评估工单派单是否合理，核心是回答三个问题：派给的人对不对、派得够不够快、派完之后结果好不好。建议用首次分派准确率、转派率、分派时延、技能与负载匹配度、返工与重开率等指标组合判断，并为每个指标固定分子分母、时间窗和统计对象，把“分派动作”与“处理结果”分开看，避免把解决慢直接归因于派单不合理。
要点总览（TL;DR）
- 把“派单合理”拆成三个维度评估：对象是否正确、时效是否达标、结果是否可接受，评估对象限定为分派动作本身，与处理环节分开看。
- 核心指标按四类选取：准确类（首次分派准确率、转派率、平均转派次数）、时效类（分派时延、首次响应时延）、匹配类（技能匹配、负载均衡）、结果类（返工率、重开率、一次解决率）。
- 每个指标固定分子、分母、统计单位与时间窗，明确按分派时间还是创建时间归集，转派计数、缺失值、跨团队流转与人工改派都要在口径中写清楚。
- 评估流程为取数、逐项计算校验、建立基线、按工单类型与团队分层对比、多指标综合判断；样本过少或分母为零时不宜直接给出比率结论。
- 指标反映相关性而非因果，工单难度差异会造成不可比，准确类与时效类指标相互制约，改进后需保持口径不变、覆盖完整业务周期再验证。
评估目标：先定义什么叫派单合理
“派单合理”是一个复合判断，直接问“合理不合理”很难得到可验证的答案。更可行的做法是把它拆成三个维度，每个维度对应一类可观测的事实。
- 对象正确：工单是否分给了具备处理该问题技能、且当时有承接能力的人或组。判断依据是分派后是否发生转派、转派给了谁、转派原因是什么。
- 时效达标：从工单进入分派环节到确定处理人，用了多长时间；处理人接手后多久给出首次响应。这两个时间回答的是“派得够不够快”。
- 结果可接受：分派之后工单是否一次解决、是否返工、是否被重开。这一维度反映分派决策对最终交付的影响，但需要与处理环节的质量区分开。
评估对象要明确限定为分派动作本身。工单解决慢可能源于问题本身复杂、处理人排期紧张、依赖外部团队，这些属于处理环节的问题。评估时先看分派环节的指标是否异常，再看处理环节，才能定位问题出在哪一段。评估周期建议按月或按季度，评估对象可按工单类型、团队、分派人三个层次分别统计，避免全局平均值掩盖局部问题。
指标与范围：用哪些指标衡量派单
指标按回答的问题分为四类。选择指标时不必求全，但每类至少保留一个，否则判断会失去平衡。
| 类别 | 指标 | 回答的问题 |
|---|---|---|
| 准确类 | 首次分派准确率 | 第一次分派就派对人了吗 |
| 准确类 | 转派率、平均转派次数 | 分派后需要改派的比例和幅度有多大 |
| 时效类 | 分派时延 | 工单在分派环节停留多久 |
| 时效类 | 首次响应时延 | 处理人接手后多久开始处理 |
| 匹配类 | 技能匹配度、负载均衡度 | 分派是否考虑了能力和工作量 |
| 结果类 | 返工率、重开率、一次解决率 | 分派后的处理结果是否稳定 |
适用范围需要提前界定。高优先级工单通常要求更短的分派时延，与普通工单混算会失真；不同工单类型的转派基线差异很大，例如涉及跨部门协作的工单天然更容易转派。因此指标应按工单类型和优先级分组呈现，团队和分派人维度的统计用于定位个体差异，不宜直接跨组比较绝对值。
数据口径：分子分母、时间窗与缺失值处理
口径不统一是指标失效最常见的原因。同一份数据，按创建时间归集和按分派时间归集，结果可能相差很大。下表给出各指标的计算口径，落地时需与数据实际字段对齐。
| 指标 | 分子 | 分母 | 单位与时间窗 |
|---|---|---|---|
| 首次分派准确率 | 首次分派后未发生转派的工单数 | 统计期内完成首次分派的工单数 | 百分比，按分派时间归集 |
| 转派率 | 发生过至少一次转派的工单数 | 统计期内完成首次分派的工单数 | 百分比，按分派时间归集 |
| 平均转派次数 | 全部转派动作次数 | 发生过转派的工单数 | 次/单，按分派时间归集 |
| 分派时延 | 分派完成时间减工单进入分派环节时间 | 逐单计算后取均值与分位数 | 小时，按分派时间归集 |
| 首次响应时延 | 首次响应时间减分派完成时间 | 逐单计算后取均值与分位数 | 小时，按分派时间归集 |
| 返工率 | 处理完成后因质量问题退回的工单数 | 统计期内处理完成的工单数 | 百分比，按完成时间归集 |
| 重开率 | 关闭后被重新打开的工单数 | 统计期内关闭的工单数 | 百分比，按关闭时间归集 |
计数规则要写清楚：一次分派后又转派两次，计为一次转派工单、两次转派动作；人工改派与系统规则触发的转派是否合并统计，需在口径中注明。缺失值处理上，分派时间缺失的工单不计入时延类指标的分母，但应在数据质量记录中单独列出数量。跨团队流转的工单，按首次分派所属团队归集，避免同一工单在多个团队重复计数。分母为零或样本过少时，例如某分派人当月只分派了3单，不宜直接给出比率结论，可标注样本不足或合并到更长周期统计。
计算与评估步骤：从取数到判断
评估流程分为五步，每一步都有明确的产出物，便于复核。
- 确定取数范围：明确统计周期、工单类型、团队范围，导出工单的创建时间、进入分派时间、分派完成时间、处理人、转派记录、响应时间、完成与关闭时间、重开记录等字段。
- 逐项计算并校验：按口径表计算各指标，同时抽查若干工单核对原始记录与计算结果是否一致。重点校验转派次数与工单数的对应关系，防止一单多次转派被重复计入分母。
- 建立基线：用历史同期数据或分组对比作为参照。例如本月首次分派准确率与上季度同类型工单对比，或与处理同类问题的另一个团队对比。基线的作用是判断变化方向，而非设定统一达标线。
- 分层对比定位问题：按工单类型、团队、分派人拆开看。如果整体转派率正常但某一类工单转派率明显偏高，问题可能出在该类工单的分派规则或技能标签上。
- 综合判断：把准确类、时效类、结果类指标放在一起看。首次分派准确率高但分派时延很长，说明分派人在反复确认，准确率是以速度为代价换来的，这种“合理”需要重新权衡。
取数与统计环节可以借助工单系统自身的数据记录完成。ONES Desk 提供工单分析报表与多维度数据统计能力，工单的分派、转派、响应等过程记录可作为评估的数据来源；具体报表字段与统计口径需按实际配置核对，必要时导出明细自行计算。
示例：一次派单合理性评估怎么算
以下为演示情景，数字仅用于说明计算过程。某团队某月完成首次分派的工单共200单，其中首次分派后未转派的有150单，发生过转派的50单共产生70次转派动作。分派时延方面，200单的时延合计为300小时。
- 首次分派准确率 = 150 ÷ 200 = 75%
- 转派率 = 50 ÷ 200 = 25%
- 平均转派次数 = 70 ÷ 50 = 1.4次/单（注意分母是发生过转派的工单数，不是全部工单）
- 分派时延均值 = 300 ÷ 200 = 1.5小时
均值容易被少数长时延工单拉高，因此还需看分位数。假设该月分派时延的中位数为0.8小时，第90百分位为4小时，说明多数工单分派较快，但有一批工单在分派环节滞留较久。结合转派数据看，如果转派工单的分派时延普遍高于未转派工单，可能说明分派人在不确定时反复确认，此时单纯压低转派率未必改善体验。解读时还要排除工单难度差异：若该月集中处理了一批跨部门协作工单，转派率上升可能来自工单结构变化，而非分派质量下降。
解读与限制：指标能说明什么、不能说明什么
指标反映的是相关性，不能直接证明派单是唯一原因。转派率高，可能是分派规则不清晰，也可能是工单本身描述不完整导致分派人难以判断。返工率高，可能源于分派错误，也可能源于处理标准不统一。下结论前应结合转派原因记录、工单描述质量等定性信息交叉验证。
工单难度差异会造成不可比。把简单咨询类和复杂故障类工单放在一起算平均转派率，结果没有解释力。分层是必要的，但分层过细又会导致样本不足，需要在统计周期和分组粒度之间取舍。
指标之间存在相互制约。压低转派率的一种做法是延长分派前的确认时间，这会拉高分派时延；追求极短分派时延则可能增加误派。评估时应同时观察准确类和时效类指标，找到两者都可接受的区间，而非单独优化某一项。
改进措施上线后，需要设定观察周期再验证效果。建议至少覆盖一个完整的业务周期，并保持口径不变，用同一套公式对比改进前后的数据。若同时调整了分派规则和人员分工，应尽量分批实施，以便区分是哪项改动带来了变化。指标是判断的起点，最终结论仍需结合具体工单的复盘记录。
常见问题
工单量很少的团队，派单指标还值得算吗？
可以算，但要调整呈现方式。当月分派量只有几十单甚至更少时，比率类指标波动很大，一两次转派就能让转派率变化十几个百分点。建议把统计周期拉长到季度，或按工单类型合并统计，并在结果旁标注样本量。对分派人维度的对比，样本不足时只做定性复盘，不直接比较比率高低。
首次分派准确率高，是不是就说明派单合理？
不一定。准确率高可能来自分派前的反复确认，代价是分派时延变长。评估时要把准确类指标和时效类指标放在一起看：如果首次分派准确率高但分派时延的第90百分位明显偏高，说明有一批工单在分派环节滞留，需要进一步看这些工单的分派过程和转派原因记录，再判断这种准确率是否以速度为代价换来。
转派原因记录不规范，还能评估派单合理性吗？
可以先用定量指标定位异常，再补定性信息。转派率、平均转派次数能指出哪类工单、哪个团队或分派人的转派偏多，但解释不了原因。此时可以抽查一批转派工单，人工归类为技能不匹配、工单描述不清、人员排期冲突等几类，形成小样本的原因分布。若后续要持续评估，建议在转派动作上增加必填的原因字段，让定量与定性数据能对应起来。
调整了分派规则之后，多久能看出效果？
建议至少覆盖一个完整的业务周期，并保持指标口径不变，用同一套公式对比改进前后的数据。如果同期还调整了人员分工或工单分类，尽量分批实施，否则难以区分是哪项改动带来了变化。观察期内还要留意工单结构是否发生变化，例如集中处理了一批跨部门协作工单，转派率上升可能来自工单构成而非分派质量。
派单评估的数据从哪里取，需要额外搭建统计工具吗？
优先使用工单系统自身的过程记录，包括进入分派时间、分派完成时间、处理人、转派记录、响应时间、完成与关闭时间、重开记录等字段。ONES Desk 提供工单分析报表与多维度数据统计能力，可作为数据来源之一；具体报表字段与统计口径需按实际配置核对，指标口径与系统预置统计不一致时，可导出明细自行计算，保证结果可复算。
