把研发投入拆成新功能、维护支持和技术债治理三类，关键在统计之前先定好判定规则：按工作项类型和变更性质逐项打标签，以工时或人天统一计量，明确分母、时间窗和未分类工时的处理方式，再用抽样复核验证分类是否稳定。本文给出一套可复算的口径、字段清单、计算步骤和算例，只讨论投入端，不涉及产出价值比较与个人绩效排名。
要点总览（TL;DR）
- 先定分类规则再统计：按工作项类型初判、按变更性质复核，把研发投入拆成新功能、维护支持、技术债治理三类，混合型工作按子任务或工时比例拆分并记录依据。
- 占比公式为某类工时÷三类总工时×100%，单位统一为人时或人天，时间窗按固定周期，未分类与无效工时不计入分母但需单列披露。
- 数据取自工作项类型、工时记录、变更记录、缺陷与支持工单，每条记录保留工作项ID、分类、工时、发生日期和关联需求或缺陷，便于复算。
- 执行按确定范围、打标拆分、汇总计算、抽样复核、输出结果五步走，用分类一致率判断规则是否稳定，一致率偏低先修规则再解读数字。
- 占比只说明资源去向，不能等同于价值或绩效；跨团队比较前需确认分类规则版本、单位、时间窗和未分类处理方式一致，不设通用达标线。
这套分类要回答什么、边界在哪
分类评估的直接目的，是让预算讨论和排期讨论有共同的数字基础。团队常感觉“人一直很忙，但新功能推进慢”，三类投入占比能把这种感受转成可核对的工时结构，回答资源实际流向了哪里。
三类投入各自对应不同的管理问题：
- 新功能：本期规划的用户可感知能力占用了多少研发资源，新增需求与现有排期是否匹配。
- 维护支持：缺陷修复、线上问题处理和客户支持消耗了多少资源，这部分投入是否随版本发布节奏波动。
- 技术债治理：重构、依赖升级、测试与构建体系改善等工作的投入是否被持续安排，还是长期被新功能挤占。
评估边界需要提前写清。本口径只统计投入端工时，不评估这些投入产生了多少业务价值，也不用于个人绩效排名或成员之间的工作量比较。投入结构分析回答“资源去了哪里”，投入产出分析回答“这些资源换回了什么”，后者属于另一套评估，混在一起会让两类结论都失去可信度。
三类投入的判定规则与指标定义
分类规则要能落到单个工作项上，让不同人按同一份规则打标签得到相近结果。建议先按工作项类型做初判，再按变更性质做复核，规则表如下。
| 类别 | 判定要点 | 典型工作项 | 易混淆情形 |
|---|---|---|---|
| 新功能 | 新增用户可感知能力，或对既有能力做显著扩展 | 新需求开发、新模块上线、面向用户的能力增强 | 为支持新功能而做的底层重构，按主要目的归入技术债治理并注明关联需求 |
| 维护支持 | 修复缺陷、处理线上问题、响应客户支持、例行运维与兼容性适配 | 缺陷修复、线上故障处理、客户问题排查、环境与版本兼容适配 | 修复过程中顺带完成的重构，按工时拆分，重构部分计入技术债治理 |
| 技术债治理 | 不直接新增用户能力，改善代码结构、依赖、测试与构建体系或架构质量 | 重构、依赖升级、自动化测试建设、构建流水线改善、架构治理 | 以治理为名夹带的新功能开发，按实际交付内容拆分 |
指标公式为：某类投入占比 = 该类工时 ÷ 三类总工时 × 100%。计量单位统一为人时或人天，全周期内不混用；若原始记录以人天登记，折算规则需在口径说明中写明并保持稳定。
时间窗按固定周期统计，例如按自然月或按季度，周期一经确定不随汇报需要临时调整。分母为三类合计工时，未分类工时和无效工时（如重复登记、明显错误的记录）不计入分母，单独披露。这样处理的原因是：把未分类工时强行摊入某一类会扭曲结构，而剔除后不披露又会让占比看起来比实际更确定。
数据从哪里取、口径怎么统一
数据来源通常包括四类记录：工作项类型与属性、工时记录、代码变更记录、缺陷与支持工单。工作项提供分类依据，工时记录提供计量数值，变更记录用于复核工作项标签与实际改动是否一致，缺陷与支持工单用于识别维护支持类投入。
每条进入统计的记录至少包含以下字段：
| 字段 | 说明 | 用途 |
|---|---|---|
| 工作项ID | 唯一标识，便于回溯 | 抽样复核与争议追溯 |
| 工作项类型 | 需求、缺陷、任务、技术改进等 | 分类初判依据 |
| 所属分类 | 新功能、维护支持、技术债治理、未分类 | 汇总维度 |
| 工时 | 人时或人天，单位统一 | 计量数值 |
| 发生日期 | 工时归属日期 | 确定统计周期 |
| 关联需求或缺陷 | 指向来源需求、缺陷或工单 | 验证分类合理性 |
混合型工作是口径统一的主要难点。一个工作项同时包含缺陷修复和重构时，优先按子任务拆分，每个子任务单独打标签；无法拆成子任务时，按工时比例拆分，并在记录中写明拆分依据和比例来源。拆分依据要能被第三人复核，例如“该任务共40人时，其中12人时用于依赖升级，依据为提交记录与任务说明”。
缺失值与未分类工时的处理原则是单列并披露：统计结果中同时给出三类占比和未分类工时占总登记工时的比例。未分类比例偏高时，应先补充分类再解读结构，否则占比的置信度不足。定性证据方面，保留抽样复核记录和分类争议的处理结论，作为后续调整规则的依据。
在工具承载上，如果团队使用 ONES 管理工作项与工时，资源管理支持通过工作数量和工时规模了解成员排期，并可按筛选与分组查看成员在不同项目的投入比重；资源报表可实时反馈项目投入情况，工时日志支持一键导出，便于把导出数据按本文口径二次归类统计。需要说明的是，三类投入的标签规则仍需团队自行定义并逐项打标，工具提供的是工作项与工时数据的记录和汇总基础。
计算与评估步骤
从取数到出结论按以下五步执行，每步都有明确的完成标志。
- 确定统计周期与统计对象范围。写明起止日期、纳入的团队或项目、纳入的工作项类型。完成标志：范围说明经相关方确认，后续不再中途扩大或缩小。
- 逐项打分类标签并拆分混合工作。按S2规则对每个工作项标注类别，混合型工作按子任务或工时比例拆分并记录依据。完成标志：所有纳入记录都有分类标签或明确标为未分类。
- 汇总工时并计算占比与环比。按类别汇总工时，计算各类占比，并与上一周期同口径结果对比。完成标志：占比合计与分母核对一致，差异可解释。
- 抽样复核分类准确性。按一定比例随机抽取已分类工作项，由未参与初判的人员依据规则重新判定，计算分类一致率。完成标志：一致率达到团队事先约定的水平，争议项有处理结论。
- 输出结果并标注未分类与争议项。结果中同时呈现三类占比、未分类比例、一致率和主要争议点。完成标志：读者能据此复算并判断结论的可信程度。
分类一致率是验证分类可靠性的核心证据。它衡量的是不同人按同一规则打标签的吻合程度，一致率低说明规则存在模糊地带，应先修订规则再用于预算讨论，而不是直接采信占比数字。
一个算例：一个季度怎么算
以下为演示情景，数字为假设值，用于说明公式与分母处理方式。
假设某团队某季度三类合计工时为 8000 人时，其中新功能 4400 人时，维护支持 2400 人时，技术债治理 1200 人时；另有未分类工时 500 人时，不计入分母。
- 新功能占比 = 4400 ÷ 8000 × 100% = 55.0%
- 维护支持占比 = 2400 ÷ 8000 × 100% = 30.0%
- 技术债治理占比 = 1200 ÷ 8000 × 100% = 15.0%
- 三类占比合计 = 100%，与分母核对一致
- 未分类披露 = 500 ÷ (8000 + 500) × 100% ≈ 5.9%
未分类工时的处理会直接影响结论的确定性。若这500人时经补充分类后大部分属于维护支持，维护支持占比将上升，新功能占比相应下降，因此未分类比例偏高时应在结论中注明“结构可能随补分类调整”。
边界情形需要事先约定：分母为零（该周期没有任何有效工时记录）时，占比无定义，输出“数据不足”而不输出0%；某一类为零时，该类占比记0%，并在备注中说明是确实没有此类投入还是分类遗漏，两者含义不同。
结果怎么读、有哪些限制
占比反映的是投入结构，回答资源分配去向，不能直接等同于价值高低或绩效好坏。技术债治理占比上升，可能说明团队在主动改善质量，也可能说明前期欠账集中爆发，单看数字无法区分，需要结合具体工作项内容判断。
分类主观性是这套口径的固有偏差来源。同一项重构，有人视为技术债治理，有人视为支撑新功能的前置工作。分类一致率应作为可信度参考与结果一同呈现；一致率偏低时，优先修订判定规则和补充示例，再用于跨周期比较。
跨团队、跨周期比较前必须确认口径一致：分类规则版本、计量单位、时间窗长度、未分类处理方式是否相同。口径不同的两组占比放在一起排名或对比，结论不成立。
本方法不设通用达标线。新功能、维护支持、技术债治理各占多少算合理，取决于团队所处阶段、产品成熟度和当期目标，阈值应由团队结合自身目标确定，并在多个周期观察后再判断是否需要调整。单期占比异常更适合作为讨论起点，而不是考核依据。
常见问题
同一个工作项既修缺陷又做重构，标签怎么打才不会两边都算？
先看能否拆成子任务：能拆的，每个子任务单独打标签，缺陷修复部分归维护支持，重构部分归技术债治理。拆不开的，按工时比例拆分，并在记录中写明比例来源，例如依据提交记录和任务说明估算。关键是拆分依据要能被第三人复核，避免同一段工时在两类里重复计入。拆分比例一旦确定，同一周期内保持一致，不在汇总阶段临时调整。
未分类工时占比多高时，结构结论就不能用了？
没有统一的警戒线，判断标准是未分类工时是否可能改变结论方向。可以做一个简单检验：把未分类工时全部归入占比最高的那一类，再看排序和差距是否变化；如果变化明显，说明当前结构结论不稳定，应先补分类再解读。实务中更稳妥的做法是把未分类比例与三类占比一起呈现，让读者知道结论的确定程度，并在连续多个周期观察未分类比例是否收敛。
分类一致率怎么算，抽多少样本合适？
一致率的算法是：随机抽取已分类工作项，由未参与初判的人员按同一份规则重新判定，重新判定结果与原标签相同的项数除以抽样总数。抽样比例按团队规模和争议程度确定，争议多的阶段抽高一些，规则稳定后可适当降低。一致率偏低时，重点看分歧集中在哪些情形，把这些情形补成规则示例，再重新抽样验证，而不是直接采信占比数字。
按季度统计和按月统计，结论会不一样吗？
会不一样，因为时间窗长度影响单期波动和偶发工作的权重。按月统计颗粒度细，能更快发现结构变化，但单月的大版本发布或集中故障处理容易造成占比大幅跳动；按季度统计更平滑，适合预算和排期讨论。建议固定一种周期作为主口径，另一种仅作辅助观察，并在跨周期对比时保持周期长度一致。周期一经确定，不因汇报需要临时更换。
用 ONES 管理工时，三类投入的标签能直接统计出来吗？
ONES 资源管理支持通过工作数量和工时规模了解成员排期，可按筛选与分组查看成员在不同项目的投入比重，资源报表可反馈项目投入情况，工时日志支持一键导出（F1、F2、F3）。三类投入的判定规则和标签仍需团队自行定义并逐项打标，工具提供的是工作项与工时数据的记录和汇总基础。若需要按新功能、维护支持、技术债治理维度直接出报表，建议在选型或配置阶段确认自定义分类字段与报表汇总的对应关系。
