Skip to content

看板与流动效率 ​

本篇要点:能用 WIP 限制、周期时间和累积流图定位"团队很忙但交付很慢"的具体原因,并给出可以落地的看板字段与度量口径。前置要求:读完《Scrum 实践:三个角色、五个会议怎么开》,团队已经在跑固定节奏的迭代。

为什么需要它 ​

2026 年 5 月,一个 9 人团队找我,诉求只有一句:"我们想加两个人。"他们的理由很充分:看板上每个人名下有 3 到 4 张卡处于"进行中",早会大家报的都是"我手上还有几个没弄完",没人闲着。

我先要了两个数。第一个,过去 8 周每周完成的卡片数分别是 7、6、5、6、7、5、6、6,平均 6 张/周。第二个,看板上"进行中"状态的卡片总数,31 张。

拿笔算一下:31 ÷ 6 ≈ 5.2 周,约 36 天。实测从进入"待开发"到"已上线"平均 27 天,两者同一量级。这个算式叫利特尔法则(Little's Law),它只说一件事:在一个稳定系统里,平均停留时间等于系统内物品数除以单位时间流出量。

于是结论反过来了:这个团队的交付慢,不是人少,是同时在开工的东西太多。9 个人 31 张在制品,平均每人 3.4 张。加两个人只会把在制品推到 38 张,周期时间不变甚至更长,因为新人要占用老人时间,而代码评审、环境、测试数据这些共享资源一个也没增加。

加人之前,得先把流动理顺。

核心概念 ​

概念一:在制品与 WIP 限制 ​

在制品(Work In Progress,WIP)指已经开始、还没结束的条目。WIP 限制是给某一列设一个同时在处理的数量上限,写在该列标题旁,比如"开发中(3)"。

它的作用不是让团队少干活,是让空闲显形。一张卡做完、下一列已满的时候,做这件事的人会停下来,然后去做那个真正拉动流动的动作:帮测试、帮排查、把卡拆小、去拉通依赖。如果团队文化是"每个人手上必须有事做",WIP 限制就会被违反,因为有空闲比有积压更让人不安。

设置时有个经验起点:先用利特尔法则反推。想要 12 天交付、每周能完成 6 张,那在制品应该控制在 12÷5×6 ≈ 14 张左右(12 天约 2.4 周,2.4×6 ≈ 14)。然后再按列分配,不要一上来给整块看板设一个大数。

概念二:周期时间与吞吐量的口径 ​

三个词必须先把口径定死,否则团队会各说各话。

前置时间(Lead Time)从条目进入系统算起,到交付为止。周期时间(Cycle Time)从条目真正开始动手算起,到交付为止。吞吐量(Throughput)是单位时间完成的条目数。

多数时候团队真正该看的是周期时间,因为它不包含"排队等排期"这段时间——那段时间由优先级决定,不是团队能优化的。但对外承诺要用前置时间,因为用户感知的是从提出到拿到。两个数都报,各用各的场景,是唯一不吵架的做法。

这里有个坑:周期时间的分布几乎从不服从正态分布,长尾很重。所以不要报平均值,报分位数。第 50 百分位(P50)说明一般情况,第 85 百分位(P85)才适合做承诺——按 P85 承诺,大约六次里能兑现五次。

概念三:累积流图看的是带状宽度 ​

累积流图(Cumulative Flow Diagram,CFD)的横轴是日期,纵轴是累计条目数,每个状态一条色带。任意一天的纵切片里,某个状态的厚度就是那天该状态的WIP。

读法只有三条:整张图的带子均匀向上长,说明流动稳定;某条带越来越厚,说明那列在堆积,通常就是瓶颈;最上面的"已完成"带斜率变平,说明吞吐量在下降。如图 3-1 所示,测试列在中段明显变宽,而开发列变窄——这不是测试变忙了,是上游推得太快。

图 3-1 累积流图上的一次瓶颈堆积

CFD 是诊断工具,不是汇报工具。一旦它被拿去向上级展示"进度良好",团队就会开始按让图好看的方式挪卡,度量立刻失真。

概念四:阻塞分析要把原因码化 ​

阻塞(blocked)不是一种状态,是一类原因。至少分四类:等外部依赖、等环境、等决策、等技术难题。原因不分类,阻塞统计就只能得到"阻塞很多"这种无法行动的信息。

做法是给卡片加三个字段:是否阻塞、阻塞原因码、阻塞开始时间。阻塞占比 = 阻塞时长 ÷ 周期时间。这个比值超过 30%,说明团队的时间主要花在等待上,优化方向是拉通依赖,不是提高编码效率。

概念五:Scrumban 适合混合型团队 ​

Scrumban 保留 Sprint 的节奏与回顾会,但用看板的 WIP 限制和拉动方式管理流动。它适合这样一类团队:既有按季度排的项目需求,又有每天进来的线上问题和支持工单,两种工作混在一条流里,用纯 Scrum 排不进 Sprint。

具体形态是:项目类工作走 Sprint 待办,支持类工作留在看板的"流入"列并设 WIP 上限,比如最多占 30% 的在制品。Sprint 目标只管项目类,支持类按到达顺序处理。

动手实践 ​

步骤 1:定义看板列、WIP 与阻塞字段 ​

列不要超过 6 个,每个列都要有明确的"进入条件"和"退出条件",否则卡片会在列之间来回漂。

yaml
# board.yaml —— 贴在团队看板配置里,随看板一起版本管理
board: 订单履约
columns:
  - name: 待办
    wip: null          # 待办不设上限,它只是池子
  - name: 已细化
    wip: 5
    entry: 有验收标准、有依赖确认
  - name: 开发中
    wip: 3
    entry: 有人认领且分支已建
  - name: 评审中
    wip: 2
    entry: 已提 PR 且 CI 全绿
  - name: 测试中
    wip: 2
    entry: 已部署 staging
  - name: 已完成
    wip: null
policies:
  pull: 下游有空位才拉动,禁止推卡
  blocked_fields: [is_blocked, block_reason, blocked_since]
  block_reasons:
    - EXT_DEP      # 等外部依赖
    - ENV          # 等环境/数据
    - DECISION     # 等决策
    - TECH         # 技术难题
  aging_threshold_days: 5   # 超过 5 天未动,站会必须讨论

预期输出:把这份配置交给看板管理员,能在 Jira 或 GitHub Projects 里一对一试出来。落地第一周最常见的现象是"评审中"超限,因为 PR 提了没人看——这恰好暴露了一个真实瓶颈,而不是配置问题。

步骤 2:用 SQL 把周期时间和吞吐量算出来 ​

前提是系统里有状态流转记录。假设表 card_transition 记了每张卡每次状态变化,card 表存卡片基本信息。

sql
-- 周期时间:从进入"开发中"到进入"已完成"的间隔(天)
WITH started AS (
  SELECT card_id, MIN(changed_at) AS t_start
  FROM card_transition
  WHERE to_status = '开发中'
  GROUP BY card_id
),
finished AS (
  SELECT card_id, MIN(changed_at) AS t_done
  FROM card_transition
  WHERE to_status = '已完成'
  GROUP BY card_id
),
cycle AS (
  SELECT s.card_id,
         EXTRACT(EPOCH FROM (f.t_done - s.t_start)) / 86400.0 AS days
  FROM started s JOIN finished f USING (card_id)
  WHERE f.t_done >= DATE '2026-09-01'
)
SELECT
  COUNT(*)                                              AS cards,
  ROUND(AVG(days)::numeric, 1)                          AS avg_days,
  ROUND(PERCENTILE_CONT(0.5) WITHIN GROUP (ORDER BY days)::numeric, 1) AS p50,
  ROUND(PERCENTILE_CONT(0.85) WITHIN GROUP (ORDER BY days)::numeric, 1) AS p85,
  ROUND(MAX(days)::numeric, 1)                          AS worst
FROM cycle;

-- 吞吐量:按 ISO 周统计完成数
SELECT TO_CHAR(DATE_TRUNC('week', changed_at), 'IYYY-"W"IW') AS iso_week,
       COUNT(DISTINCT card_id) AS done_cards
FROM card_transition
WHERE to_status = '已完成' AND changed_at >= DATE '2026-09-01'
GROUP BY 1 ORDER BY 1;

预期输出(PostgreSQL 14 上跑出来形如):

 cards | avg_days | p50 | p85 | worst
-------+----------+-----+-----+-------
    47 |     27.4 | 19  | 41  |  78.5

 iso_week  | done_cards
-----------+------------
 2026-W36  |          6
 2026-W37  |          7
 2026-W38  |          5

注意 avg 27.4 与 p85 41 的差:如果对外按平均值承诺两周交付,会持续违约;按 P85 承诺,则能守住约六分之五。这就是为什么承诺口径要用分位数。

步骤 3:用利特尔法则反推 WIP 上限 ​

先定一个可承诺的交付周期,再算在制品应该控制在多少,最后决定加不加人。

python
def little(wip: float, throughput: float) -> float:
    """返回平均停留时间,单位与 throughput 的时间单位一致"""
    return wip / throughput

def wip_for_target(target_days: float, throughput_per_week: float) -> float:
    return target_days / 7.0 * throughput_per_week

cur_wip, tput = 31, 6.0
print(f"当前:在制品 {cur_wip},吞吐 {tput}/周")
print(f"  平均停留 ≈ {little(cur_wip, tput):.1f} 周 ≈ {little(cur_wip, tput)*7:.0f} 天")

for target in (14, 10):
    need = wip_for_target(target, tput)
    print(f"要 {target} 天交付:在制品需降到 {need:.0f} 张(当前超 {cur_wip-need:.0f})")
    print(f"  每列参考:开发中 {need*0.21:.0f}、评审中 {need*0.14:.0f}、测试中 {need*0.14:.0f}")

预期输出:

当前:在制品 31,吞吐 6.0/周
  平均停留 ≈ 5.2 周 ≈ 36 天
要 14 天交付:在制品需降到 12 张(当前超 19)
  每列参考:开发中 3、评审中 2、测试中 2
要 10 天交付:在制品需降到 9 张(当前超 22)
  每列参考:开发中 2、评审中 1、测试中 1

这三个数字指向同一个动作:把"开发中"卡到 3 张。执行两周后会看到两个现象——周期时间往下走,同时有人短期真的没事干。第二周的关键是让这些空闲时间去帮测试、去拆卡、去清依赖,而不是把人塞回开发列。

三个指标放在一起对照,能避免绝大多数口径争论。

指标回答的问题口径要点常见误用
WIP同时在开工多少按列设上限,不含待办池把上限当考核指标
周期时间一张卡要多久从开始动手到交付,报 P50/P85只报平均值
吞吐量一段能出多少按自然周或迭代统计完成数用故事点替代卡片数
阻塞占比时间花在等待还是干活阻塞时长 ÷ 周期时间阻塞原因不分类
CFD 带厚哪一列在堆积看纵切片厚度与斜率拿去向上汇报进度

常见误解 ​

误解一:WIP 限制会降低产出。 它降低的是并行度,提高的是完成率。原因在于切换成本:一个人在 4 张卡之间轮转,每张卡每次都要重新加载上下文。团队从 31 张在制品降到 14 张,通常看到的是吞吐不降反升,因为返工和等待都少了。如果降 WIP 之后吞吐真的掉了,先检查是不是把瓶颈卡得更死了。

误解二:周期时间越短越好。 短是好,但前提是不牺牲质量。把卡拆到 0.5 天一张、每张都上线一次,周期时间确实漂亮,此时要盯的是线上故障率。另一个陷阱是拿平均值当管理依据:平均值 19 天、P85 41 天的分布里,平均值那 19 天一天都没发生过。

误解三:CFD 是给领导看的进度条。 一旦这么用,团队就会为了图好看而挪卡。CFD 的价值在诊断带状宽度和斜率,那需要团队自己每周看一次,看到堆积就去限上游,而不是等一个月后给上级做汇报。

小结 ​

  • 团队很忙但交付慢,先算利特尔法则:平均停留时间 = 在制品 ÷ 吞吐量。加人之前先降 WIP。
  • 周期时间从开始动手算起,前置时间从进入系统算起。对内优化看周期时间,对外承诺看前置时间。
  • 分布右偏,承诺用 P85 不用平均值。平均值会持续违约。
  • CFD 看两条:哪条带在变厚(瓶颈),最上面那条斜率是否变平(吞吐下降)。
  • 阻塞要分原因码,阻塞占比超过 30% 时,优化方向是拉通依赖而不是提高编码速度。
  • 项目与支持混合的团队,用 Scrumban:保留迭代节奏与回顾,用 WIP 限制和拉动管理流动。

相关主题 ​

流动理顺之后,下一个问题会浮出来:卡在流动的那些条目本身写得太大。看板上"开发中"长期占据 3 个位置的那张卡,往往是一个塞了七八个功能点的需求。《需求拆解:用户故事与验收标准》讲需求拆解,用用户故事、INVEST 原则和 Given-When-Then 验收标准,把一张大卡切成能在一两天内流过的形状。