一个自动化项目需要多少天？

提出自动化项目时，第一个问题通常是"需要多少天"。这没有单一的正确答案，因为真正决定工期的不是写了多少代码。两个规模相近的项目可能相差很大——一个一周完成，另一个一个月才完成。差别在于数据结构和涉及的决策者数量。

决定工期的三个阶段

一个自动化项目大致包含三个阶段：数据与规则准备、开发、测试与审批。给出的工期通常只涵盖开发阶段，而大部分时间实际上耗费在第一和最后一个阶段。

• 数据与规则准备。在弄清每项信息存放在哪里、什么算作例外之前，开发无法开始。
• 开发。最可预测的阶段，按定义好的规则搭建流程。
• 测试与审批。用真实案例测试并由相关人员批准的阶段。

数据结构如何影响工期

如果信息集中存放且一致，开发就能快速推进。如果同样的信息分散在不同文件、格式不一、部分靠手工维护，就必须先把这些混乱整理清楚。我们在这篇文章中讨论过批量导入表格到系统所需的准备工作；同样的逻辑也适用于自动化项目中的数据准备。

实践中，最常见的时间浪费发生在项目一开始就假设"数据已经很干净"，结果混乱在中途才被发现。在开发开始前先检查一份数据样本，比事后返工更快。

决策者数量比代码行数更重要

一个技术上几天就能搭建完成的流程，可能因为需要更多人批准而拖延数周。每多一位审批人，就会增加决策时间，也增加提出变更请求的可能性。因此在开始之前，应先明确由谁决定什么、审批按什么顺序进行。

只有一位决策者的简单任务——例如自动生成的报表——可以在几天内上线。涉及多个部门的流程，即使技术范围相似，也需要更长时间。

如何制定切合实际的时间表

索要工期估算时，应分别询问三个阶段：数据准备需要多久，开发需要多久，测试与审批应预留几天？没有这种拆分而给出的单一数字，通常只反映了开发阶段，从而低估了真实的交付日期。

• 数据目前存放在哪里，格式如何？
• 例外情况是否已经明确，还是会在项目中才出现？
• 由谁批准，按什么顺序？
• 是否已备好真实的测试样本数据？

如果这些问题都能清楚回答，给出的工期就会接近现实。如果答案不清楚，工期也无法明确——这时第一步不是给出估算，而是先厘清这些未知因素。

小范围起步能缩短工期

先构建覆盖单一任务的小版本，而不是一次性完成大规模自动化，既能缩短工期，也能更早获得反馈。我们在哪些工作适合自动化一文中评估了哪些任务适合这种分阶段推进。从小处着手并看到结果，比等待一个大项目一次性交付更可靠。

常见问题

最快的自动化项目能有多快？

一个覆盖单一重复任务、数据整齐、只有一位决策者的简单项目，可以在几天内上线。范围和审批人数会拉长工期。

什么最容易拖长工期？

通常不是代码，而是分散的数据和漫长的审批流程。涉及多人、在不同时间参与的项目，即使技术上简单，也可能拖上数周。

为什么工期估算常常不可靠？

因为估算通常只覆盖开发阶段；数据准备、测试和审批都未包含在内。真实的估算应分别覆盖这三个阶段。