平均工单解决时间上升时，直接看总时长往往找不到原因。更有效的做法是先把每张工单的总时长按状态切分为等待、转派、处理三段，用统一口径统计各段的中位数、P90和占比，再通过分层对比与工单样本核对，确认瓶颈落在哪个环节。拆解前需要先固定统计口径，否则各环节数据不可比。
要点总览（TL;DR）
- 先固定统计口径：明确总时长起止点、是否扣除非工作时段、多次往返如何归并，再按状态变更记录把每张工单切成等待、转派、处理三段。
- 用中位数、P90和占比共同判断，避免平均值被少数长尾工单拉高；按团队、工单类型、优先级、时段分层对比，把全局上升收敛到具体切片。
- 汇总表只提示方向，确认瓶颈要抽取耗时最长的工单样本，核对时间戳与操作记录，逐条验证或排除原因假设。
- 处置针对已确认的瓶颈环节，小范围先行并保留历史记录；复测口径与处置前一致，设观察窗口区分真实改善与样本波动。
- 建立分环节耗时的定期监控与阈值提醒，让同类上升在影响总时长之前被发现。
先确认症状范围：上升发生在哪类工单和哪个时间段
“平均解决时间上升”是一个汇总结果，可能由少数长尾工单拉动，也可能来自某一类工单的整体恶化。定位瓶颈的第一步，是把这句话收敛成一份可核查的症状范围说明：统计口径是什么、和什么基线比、异常集中在哪些切片。
先明确总时长的起止点。常见口径有两种：从工单创建到关闭，或从首次响应到解决。两种口径算出的数值差异很大，前者包含等待受理的时间，后者不包含。选定一种后，本次排查全程沿用，不要中途切换。同时确认是否扣除非工作时段、跨天工单如何计算，这些规则要在开始统计前写清楚。
再确认上升是整体性的还是局部性的。把工单按类型、优先级、处理团队、创建时段分别切片，观察上升是均匀分布在所有切片，还是集中在少数几类。如果只有某一类工单或某个团队的时间明显拉长，后续拆解就应聚焦在这个范围，而不是对全部工单做平均。
对比基线要选同类对象。与上一周期对比可以看出变化幅度，与同类工单的历史值对比可以判断当前水平是否异常。两种对比同时使用，能避免季节性波动或工单结构变化造成的误判。
统计指标上，平均值、中位数和P90要一起看。平均值容易被少数超长工单拉高，中位数反映典型工单的水平，P90反映尾部恶化程度。如果平均值上升而中位数基本稳定，说明问题集中在长尾工单；如果中位数同步上升，说明多数工单都变慢了，原因更可能是流程或资源的结构性变化。
完成这一步后，应得到一份症状范围说明，至少包含：总时长口径与计算规则、对比基线与对比结果、异常集中的工单切片（类型、优先级、团队、时段），以及平均值与中位数的背离情况。
把总时长切成等待、转派、处理三段
拆解的基本方法是按工单状态流转切分。每张工单在生命周期中会经历一系列状态变更，相邻两次状态变更的时间戳相减，就得到该状态的停留时长。把这些状态归入三个环节，即可得到每张工单的分段耗时。
| 环节 | 包含的状态与动作 | 时间戳取数来源 |
|---|---|---|
| 等待 | 待受理、待响应，即工单已提交但尚未有人开始处理 | 创建时间、首次受理或首次响应时间 |
| 转派 | 转派动作本身，以及转派后等待接收方接单的时间 | 转派记录、接收确认记录 |
| 处理 | 受理后的实际处置，包括排查、回复、解决、关闭前的处理动作 | 处理记录、状态变更记录、关闭时间 |
取数前要确认数据源可用。状态变更记录提供状态与时间戳，转派记录提供转出方、接收方和时间，处理记录提供实际动作。三类记录需要能按工单号关联，否则分段计算会出现缺口。
边界情况要统一口径，否则同一批工单算出的占比不可比。常见的有三类：
- 跨天与非工作时段：工单在夜间或周末停留的时间是否计入等待，需要事先约定。若服务承诺按工作时段计算，等待段也应扣除休息时间，并在汇总表中注明。
- 多次往返：一张工单可能经历多轮转派和处理，每轮都产生时长。建议按环节累加，即一张工单的转派耗时等于所有转派停留时间之和，而不是只取第一次。
- 状态回退：工单从处理中退回待受理，这段停留应计入等待还是处理，需要按业务含义判断并统一执行，避免同类工单被归入不同环节。
完成计算后，输出一张分环节耗时汇总表，作为后续判断的数据基础。
| 环节 | 样本量 | 中位数 | P90 | 占总时长比例 |
|---|---|---|---|---|
| 等待 | — | — | — | — |
| 转派 | — | — | — | — |
| 处理 | — | — | — | — |
表中占比按各环节时长之和除以总时长计算，样本量用于判断该环节的数据是否覆盖全部工单。如果某环节存在大量缺失时间戳，占比会失真，需要先补齐数据再下结论。这一步只做计量和呈现，不对原因作判断。
用分层对比和工单样本验证瓶颈假设
汇总表能指出哪一段耗时最长或增量最大，但耗时长不等于瓶颈。需要先提出原因假设，再用分层数据和具体工单记录逐条验证或排除，避免把猜测当成结论。
按环节列出常见假设：
- 等待段：受理人力不足或排班覆盖不到高峰时段；首接责任不清，工单在队列中无人认领；通知机制缺失，新工单没有被及时看到。
- 转派段：分派规则不清，工单在团队之间反复流转；技能匹配差，接单方发现不属于自己范围后再次转出；接收方确认环节缺少时限约束。
- 处理段：问题复杂度上升，单张工单需要的排查时间变长；知识缺口导致重复摸索；复杂工单与简单工单混在同一队列，简单工单被积压。
验证时按团队、工单类型、优先级、时段做分层对比，观察哪一段的增量最集中。例如，若等待段的增量主要出现在某几个团队的非工作时段之后，说明问题可能与排班或交接有关；若转派段的增量集中在跨团队工单，说明分派规则或技能匹配可能是原因；若处理段的增量集中在某一类问题，说明复杂度或知识储备是更可能的方向。
分层数据只能提示方向，最终确认要回到工单样本。抽取耗时最长的若干工单，逐张核对时间戳与操作记录，确认时间具体消耗在哪个动作上：是提交后长时间无人受理，是转派后接收方迟迟未确认，还是受理后处理动作间隔很长。样本核对还能发现数据口径问题，比如某类工单的状态记录缺失导致时长被错误归入某一环节。
每条假设都要给出支持证据或排除理由，形成一张假设验证清单。
| 假设 | 对应环节 | 验证方式 | 结论 |
|---|---|---|---|
| 高峰时段受理人力不足 | 等待 | 按时段分层，对比高峰与非高峰的等待中位数 | 支持／排除 |
| 分派规则不清导致反复转派 | 转派 | 统计转派次数分布，抽样核对转派原因 | 支持／排除 |
| 某类问题复杂度上升 | 处理 | 按工单类型分层，对比处理时长变化 | 支持／排除 |
清单中保留被排除的假设同样重要，它能防止后续处置时重复走弯路。若多条假设同时成立，按增量贡献排序，优先处理影响最大的环节。
按定位结果安排处置动作
处置应针对已确认的瓶颈环节，并在小范围先行验证。原因未确认前大范围改动流程，容易引入新的等待或转派，反而推高总时长。
等待段瓶颈的处置方向：调整受理排班，让高峰时段有足够人力覆盖；设置待受理超时提醒，让长时间无人认领的工单进入可见范围；明确首接责任，规定工单进入队列后由谁负责认领或分派。执行前提是先确认高峰时段和队列积压的真实分布，避免按经验排班。
转派段瓶颈的处置方向：收敛转派规则，减少不必要的跨团队流转；按技能或工单类型预设分派路径，让工单提交后直接进入合适的处理队列；对无效往返转派设置限制或复核环节。执行前提是分派路径与实际技能分布匹配，否则预设路径会把工单送到不合适的队列，转派次数可能不降反升。
处理段瓶颈的处置方向：补充常见问题的处理知识，减少重复排查；拆分复杂工单，把可独立处理的部分分开流转；为高复杂度类型设置专门处理队列，避免与简单工单争抢同一批处理人力。执行前提是确认处理时长的增量确实来自复杂度或知识缺口，而不是上游等待被计入了处理段。
处置前需要交代风险边界：
- 明确本次改动的影响范围，只覆盖已确认存在瓶颈的工单切片，其他流程暂不动。
- 保留改动前的状态记录、转派记录和处理记录，作为复测对比的基线数据。
- 暂停依赖旧分派规则的自动化配置，避免新旧规则同时生效造成工单流向混乱。
- 改动分批上线，每批之间留出观察期，便于判断哪项改动产生了效果。
如果工单的状态流转、转派记录和处理过程集中在同一套系统中，分段耗时的取数和复测会更容易保持一致。ONES Desk 面向企业服务与协作场景，支持自定义工单属性与工作流配置，并提供工单分析报表汇总处理情况；工单可关联到 ONES Project 的需求或缺陷工作项持续跟踪。团队可据此承载状态变更与转派记录，按统一口径统计各环节耗时。具体报表的指标粒度与记录保留策略，可在选型时向厂商核实。
验证恢复并防止复发
处置后要确认耗时是否回落，并判断回落是真实改善还是样本波动。复测口径必须与处置前一致：同样的总时长起止点、同样的非工作时段处理规则、同样的环节划分方式。口径一变，前后数据就失去可比性。
复测时对比各环节时长的变化，而不只看总时长。总时长下降可能来自某一环节的改善，也可能来自工单结构变化，比如高复杂度工单减少。分环节对比能看出改善是否发生在预期位置：如果处置针对等待段，等待段的中位数和P90应同步下降；如果只有总时长下降而等待段没有变化，需要检查是否样本构成发生了变化。
设定观察窗口和判断标准。观察窗口应覆盖至少一个完整的业务周期，包含高峰和非高峰时段。判断标准可以设为：目标环节的中位数回落到处置前基线以下，P90不再继续上升，且连续多个观察周期保持稳定。单周期的下降不足以确认改善，需要排除偶发因素。
建立分环节耗时的定期监控。按周或按月输出等待、转派、处理三段的中位数、P90和占比，与历史基线对照。为各环节设置阈值提醒，当某一段的P90超过基线一定幅度时触发排查，让同类上升在影响总时长之前就被发现。监控指标应与本次拆解口径一致，避免另建一套统计方式导致数据对不上。
最后记录本次定位结论，形成可复用的排查路径：症状范围如何界定、三段如何切分、哪些假设被验证或排除、处置动作及效果、复测结果。下次遇到解决时间上升时，可以按同一路径快速走一遍，减少重复摸索。记录中保留被排除的假设和对应的证据，也能帮助团队避免在相同方向上反复投入。
常见问题
拆解三段耗时时，工单状态记录不完整怎么办？
先评估缺失范围：如果某类工单的状态变更记录大面积缺失，分段占比会失真，此时应优先补齐数据或将该类工单单独标注，避免与完整记录的工单混算。若缺失集中在少数环节，可在汇总表中注明样本覆盖情况，并用可获取的时间戳做近似计算，同时把数据缺口作为后续流程改进的一项。不要用不完整数据直接下瓶颈结论。
等待段和转派段的耗时经常交叉，怎么划分才不重复计算？
按动作归属划分：工单提交后到首次有人受理之间的停留计入等待；转派动作本身以及转派后等待接收方确认接单的时间计入转派；受理后的实际处置计入处理。如果工单从处理中退回待受理，这段停留按业务含义归入等待或处理，并在全量工单中统一执行同一规则。关键是同一类状态回退在所有工单中归属一致，避免同类工单被归入不同环节导致占比不可比。
处置后总时长下降了，但目标环节的中位数没有变化，说明什么？
可能有两种情况：一是改善来自工单结构变化，比如高复杂度工单减少或低耗时工单占比上升，而非目标环节本身变快；二是处置动作影响了其他环节，间接拉低了总时长。此时应分环节对比处置前后的中位数和P90，并检查样本构成是否发生变化。如果目标环节没有改善，需要回到假设验证清单，确认处置是否真正作用在已确认的瓶颈上。
分环节监控的阈值应该怎么设，才能既不过于敏感又不漏掉上升？
阈值应基于历史基线设定，而不是拍一个固定数值。可以先统计各环节过去若干完整业务周期的中位数和P90波动范围，把触发排查的阈值设在正常波动之外。观察窗口覆盖至少一个完整业务周期，包含高峰和非高峰时段。初期阈值可以宽松一些，运行一段时间后根据误报情况调整。监控指标与本次拆解口径保持一致，避免另建一套统计方式导致数据对不上。
ONES Desk 能否直接支撑按等待、转派、处理三段统计耗时？
ONES Desk 支持自定义工单属性与工作流配置，提供工单分析报表汇总处理情况，工单可关联到 ONES Project 的需求或缺陷工作项持续跟踪。团队可据此承载状态变更与转派记录，按统一口径统计各环节耗时。报表可拆解到等待、转派、处理各段的具体指标粒度，以及状态与转派记录的保留策略，建议在选型时向厂商核实。
