工单误派率回答“分派整体准不准”，重复误派率回答“同一张工单被反复派错有多严重”。两个指标的分母不同：前者以完成分派的工单数为基数，后者只看至少误派过一次的工单。统计前要先固定误派判定证据、分派事件时间窗和去重规则，否则算出的比率无法跨周期比较。ONES Desk 可承载工单受理、分派与转派记录，并提供工单分析报表，下文按通用口径说明计算与下钻方法。
要点总览（TL;DR）
- 误派率=统计期内被判定为误派的工单数÷同期完成分派的工单数；重复误派率=发生第二次及以上误派的工单数÷至少误派一次的工单数，两者分母不同，不能互相替代。
- 统计前先固定三件事：误派判定证据（退回、转派、责任团队变更等系统事件）、按分派事件时间归属的统计周期、按工单ID去重的聚合规则。
- 计算分四步：抽取分派事件并排序、逐次标记是否误派、按工单聚合出误派次数、分别代入两个公式；分母为零时显示“—”而非0。
- 下钻时把来源渠道、工单类型、原责任团队、接收团队组合成路径，按误派次数和误派率双向排序，并设置样本量下限，小样本路径只作线索。
- 误派率下降可能来自分母结构或判定标准变化，验证改进效果应固定口径、选取等长周期对比同一批路径，并检查误派绝对数是否同步下降。
统计这两个指标要解决什么问题
误派率用于衡量一个统计周期内分派动作的准确程度。它把“派错”从零散抱怨变成可比较的比例，适合回答“本月分派质量比上月好还是差”“哪个来源渠道的工单更容易派错”这类整体性问题。当误派率持续偏高时，说明分派规则、责任边界或工单信息完整度存在系统性问题，需要从路径和团队层面继续拆解。
重复误派率衡量的是同一张工单被反复派错的严重程度。一张工单第一次派错，可能只是信息不全；被退回后第二次、第三次仍派错，往往指向规则配置错误、责任团队边界模糊或转派流程缺少校验。重复误派率越高，说明问题集中在少数工单上反复消耗处理资源，单看误派率会低估这类损耗。
两个指标的服务对象是流程改进，而非个人排名。按责任团队拆分时，应关注团队之间的接口和规则，而不是把误派次数直接对应到某个处理人的绩效。样本量小的团队或路径，指标波动大，只适合作为排查线索。把指标用于考核个人，容易导致处理人少记退回、私下转派，反而破坏数据质量。
指标定义与统计范围怎么划
两个指标共用“误派”这一判定，但分母不同。误派率的分母是统计期内完成分派的工单数，重复误派率的分母是统计期内至少发生一次误派的工单数。分母口径一旦确定，应在口径文档中写明，并在后续周期保持一致。
| 指标 | 公式 | 分子 | 分母 | 单位 |
|---|---|---|---|---|
| 误派率 | 误派工单数 ÷ 完成分派工单数 × 100% | 统计期内被判定为误派的工单数（按工单去重） | 统计期内完成分派的工单数 | 百分比 |
| 重复误派率 | 重复误派工单数 ÷ 至少误派一次工单数 × 100% | 统计期内发生第二次及以上误派的工单数（按工单去重） | 统计期内至少发生一次误派的工单数 | 百分比 |
时间窗建议按分派事件时间统计，即以每次分派动作发生的时刻归属统计周期，而不是按工单创建时间。按创建时间统计会把跨周期处理的工单全部算到创建周，导致当期分派质量被历史工单稀释。若管理上需要看“本周新建工单的最终分派质量”，可以另设按创建时间归集的辅助口径，但两个口径不能混在同一张报表里比较。
纳入范围要写清楚工单类型、来源渠道和责任团队。例如只统计对外服务工单，或同时包含内部需求单；只统计某个业务线，还是全部团队。排除范围同样需要明确：测试单、合并单、撤销单通常不计入分母，因为它们没有真实的分派准确性含义。合并单若已产生分派事件后被合并，应按合并前的分派记录判断，还是整体剔除，需在口径中二选一并保持稳定。
误派怎么判定：数据口径与证据
误派判定的核心是“有可核验的证据表明工单被派给了不该处理的团队”。常见证据有四类：接收方主动退回并注明原因；系统记录的责任团队变更或转派；处理人在工单中反馈“不属于本团队职责”；工单被派往明显超出该团队受理范围的类型。四类证据的可靠性不同，退回和转派有系统事件支撑，口头反馈需要落到工单记录上才可计入。
| 字段 | 用途 | 缺失时的处理 |
|---|---|---|
| 工单ID | 去重与聚合的主键 | 缺失则该记录不纳入统计 |
| 分派事件时间 | 归属统计周期、排序分派次序 | 用最近一次状态变更时间替代并标记 |
| 原责任团队 | 判断派往何处、构建路径 | 缺失则路径维度记为“未知”，不参与团队排名 |
| 新责任团队 | 判断转派去向 | 同上 |
| 退回/转派原因 | 区分误派与正常协作转派 | 无原因记录的转派不计入误派分子 |
| 误派标记 | 人工复核结论 | 由复核人按统一标准补标，并记录标记时间 |
定性证据要与系统日志对应。处理人在聊天工具里说“派错了”，若工单上没有退回或转派记录，不应直接计入分子；正确做法是让处理人在工单中补记退回原因，或由复核人依据职责范围表判定并留下标记。判定不一致时，以口径文档中的职责范围表和复核记录为准，同一工单只保留一个最终判定，避免重复计数。
计算步骤：从原始事件到两个比率
计算可以按四步完成，每一步都产出可核对的中间结果，便于复算和审计。
- 抽取分派事件。从工单系统中导出统计期内的全部分派、退回和转派事件，字段至少包含工单ID、事件时间、原团队、新团队、事件类型。按工单ID和事件时间升序排序，形成每张工单的分派序列。
- 标记每次分派是否为误派。依据上一节的证据规则，对序列中的每次分派打上“误派/非误派”标记。正常协作转派、因人员请假调整处理人，不计为误派。
- 按工单聚合。对每张工单统计误派次数，得到“是否误派”（次数≥1）和“是否重复误派”（次数≥2）两个布尔字段。聚合时以工单ID去重，同一工单多次误派只计一次。
- 分别计算比率。误派工单数除以完成分派工单数得到误派率；重复误派工单数除以至少误派一次工单数得到重复误派率。两个比率的分母不同，不能相互替代。
边界情况需要预先约定。分母为零时，比率无定义，报表应显示“—”，不要填0，否则会被误读为“没有误派”。只有一次误派的工单计入误派率分子，但不计入重复误派率分子。多次误派的工单在两个指标中都只计一次，次数本身可作为辅助字段展示。不同时间窗、不同团队范围或口径变更前后的数据不可直接比较，跨期对比前要确认分母定义和误派判定标准一致。
算一个例子：一周分派数据怎么得出结果
以下为演示用假设数据，不对应任何真实组织。某周完成分派的工单共 500 张，经证据判定发生误派的工单 40 张，其中误派两次及以上的工单 10 张。
误派率 = 40 ÷ 500 × 100% = 8.0%。重复误派率 = 10 ÷ 40 × 100% = 25.0%。解读时可以说：本周每 100 张完成分派的工单中约有 8 张被派错；在派错的工单里，有四分之一被反复派错，这部分工单是优先排查对象。
按路径拆分可以进一步定位。假设 40 张误派工单中，来自“在线表单—账号问题—基础支持组”路径的有 18 张，该路径本周完成分派 120 张，路径误派率为 15.0%；“电话—账单问题—计费组”路径误派 6 张，完成分派 150 张，误派率 4.0%。前一路径的误派率明显高于整体水平，且重复误派集中在该路径，说明账号问题的责任划分或表单字段可能不足以让分派规则正确判断归属。
这个结果能说明误派集中在哪条路径、重复误派有多严重，不能说明误派率上升一定由某次规则调整导致，也不能据此评价某个处理人的能力。样本只有一周时，单条路径的比率波动较大，应结合多周数据再下结论。
识别高频误派路径与责任团队
下钻分析的前提是使用与总指标相同的口径，只改变分组维度。建议把“来源渠道 × 工单类型 × 原责任团队 × 接收团队”组合成路径，统计每条路径的完成分派数、误派工单数、误派率和重复误派工单数。按误派次数排序找绝对量大的路径，按误派率排序找比例异常的路径，两者结合看。
| 路径 | 完成分派数 | 误派工单数 | 误派率 | 重复误派工单数 | 判读 |
|---|---|---|---|---|---|
| 在线表单—账号问题—基础支持组 | 120 | 18 | 15.0% | 6 | 比例与重复量均高，优先排查 |
| 电话—账单问题—计费组 | 150 | 6 | 4.0% | 1 | 处于可接受范围，持续观察 |
| 邮件—功能咨询—产品组 | 30 | 4 | 13.3% | 2 | 样本偏小，仅作线索 |
责任团队归因要设置样本量下限。完成分派数低于约定阈值（例如 30 张）的路径，比率容易受个别工单影响，只列为观察项，不进入团队排名。归因时区分两类问题：规则配置问题表现为同一路径稳定高误派，调整分派规则或职责映射后应下降；信息缺失问题表现为误派集中在表单字段不全的工单，需要补充分派必填字段或增加人工预审。两类问题的改进动作不同，混在一起会导致改错方向。
在 ONES Desk 中，工单属性、处理流程和分派记录可自定义配置，工单分析报表能按团队和维度汇总处理情况，适合把上述路径字段和误派标记沉淀为可复用的统计视图；具体报表字段与统计配置需在实际环境中核对后使用。
结果怎么解读，哪些限制要写清楚
误派率下降不等于分派质量全面提升。它可能来自分母扩大（更多简单工单进入统计）、误派判定收紧（退回记录要求变严）或工单量结构变化。解读时应同时看误派工单绝对数、重复误派率和路径分布，确认下降发生在哪些路径，而不是只看一个百分比。
样本量小和口径变更会破坏可比性。团队人数少、工单量低的路径，单周比率可能从 0 跳到 20%，这类波动不宜作为改进成效的证据。口径变更（如新增排除测试单、调整时间窗归属）后，前后数据应分段展示，或在同一口径下重算历史数据再比较。
指标与因果之间需要谨慎。误派率变化可以提示问题环节，不能单独证明某次培训或规则调整有效。验证改进效果时，应固定误派判定标准、时间窗和分母口径，选取改进前后等长的周期对比同一批路径的误派率和重复误派率，并检查误派绝对数是否同步变化。若只有比率下降而绝对数未降，需排查是否分母结构发生了变化。把两个指标与路径下钻结果一起使用，才能支撑“改哪里、改得怎么样”的判断。
常见问题
误派率和重复误派率能不能用同一个分母？
不能。误派率的分母是统计期内完成分派的全部工单，重复误派率的分母只包含至少误派过一次的工单。两者回答的问题不同：前者看整体分派准确度，后者看误派工单被反复派错的比例。若把重复误派率也放在全部工单上做分母，数值会被大量一次派对的工单稀释，无法反映反复派错的严重程度。报表中应分别标注分母，避免读者误读。
工单在统计期末还没处理完，分派结果未定，应该计入哪一期？
按分派事件时间归属时，只要分派动作发生在统计期内就计入当期，后续是否被退回不影响归属，但误派标记需要在证据出现后回补。实操中常见做法是给统计期留一个观察窗口，例如周报在下周初生成，等退回和转派事件基本落定后再定稿。若采用按工单创建时间归集的辅助口径，跨期工单会全部落到创建期，两种口径不能混在同一张报表里比较。
处理人在群里说派错了，但工单上没有退回记录，算不算误派？
建议不计入分子，直到证据落到工单上。误派判定依赖可核验的记录，口头反馈无法复算，也无法区分误派与正常协作调整。处理方式有两种：让处理人在工单中补记退回原因或转派动作，由系统留下事件；或由复核人依据职责范围表判定，并在工单上留下误派标记和标记时间。同一工单只保留一个最终判定，避免同一事件被重复计数。
某条路径一周只有十几张工单，误派率很高，能直接认定这个团队有问题吗？
不宜直接下结论。完成分派数低于约定阈值（如30张）的路径，比率容易受个别工单影响，一周内从0跳到20%都可能出现。建议把这类路径列为观察项，积累多周数据后再判断是否稳定偏高。同时区分问题类型：同一路径持续高误派更可能是规则配置或职责映射问题；误派集中在表单字段不全的工单，则更可能是信息缺失，需要补充分派必填字段或增加人工预审。
调整了分派规则后，怎么证明误派率下降是规则起的作用？
固定误派判定标准、时间窗和分母口径，选取改进前后等长的周期，对比同一批路径的误派率和重复误派率，并检查误派工单绝对数是否同步下降。若比率下降而绝对数未降，要排查分母结构是否变化，例如更多简单工单进入统计。单看一个百分比无法排除工单量结构、判定收紧等因素，把两个指标与路径下钻结果一起看，才能支撑“改哪里、改得怎么样”的判断。
