研发可预测性可以用三个指标来观察：预测误差看承诺准不准，计划偏差看计划稳不稳，交付稳定性看多个周期结果齐不齐。三者只有共用同一套统计单元、时间窗和完成定义，结果才能横向比较、逐期复算。本文给出可直接套用的口径、字段、公式与季度算例，并说明结果如何进入计划评审与复盘。指标用于发现计划可靠性问题，不宜直接当作团队绩效结论；ONES可用于承载需求与迭代状态记录、变更留痕和度量报表。
要点总览（TL;DR）
- 预测误差看承诺准不准，用周期内实际交付量与承诺预估量的绝对偏差率衡量，汇总时按承诺量加权，避免小周期被放大。
- 计划偏差看计划稳不稳，分范围偏差率与排期偏差天数两个维度，依赖周期开始时的计划基线和变更留痕。
- 交付稳定性看多周期结果齐不齐，用完成率序列的标准差或变异系数衡量，周期数少于三个时只报告各期完成率。
- 三个指标必须共用同一统计单元、时间窗、完成定义和口径版本，否则数值差异可能来自口径而非实际表现。
- 指标适合作为计划评审与复盘的事实依据，不宜直接作为绩效结论；建议用自身历史基线看趋势，不套用通用达标线。
评估目标：可预测性要回答哪三个问题
研发可预测性度量的核心，是判断“我们说过要做的事，是否按说好的范围和时点做成了”。这个问题可以拆成三个相互补充的子问题，分别由三个指标承担。
| 指标 | 回答的问题 | 观察对象 | 典型用途 |
|---|---|---|---|
| 预测误差 | 承诺准不准 | 承诺时点的预估交付量与实际交付量的偏离 | 评估承诺质量，校准估算习惯 |
| 计划偏差 | 计划稳不稳 | 周期内范围与排期的变动幅度 | 识别计划频繁变更的来源 |
| 交付稳定性 | 结果齐不齐 | 多个周期完成率序列的一致程度 | 判断交付节奏是否可依赖 |
三者存在递进关系。计划偏差大，说明周期内范围或日期反复调整，预测误差往往随之放大；预测误差持续偏高，多个周期的完成率就会忽高忽低，交付稳定性随之下降。反过来，稳定性好但预测误差大，说明团队每期都稳定地完成同样比例，但承诺量本身定得脱离实际，问题出在承诺环节而非执行环节。因此三个指标应一起看，单看一个容易得出片面结论。
这套指标主要用在三个场景：迭代计划评审时对照上期预测误差，判断本期承诺量是否需要调整；发布承诺前查看计划偏差历史，评估承诺日期留有多少缓冲；季度复盘时用交付稳定性序列判断整体节奏，并定位波动集中的周期。本文聚焦计划可靠性的度量设计，单次迭代内的任务执行过程属于迭代管理范畴，计划与实际投入工时的偏差属于投入分析范畴，均不在本文展开。
指标与范围：统计单元、时间窗与完成定义
三个指标要能互相印证，前提是口径统一。设计指标前先把以下四项固定下来，形成书面口径并在每次统计时沿用同一版本。
| 口径要素 | 可选方案 | 选择建议 |
|---|---|---|
| 统计单元 | 需求、用户故事、工作项 | 选与承诺颗粒度一致的一级，全篇及三个指标保持一致，不混用 |
| 时间窗 | 按迭代、按发布、按季度 | 与承诺节奏匹配；按迭代承诺就用迭代窗，按发布承诺就用发布窗 |
| 完成定义 | 进入某状态、通过评审、上线 | 明确一个可判定的状态作为“算交付”，跨团队交接以接收方确认状态为准 |
| 纳入与排除 | 取消、拆分、合并、跨周期顺延 | 逐类写明处理规则，规则一旦确定不随周期临时更改 |
统计单元建议选择需求或用户故事，因为承诺通常在这一层级做出；若团队以工作项为承诺单位，则三个指标全部改用工作项，不在预测误差用需求、稳定性用工作项。时间窗要与承诺节奏对齐：如果团队按迭代做承诺，就以迭代为周期计算；如果对外按发布承诺，则以发布为周期。混用两种时间窗会让预测误差和交付稳定性失去可比性。
完成定义要落到一个具体状态，例如“已验收”或“已上线”，并明确跨团队交接的计法：由接收团队确认接收后才计入交付，还是由交付方标记完成即计入。两种做法都可以，但必须全篇统一。纳入排除规则需要覆盖四类情况：周期内取消的单元从承诺量中剔除并记录；拆分的单元按拆分后的子项分别计入，避免一拆多导致承诺量虚增；合并的单元按合并后的一项计入；跨周期顺延的单元在原周期计为未完成，在新周期重新计入承诺，不顺延修改原周期数据。
数据口径与证据：每个指标取哪些字段
三个指标都依赖可追溯的原始记录。字段设计的原则是：承诺时点的数据要留快照，变更要留记录，这样任何一期结果都能回到原始记录复算。
| 指标 | 所需字段 | 证据来源 |
|---|---|---|
| 预测误差 | 承诺时点的预估交付量、周期末实际交付量、承诺日期 | 周期开始时的计划快照、周期结束时的完成记录 |
| 计划偏差 | 基线范围与基线日期、周期内范围变更记录、日期变更记录 | 计划基线、变更日志（含变更时间与原因） |
| 交付稳定性 | 各周期承诺量与实际完成量序列 | 逐周期的计划与完成汇总 |
预测误差的关键是“承诺时点的预估量”必须有快照。如果只保留周期末的最终计划，事后无法区分是估算不准还是中途改了计划，预测误差就失去意义。计划偏差依赖基线：周期开始时锁定一版范围和日期作为基线，之后每次范围增减、日期调整都记录变更时间、变更前后值和原因。交付稳定性只需要逐周期的承诺量与完成量两个数，但要求这些数按同一口径连续记录，中间断档的周期要标注，不能跳过。
缺失值和口径变更要单独处理。某周期数据缺失时，在序列中标注为缺失并说明原因，不用零填充，因为零会同时拉低完成率均值、放大离散程度，扭曲稳定性结果。口径发生变更时（例如统计单元从需求改为工作项），记录口径版本号和生效周期，新旧口径的数据分段统计，不直接拼接成一条序列比较。
计算步骤：三个指标的公式与分母处理
以下公式均以单个周期为计算单位，再按需汇总。所有偏差取绝对值或平方，避免正负偏差互相抵消。
预测误差
按周期计算绝对偏差率：
预测误差率 = |实际交付量 − 承诺预估量| ÷ 承诺预估量 × 100%
分子取绝对值，单位是统计单元个数，结果以百分比呈现。若关心偏差方向（普遍高估还是低估），可另算带符号的偏差率作为辅助，但主指标用绝对值。多个周期汇总时，用各周期绝对偏差之和除以各周期承诺量之和，即加权平均，不对各周期百分比做简单平均，避免小周期被过度放大。
计划偏差
计划偏差分范围与排期两个维度：
范围偏差率 = 周期内变更的统计单元数 ÷ 基线范围单元数 × 100%
排期偏差天数 = |实际交付日期 − 基线承诺日期|，按单元计算后取平均或取中位数
范围偏差率统计周期内新增、移除、替换的单元数量，同一单元多次变更按一次计。排期偏差按天计，取绝对值后汇总；若多数单元按期交付、少数严重延期，平均值会被拉高，此时同时给出中位数更能反映典型情况。
交付稳定性
交付稳定性用多个周期完成率序列的离散程度衡量：
周期完成率 = 实际完成量 ÷ 承诺量 × 100%
交付稳定性 = 各周期完成率的标准差（或变异系数 = 标准差 ÷ 平均完成率）
标准差单位是百分点，变异系数无量纲，便于不同承诺规模的团队比较。周期数少于三个时，离散程度不足以说明问题，只报告各期完成率，不计算稳定性指标。
边界处理规则
- 分母为零：某周期承诺量为零时，该周期不计算预测误差率和完成率，在序列中标注“无承诺”，不参与汇总。
- 样本过少：周期数少于三个不计算交付稳定性；单周期只有一两个单元时，预测误差率波动极大，建议合并相邻周期或标注样本量。
- 正负偏差抵消：预测误差和排期偏差一律取绝对值或平方后再汇总，不用带符号偏差直接求平均。
- 极端值：单个周期出现远超常规的偏差时，保留原始值并单独说明，不擅自剔除，剔除规则需事先书面约定。
算例：一个季度的三个指标怎么算出来
以下为一组假设数据，用于演示计算过程，不代表任何真实团队水平。某团队按迭代承诺，一个季度含六个迭代，统计单元为需求。
| 迭代 | 承诺预估量 | 实际交付量 | 基线范围单元数 | 范围变更单元数 | 完成率 |
|---|---|---|---|---|---|
| 迭代1 | 20 | 16 | 20 | 2 | 80% |
| 迭代2 | 20 | 19 | 20 | 1 | 95% |
| 迭代3 | 22 | 15 | 22 | 5 | 68% |
| 迭代4 | 18 | 17 | 18 | 1 | 94% |
| 迭代5 | 20 | 12 | 20 | 4 | 60% |
| 迭代6 | 20 | 18 | 20 | 1 | 90% |
预测误差：各迭代绝对偏差分别为4、1、7、1、8、2，合计23；承诺量合计120。季度预测误差率 = 23 ÷ 120 × 100% ≈ 19.2%。
计划偏差：范围变更合计14，基线范围合计120，范围偏差率 = 14 ÷ 120 × 100% ≈ 11.7%。排期偏差需逐单元比对实际交付日期与基线日期，假设平均绝对偏差为3.5天、中位数为2天，则报告“平均3.5天、中位2天”。
交付稳定性：六个完成率为80%、95%、68%、94%、60%、90%，平均完成率约81.2%，标准差约13.6个百分点，变异系数约0.17。
从结果读出的问题：整体预测误差率接近两成，且集中在迭代3和迭代5；这两期的范围变更数也最高（5和4），说明范围中途扩张是预测失准的主要来源。完成率标准差偏大，波动主要由这两期拉低。改进方向应指向控制周期内范围变更、在承诺时预留缓冲，而非简单要求团队“更努力”。
解读与限制：指标能说明什么、不能说明什么
指标改善与真实交付能力提升是两件事。预测误差率下降，可能是因为承诺变得更保守，也可能是因为范围控制更严格，还可能是统计口径调整所致。解读时必须结合计划偏差和完成率序列一起看：如果预测误差下降的同时承诺量明显缩水，更可能是降低了承诺而非提升了能力。
跨团队、跨季度比较需要满足可比性前提：统计单元一致、时间窗一致、完成定义一致、口径版本一致。四个条件任一不同，数值差异就可能来自口径而非实际表现。即便条件一致，团队规模、需求性质、依赖外部方的程度不同，绝对值也不宜直接排名。
不建议设通用达标线。不同团队、不同阶段的合理区间差异很大，外部基准值往往缺少口径说明，直接套用会误导判断。更稳妥的做法是以自身前几个季度的数据建立基线，观察趋势方向和波动收敛情况，把“预测误差率连续两个季度下降且稳定性标准差收窄”作为改进有效的信号。
指标一旦被用于考核，填报行为就会变化：承诺量可能被刻意压低，范围变更可能被拆成新需求绕开统计，完成定义可能被放宽。这些规避行为会让指标看起来变好而实际问题依旧。因此指标应服务于计划改进讨论，作为复盘的事实依据，而非绩效结论的直接输入。
从指标到改进：把度量结果接入计划管理
指标产出后要落到具体的计划动作，否则只是一组数字。建议把三个指标嵌入两个固定节点。
迭代计划评审时，带入上一周期的预测误差率和范围偏差率。若预测误差率连续偏高，本期承诺量按历史偏差做折算，例如按近三期平均完成率调整承诺上限；若范围偏差主要来自中途插入，评审时明确本期范围冻结时点和插入需求的审批路径。季度复盘时，展示六个周期的完成率序列和稳定性指标，定位波动最大的周期，回溯该周期的变更记录，形成下季度的具体改进项，例如“承诺时预留两成缓冲”“范围变更需在迭代中期前提出”。
这些动作依赖两件事：承诺时点的计划快照，以及范围与日期变更的留痕。没有快照，预测误差无法复算；没有变更记录，计划偏差只能凭记忆估计。ONES可以在需求与迭代上记录状态流转，保留计划基线与变更历史，并通过度量报表按迭代或按季度汇总承诺量、完成量和变更情况，使上述公式有稳定的数据来源。把指标计算规则固化到报表口径中，每次评审直接取数，减少手工统计带来的口径漂移。
改进动作本身也要留记录：本期采取了什么措施、预期影响哪个指标、下期结果如何。这样度量与改进形成闭环，指标的变化才能对应到具体的管理动作，而不是停留在数字层面的涨落。
常见问题
统计单元中途从需求改成工作项，历史数据还能直接比较吗？
不能直接拼接成一条序列比较。口径变更时应记录口径版本号和生效周期，新旧口径的数据分段统计，各自计算指标后再分别观察趋势。如果确实需要跨版本对照，可以选取一段两种口径并存的周期做映射验证，确认两套统计单元之间的数量关系，再决定是否折算，并在报表中注明折算方式。
某个迭代承诺量为零，或者只有一两个需求，指标该怎么算？
承诺量为零的周期不计算预测误差率和完成率，在序列中标注“无承诺”，不参与汇总，也不用零填充。承诺量只有一两个单元的周期，偏差率波动极大，建议合并相邻周期统计或单独标注样本量，解读时说明该期样本过少，不据此判断趋势。
预测误差率下降，是否说明团队交付能力提升了？
不一定。预测误差率下降可能来自承诺更保守、范围控制更严格，也可能来自统计口径调整。判断时需要同时看计划偏差和完成率序列：如果预测误差下降的同时承诺量明显缩水，更可能是降低了承诺。建议把指标变化与当期采取的具体管理动作对应起来，再判断能力是否真的提升。
跨团队比较预测误差率或稳定性指标有意义吗？
只有在统计单元、时间窗、完成定义、口径版本四项一致时，数值才具备基本可比性。即便口径一致，团队规模、需求性质、对外部依赖程度不同，绝对值也不宜直接排名。跨团队场景更适合各自对照自身历史基线看趋势，把比较重点放在波动来源和改进动作上。
指标被用于考核后数据失真，怎么避免？
常见规避行为包括压低承诺量、把范围变更拆成新需求绕开统计、放宽完成定义。避免方式是把指标定位为计划改进的讨论依据，不作为绩效结论的直接输入；同时保留承诺快照和变更记录，让口径可追溯，复盘时对照原始记录核对，发现异常波动先查口径和填报行为，再讨论执行问题。
