任务颗粒度指单个可执行工作项承载的工作量与完成边界。评估颗粒度是否合适，需要先把“合适”转成可估算、可交付、可追踪三个目标，再用工时分布、拆分深度、完成周期、返工率和估算偏差等指标组合判断。本文给出指标定义、取数口径、计算步骤和一个迭代的完整算例，并说明如何与团队自身基线比较，避免套用通用达标线。ONES 可作为工作项与工时数据的承载来源，用于支撑这类评估的取数。
要点总览（TL;DR）
- 颗粒度评估先明确目标：能否估算、能否按周期交付、能否追踪进度，再选对应指标，目标控制在三条以内。
- 核心指标是工时中位数与离散度、拆分深度与子项数量、完成周期与返工率、估算偏差率，每个指标只反映一个侧面，需要组合判断。
- 口径要固定分子分母、统计单位、时间窗和缺失值规则；样本少于10个任务只做描述性观察，分母为零标注不可计算。
- 判断标准是与团队自身历史分位数比较，用分布形态而非均值看颗粒度是否集中，并逐条核查异常任务的描述与验收标准。
- 指标反映分布特征，不等于团队绩效；不同任务类型分组计算，调整颗粒度后用同口径指标对比验证效果。
评估目标：颗粒度要解决什么问题
颗粒度评估要回答三个问题：这个任务能否被估算，能否在既定周期内交付，能否被追踪进度。三个问题对应三类指标：估算类看工时与估算偏差，交付类看完成周期与返工，追踪类看拆分深度与子项数量。评估前先确认这三个问题中哪些是当前团队的主要困扰，只选相关指标，避免为评估而评估。
评估对象是单个可执行任务或工作项，即团队日常领取、估算、推进和关闭的那一级工作单元。项目交付范围的 WBS 拆分方法、需求分解与需求层级管理属于另外的管理主题，不在本文计算范围内。把项目范围或需求层级混入颗粒度统计，会让工时分布和拆分深度失真，得出的结论也无法落到具体任务上。
目标与指标的对应关系可以这样确定：如果主要问题是“估不准”，重点看估算偏差率与工时离散度；如果主要问题是“一个迭代做不完”，重点看完成周期与跨迭代任务比例；如果主要问题是“进度看不清”，重点看拆分深度、子项数量与任务状态更新频率。目标清单控制在三条以内，每条目标绑定一到两个指标，评估结果才有明确的解读方向。
指标与范围：用哪几个指标衡量颗粒度
颗粒度没有单一指标。工时中位数反映典型任务的大小，离散度反映大小是否参差，拆分深度反映层级结构，完成周期和返工率反映执行效果，估算偏差率反映可预测性。每个指标只说明一个侧面，需要组合使用。
| 指标 | 反映侧面 | 单位 | 对应目标 |
|---|---|---|---|
| 任务工时中位数（P50） | 典型任务的规模大小 | 人时或人天 | 可估算 |
| 工时 P90 与变异系数 | 任务大小的离散程度，是否存在少数超大任务 | 人时；变异系数为无量纲比值 | 可估算 |
| 拆分深度与子项数量 | 任务被拆到第几层、每个父项下挂多少子项 | 层；个 | 可追踪 |
| 完成周期（Lead Time） | 从任务进入到关闭的实际耗时 | 工作日或自然日 | 可交付 |
| 返工率/重开率 | 关闭后被重开或返工的任务占比 | 百分比 | 可交付 |
| 估算偏差率 | 实际工时相对估算工时的偏离程度 | 百分比 | 可估算 |
工时中位数与离散度配合使用：中位数说明一半任务小于这个规模，P90 说明最大的那批任务到了什么量级，两者差距大意味着任务大小参差。变异系数等于工时标准差除以工时均值，用于跨团队或跨时期比较离散程度，不受工时单位影响。拆分深度与子项数量回答“任务是否被拆到可独立推进的层级”，深度过浅往往意味着任务偏粗，子项过多则可能拆得过细、管理成本上升。完成周期与返工率回答“拆出来的任务是否真的能按周期完成”。估算偏差率回答“当前颗粒度下估算是否可信”，偏差长期偏大，通常说明任务边界不清或规模超出可估算范围。
数据口径：分子分母、时间窗与缺失值
口径决定结果能否复算和比较。每个指标都要写清分子、分母、统计单位和时间窗，并在评估文档中固定下来，后续调整颗粒度时沿用同一口径对比。
| 指标 | 公式 | 统计单位与时间窗 | 缺失值规则 |
|---|---|---|---|
| 工时中位数/P90 | 对样本内任务工时排序取分位值 | 以任务为单位；按迭代或按月取样本 | 无工时记录的任务剔除，并记录剔除数量 |
| 变异系数 | 工时标准差 ÷ 工时均值 | 同上，样本需≥10 个任务 | 样本不足时标注“不可计算” |
| 拆分深度 | 任务在层级中的最大深度 | 以任务树为单位；按迭代统计 | 无子项的任务深度记为 1 |
| 子项数量 | 父项下直接子项个数 | 以父项为单位 | 无子项记为 0，不剔除 |
| 完成周期 | 关闭时间 − 进入可执行状态时间 | 以任务为单位；只统计时间窗内关闭的任务 | 跨迭代任务单独列出，不混入当期分位值 |
| 返工率 | 时间窗内被重开任务数 ÷ 时间窗内关闭任务数 | 按迭代或按月 | 分母为零时标注“不可计算”，不按 0% 处理 |
| 估算偏差率 | |实际工时 − 估算工时| ÷ 估算工时 | 以有估算值的任务为单位 | 无估算值任务剔除，并单独报告占比 |
时间窗建议按迭代取，迭代周期过短时改为按月汇总，保证单期样本量不少于 10 个任务；低于这个数量只做描述性观察，不下结论。未完成任务不进入完成周期和返工率的分母，但应单独统计其停留时长，用于判断是否存在长期挂起的粗颗粒任务。跨迭代任务在完成周期统计中单列，避免拉高当期分位值。分母为零或样本过少时，结果标注为不可计算，这是口径的一部分，不能按零值参与汇总。
计算与评估步骤：从取数到判断
评估按五步执行：确定样本范围、清洗数据、计算各指标、与团队基线对比、定位异常任务。前两步决定结果是否可信，后三步决定结论是否有用。
- 确定样本范围：选定迭代或月份，明确纳入的任务类型（如只统计开发类任务），排除缺陷、运维等不同类型的任务，避免混算。
- 清洗数据：剔除无工时记录、无估算值的任务并记录数量；标记跨迭代任务和长期未关闭任务。
- 计算指标：按上一节公式逐项计算，同时输出样本量，样本不足的指标标注不可计算。
- 与基线对比：取团队过去若干期（如 6 个迭代）的同口径指标，形成历史分位数区间，当期结果落在区间内视为稳定，明显偏离时进入下一步。
- 定位异常任务：列出工时位于 P90 以上的任务、深度为 1 且工时偏大的任务、完成周期显著超出中位数的任务，逐条查看任务描述与验收标准。
基线用团队自身历史数据建立，方法是取过去若干期的工时 P50、P90 和完成周期中位数，形成区间而不是单一数值。判断颗粒度是否集中，看分布形态而非均值：P50 与 P90 差距过大，说明存在少数超大任务；分布集中在较窄区间，说明拆分习惯稳定。均值容易被个别超大任务拉高，不适合单独作为判断依据。
定量结果需要定性证据补充。抽取异常任务检查描述是否完整、验收标准是否明确、是否包含多个可独立交付的动作。一个工时不大但描述含糊、验收标准缺失的任务，同样属于颗粒度不合适。评估完成后，把结论落到具体任务清单和调整建议上，例如“将 P90 以上的 5 个任务拆分为子项”，而不是只给一个分数。
算例：一个迭代的颗粒度评估
以下为演示算例，数字为假设值，仅用于说明计算过程，不代表任何行业标准。某团队一个迭代内关闭 12 个开发任务，工时记录如下（单位：人时）：2、3、3、4、4、5、5、6、8、10、16、24。其中 10 个任务有估算值，2 个任务无估算值；1 个任务在迭代内被重开；1 个任务跨迭代完成。
工时中位数：排序后第 6、7 位为 5 和 5，P50 = 5 人时。P90 取第 11 位附近，约为 16 人时。工时均值 = 90 ÷ 12 = 7.5 人时，标准差约为 6.3，变异系数 ≈ 0.84。P50 与 P90 相差 11 人时，变异系数偏高，说明任务大小参差，存在少数超大任务。
拆分深度：12 个任务中 8 个为叶子任务（深度 1），3 个父项各挂 2 至 3 个子项，1 个父项挂 5 个子项。最大深度为 2 层，子项数量中位数为 2。深度整体偏浅，与工时分布中 P90 偏高相互印证。
完成周期：11 个当期关闭任务的周期中位数为 4 个工作日，最长 12 个工作日，对应那个 24 人时的任务。跨迭代任务单列，不计入分位值。返工率 = 1 ÷ 11 ≈ 9.1%。估算偏差率：10 个有估算值的任务中，6 个偏差在 20% 以内，4 个偏差超过 50%，且集中在工时 10 人时以上的任务。
结果解读：该迭代的典型任务规模为 5 人时，但 P90 达到 16 人时，24 人时的任务完成周期是中位数的 3 倍，估算偏差也集中在这些大任务上。可以定位为“整体偏粗、尾部过粗”：建议将 10 人时以上的任务拆到 8 人时以内，并补齐验收标准。算例的局限在于样本仅 12 个、只覆盖一个迭代，结论应结合多个迭代的基线再确认；无估算值的 2 个任务被剔除，若这类任务占比长期偏高，需先解决估算覆盖问题再评估颗粒度。
解读与限制：指标能说明什么、不能说明什么
颗粒度指标反映的是任务规模的分布特征和执行表现，不直接等于团队绩效。工时中位数低、变异系数小，说明拆分习惯稳定，不能据此推断交付质量或成员能力。把指标直接用于考核，容易诱发为达标而机械拆分，任务数量上升但每个任务的边界反而更模糊。
不同任务类型不可直接混算。缺陷修复、需求开发、运维处理的工时分布和完成周期差异明显，混在一起计算会让分位值失去意义。评估时应按任务类型分组，各自建立基线，再分别判断。跨团队比较同样需要谨慎，两个团队的基线不同，同一数值在不同团队可能代表不同含义。
指标被用于考核后可能出现拆分博弈：任务被拆成大量小项以压低中位数，或子项数量虚增以显示拆分充分。防范方式是把颗粒度指标与完成周期、返工率、估算偏差一起看，并抽查任务描述与验收标准，确认拆分后的任务确实可独立交付。
调整颗粒度后需要验证效果。验证方法是保持口径不变，对比调整前后若干期的同口径指标：工时 P90 是否下降、完成周期中位数是否缩短、估算偏差是否收敛、返工率是否稳定。只有多项指标同向改善，才能说明调整有效；单项指标变化可能来自样本波动或任务类型构成变化。评估结论应写明样本范围、时间窗和假设，便于下一期复算和对比。
常见问题
团队刚开始做颗粒度评估，没有历史基线怎么办？
先积累数据再判断。可以按当前迭代或月份计算工时 P50、P90 和完成周期中位数，连续记录 3 到 6 期，形成团队自己的分位数区间。前几期只做描述性观察，不下“颗粒度合适”或“不合适”的结论，重点看分布形态是否稳定、异常任务集中在哪类工作上。基线建立后再引入对比判断，避免直接套用外部阈值。
任务没有工时估算值，还能参与颗粒度评估吗？
可以参与部分指标，但要单独处理。无估算值的任务无法计算估算偏差率，应从该指标的分母中剔除，并记录剔除数量和占比；工时中位数、拆分深度等指标仍可使用有工时记录的任务。如果无估算值任务长期占比较高，说明估算覆盖本身是短板，应先解决估算习惯问题，再评估颗粒度，否则样本代表性不足。
跨迭代完成的任务在统计时怎么处理？
完成周期统计中把跨迭代任务单列，不混入当期分位值，避免拉高当期周期水平。同时单独统计这类任务的停留时长和数量占比，它们往往是颗粒度偏粗的信号。返工率的分母只计入时间窗内关闭的任务，跨迭代任务在关闭当期计入，不重复计算。
把颗粒度指标纳入考核后，任务被拆得很碎怎么办？
这是拆分博弈的典型表现。防范方式是把颗粒度指标与完成周期、返工率、估算偏差率一起看：任务被拆碎后，管理成本上升、子项数量虚增，但完成周期和返工率未必改善。同时抽查任务描述与验收标准，确认拆分后的任务能独立交付。指标用于改进诊断比用于个人考核更稳妥。
调整颗粒度后，多久能看出效果？
建议至少观察 3 个同口径周期再下结论。验证时保持口径不变，对比调整前后的工时 P90、完成周期中位数、估算偏差率和返工率。多项指标同向改善才能说明调整有效；单项变化可能来自样本波动或任务类型构成变化。评估记录中写明样本范围、时间窗和假设，便于下一期复算。
