路线图执行到中期，复盘时最容易出现两种偏差：只看里程碑是否按期，把上线当成落地；或者只看登录人数，把活跃当成价值。衡量研发平台路线图落地效果，需要把进度、使用、结果三层指标分开统计，并为每项指标固定分子分母、统计时间窗和取数来源。中期复盘以趋势和基线对比为主，单看一个指标不足以得出成功结论。在取数与统计环节，ONES 的工作项、工时和报表能力可以为指标口径提供承载。
要点总览（TL;DR）
- 中期复盘把落地效果拆成三层：进度看里程碑按期达成率、范围变更率和关键交付物完成数；使用看目标角色活跃覆盖率、核心流程线上化率和工作项字段完整率；结果看需求交付周期、评审等待时长和缺陷回归周期。
- 每项比率型指标都要固定分子、分母、排除规则、统计时间窗和取数来源，分母用目标角色名单或工作项清单，不用全部账号，保证不同人复算结果一致。
- 结果类指标取中位数而非平均值，极端值单独记录成因；分母为零或样本过小时标注为“不可比”，不计为零，也不参与趋势判断。
- 中期复盘以趋势和基线对比为主，观察阈值由团队结合自身基线设定；指标变化可能来自流程简化或口径调整，不能直接归因于平台上线。
- 活跃覆盖率衡量使用广度，不衡量价值产出，需与结果类指标同向印证；复盘结论用于调整路线图动作，不作为个人绩效考核依据。
中期复盘要回答的三个问题
路线图执行到中期，复盘的任务是判断三件事：计划推进是否偏离、平台是否被目标角色真实使用、业务结果是否出现可观察的变化。这三个问题对应三层证据，混在一起看，容易用“上线了几个模块”代替“落地产生了什么效果”。
进度层回答“该做的做了没有”。证据来自里程碑记录、范围变更记录和关键交付物清单，关注的是计划与实际之间的差距，以及差距产生的原因。使用层回答“做出来的东西有没有人用”。证据来自账号与角色名单、核心流程的操作记录、工作项字段的填写情况，关注目标角色是否在真实业务中使用了平台。结果层回答“用了之后业务上有没有变化”。证据来自需求流转、评审、缺陷处理等流程的时间数据，关注的是可对比的周期与时长变化。
本次评估聚焦指标定义、计算与解读，不覆盖部署方式选择，也不涉及旧工具替换与数据迁移的评估。这两类问题有各自的判断标准，混入本次复盘会稀释结论。
指标清单与统计范围
三层指标各自承担不同判断任务，选取时优先保证可复算，数量控制在每层三到五项。指标过多会增加取数负担，也会让中期结论失焦。下表给出建议的指标清单及统计范围，实际使用时可按路线图目标裁剪。
| 指标名 | 层级 | 统计对象 | 时间窗 | 单位 |
|---|---|---|---|---|
| 里程碑按期达成率 | 进度 | 路线图阶段内的里程碑 | 按阶段累计 | % |
| 范围变更率 | 进度 | 阶段内新增、删除、调整范围的工作项 | 按阶段累计 | % |
| 关键交付物完成数 | 进度 | 阶段交付物清单 | 按阶段累计 | 个 |
| 目标角色活跃覆盖率 | 使用 | 纳入试点的团队与目标角色名单 | 按月 | % |
| 核心流程线上化率 | 使用 | 纳入范围的核心流程（如需求评审、缺陷流转） | 按月 | % |
| 工作项字段完整率 | 使用 | 核心工作项的关键字段 | 按月 | % |
| 需求交付周期 | 结果 | 已交付需求 | 按月，取中位数 | 天 |
| 评审等待时长 | 结果 | 进入评审环节的工作项 | 按月，取中位数 | 小时 |
| 缺陷回归周期 | 结果 | 已关闭缺陷 | 按月，取中位数 | 天 |
进度类指标按阶段统计，与路线图的节奏对齐；使用类和结果类指标按月统计，便于观察趋势。结果类指标建议取中位数，极端值对平均值的影响较大，中位数更能反映多数工作项的真实体验。
数据口径与取数证据
比率型指标必须写清分子、分母和排除规则，否则同一指标在不同人手里会算出不同结果。以目标角色活跃覆盖率为例，分子是统计月内对核心流程有有效操作的目标角色人数，分母是纳入试点的目标角色名单人数，排除规则包括休假、转岗和试用期未纳入名单的人员。分母用目标角色名单而非全部账号，是为了避免把从未被要求使用的账号计入，稀释真实使用情况。
缺失值处理需要在取数前约定。工作项字段完整率中，未填报的字段按缺失计入分母，不能从分母中剔除，否则完整率会虚高。对于统计期内新建但尚未进入流程的工作项，应明确是否纳入当期统计，并在口径说明中写明。分母为零或样本过小时，标注为“不可比”，不计为零值，也不参与趋势判断。
基线来源有三种：上线前的历史数据、试点期数据、人工估算。历史数据可信度最高，试点期数据次之，人工估算需要标注估算人和估算依据。基线一旦确定，中期复盘沿用同一基线，避免中途更换导致趋势失真。
定性证据用于补充数字背后的原因。访谈按目标角色分层抽样，每层不少于三人；操作日志抽查按周随机抽取核心流程记录；评审记录检查评审意见是否闭环。定性证据的通过标准在复盘前约定，例如“核心流程抽查中，八成以上记录具备完整评审意见”。
在取数环节，ONES Project 提供多种报表，支持自定义数据范围和维度，任务工时统计与看板、燃尽图可用于进度类指标的取数；缺陷状态分布统计可用于缺陷回归周期的计算。ONES Plan 的资源报表与多项目数据集合，可用于按团队和项目维度汇总投入与进度。使用类指标如活跃覆盖率和流程线上化率，通常需要在实施中自行定义口径，从操作记录和工作项数据中取数。
计算与评估步骤
中期复盘按四步执行，每步都有明确的完成标志，便于不同人复算得到一致结果。
- 固定指标清单与口径。确认本次复盘采用的指标、每项的分子分母、时间窗和取数来源，形成书面口径说明。完成标志是口径说明经复盘参与方确认，无歧义条目。
- 按时间窗取数并核对分母。从平台报表和操作记录中取数，重点核对分母是否与目标名单、工作项清单一致。完成标志是每项指标的分母可追溯到具体名单或清单。
- 计算并与基线对比。按公式计算各项指标，与基线数据对比，记录变化方向和幅度。完成标志是每项指标都有数值、基线和对比结论。
- 按层级汇总形成判断。分别汇总进度、使用、结果三层的结论，标注不可比项和数据缺口，形成中期判断和下一步调整建议。完成标志是三层各有明确结论，且结论引用了具体指标。
分母为零或样本过小时，该指标标注为“不可比”，在汇总中单列，不参与趋势判断，也不作为调整依据。中期复盘设定观察阈值而非通用达标线，例如“活跃覆盖率较基线下降超过十个百分点需要排查原因”，阈值由团队结合自身基线确定，不套用外部标准。
一个中期复盘的算例
假设某阶段纳入试点的目标角色共120人，统计月内对核心流程有有效操作的有85人，则目标角色活跃覆盖率 = 85 ÷ 120 ≈ 70.8%。若上月为62%，则本月上升约8.8个百分点，趋势向好。若同期需求交付周期中位数从基线的18天升至21天，则需要结合流程变更记录排查原因，不能仅凭活跃覆盖率上升得出落地成功的结论。
需求交付周期取中位数而非平均值。假设当月交付的20个需求中，周期分别为5、6、7、8、9、10、11、12、13、14、15、16、17、18、19、20、22、25、30、90天，平均值为17.85天，中位数为14.5天。90天的极端值把平均值拉高，中位数更能反映多数需求的真实交付体验。复盘时应同时记录极端值的成因，作为定性证据。
分母为零的情形也需要处理。假设某阶段尚未启动缺陷回归统计，缺陷回归周期的分母为零，此时该指标标注为“不可比——本期无已关闭缺陷”，不计为零天，也不纳入趋势对比。待下期有数据后再建立基线。
| 指标 | 分子 | 分母 | 结果 | 解读 |
|---|---|---|---|---|
| 目标角色活跃覆盖率 | 85人 | 120人 | 70.8% | 较上月62%上升，需结合结果类指标判断 |
| 需求交付周期（中位数） | — | 20个已交付需求 | 14.5天 | 平均值17.85天受90天极端值影响 |
| 缺陷回归周期 | — | 0个已关闭缺陷 | 不可比 | 本期无数据，下期建立基线 |
结果怎么读：限制与常见误判
指标变化不等于平台带来的变化。需求交付周期缩短，可能来自流程简化、人员增加或统计口径调整，复盘时应结合同期变更记录和访谈证据判断归因，不能直接把改善归功于平台上线。同样，指标恶化也需要先排除口径变化和外部因素，再判断是否与平台使用有关。
活跃覆盖率衡量的是使用广度，不衡量价值产出。一个团队可能每天登录平台，但工作项字段填写随意、评审流于形式，此时覆盖率再高也不代表落地有效。解读时应把使用类指标与结果类指标放在一起看，两者同向变化时结论更可靠，出现背离时优先排查数据质量和流程执行情况。
不同团队、不同项目类型的数据可比性有限。新业务团队与维护型团队的需求交付周期天然不同，跨团队比较时应分层，或只做同类型团队之间的对比。中期复盘以趋势和基线对比为主，横向比较作为补充参考。
中期结论的用途是调整路线图动作，例如补充培训、简化流程、修正字段设计，不作为个人绩效考核依据。把复盘指标直接用于考核，容易导致数据填报失真，反而削弱后续评估的可信度。指标是判断落地效果的工具，单指标不构成成功或失败的结论，需要三层证据相互印证。
常见问题
路线图执行到中期，指标数量控制在多少比较合适？
建议每层三到五项，三层合计不超过十五项。指标过多会明显增加取数和对分母的工作量，中期复盘的时间通常有限，指标一多，结论反而容易失焦。选取时优先保留与路线图目标直接相关、且能稳定取数的指标，其余指标可以留到正式上线后的阶段再补充。
如果某一层暂时没有可用数据，例如缺陷回归统计尚未启动，就把该指标标注为“不可比”并说明原因，不必为了凑齐数量临时造一个口径。
上线前没有历史数据，基线怎么建立？
基线有三种来源：上线前的历史数据、试点期数据、人工估算。历史数据可信度最高，试点期数据次之。如果两者都没有，可以用人工估算，但要在口径说明中标注估算人、估算依据和可信度，并在中期复盘时沿用同一基线，避免中途更换导致趋势失真。
对于试点期才启动统计的指标，可以把试点第一个月的数据作为基线，同时注明样本范围，后续对比时只与同范围的数据比较。
活跃覆盖率上升，但需求交付周期也变长了，该怎么判断？
这种情况说明使用广度和业务结果出现背离，先排查数据质量和流程执行，再判断是否与平台有关。具体可以看三点：工作项字段完整率是否同步下降，评审记录是否流于形式，同期是否有流程变更或人员调整。
如果字段完整率低、评审意见不闭环，覆盖率上升可能只是登录行为增加，落地效果需要打折扣。如果流程和人员有变化，则要先把这些因素排除，再评估平台的作用。使用类与结果类指标同向变化时结论更可靠，背离时应以排查原因为主，不急于下结论。
中期复盘发现的指标缺口，下一阶段怎么补？
先把缺口分类：一类是口径没定清楚，例如分母范围含糊；一类是数据源缺失，例如某流程还没有线上记录；一类是样本太小，例如某类缺陷本期关闭数量很少。口径问题在下一阶段开始前补齐书面说明；数据源缺失需要推动对应流程上线或补充记录方式；样本太小则继续积累，暂不纳入趋势判断。
补齐后的指标要在口径说明中记录生效时间，新旧口径的数据不直接连成一条趋势线，避免把口径变化误读为效果变化。
复盘指标能不能直接用于团队或个人考核？
不建议直接使用。把复盘指标用于考核，容易导致填报行为变形，例如为拉高字段完整率而随意填写、为缩短周期而拆分工作项，反而削弱后续评估的可信度。中期结论的用途是调整路线图动作，例如补充培训、简化流程、修正字段设计。
如果确实需要与考核衔接，应另设经过校准的考核口径，并与复盘口径分开管理，两者不混用同一套数据。
