窗统计、同一实例的重复报错如何合并。三个指标分别回答异常是否变少、恢复是否变快、人工介入是否变少。本文给出公式、字段清单、六步计算流程和一个月的算例，并说明分母为零、事件未恢复时的处理方式。
要点总览（TL;DR）
- 三个指标共用一套异常事件台账：先固定异常事件定义、统计时间窗和去重规则，再分别计算分子分母。
- 异常发生率＝异常事件数÷流程执行总次数×100%；平均恢复时长＝已恢复事件恢复时长之和÷已恢复事件数；人工接管率＝发生人工接管的事件数÷异常事件数×100%。
- 分母为零时记为“不适用”而非0；未恢复事件不计入平均恢复时长，但仍计入异常发生率和人工接管率的分母。
- 平均恢复时长受长尾事件影响大，建议同时看中位数和第90百分位；人工接管率需结合处置结果正确率解读。
- 口径调整需在报告中标注，跨周期、跨团队对比前先确认口径与流程复杂度是否可比。
评估目标：判断异常处理机制是否在减少异常、加快恢复
这套度量的对象是规则驱动流程中的异常事件及其处置过程，例如审批流触发失败、定时任务超时、数据校验不通过后进入人工处理的环节。评估要回答三个问题：异常是否变少，恢复是否变快，人工介入是否变少。三个问题分别对应异常发生率、平均恢复时长和人工接管率。
指标的用途是定位薄弱环节、验证改进措施是否生效。比如某条流程上线自动重试后，异常发生率没有明显变化，但平均恢复时长从40分钟降到15分钟，说明改进作用在处置速度上，而非异常触发环节。把指标直接用于个人绩效排名会带来两个问题：一是异常本身多由流程设计和系统状态引起，个人可控范围有限；二是填报人会倾向于少报或延迟关闭事件，导致台账失真。评估结论应落到流程、节点和规则层面。
指标与范围：三个指标的定义、公式与统计边界
三个指标共用同一套台账，但分子分母不同，需要分别固定口径。下表给出定义、公式、单位与时间窗要求。
| 指标 | 公式 | 分子 | 分母 | 单位 | 时间窗 |
|---|---|---|---|---|---|
| 异常发生率 | 异常事件数 ÷ 流程执行总次数 × 100% | 去重后的异常事件数 | 同一流程在同一时间窗内的执行总次数 | 百分比 | 按自然周或自然月，按流程类型分别统计 |
| 平均恢复时长 | Σ已恢复事件恢复时长 ÷ 已恢复事件数 | 已恢复事件的恢复时长之和 | 已恢复事件数 | 分钟或小时 | 与异常发生率同一时间窗，按事件发生时间归集 |
| 人工接管率 | 发生人工接管的事件数 ÷ 异常事件数 × 100% | 异常事件中触发人工介入的条数 | 去重后的异常事件总数 | 百分比 | 与异常发生率同一时间窗 |
| 重复异常率（辅助） | 同一流程节点重复发生的异常事件数 ÷ 异常事件总数 × 100% | 同一节点第二次及以后发生的异常事件数 | 去重后的异常事件总数 | 百分比 | 同上，需先定义“重复”的观察期 |
统计范围要在取数前写清楚：纳入哪些流程类型、哪些异常类型、按自然周还是自然月取窗。建议按流程类型分别统计，不做全公司合并成一个比率，因为不同流程的执行频次和异常性质差异很大，合并后无法定位问题。重复异常率的“重复”需要给出观察期，例如同一流程实例同一节点在7天内再次报错计为重复，观察期不同结果不可比。
数据口径与证据：异常事件台账要记录哪些字段
支撑三个指标计算的最小字段集如下，可直接用于建表或核对现有台账：
- 事件ID：每条异常事件的唯一标识，用于去重和抽查复核。
- 流程实例ID：定位异常发生在哪一次流程执行中。
- 流程类型：用于分组统计异常发生率和对比不同流程。
- 异常节点：异常发生的具体环节，是重复异常率和薄弱环节定位的基础。
- 异常类型：如触发失败、超时、校验不通过，需事先列出纳入统计的清单。
- 发生时间：恢复时长的起点，也是按时间窗归集的依据。
- 恢复时间：恢复时长的终点，未恢复事件留空并单独标记。
- 是否人工接管：布尔字段，人工接管率的分子来源。
- 接管人：用于责任追溯和处置分工分析，不进入指标计算。
- 处置结果：恢复、人工关闭、转其他流程等，影响事件是否计入已恢复。
事件识别口径要写成清单：由规则触发失败、执行超时、校验不通过等判定为异常，并明确哪些异常类型纳入统计、哪些仅记录不计数。去重规则建议为：同一流程实例在同一节点连续报错合并为一条事件，以首次发生时间为事件时间，以最终恢复时间为恢复时间，避免一次故障被拆成多条拉高发生率。状态判定上，恢复时间以流程回到正常状态或人工关闭为准；未恢复事件单独标记，不计入平均恢复时长，但在异常发生率和人工接管率中仍作为事件计数。
数据来源通常是流程引擎日志、工单记录或专门的事件记录表。需要说明采集方式（自动写入还是人工登记）和更新频率（实时、每日还是每周批量），并在报告中注明，因为人工登记为主的台账在及时性和完整性上弱于日志自动采集。若团队在 ONES 中管理流程与工单，异常事件可以作为工作项记录，流程状态和处置字段随处理过程更新，统计时从这些记录中取数；ONES Automation 提供多维度数据统计与分析能力，具体统计维度和字段口径以产品帮助文档为准。
计算与评估步骤：从取数到出结论的六步
按以下顺序执行，每一步保留输入和输出，便于复算和复核。
- 确定统计周期与对比周期，锁定流程范围。例如统计本月，对比上月或试点前一个月，明确纳入的流程类型清单。
- 导出异常事件台账，按去重规则清洗。输出为去重后的事件表，记录原始条数与去重后条数的差异。
- 分别计算三个指标及重复异常率，保留分子分母原始值。只报比率不报分子分母，后续无法判断变化来自哪一侧。
- 按流程类型、异常类型、团队分组对比，识别集中区域。例如异常发生率集中在某一类超时，或人工接管集中在某个节点。
- 设定基线或目标值，说明基线来源。基线可以取历史三个月均值，也可以取试点前数据，不能凭空设定达标线。
- 交叉复核，抽查若干事件核对恢复时间与接管标记。建议抽取10至20条，覆盖已恢复、未恢复和人工接管三类，核对台账与流程记录是否一致。
复核发现口径不一致时，先修正台账再重算，不要在两套口径的数据上直接比较。口径一旦调整，需在报告中标注调整时间和影响范围。
例子：一个月的异常处理数据怎么算
以下为演示情景的假设数据，用于说明计算过程。某月某流程执行总次数1200次，台账原始异常记录96条，按“同一实例同一节点连续报错合并”去重后为90条。
- 异常发生率 = 90 ÷ 1200 × 100% = 7.5%。
- 90条事件中已恢复80条，恢复时长合计2400分钟，平均恢复时长 = 2400 ÷ 80 = 30分钟。
- 人工接管事件27条，人工接管率 = 27 ÷ 90 × 100% = 30%。
- 未恢复10条不计入平均恢复时长，单独列为待处理清单，但仍计入异常发生率和人工接管率的分母。
若另一条流程当月执行0次，其异常发生率记为“不适用”，不记为0，因为分母为零时比率没有意义。若某流程当月有异常事件但全部未恢复，平均恢复时长同样记为“不适用”，并注明未恢复事件数。重复异常率可按同一节点7天内再次报错计算，例如90条中有18条属于重复，则重复异常率为20%，提示该节点存在未修复的长期问题。
解读与限制：指标能说明什么、不能说明什么
异常发生率下降可能来自流程改进，也可能来自异常判定口径放宽或登记遗漏。解读前先核对口径是否变化，必要时用同一口径重算历史数据再比较。平均恢复时长受长尾事件影响大，少数长时间未恢复的事件会明显拉高均值，建议同时报告中位数和分位数，例如第90百分位恢复时长，以区分“多数事件恢复快”和“个别事件拖很久”。
人工接管率下降不等于机制变好。如果人工接管减少的同时处置结果正确率下降，说明部分异常被自动流程错误处理，问题被掩盖。人工接管率应与处置结果正确率、重复异常率一起看。三个指标需同口径、同周期对比；跨团队比较前先确认流程复杂度和执行频次差异，复杂度高的流程异常发生率和恢复时长天然偏高，直接排名会误导。
指标反映的是运行状态，不能单独作为因果证据。改进措施上线后指标改善，还需要排除同期流程量变化、人员调整等干扰因素，才能判断措施本身是否有效。评估结论建议写成“某流程某节点异常集中、恢复偏慢，建议优先处理”，而不是“某团队异常处理能力差”。
常见问题
统计周期内流程执行次数怎么取，按实例还是按节点算？
异常发生率的分母是流程执行总次数，建议按流程实例计数：一次流程执行从触发到结束记一次，无论中间经过多少节点。按节点计数会把长流程的分母放大，导致不同流程类型的发生率不可比。
如果一条流程在统计周期内跨月执行，按触发时间归入起始月份，避免同一实例在两个周期各计一次。执行次数通常从流程引擎日志或流程记录中按实例ID去重统计，人工登记为主的台账需注明可能存在的漏记。
同一异常反复出现，去重后会不会掩盖问题严重程度？
去重是为了避免一次故障被拆成多条拉高异常发生率，但确实会隐藏重复发生的信号。处理办法是同时统计重复异常率：同一流程实例同一节点在设定的观察期内再次报错，计为重复事件。
例如90条去重后事件中有18条属于7天内重复报错，重复异常率为20%，说明该节点存在未修复的长期问题。异常发生率看总量，重复异常率看顽固环节，两个指标配合使用。
人工接管的事件如果最终处置失败，还算已恢复吗？
不算。恢复时间以流程回到正常状态或人工关闭为准，处置结果为“转其他流程”或“处置失败”的事件不应计入已恢复事件数，也不进入平均恢复时长的分子分母。
这类事件在台账中单独标记状态，仍计入异常发生率和人工接管率的分母。建议在报告中单列“处置未闭环事件数”，与人工接管率一起看，避免接管率下降但失败事件被忽略。
改进措施上线后指标变好，怎么判断是措施起效还是其他因素？
先确认口径未变，再用同一口径重算措施上线前的历史数据作为对比基线。然后排除同期干扰因素：流程执行总量是否明显变化、异常判定清单是否调整、处置人员是否更换。
如果条件允许，选取部分流程先试点、保留未试点流程作对照，对比两组指标变化幅度。指标改善只能说明运行状态变化，写成结论时落到具体流程和节点，例如“某节点平均恢复时长从40分钟降到15分钟”，比“机制整体变好”更可验证。
用ONES记录异常事件台账，统计时要注意什么？
ONES 中可以把异常事件作为工作项记录，流程状态和处置字段随处理过程更新，ONES Automation 提供多维度数据统计与分析能力，具体统计维度和字段口径以产品帮助文档为准。
统计前需确认台账字段完整：发生时间、恢复时间、是否人工接管、处置结果是否都有对应字段并持续填写。以人工登记为主的记录要约定更新频率和关闭规范，否则恢复时间缺失会直接影响平均恢复时长的计算。
