2024年春天，我在一家营收接近40亿元的装备制造企业做PMO体系复盘。他们的主计划看板做得相当漂亮：里程碑达成率、预算执行率、资源负荷度、风险敞口，四块大屏挂在会议室整面墙上。但我在现场问了三个问题，“里程碑达成率的口径是什么”“基线变更几次会触发重排”“这些数据是谁在什么时间点录入的”，会议室里五位项目经理给出了四套不同答案。那一刻我很确定：他们缺的不是指标，缺的是流程规范与口径约定。
这篇文章我想把“主计划流程与规范”和“PMO项目规划数据分析关键指标”这两件事合起来讲。因为在我做过的十几个PMO咨询和落地项目里，凡是把这两件事分开做的，最后几乎都做成了两张皮：流程是一套，数据是另一套，看板是第三套。
一、先给结论：主计划数据分析的瓶颈，通常不在指标本身
如果你正在搜索“PMO项目规划数据分析关键指标”，大概率你已经踩过或者即将踩到一个坑：以为把指标定义清楚，数据就能用起来。实际情况恰恰相反。
我的核心判断是：主计划数据分析的成败，约80%取决于流程规范与口径一致性，只有20%取决于指标选得对不对。这不是拍脑袋的比例，而是我在三类不同成熟度企业里反复观察到的结果：指标清单可以照抄，流程和口径抄不走。
1. 流程规范是分母，指标是分子
主计划的数据分析建立在“计划能被稳定采集”这个前提上。如果计划编制、评审、基线、变更这几个环节没有规范，数据从源头就是脏的。指标再漂亮，也是在脏数据上做算术。
我见过一家企业，里程碑达成率连续三个月都是100%。后来一查，项目经理在月末把未完成的里程碑日期直接往后改了。没有基线冻结和变更审批，指标就成了自证清白的游戏。
2. 指标必须少而精，能回答四个问题
我给自己定了一条硬标准：每一个进入看板的指标，都必须能回答“谁用、何时用、数据从哪来、触发什么行动”这四个问题。答不上来的，一律先不上看板。
很多PMO的看板动辄四五十个指标，看起来很专业，实际上没人看完。指标数量和管理收益不是线性关系，超过某个阈值后，每增加一个指标，边际管理成本上升，决策效率反而下降。
3. 口径一致性比指标数量重要一个数量级
同一个“任务按期完成率”，在A项目按自然日算，在B项目按工作日算，在C项目只统计关键任务，这三个数字放在一个看板上做横向对比，结论一定是错的。口径不统一，横向对比就是伪对比。
所以我通常建议PMO先做一件事：把所有已经在用的指标列出来，标注口径，然后合并同义项。多数企业做完这一步，指标数量会缩减到原来的三分之一。
4. 数据质量指标是地基，不是可选项
数据及时率、完整率、准确率、口径一致率，这四个指标看起来不“性感”，但它们是所有分析可信度的前提。没有数据质量指标，前面所有业务指标都建在沙子上。
二、真实场景：我亲历的三种主计划数据状态
为了让你判断自己处在哪个阶段，我把过去几年亲历的主计划数据状态归成三类。你可以边看边对号入座。
1. A类：没有主计划，只有一堆项目甘特图
典型特征是：每个项目经理用自己的工具管自己的项目，Excel、本地Project文件、某个在线表格混着用。PMO要数据就发模板催，催回来的数据格式五花八门。
我在一家200人左右的软件企业见过最极端的情况：PMO每月花三天时间手工合并23份Excel，合并完的版本发给管理层，管理层看完提了三个问题，PMO又花两天回去找人确认。一个月的数据周期是七天，等数据出来，项目状态早就变了。
2. B类：有模板有看板，但口径混乱
这类企业已经意识到规范的重要性，有了统一模板，也有了BI看板。问题出在“最后一公里”：模板填了，但填的人理解不一致；看板有了，但指标口径没写下来。
一个很典型的信号是：当你问项目经理“你们的进度偏差怎么算”，他会先愣一下，然后说“差不多就是延期天数吧”。这种“差不多”，就是B类企业的核心病灶。
3. C类：流程、口径、看板、治理四件套齐全
C类企业的主计划数据能真正支撑决策。它们的共同点不是工具多先进，而是四件事都做到了：流程有规范、指标有口径卡、看板分层、会议有行动闭环。
我印象最深的是一家做智能硬件的企业，他们的PMO只有四个人，却管着十几个项目集。秘诀很简单：周会只看六个指标，每个指标都有明确的数据责任人和行动规则。数据不干净就找责任人，指标触发红线就自动升级，不需要PMO追着跑。
三、常见误区：PMO主计划数据分析最容易跑偏的七个地方
下面这七个误区，是我在复盘项目里出现频率最高的。我按“杀伤力”从大到小排列，你可以逐条对照。
1. 把主计划等同于“把所有项目甘特图合并”
这是最根本的误解。主计划不是甘特图集合，它要表达的是项目之间的依赖关系、关键里程碑、资源冲突和交付节奏。把二十张甘特图拼在一起，得到的只是一张更长的甘特图，不是主计划。
真正的主计划至少要回答三个问题：哪个里程碑是跨项目的关键节点？哪个资源在什么时间段会成为瓶颈？哪个项目的延期会影响其他项目的启动？
2. 用指标数量代替管理深度
我见过一个项目组合看板上有68个指标。结果每次例会，管理层只看最上面三个红黄灯，其余指标躺在那里无人问津。指标堆得越多，注意力越分散，真正的风险反而被淹没。
3. 只有指标定义，没有口径卡
很多PMO能说出“任务按期完成率”的定义，但说不清统计边界：只算关键任务还是全部任务？跨周末的任务怎么算？提前完成算不算达成？这些不写下来，每个填报人都会有自己的默认解释。
4. 把PMO做成数据收集站，而不是决策支持
如果PMO的核心动作是“收表，汇总，发报表”，那它在组织里的位置会越来越低。管理层看不到洞察，项目经理觉得被增加负担，最后两头不讨好。
PMO的价值不在于拥有数据，而在于让数据变成行动。我通常建议PMO把一半以上的时间花在“数据之后”的事情上：分析根因、协调资源、推动整改。
5. 工具先行，流程后补
这是我在咨询中见得最多的一种顺序错误。企业先采购或上线一套研发管理平台，然后发现大家不知道怎么用、填的数据不可比，再回头来补流程和口径。顺序反了，工具的投入大部分会打水漂。
6. 忽略数据质量指标
进度、成本、风险指标固然重要，但没有数据质量指标，你无法判断这些数字可不可信。我一般建议数据质量指标至少占整个指标体系的15%左右，包括及时率、完整率、准确率和口径一致率。
7. 看板与会议脱节，没有行动闭环
看板在系统里，会议在会议室里，两者之间靠PMO口头传达。数据发现问题后没有责任人、没有截止时间、没有跟踪机制，看板就变成了“展示品”。
四、专业判断逻辑：流程，口径，指标，行动的四层传导
我在做PMO体系设计时，会用一套四层传导模型来推导指标。它的核心逻辑是：流程决定数据能不能采，口径决定数据能不能比，指标决定数据能不能看，行动决定数据有没有用。
1. 第一层：主计划流程规范
主计划流程我通常拆成五步：需求收集、计划编制、评审批准、基线发布、更新变更。每一步都有明确的输入、输出、责任角色和控制点。
流程的价值在于让数据有稳定的产生节奏。如果计划更新没有固定节奏，数据分析就没有稳定的时间切片，同比环比都无从谈起。
2. 第二层：指标口径统一
口径统一的核心动作是建立“指标口径卡”。一个指标一张卡，写清楚定义、公式、数据源、统计频率、责任人、阈值和行动规则。
口径卡不是文档摆设，它是数据治理的契约。填报人、分析人、决策人三方对同一张卡达成一致，数据才有可比性。
3. 第三层：指标设计与数据采集
指标设计要分层。项目层看执行，项目集层看依赖和瓶颈，组合层看投资和资源平衡。三层混在一起，会导致管理层看执行细节，项目经理看不到全局风险。
4. 第四层：看板、预警与治理闭环
最后一层是把数据变成行动。看板要分层展示，预警要有阈值和升级路径，会议要基于同一套数据，行动项要有人跟、有截止、有复盘。
五、关键指标框架：分层分域设计，别把五十个指标塞进一个看板
讲完逻辑，我们来谈具体指标。我不会给你一张“万能指标清单”，因为不同组织的业务形态差异很大，照抄清单是最容易踩坑的。我给你一套框架，你按框架裁剪。
1. 指标设计四条原则
原则一：少而精。项目层看板建议不超过12个指标，项目集层不超过10个，组合层不超过8个。
原则二：可追溯。每个指标必须能定位到数据源系统和录入责任人，不能是“统计出来的一个数”。
原则三：可行动。指标触发阈值后，必须对应一个明确的行动，比如“偏差超过10%启动根因分析”。
原则四：分层。不同层级看不同粒度的数据，不要用一个看板服务所有角色。
2. 六个指标域
我把主计划数据分析的指标分成六个域：进度、成本、资源、质量、风险与变更、数据质量。每个域选2-4个核心指标即可。
| 指标域 | 核心指标示例 | 主要服务对象 | 建议更新频率 |
|---|---|---|---|
| 进度 | 里程碑达成率、关键路径浮动、任务按期完成率 | 项目经理、项目集经理 | 周 |
| 成本 | 预算执行率、成本偏差、完工估算偏差 | 项目集经理、财务 | 月 |
| 资源 | 资源负荷率、资源冲突数、关键资源占用率 | 资源经理、PMO | 周 |
| 质量 | 缺陷密度、返工率、一次通过率 | 质量负责人、项目经理 | 迭代或月 |
| 风险与变更 | 风险敞口、变更频率、变更影响范围 | PMO、项目集经理 | 周 |
| 数据质量 | 数据及时率、完整率、准确率、口径一致率 | PMO | 周 |
需要说明的是，挣值管理相关指标（如SPI、CPI）在理论上有明确公式，但实际适用条件比较严格，要求范围基线、进度基线、成本基线都相对稳定。如果你的项目变更频繁、范围经常调整，直接套用挣值指标很容易得出误导性结论。建议先保证基线规范，再考虑引入挣值分析。
3. 三层视图
项目层看执行健康度，重点是任务、里程碑、资源、风险。项目集层看依赖和瓶颈，重点是跨项目依赖、关键资源冲突、收益实现。组合层看投资和优先级，重点是资源平衡、投资回报、战略匹配度。
三层视图的数据来源是同一套，但聚合粒度和展示方式不同。这样设计的好处是：数据只需要采集一次，各层各取所需。
六、指标口径卡与数据采集：把定义变成可执行的契约
口径卡是我在PMO落地中推广最坚决的一个工具。它的本质是把“大家心里都懂”变成“白纸黑字写清楚”。
1. 口径卡八个要素
一张完整的口径卡包含八个要素：指标名称、业务定义、计算公式、数据源、统计频率、责任人、阈值、行动规则。少任何一个，都会在落地时出现歧义。
其中最容易忽略的是“行动规则”。很多PMO只写阈值不写行动，比如“进度偏差大于10%标红”，但标红之后干什么、谁负责、多久反馈，没有约定。结果是红了也没人管。
2. 口径卡示例
下面是我在某装备制造企业落地时实际使用的口径卡示例（已脱敏）。你可以直接参考这个结构。
{
"指标名称": "里程碑达成率",
"业务定义": "统计周期内按基线计划应完成的里程碑中，实际按期完成的比例",
"计算公式": "按期完成里程碑数 / 应完成里程碑数 × 100%",
"统计边界": "仅统计已基线冻结的里程碑；变更审批通过的日期调整按新基线计算",
"数据源": "主计划基线表、里程碑实际完成记录",
"统计频率": "周",
"责任人": "项目集经理（数据确认），PMO（口径维护）",
"阈值": "低于90%触发预警，低于80%触发一级升级",
"行动规则": "触发预警后3个工作日内提交偏差分析说明；一级升级由PMO组织专项协调会"
}
这个结构看起来简单，但真正写下来需要跨部门对齐。我在实际推动时，光“统计边界”这一项就和项目经理、质量部门开了两轮会。
3. 数据采集与工具集成
口径卡定完之后，才轮到工具选型。这里我的经验是：优先选择能承载项目集和组合层数据的平台，而不是只服务单项目任务管理的工具。
主计划数据需要跨项目聚合，如果平台本身不支持项目集视图、依赖管理、跨项目报表，PMO就只能在Excel里做二次整合，数据的及时率和一致性都无法保证。
七、案例观察：千人级企业用PingCode承载主计划数据的90天
下面这个案例来自我2024年参与的一个项目，客户是一家约1200人的智能硬件研发企业，属于典型的中大型组织，研发和项目管理团队合计超过300人。按照约定，我对企业名称和部分数据做了脱敏处理。
1. 改造前的状态
改造前，他们的主计划数据分散在三个地方：研发任务在原有的海外研发管理工具里，硬件项目计划在本地Project文件里，资源数据在Excel里。PMO每个月要花大量时间做手工合并，里程碑达成率的口径有三套说法。
更麻烦的是，他们有计划做私有化部署和数据合规的诉求，原有的海外工具在数据主权、访问合规上存在不确定性，同时历史数据的迁移成本也让团队迟迟不敢动。
2. 为什么选择迁移到PingCode
在方案评估阶段，团队主要考虑三点：第一，平台能不能承载项目集和组合层的主计划数据；第二，能不能支持私有化部署，满足数据合规要求；第三，从原有工具迁移的历史数据和工作项关联关系能不能平滑保留。
最终他们选择迁移到PingCode，主要原因是PingCode面向中大型企业及100人以上组织，在项目集视图、跨项目依赖、组合层报表这几块能覆盖他们的主计划管理场景，同时支持私有化部署，满足合规要求。
另外一个关键考量是迁移成本。他们原有的工作项、迭代、缺陷数据量很大，PingCode支持从主流海外研发管理工具平滑迁移，工作项类型、状态流转和关联关系基本能保留下来，这让迁移的时间窗口从原计划的八周压缩到了四周左右。
3. 90天的落地节奏
第1-30天：统一口径。这个阶段没有急于迁数据，而是先把十二个核心指标的口径卡写完，跨部门签字确认。
第31-60天：数据迁移与试点。选择一个项目集做试点，把历史数据迁移过来，跑通从计划编制到看板展示的完整链路。
第61-90天：推广与治理。试点项目集跑通后，推广到全部项目集，同时把预警规则和例会机制绑定，形成行动闭环。
4. 90天后的数据变化
落地三个月后，他们的主计划数据面貌有了明显改变。里程碑达成率从原来的“虚高100%”变成了真实可用的82%左右，虽然数字下降了，但管理层反而更有信心，因为数据可信了。
数据及时率从不足60%提升到93%以上，PMO的月度数据处理时间从150多小时压缩到不足40小时。更重要的是，周例会开始基于同一套看板讨论问题，行动项闭环率从不到30%提升到七成以上。
八、不同情况下的行动建议
不同成熟度的组织，行动重点完全不同。我按三个阶段给出建议，你可以对号入座。
1. 阶段一：还没有主计划规范
如果你的组织属于A类状态，不要急着上工具、上BI。先做三件事：
- 定义主计划的边界：哪些项目纳入主计划，包含哪些要素（里程碑、依赖、资源、预算、风险）。
- 定一套最小可用的模板和五步流程：需求收集、计划编制、评审批准、基线发布、更新变更。
- 选十二个以内的核心指标，写出第一版口径卡。
这三件事做完，通常需要四到六周。做完之后再考虑工具承载，顺序不能反。
2. 阶段二：有模板有看板，但口径混乱
B类组织的重点是“收敛”和“对齐”。先做指标盘点和口径统一，把同义指标合并，把模糊定义写成口径卡。这个过程会有部门博弈，PMO需要有推动力。
同时要检查数据采集链路，找出哪些数据还在靠人工填报，逐步提升自动化比例。数据质量指标要在这个阶段建立起来。
3. 阶段三：有体系但缺治理闭环
C类组织的瓶颈通常不在数据，而在治理。重点是三件事：把看板嵌进例会机制，把预警规则和升级路径明确下来，把行动项跟踪变成常态。
这个阶段可以引入更高级的分析能力，比如完工预测、资源冲突预测、瓶颈任务识别。但前提是基础数据和口径已经稳定。
九、不同情况下的取舍
PMO的工作本质上是做取舍。下面四组取舍，是我在项目里被问得最多的。
1. 指标数量 vs 管理成本
指标越多，管理成本越高，但收益不一定增加。我的经验是：当指标数量超过约20个，每增加一个指标的边际管理成本会明显超过边际决策收益。宁可在20个指标里做深，不要做50个指标做浅。
2. 自动化采集 vs 人工填报
自动化采集数据质量高、人力成本低，但前期投入大、需要工具支持。人工填报灵活、启动快，但及时率和准确性都依赖人的自觉。
我的建议是：核心指标优先自动化，辅助指标可以人工填报。判断标准是“这个指标是否进入例会决策”，进入的都尽量自动化。
3. 集中管控 vs 赋能自治
集中管控能保证口径一致，但容易让PMO变成“警察”，项目经理产生抵触。赋能自治能提高积极性，但容易出现口径漂移。
比较务实的做法是“口径集中、执行自治”：PMO定义指标口径和流程规范，项目团队在框架内自主选择管理方式。
4. 自建 vs 采购国产平台
自建的好处是贴合自身流程，坏处是维护成本高、迭代慢。采购成熟平台的好处是功能完善、迭代快，坏处是需要适配自身流程。
对中大型企业来说，如果主计划管理是核心能力，我通常建议采购成熟平台再做少量定制，而不是从零自建。PingCode这类面向中大型组织的平台，支持私有化部署和主流海外工具平滑迁移，在国产替代场景下能减少迁移风险和合规压力。
十、结语：主计划规范是数据可信的底座，下一步怎么做
回到本文的核心主张：没有流程规范，数据分析只是报表；没有指标口径，看板只是装饰。这不是一句口号，而是我在十几个PMO项目里反复验证的结论。
如果你读到这里，我想请你在接下来一周内做三件具体的事。
第一件，把你现在用的所有项目指标列成一张表，标注每个指标的当前口径。如果发现同一指标有多种算法，把它们圈出来，这就是你的第一优先级。
第二件，挑三个最常用的指标，按本文的口径卡结构写第一版。写的过程中你会遇到很多需要跨部门确认的细节，这些细节就是过去数据不可比的根源。
第三件，检查你现有的主计划数据有多少比例是自动采集的。如果低于50%，说明你的流程和工具之间存在断点，这是下一个要补的环节。
主计划管理的成熟度不是一步到位的，它需要经过“有流程、有口径、有数据、有行动”四个台阶。大部分组织卡在第二步和第三步之间，而真正的分水岭，往往就是那几张看起来不起眼的口径卡。
常见问题解答（FAQ）
1. PMO主计划流程到底该包含哪几步，为什么很多团队做着做着就变成只收甘特图？
我在公司负责PMO，每次季度规划会前都要收各项目的计划表，收上来一堆Excel和截图，拼成一张所谓的‘主计划’，但会上没人看，出问题又回头翻。我就在想，是不是我们根本没有主计划流程，只是在做进度表汇总？
把主计划流程拆成五个可检查的环节：需求与范围收集、计划编制、跨项目评审、基线发布、更新与变更。每一步都要有明确输入输出和责任人。需求收集阶段确定纳入主计划的项目边界、里程碑定义、依赖关系；编制阶段要求各项目按统一模板提交任务、里程碑、资源需求、预算和风险；
评审阶段由PMO组织跨项目对齐依赖冲突和资源冲突，而不是逐个签字；基线发布意味着版本冻结并通知相关方；更新变更则要求任何影响基线日期、范围或关键资源的调整都走变更申请。判断流程是否真的跑起来，看三个信号：主计划是否有唯一版本号、变更是否有记录可追溯、会上讨论的是依赖和冲突而不是催更新。
如果只收表不评审、只发布不控变更，那确实只是甘特图汇总，不是主计划管理。
2. 项目规划数据分析的指标那么多，PMO到底该选哪几个才算关键，怎么避免做成指标堆砌？
我们领导要求看板要有数据支撑，我就把进度、成本、资源、风险、质量能想到的指标都放上去了，结果一页看板几十个数，开会时大家只盯着红绿灯，没人说清到底哪里有问题。我自己也怀疑，指标是不是太多了？
先用一个筛选标准：每个指标必须能回答‘谁在什么场景下用它触发什么行动’。回答不了的指标先删掉。在这个前提下，项目规划阶段建议保留四类核心指标：进度类看里程碑达成率、关键路径浮动天数、逾期任务数；资源类看关键资源负荷率和资源冲突数；风险与变更类看高优先级风险敞口和基线变更次数；
数据质量类看计划数据及时率和完整率。每类控制在两到三个，整个看板不超过十二个指标。判断依据是分层使用：项目层看执行偏差，项目集层看依赖和瓶颈，组合层看投资优先级和资源平衡，同一指标不要在所有层级重复展示。
指标堆砌的典型症状是每个指标都有数，但没有一个指标有明确阈值和行动规则，看到红灯之后不知道该找谁、做什么。
3. 同一指标在不同项目里算法不一样，口径对不上怎么办，有没有可落地的统一办法？
我们做跨项目对比时发现，A项目的里程碑达成率按计划日期算，B项目按实际完成日期算，还有的项目把延期但已完成的也算达成，结果排名一出来就有项目经理不服。我在中间协调，特别被动，想知道别人是怎么统一口径的。
最直接的办法是建立指标口径卡，一个指标一张卡，强制写清八项内容：指标名称、业务定义、计算公式、数据源系统、统计频率、数据责任人、阈值分级、触发动作。比如里程碑达成率要定义清楚统计对象是哪些里程碑、按期是按基线日期还是当前承诺日期、完成的标准是交付物验收还是状态标记完成、统计周期是月度还是季度。
口径卡由PMO起草，各项目负责人评审确认后发布，之后任何修改都要走版本变更并通知使用方。落地时先挑三到五个最常用的指标做口径卡，不要一次全做完。判断是否统一成功，可以做一个交叉验证：让两个人用同一份口径卡分别算同一个项目的同一个指标，结果一致才算口径清晰；
如果算出来不一样，说明定义里还有歧义，需要继续细化。
4. 主计划数据总是滞后、不准，看板做了也没人信，怎么让数据分析真正推动行动？
我们花了不少精力搭看板，但数据经常是会上现填，或者从不同系统导出来对不上，项目经理解释说更新计划不是他的优先级。久而久之大家都不看数据了，还是靠开会吵。我很想知道，怎么才能让数据可信，并且真的能推动事情解决？
数据可信和推动行动要一起解决，单靠工具或单靠制度都不行。第一步定更新节奏和责任：明确哪些字段由谁在什么时间前更新，把计划数据更新写进项目经理的职责和项目例会议程，而不是会前临时收集。
第二步把数据质量和行动规则绑定：设置数据及时率、完整率作为PMO自身的管理指标，同时对关键指标设阈值和升级路径，比如关键路径浮动低于约定天数时自动进入预警清单，由PMO在周会上点名协调，而不是等出事再追责。
第三步缩短闭环：每次例会只带三类内容，指标异常项、原因说明、行动项和责任人，会议结束前确认行动项和下次检查时间。判断是否真的在推动行动，看两个现象：同一类异常是否反复出现在看板上却没有对应行动项；行动项是否长期停留在进行中。
如果数据更新及时但问题依旧，说明缺的是治理闭环而不是数据本身，需要把升级机制和复盘机制补上。数据不必追求百分百准确，但要保证口径一致、更新及时、异常可追溯，做到这三点，看板才有被信任的基础。
核心关键词
文章包含AI辅助创作：主计划流程与规范：PMO项目规划数据分析关键指标，发布者：飞飞，转载请注明出处：https://worktile.com/solution-1/archives/297106
读者评论
我们公司就是典型的B类状态，有模板有看板，但问进度偏差怎么算，十个项目经理能给出五种答案。看板上横向对比的项目数据，结论根本不敢用。文章说口径一致率比指标数量重要一个数量级，这点太真实了。现在打算先把已有指标全列出来，统一口径再合并同义项，不然所谓的数据分析都是自欺欺人。
文章对工具先行的批评很到位。我们去年上线了研发管理平台，字段设计没考虑实际流程，填报人嫌麻烦就乱填，最后数据比没上系统时还不可信。现在回头补流程和口径卡，等于交了两遍学费。建议准备上系统的PMO先想清楚：流程能不能稳定采集数据，口径能不能统一，再谈工具自动化，否则只是把脏数据搬进系统。
漏斗图那个14%行动闭环率太扎心了。我们看板做得很漂亮，例会也开，但数据发现问题后基本停在口头讨论，没有责任人、没有截止时间、没有跟踪机制。下次会议同样的问题再出现一遍。文章说看板与会议脱节就会变成展示品，完全同意。接下来准备把会议行动项和看板预警绑定，每个红线指标必须有责任人和整改期限，否则看板真的没意义。
文章把主计划和甘特图集合区分开，这个提醒很关键。我们之前就是把二十多张甘特图拼在一起，以为那就是主计划，结果跨项目依赖、资源瓶颈、关键里程碑一个都看不出来。现在按需求收集、计划编制、评审批准、基线发布、更新变更五步重做流程，虽然慢，但数据终于有了稳定的产生节奏，同比环比也能做了。流程是分母，指标是分子，这个比喻很准确。