研发计划达成率、承诺兑现率和交付预测准确率都用来判断研发计划是否可靠，但三者衡量的对象并不相同：一个看计划内的事做完没有，一个看答应别人的事有没有做到，一个看提前给出的交付判断准不准。本文按定义、统计边界、计算结构和示例逐层说明，并指出常见的混用情形；ONES 可作为留存计划、承诺与预测记录的工作平台。
要点总览（TL;DR）
- 研发计划达成率看统计周期内计划内工作项按计划完成的比例，回答“计划排了的事做完没有”。
- 承诺兑现率看已登记承诺的交付项是否按期兑现，回答“答应别人的事有没有做到”，前提是承诺有明确接收方和时间点。
- 交付预测准确率看预测交付时间与实际交付时间的偏差，回答“提前给出的判断准不准”，需要固定预测时点并保留预测记录。
- 三者常被混用，是因为统计对象和分母不同却出现在同一份报告里；计划达成率高不代表预测准，承诺兑现率高也不代表计划覆盖充分。
- 让指标可核对的关键动作是留存计划基线、承诺登记、预测快照和状态流转记录，并在复盘时固定口径与交接方式。
三个指标各自衡量什么：一句话区分
三个指标都围绕“计划是否可信”展开，但观察的环节不同。研发计划达成率关注计划本身的执行覆盖，承诺兑现率关注对外或对上下游的信用，交付预测准确率关注判断能力。把三者放在同一张表里对照，最容易建立第一层区分。
| 指标 | 衡量对象 | 回答的问题 | 典型关注角色 |
|---|---|---|---|
| 研发计划达成率 | 一段时间内计划内工作项按计划完成的比例 | 计划排了的事做完没有 | 研发负责人、项目经理 |
| 承诺兑现率 | 已明确承诺的交付项是否按期兑现 | 答应别人的事有没有做到 | 项目经理、产品负责人、上下游接口人 |
| 交付预测准确率 | 预测交付时间与实际交付时间的偏差程度 | 提前给出的交付判断准不准 | 项目经理、交付负责人、业务方 |
研发计划达成率是内部视角的覆盖率指标。它把统计周期内列入计划的工作项作为观察对象，看其中有多少按原计划完成，反映计划编排与执行之间的吻合程度。计划排得越满、变更越频繁，这个指标越容易波动。
承诺兑现率是信用视角的履约指标。承诺通常来自对外交付约定、跨团队依赖交接或版本发布承诺，具有明确的接收方和时间点。它不关心承诺之外还做了多少事，只关心已经说出口的交付有没有按时兑现。
交付预测准确率是判断视角的偏差指标。它比较某个时点给出的预计交付时间与最终实际交付时间，衡量预测与事实之间的距离。预测可以针对单个需求、一个版本或一批交付，偏差越小，说明团队对不确定性的估计越接近实际。
定义与边界：各自统计什么、不统计什么
三项指标容易产生争议，多数时候不是定义不清，而是统计边界没有提前约定。下面按统计对象、时间口径和完成判定分别说明，并列出通常不计入的内容。
研发计划达成率
- 统计什么：统计周期开始时已列入计划的工作项，按计划完成的数量占计划内工作项总数的比例。统计周期可以是一个迭代、一个月或一个版本周期。
- 完成判定：以约定的完成状态为准，例如工作项流转到“已完成”且通过验收；仅进入测试或仅提交代码通常不计为完成。
- 通常不计入：周期内临时插入且未纳入计划基线的工作项、计划外缺陷修复、被正式取消并移出计划的工作项。插入项应单独统计，避免稀释或抬高达成率。
承诺兑现率
- 统计什么：已登记为承诺的交付项中，按承诺时间兑现的数量占比。承诺来源包括对外交付约定、跨团队依赖交接、版本发布承诺等。
- 兑现判定：以承诺接收方确认的交付时间为准，交付内容需满足承诺范围；部分交付、延期后补交应记为未按期兑现，或按约定规则单独标注。
- 通常不计入：团队内部口头讨论、尚未形成明确接收方和时间点的意向性安排。这类内容缺少承诺登记，无法稳定核对。
交付预测准确率
- 统计什么：在约定预测时点给出的预计交付时间，与最终实际交付时间之间的偏差。预测时点需要固定，例如版本启动时、需求进入开发时或每周固定更新时。
- 偏差计算：常用绝对偏差天数除以实际交付周期，或直接用偏差天数分布描述；汇总时可取平均绝对偏差、偏差在阈值内的占比等。
- 通常不计入：预测之后因需求范围发生重大变更而重新基线的情况，应单独说明或按变更后口径重算，否则会把范围变化误记为预测失误。
需要明确的是，单次迭代的执行过程管理属于迭代管理范畴，投入工时与计划工时的偏差属于计划与实际投入分析范畴，本文不展开。三项指标各自回答计划可靠性的一部分问题，不能替代对执行过程和资源投入的观察。
计算机制与组成：分子分母怎么定
要让指标可核对，分子和分母必须写清楚。下面给出三项指标的通用计算结构，实际使用时以组织内部的度量规范为准。
研发计划达成率
基础口径为：计划达成率 = 按计划完成的工作项数 ÷ 计划内工作项总数 × 100%。常见变体有两种：一是按工作量加权，用故事点或人天替代工作项计数，适合工作项大小差异较大的团队；二是区分“按期完成”和“完成但延期”，前者更严格，后者只统计最终完成情况。两种变体结果可能明显不同，报告时应注明采用哪一种。
承诺兑现率
基础口径为：承诺兑现率 = 按期兑现的承诺项数 ÷ 已登记承诺项总数 × 100%。这个指标成立的前提是承诺有登记：谁在什么时间向谁承诺了什么交付、承诺时间是什么。缺少承诺登记，分母就无法确定，指标也就失去意义。对于延期后仍完成的情况，可以另设“最终兑现率”作为补充，但不宜与按期兑现率混用。
交付预测准确率
常用偏差公式为：单项偏差率 = |实际交付时间 − 预测交付时间| ÷ 实际交付周期 × 100%。汇总方式有三种常见选择：平均绝对偏差率、偏差在约定阈值内的交付项占比、以及按交付项大小加权的偏差率。阈值法更直观，例如“偏差在三天以内的交付项占比”；平均偏差率更适合观察整体趋势。选择哪种汇总方式，应在指标定义时固定下来。
口径选择会直接影响结果。按工作项计数时，大量小任务会主导达成率；按工作量加权时，少数大需求的影响被放大。预测准确率用平均偏差还是阈值占比，也会让同一批数据呈现不同结论。因此，指标发布时应同时说明统计对象、时间窗口、完成判定和汇总方式四项信息。
容易混用的地方：三个指标为何常被当成一回事
三个指标都带“计划”“交付”字样，又常在同一份研发报告里出现，混用很常见。区分它们的关键，是看指标回答的问题落在哪个环节。
计划完成与承诺兑现的差别
计划达成率统计的是计划内工作项，范围由团队自己编排；承诺兑现率统计的是已经说出口的交付，范围由接收方和时间点界定。一个团队可以把计划排得很保守，达成率很高，但对上下游承诺的交付仍然延期。反过来，计划内插入大量临时事项导致达成率下降，承诺兑现率却可能保持稳定。两者统计对象不同，不能互相替代。
承诺兑现与预测准确的区别
承诺兑现率看结果是否按期，预测准确率看判断是否接近事实。一个承诺最终按期兑现，可能经历了多次预测调整；一个预测很准的交付，也可能因为承诺时间本身定得宽松而显得兑现轻松。前者衡量履约，后者衡量估计能力，需要分别记录承诺时间和预测时间。
计划达成率高但预测不准的情形
这是最典型的混用场景。团队按计划完成了大部分工作项，计划达成率表现良好，但每次对外给出的交付时间都偏乐观，实际交付普遍晚于预测。此时计划达成率无法反映预测偏差，只有单独统计预测准确率才能暴露问题。反过来，预测准确率高的团队也可能计划达成率一般，因为计划本身留有余量。
同一批数据被重复计入的问题
常见做法是把同一个交付项同时计入计划达成率和承诺兑现率，却不区分统计口径：计划内完成算一次达成，承诺兑现再算一次兑现，报告里两个数字接近，读者误以为在互相验证。实际上两者分母不同，接近只是巧合。更稳妥的做法是明确每个指标的取数范围，承诺项单独登记，计划项按基线锁定，避免同一数据在不同指标间被重复解释。
具体例子：同一批交付在三个指标下的不同结果
以下为演示情景，数值仅用于说明三项指标在同一批交付下的取值差异，不代表任何真实项目数据。
某版本周期计划纳入 10 个工作项，其中 8 个按计划完成，1 个延期后完成，1 个因优先级调整被移出计划。同期团队对外登记了 4 项承诺交付，其中 3 项按期兑现，1 项延期两天兑现。版本启动时对 4 项承诺交付给出的预测交付时间，与实际交付时间相比，偏差分别为 0 天、1 天、2 天和 5 天。
| 指标 | 计算 | 结果 |
|---|---|---|
| 研发计划达成率 | 8 ÷ 10 | 80% |
| 承诺兑现率 | 3 ÷ 4 | 75% |
| 交付预测准确率（阈值法，偏差≤2天） | 3 ÷ 4 | 75% |
| 交付预测准确率（平均绝对偏差） | (0+1+2+5) ÷ 4 | 2 天 |
这组结果说明三件事。计划达成率 80% 反映计划内工作项的整体完成情况，移出的 1 项不计入分母，延期完成的 1 项按口径可能计为未按计划完成。承诺兑现率 75% 只统计已登记的 4 项承诺，与计划内 10 个工作项不是同一批对象。预测准确率用阈值法得到 75%，用平均绝对偏差得到 2 天，两种汇总方式呈现的信息不同：前者说明多数预测较准，后者提示存在一个偏差 5 天的个案需要复盘。
如果只看计划达成率，会认为该版本执行尚可；如果只看承诺兑现率，会认为履约存在缺口；如果只看平均偏差，会忽略多数预测其实在阈值内。三项指标并列阅读，才能同时看到计划覆盖、履约信用和判断能力三个侧面。
记录与取数：让三项指标可核对的管理动作
三项指标能否被信任，取决于取数时能否追溯到原始记录。指标本身不难算，难的是在统计时点之后还能还原当时的计划、承诺和预测。
需要留存的记录
- 计划基线：统计周期开始时锁定计划内工作项清单，记录纳入时间和移出原因。没有基线，计划达成率的分母就无法固定。
- 承诺记录：登记承诺对象、承诺内容、承诺时间、接收方和确认状态。承诺变更时保留变更记录，避免事后调整口径。
- 预测时点：固定预测更新节点，保存每次预测的交付时间和给出时间。只保留最后一次预测，会掩盖预测调整过程。
- 状态流转：记录工作项进入完成状态的时间和判定依据，区分“开发完成”“测试通过”“验收通过”等不同完成含义。
复盘时的角色与交接
指标复盘通常由项目经理牵头，研发负责人确认计划口径，产品负责人或上下游接口人确认承诺兑现情况，交付负责人核对预测记录。交接时把基线、承诺登记和预测快照一并移交，避免人员变动后口径漂移。复盘的重点是解释偏差来源，而不是追究单个数字高低。
ONES 在其中的承载方式
当计划、承诺和预测都以工作项和记录的形式留在同一平台，取数就不必依赖手工整理。ONES 效能管理自动收录系统内日常流转的研发数据，基于客观数据形成分析指标，并支持多维度、精细化、自定义的分析；其预置的场景化仪表盘模板面向管理人员、项目经理等角色，可直接使用，也支持共享给其他用户，减少重复配置。ONES 研发效能管理解决方案对交付效率、交付质量、进度情况、资源效率等数据进行展示，形成“量化—实施—分析—改进”的闭环。对于本文讨论的三项指标，团队可以在工作项状态、计划基线和预测记录的基础上，按自身口径配置统计范围；具体指标模板与字段支持以产品实际提供为准。
常见问题
计划内工作项中途被移出计划，计划达成率的分母要不要调整？
这取决于移出是否经过正式变更。常见做法是：在统计周期开始时锁定计划基线，分母以基线为准；周期内因优先级调整、需求取消等原因正式移出计划的工作项，保留移出原因和审批记录，并从分母中剔除，同时单独统计移出数量。这样达成率反映的是“留在计划内的事项完成得如何”，移出情况作为补充信息呈现。若不做基线锁定、事后随意调整分母，达成率就失去可比性。
承诺兑现率中的“承诺”如何界定，团队内部口头约定算不算？
承诺兑现率要成立，承诺需要具备三个要素：明确的交付内容、明确的接收方、明确的时间点。对外交付约定、跨团队依赖交接、版本发布承诺通常满足这三个条件，可以登记为承诺。团队内部口头讨论、尚未形成接收方和时间点的意向性安排，缺少登记依据，分母无法稳定确定，一般不计入。如果希望把内部协作也纳入观察，可以另设内部承诺口径单独统计，与对外承诺分开报告，避免两类承诺混在一个分母里。
预测准确率用平均偏差还是阈值占比，两种口径能同时用吗？
可以同时用，但应分别命名、分别报告，不要混为一个数字。平均绝对偏差率适合观察整体趋势和长期变化，对个别大偏差敏感；阈值占比（例如偏差在三天以内的交付项占比）更直观，便于和业务方沟通，但会掩盖阈值之外的偏差程度。实践中常见的做法是以阈值占比作为对外沟通口径，以平均绝对偏差作为内部复盘口径，两者结合看：阈值占比高说明多数预测稳定，平均偏差大则提示需要复盘个别偏差较大的交付项。
需求范围在预测之后发生重大变更，预测准确率还算不算这次预测的失误？
通常不算，但需要单独说明。预测准确率衡量的是判断能力，范围重大变更属于输入条件变化，把变更后的延期全部记为预测失误会失真。稳妥的处理是：预测之后发生范围重大变更的交付项，按变更后的基线重新预测并单独标注，或在统计时排除并注明排除数量。同时保留变更前后的预测记录，复盘时区分“判断偏差”和“范围变化”两类原因，避免用同一个偏差数字解释两种不同的问题。
三项指标都算出来之后，复盘时应该先看哪一个？
建议按“先看差异、再找原因”的顺序并列阅读，不设固定优先级。先对比三项指标的方向是否一致：计划达成率高而预测准确率低，说明计划编排偏保守或预测偏乐观；承诺兑现率低而计划达成率高，说明对外承诺的范围与计划内范围脱节。找到不一致之处后，再回到计划基线、承诺登记和预测快照逐项核对偏差来源。复盘由项目经理牵头，研发负责人确认计划口径，承诺接收方确认兑现情况，重点是解释偏差成因，而非比较单个数字高低。
