工单信息完整率按“必填字段全部满足的工单数÷统计期内应纳入统计的工单总数”计算。落地时先定义必填字段清单与合格判定规则，再确定按创建时点还是关闭时点取数；同时用一次补齐率和信息不足返工率交叉验证，避免完整率虚高掩盖退回与补录成本。本文给出可复算的口径、公式与示例。
要点总览（TL;DR）
- 工单信息完整率＝必填字段全部合格的工单数÷纳入统计的工单总数×100%，先定必填字段清单与合格判定规则，再固定按创建时间或关闭时间取数。
- 必填字段按通用必填、类型专属必填、条件必填分级，合格判定分非空、有效值、格式合规三类，排除“其他”“未知”等占位值。
- 一次补齐率＝首次提交即全部合格的工单数÷同一分母，用于校正事后补填造成的完整率虚高；信息不足返工率＝因信息缺失被退回或补录的工单数÷同一分母。
- 三个指标共用分母、一次取数即可同时算出，再按工单类型与渠道分组定位差异；完整率高而返工率也高，说明字段设置或受理环节需要调整。
- 不设通用达标线，达标值结合自身业务基线与规则版本确定；调整字段或表单后用前后同期对比验证改进效果。
评估目标：先回答完整率要解决什么问题
统计工单信息完整率，目的不是得到一个好看的数字，而是支撑三类具体决策：判断受理环节是否拿到了足够信息、识别因信息缺失产生的退回与二次补录、评估现有必填字段设置是否需要调整。度量目标先写清楚，后面的字段清单和取数口径才有依据。
三个指标分别回答不同问题，需要配套使用：
| 指标 | 回答的问题 | 对应决策 |
|---|---|---|
| 信息完整率 | 纳入统计的工单中，有多少在取数时点必填字段全部合格 | 受理信息总体是否够用；字段规则是否覆盖主要场景 |
| 一次补齐率 | 有多少工单在首次提交时就已完整，无需后续补充 | 提单表单与填写引导是否有效；前端拦截是否到位 |
| 信息不足返工率 | 有多少工单因信息缺失被退回或发生补录 | 返工成本有多大；哪些工单类型或渠道最需要改表单 |
本文讨论范围限定在服务工单的信息规范，包括提单、受理、退回与补录环节。缺陷报告的信息规范、研发平台跨对象字段治理与配置属于其他主题，本文不展开。读者可将本文方法迁移到其他单据，但字段清单与判定规则需按对应场景重新定义。
指标与范围：必填字段清单和统计对象怎么定
完整率的分母和分子都依赖两个前置定义：哪些字段算必填，哪些工单纳入统计。这两项没有定清楚，不同人算出的结果无法比较。
必填字段按工单类型分级
建议把必填字段分成两层。通用必填适用于所有工单，例如提单人、联系方式、问题描述、所属产品模块；类型专属必填只在特定工单类型下生效，例如故障类工单需要影响范围与发生时间，账号类工单需要账号标识与所属组织。字段清单以表格形式固化，并标注生效的表单版本。
| 字段层级 | 示例字段 | 适用范围 | 判定说明 |
|---|---|---|---|
| 通用必填 | 提单人、联系方式、问题描述 | 全部纳入统计的工单 | 逐单检查，缺一即判不合格 |
| 类型专属必填 | 故障类：影响范围、发生时间；账号类：账号标识 | 对应工单类型 | 按工单类型匹配字段清单后判定 |
| 条件必填 | 涉及退款时必填订单号 | 满足触发条件的工单 | 先判断触发条件是否成立，再判定字段 |
统计对象与排除规则
纳入范围应明确到工单类型和来源渠道，例如对外受理的咨询、故障、账号类工单全部纳入，来自门户、邮件、在线客服等渠道统一计入。测试单、内部演练单、尚未提交的草稿单应排除，并在规则表中写明排除依据，避免执行时各自理解。若某类工单字段结构差异过大，可先分组统计再合并，不强行用一套字段清单覆盖。
时间窗与分母
取数时点需要在两种口径中选定一种并固定：按创建时间取数，统计期内创建的工单全部计入，反映提单质量；按关闭时间取数，统计期内关闭的工单计入，反映最终信息状态。跨期工单按统一规则归期，例如一律归入创建月份，避免同一工单在两个周期重复计入。分母即纳入统计的工单总数；统计期内没有工单时，完整率记为“无数据”，不写0%，也不写100%。
数据口径与证据：字段值从哪里取、怎么判定合格
结果要能复算，取数来源和判定规则必须写死。工单系统里的字段值、表单提交记录和流转日志是三类主要数据来源：字段值用于判定当前是否完整，表单提交记录用于识别首次提交状态，流转日志用于识别退回与补录动作。
合格判定分三类
| 判定类型 | 规则 | 示例 |
|---|---|---|
| 非空判定 | 字段有值且不是空白 | 问题描述不能为空字符串 |
| 有效值判定 | 排除占位值和无信息量取值 | “其他”“未知”“待补充”不计为合格 |
| 格式合规判定 | 符合约定格式或取值范围 | 联系方式符合号码格式；发生时间可解析 |
多值字段需约定判定口径，例如“至少填写一项”还是“全部必选项均需填写”；附件字段需约定是否必须上传、上传后是否校验文件类型；关联对象字段需确认关联记录存在且状态有效。这些规则逐字段写入判定规则表，与字段清单同版本管理。
证据留存
每次统计保留导出快照、字段规则版本号和取数时间点。口径调整后新旧结果不可直接比较，需在报告中注明规则版本。这样后续复核时能还原当时的判定依据，也能解释数字变化来自规则调整还是业务变化。
在工具层面，工单系统承担字段配置与流转记录的承载。以 ONES Desk 为例，其支持自定义工单属性与工单内容配置，适配不同收集场景，并可通过门户配置表单、分享填写链接供用户提单；同时提供多维度数据统计与工单分析报表。字段是否设为必填、提交时是否校验，以及报表是否直接给出完整率类指标，需在实际配置界面确认，统计口径仍按本文规则自行定义。
计算与评估步骤：三个指标的公式与统计流程
三个指标共用同一个分母，分子不同，因此可以在一次取数中同时算出，便于对照。
公式与分子分母
| 指标 | 公式 | 分子 | 分母 |
|---|---|---|---|
| 信息完整率 | 必填字段全部合格的工单数÷纳入统计的工单总数×100% | 取数时点必填字段全部合格的工单 | 统计期内纳入统计的工单总数 |
| 一次补齐率 | 首次提交即全部合格的工单数÷纳入统计的工单总数×100% | 首次提交记录中必填字段即全部合格的工单 | 同上 |
| 信息不足返工率 | 因信息缺失被退回或发生补录的工单数÷纳入统计的工单总数×100% | 流转日志中存在因信息缺失退回，或存在补录动作的工单 | 同上 |
统计步骤
- 定字段：按工单类型整理必填字段清单，标注通用、类型专属与条件必填，记录规则版本号。
- 取数：按选定时间窗导出纳入统计的工单清单及字段值、首次提交记录、流转日志。
- 逐单判定：对每张工单按字段清单逐项判定，记录不合格字段；同时标记首次提交是否完整、是否存在退回或补录。
- 汇总：分别计算三个指标的分子，除以同一分母，得到百分比。
- 分组：按工单类型、来源渠道、受理团队分组重复计算，定位差异来源。
缺失值与特殊情形处理
字段为空按不合格计；字段在提交后被修改补填的，完整率按取数时点判定，一次补齐率仍按首次提交判定，两者差异正是补录的体现；工单在统计期内被撤销的，若撤销发生在受理前可排除并在规则中注明，若已进入处理流程则保留计入。退回后重新提交的工单只计一次，不因多次退回重复计入分子。
例子：一个月的工单数据怎么算出来
以下为演示情景，数据为假设值，用于说明计算过程。某月纳入统计的工单共500张，必填字段为提单人、联系方式、问题描述三项通用字段，故障类工单另需影响范围。
| 项目 | 数量 | 说明 |
|---|---|---|
| 纳入统计工单总数 | 500 | 分母 |
| 取数时点必填字段全部合格 | 430 | 完整率分子 |
| 首次提交即全部合格 | 380 | 一次补齐率分子 |
| 因信息缺失被退回或补录 | 90 | 返工率分子 |
计算得：信息完整率＝430÷500×100%＝86.0%；一次补齐率＝380÷500×100%＝76.0%；信息不足返工率＝90÷500×100%＝18.0%。完整率与一次补齐率相差10个百分点，说明有一部分工单是在提交后补填才达到完整的。
按类型分组后差异更明显。假设故障类工单150张，完整率78.0%，返工率26.0%；咨询类工单350张，完整率89.4%，返工率12.6%。故障类工单的完整率明显偏低且返工率偏高，可优先检查影响范围字段是否在表单中说明清楚、是否设置了提交校验。这类分组结果指向具体动作，比只看总体数字更有用。
解读与限制：指标怎么用、什么时候会失真
完整率高不代表受理快。信息齐全的工单仍可能排队等待、流转缓慢，因此完整率应与返工率、处理时长联合看：完整率高而返工率也高，往往说明字段设置偏少或受理环节在反复追问；完整率一般但返工率低，可能说明表单引导有效，只是个别类型字段要求偏严。
常见失真情形
- 必填字段设得过少，完整率自然虚高，指标失去区分度。
- 字段在提交后被事后补填，按取数时点统计会高估首次提交质量，需用一次补齐率校正。
- 分母口径漂移，例如中途改变纳入的工单类型或时间窗，前后结果不可比。
- 把“其他”“未知”等占位值当作有效填写，抬高完整率。
- 退回记录未留存或补录动作未记录，返工率被低估。
改进验证与达标线
调整字段规则或表单后，用调整前后相同长度的周期做同期对比，同时观察三个指标的变化方向：完整率与一次补齐率上升、返工率下降，才说明改进有效；若完整率上升而返工率未降，需检查是否只是增加了字段数量而非提升了信息有效性。本文不设通用达标线，达标值应结合自身业务基线、工单类型结构和受理流程确定，并随规则版本更新重新校准。单指标适合用于定位问题，不宜直接作为团队绩效结论。
常见问题
统计期内工单数量很少，甚至没有工单，完整率怎么处理？
分母为0时不计算百分比，记为“无数据”，既不写0%也不写100%，避免把没有样本误读成质量极差或极好。工单数量很少时，建议同时给出绝对数（合格单数、纳入统计单数），并合并相邻周期或按季度汇总后再看比例；单周期样本过小时，比例波动主要来自样本量，不宜据此判断字段规则好坏。
工单提交后被补填了字段，完整率应该按哪个时点算？
信息完整率按取数时点判定，反映工单在统计时点的信息状态；一次补齐率按首次提交记录判定，反映提单环节的质量。两者差值就是事后补填的规模。如果只关心提单质量，可以以一次补齐率为主指标，完整率作为辅助；如果关心受理时是否拿到足够信息，则应在受理动作发生时点取数，并在规则中写明该时点定义，保证各期可比。
退回后重新提交的工单，会不会在返工率里被重复计算？
不会。返工率的分子按工单去重计数：一张工单在统计期内无论被退回几次，只要发生过因信息缺失的退回或补录，就计为1。分母仍是纳入统计的工单总数，因此返工率不会超过100%。若需要衡量退回的频繁程度，可另设“平均退回次数”作为补充指标，与返工率分开报告，避免两个口径混在一个数字里。
不同工单类型的字段要求差别很大，能不能用一套字段清单统一统计？
可以统一公式，但字段清单需要按类型分别定义。做法是先设通用必填字段，再为每类工单配置类型专属必填和条件必填，判定时按工单类型匹配对应清单。汇总时给出总体完整率，同时按类型分组展示。若某类工单字段结构差异过大，分组结果比总体数字更有参考价值，强行用一套清单会让部分类型被系统性判为不合格或合格。
调整了必填字段规则之后，完整率突然上升，怎么判断是改进还是口径变化？
先看规则版本号。字段规则调整后，新旧结果不可直接比较，需要在报告中标注版本并重新建立基线。判断改进是否真实，可观察三个指标的方向：完整率与一次补齐率上升、返工率下降，说明信息质量确实改善；完整率上升而返工率未降，可能只是增加了字段数量或放宽了判定，信息有效性并未提升。用调整前后相同长度的周期做同期对比，结论更可靠。
