衡量剩余工时预测准确性，核心是把每次预测的剩余工时与实际消耗工时对照，用偏差幅度、偏差方向、命中率和收敛趋势四类指标共同判断。评估前需统一预测快照与实际工时的取数口径，并把总偏差拆成估算变化与执行变化，才能区分是估算调整还是执行偏离造成的误差。
要点总览（TL;DR）
- 用四类指标共同评估剩余工时预测准确性：预测偏差率看方向，MAPE与加权MAPE看整体偏差幅度，预测命中率看偏差落在容忍区间内的样本占比，偏差收敛趋势看预测是否越接近完成越准。
- 预测偏差率按（实际消耗工时−预测剩余工时）÷预测剩余工时计算，团队需统一正负号约定，正偏差代表低估、负偏差代表高估。
- 区分偏差来源采用“基线预测冻结+变更记录”：重新估算带来的差异归为估算变化，实际投入速度偏离原假设的差异归为执行变化，总偏差等于两者之和。
- 取数口径决定指标是否可信：预测值取固定快照时点并保留历史版本，实际值只统计预测时点之后登记的消耗工时，零分母与未完成项单独设定处理规则。
- MAPE在小分母下容易失真，命中率阈值需结合业务容忍度设定，指标用于改进估算与执行跟踪，不宜直接作为个人绩效结论。
评估目标：先明确要回答的预测问题
剩余工时预测准确性的评估对象是任务或工作项的剩余工时预测值，即某个时点上团队判断“这个工作项还需要投入多少工时”，以及后续实际消耗了多少工时。评估围绕三个问题展开：预测整体偏多少、偏差偏向高估还是低估、越接近完成预测是否越准。这三个问题分别对应偏差幅度、偏差方向和收敛性，缺一项都容易得出片面结论。
这一评估与项目成本偏差、交付达成率有明确边界。成本偏差比较的是预算与实际支出，交付达成率比较的是计划交付与实际交付，二者受范围变更、资源调配、外部依赖等多重因素影响。剩余工时预测准确性只回答“人力投入的预估与消耗是否吻合”，不直接说明项目是否按期交付，也不直接反映资金使用效率。把三者混在一起统计，会让预测偏差的归因失去焦点。
评估目标清单可以这样确定：第一，明确统计对象是工作项层级的剩余工时，而非项目整体工期；第二，明确统计时间窗，例如按周或按迭代取预测快照；第三，明确要输出的结论形式，包括整体偏差幅度、偏差方向分布、命中率以及偏差随剩余工期变化的趋势。边界说明则要写清哪些指标不纳入本次评估，避免后续汇总时口径漂移。
指标与范围：四类核心指标及适用口径
建议用四类指标构成指标集，每类指标承担不同的回答任务。下表给出定义、公式、单位与分母口径，团队可据此复算。
| 指标 | 公式 | 单位 | 分母与口径说明 |
|---|---|---|---|
| 预测偏差率 | （实际消耗工时 − 预测剩余工时）÷ 预测剩余工时 | 百分比 | 分母为同一工作项在同一预测时点的预测剩余工时；结果为正表示低估（实际超出预测），为负表示高估 |
| 平均绝对百分比误差（MAPE） | Σ|预测偏差率| ÷ 样本数 | 百分比 | 分母为纳入统计的工作项预测样本数；每个样本先取绝对值再平均 |
| 加权 MAPE | Σ（|实际 − 预测|）÷ Σ预测剩余工时 | 百分比 | 分母为所有样本预测剩余工时之和，按工时规模加权，降低小工时样本的失真影响 |
| 预测命中率 | 偏差落在容忍区间内的样本数 ÷ 总样本数 | 百分比 | 分母为总样本数；容忍区间需事先约定，例如偏差率在 ±20% 以内视为命中 |
| 偏差收敛趋势 | 按剩余工期分组的平均绝对偏差率序列 | 百分比 | 分母为各分组内的样本数；分组可按剩余工期区间划分，如剩余 10 天以上、5–10 天、5 天以内 |
符号约定需要在团队内统一并写入指标说明。建议约定“实际减预测”为正，正偏差代表低估、负偏差代表高估，所有报表和讨论沿用同一方向，避免同一数字在不同人那里被读成相反含义。MAPE 与加权 MAPE 同时保留，前者便于横向比较不同团队，后者更贴近工时规模的实际影响。
统计范围要事先写清：工作项层级取任务或子任务，时间窗按周或按迭代固定；样本纳入规则包括已完成的、有明确预测记录和实际工时记录的工作项；排除规则包括预测时点缺失、实际工时未登记、统计期末仍未完成且无有效消耗记录的工作项。跨周期未完成项单独归组，不与已完成项混算，否则分母和实际值都不可比。
数据口径与证据：预测值、实际值怎么取
指标失真的常见原因不在公式，而在取数。预测值应取固定快照时点的版本，例如每周一上午对全部在途工作项记录一次剩余工时预测，形成带时间戳的预测快照。同一工作项在后续周期被重新估算时，保留历史版本而不是覆盖原值，这样每个预测时点都能对应一个可复算的样本。
实际值取工时登记或消耗记录，按工作项归集，登记时点需落在对应统计周期内。实际值的口径要与预测值对齐：预测的是“剩余还需投入的工时”，实际值就应取该预测时点之后到工作项完成期间登记的全部消耗工时，而不是整个生命周期的累计工时。若工作项在预测时点之前已有消耗，需在取数时截断，只统计预测时点之后的部分。
缺失值、零分母和跨周期未完成项需要单独设定规则。预测剩余工时为 0 的样本不进入偏差率计算，避免除零；实际工时未登记或登记明显不完整的样本标记为无效，不参与汇总但保留记录以便复查；统计期末仍未完成的工作项，用截至期末的实际消耗与预测值比较，并标注“未完成”，在收敛趋势分析中单独呈现。所有排除和标记都要可追溯，不能静默丢弃样本。
在工具层面，ONES 的资源和工时管理支持查询和导出工时登记日志明细，资源报表可实时反馈项目投入情况，便于按工作项归集实际消耗。预测快照与重新估算的变更记录是否具备版本化留存，需要在具体配置中确认；若系统未内置预测版本管理，可用固定周期的导出记录作为基线快照，保证每个样本的预测时点可查。
计算与评估步骤：从取数到出结论
第一步，冻结基线预测。在每个统计周期开始时，对纳入范围的工作项记录剩余工时预测值、预测时点、工作项标识和责任人，形成基线快照。快照一旦生成不再修改，后续重新估算作为新版本单独记录。
第二步，按周期计算单工作项偏差。对每个已完成或到达统计期末的工作项，用实际消耗工时减去对应预测时点的预测剩余工时，得到绝对偏差，再除以预测剩余工时得到偏差率。计算时核对实际值的截断区间是否与预测时点衔接。
第三步，汇总指标。按团队、项目或工作项类型分组，计算 MAPE、加权 MAPE、偏差率均值与命中率。汇总表建议包含样本数、预测工时合计、实际工时合计、平均偏差率、MAPE、加权 MAPE、命中率七列，便于横向比较和复算。
第四步，绘制偏差随剩余工期变化的趋势。把样本按预测时点的剩余工期分组，计算各组的平均绝对偏差率，观察偏差是否随剩余工期缩短而下降。若趋势平缓甚至上升，说明预测在临近完成时仍未收敛，需要检查估算方法和执行跟踪频率。
第五步，形成评估结论并设定阈值。阈值不设统一达标线，而是结合业务容忍度确定：例如对交付风险敏感的工作项，命中率容忍区间可收窄；对探索性任务，区间可适当放宽。阈值确定后写入评估说明，后续周期沿用同一口径比较。
区分估算变化与执行变化：偏差归因方法
总偏差可以拆成两部分：估算变化与执行变化。估算变化指剩余工时被重新估算带来的差异，来源包括范围调整、方案变更、认知更新；执行变化指实际投入速度偏离原假设带来的差异，来源包括人员变动、阻塞等待、返工。拆分公式为：总偏差 = 估算变化 + 执行变化。
可操作的做法是“基线预测冻结 + 变更记录”。每次剩余工时被重新估算时，记录变更时点、变更前后的预测值、变更原因和变更人，这部分差异归为估算变化。执行变化则用实际消耗工时与“按原预测速度推算的应耗工时”之差来识别：以基线预测和原计划投入速度为假设，推算到完成时点应消耗的工时，实际消耗超出或低于该推算值的部分即为执行变化。
归因所需的数据字段包括：工作项标识、预测时点、预测剩余工时、重新估算时点、重新估算后的剩余工时、变更原因、实际工时登记记录、登记时点。缺少变更原因字段时，归因只能停留在数值拆分，无法解释偏差来源，因此变更记录的原因填写应作为流程要求固定下来。
常见误判有两类。一类是把所有偏差都归为执行问题，忽略重新估算本身已经改变了比较基准；另一类是把重新估算后的值直接当作原预测，导致估算变化被抹掉、执行变化被放大。归因时先锁定基线预测，再逐次叠加变更记录，才能让两部分差异各自可追溯。
例子：一个工作项的偏差计算与归因
以下为演示情景，用于说明计算过程，数值为假设值。某工作项在第 1 周周一预测剩余工时为 40 小时，计划投入速度为每周 20 小时。第 2 周周一因方案调整重新估算，剩余工时更新为 50 小时，变更原因记为“接口方案调整”。该工作项最终在第 4 周末完成，预测时点之后累计登记实际消耗工时为 62 小时。
偏差率计算：实际 62 小时减去基线预测 40 小时，绝对偏差 22 小时，偏差率 = 22 ÷ 40 = 55%，为正，表示低估。若容忍区间设为 ±20%，该样本未命中。若同期另有 4 个样本偏差率分别为 −10%、15%、−5%、8%，则 5 个样本中 4 个落在 ±20% 内，命中率为 80%；MAPE =（55% + 10% + 15% + 5% + 8%）÷ 5 = 18.6%。
归因拆分：估算变化为重新估算后的 50 小时减去基线 40 小时，即 10 小时；执行变化为实际 62 小时减去按原速度推算的应耗工时。按原预测 40 小时、每周 20 小时推算，应于第 3 周完成，但实际到第 4 周末完成，按原速度推算的应耗工时为 40 小时，执行变化 = 62 − 50 = 12 小时。总偏差 22 小时 = 估算变化 10 小时 + 执行变化 12 小时，两部分均可追溯到具体记录。
结果解读：该工作项的偏差一半来自方案调整引起的重新估算，一半来自执行阶段投入超出原假设。改进方向相应分为两条：估算侧在方案未定时预留调整空间并记录变更原因；执行侧检查第 3 至第 4 周是否存在阻塞或返工，并在周度跟踪中提前暴露速度偏离。
解读与限制：指标能说明什么、不能说明什么
MAPE 在小分母下容易失真。预测剩余工时很小的工作项，实际消耗稍有波动就会产生很大的百分比偏差，拉高整体 MAPE。处理方式包括设置最小分母门槛、改用加权 MAPE，或对小工时样本单独分组观察，不宜直接用未加权的 MAPE 比较不同规模的工作项集合。
命中率的阈值需要结合业务容忍度设定，不存在通用达标线。容忍区间收窄会降低命中率，放宽则提高命中率，阈值变化本身就会改变结论。评估说明中应固定阈值及其依据，跨周期比较时保持阈值一致，否则命中率的升降可能只反映口径变化。
指标反映的是预测质量与过程管理改进方向，不宜直接作为个人绩效结论。剩余工时预测受任务不确定性、协作依赖和外部阻塞影响，单次偏差不能归因于个人能力。样本量较小时，个别极端值会主导均值，建议同时报告样本数和中位数，工作项粒度也要统一，任务与子任务混算会让分母口径不一致。
偏差收敛趋势能提示预测是否越接近完成越准，但趋势本身不构成因果保证。收敛可能来自预测改进，也可能来自临近完成时剩余工作量自然变小。把指标用于改进估算方法和执行跟踪节奏时，应结合变更记录和阻塞记录一起看，让每一次偏差都能对应到具体的估算动作或执行事件，评估结论才具备可操作的改进价值。
常见问题
剩余工时预测准确性只用一个指标够不够？
单一指标容易得出片面结论。预测偏差率能说明高估还是低估，但正负偏差会相互抵消；MAPE反映偏差幅度，却看不出方向；命中率依赖事先约定的容忍区间。建议至少同时报告偏差率均值、MAPE或加权MAPE、命中率三项，再配合偏差随剩余工期的收敛趋势，才能同时回答偏多少、偏向哪边、越接近完成是否越准。
预测剩余工时为0或很小的样本怎么处理？
预测剩余工时为0的样本不进入偏差率计算，避免除零。预测值很小的工作项，实际消耗稍有波动就会产生很大的百分比偏差，处理方式有三种：设置最小分母门槛，低于门槛的样本不参与MAPE汇总；改用按工时规模加权的加权MAPE；或把小工时样本单独分组观察。无论采用哪种方式，排除规则都要写入评估说明并保留原始记录，便于复查。
统计期末仍未完成的工作项要不要纳入评估？
可以纳入，但要单独归组。用截至统计期末的实际消耗工时与预测时点的预测剩余工时比较，并标注“未完成”，不与已完成项混算。已完成项的实际值覆盖完整消耗周期，未完成项只覆盖部分周期，两者分母和实际值都不可比。在收敛趋势分析中，未完成项可单独呈现，避免拉低或拉高整体偏差。
重新估算后，原来的预测值还要保留吗？
需要保留。归因的前提是基线预测冻结：每个统计周期开始时记录的预测值形成快照，后续重新估算作为新版本单独记录，包含变更时点、变更前后数值和变更原因。若直接用新值覆盖原预测，估算变化会被抹掉，执行变化被放大，总偏差就无法拆成两部分。保留历史版本后，每个预测时点都能对应一个可复算的样本。
偏差收敛趋势变好，能说明预测方法改进有效吗？
不能直接下因果结论。收敛可能来自估算方法改进，也可能来自临近完成时剩余工作量自然变小，偏差的绝对空间随之缩小。判断改进是否有效，需要结合变更记录和阻塞记录一起看：如果收敛的同时重新估算次数减少、执行阶段阻塞时长下降，改进才有较完整的证据链。趋势指标适合作为观察线索，结论仍需回到具体事件。
