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。
# 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。
-- 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。
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。