Introduzione alla Parte 1: Fondamenti della misurazione
La misurazione aiuta un team che costruisce ed eroga servizi solo quando è scelta con uno scopo, ha un responsabile, attinge a dati affidabili, viene letta con attenzione e non deforma il lavoro che descrive.
I team agili e i team di gestione dei servizi IT (ITSM) producono entrambi un flusso costante di numeri: ticket chiusi, storie completate, rilasci effettuati, incidenti risolti. Avere dei numeri è facile. Avere numeri che aiutino le persone a decidere qualcosa è più difficile, ed è in questo divario che la maggior parte dei programmi di metriche incontra le proprie difficoltà. Questa parte fornisce le basi comuni su cui poggiano tutte le parti successive, prima che venga definita una qualsiasi metrica specifica.
Le basi rispondono a sei domande, una dopo l'altra. Perché misurare, e quanto costa non misurare nulla oppure misurare le cose sbagliate? Come fa una misura a trasformarsi in un obiettivo e a smettere di dire la verità? Che cosa vale la pena misurare, in primo luogo? Chi definisce, possiede e ritira ciascuna metrica? Da dove provengono i dati e fino a che punto ci si può fidare? Come vanno letti i numeri, dato che i dati dei ticket e del flusso sono asimmetrici e spesso scarsi? Un ultimo argomento mostra come i framework consolidati aiutino a organizzare le risposte.
Se è la prima volta che affronta il libro, legga prima questa parte, e vi ritorni ogni volta che una metrica successiva sembra comportarsi in modo anomalo. La maggior parte dei fallimenti delle metriche nelle parti successive risale a una delle idee introdotte qui. Le metriche di questo libro descrivono team, servizi e sistemi. Non vengono mai usate per classificare le singole persone.
Argomenti di questa parte
- 1.1 Perché misurare l'ITIL agile: perché i team che costruiscono ed erogano servizi hanno bisogno di numeri, che cosa apportano alla misurazione l'approccio agile e ITIL, e il costo di non misurare nulla o di misurare le cose sbagliate.
- 1.2 La legge di Goodhart e la psicologia delle metriche: la salvaguardia che sta dietro a ogni altro argomento, con il modo in cui una misura diventa un obiettivo, il modo in cui avviene la manipolazione nei dati di ticket e di consegna, e le abitudini che la prevengono.
- 1.3 Risultati prima della produzione: scegliere cosa misurare: valore, risultati, produzione e attività, indicatori anticipatori e posticipati, e la co-creazione di valore di ITIL come criterio di una buona metrica.
- 1.4 Governance e responsabilità delle metriche: responsabili delle metriche, definizioni, cadenza di revisione, ritiro e chi può vedere che cosa.
- 1.5 Fonti dei dati e strumentazione: strumenti ITSM, issue tracker, controllo di versione, pipeline di integrazione e consegna continue, monitoraggio, database di gestione delle configurazioni (CMDB) e sondaggi come fonti, con attenzione alla qualità dei dati, ai timestamp e ai modelli di stato.
- 1.6 Alfabetizzazione statistica per le metriche di servizio: percentili al posto delle medie, distribuzioni asimmetriche, campioni piccoli, carte di controllo e incertezza dichiarata onestamente per i dati di ticket e di flusso.
- 1.7 Framework di misurazione: Goal-Question-Metric, obiettivi e risultati chiave (OKR), balanced scorecard, fattori critici di successo e indicatori chiave di prestazione, e il modo in cui si combinano con le pratiche ITIL.
Come questi argomenti si collegano tra loro
Gli argomenti formano un ciclo più che una scala. L'argomento 1.1 (vedi Argomento 1.1 «Perché misurare l'ITIL agile») fornisce lo scopo, e l'argomento 1.3 (vedi Argomento 1.3 «Risultati prima della produzione: scegliere cosa misurare») trasforma quello scopo in una scelta di che cosa misurare. Una metrica scelta per la sua attenzione ai risultati richiede comunque una definizione, un responsabile e una data di revisione, che è il lavoro dell'argomento 1.4 (vedi Argomento 1.4 «Governance e responsabilità delle metriche»). Framework come Goal-Question-Metric, trattato nell'argomento 1.7 (vedi Argomento 1.7 «Framework di misurazione»), offrono un modo ripetibile per passare da un obiettivo a un piccolo insieme di misure, e quindi si abbinano naturalmente agli argomenti 1.3 e 1.4.
Dati e statistica formano una seconda coppia. Una metrica ben scelta vale quanto i record che la sostengono, e l'argomento 1.5 (vedi Argomento 1.5 «Fonti dei dati e strumentazione») spiega come timestamp, modelli di stato e configurazione degli strumenti plasmino ciò che un numero può significare. L'argomento 1.6 (vedi Argomento 1.6 «Alfabetizzazione statistica per le metriche di servizio») tratta poi come leggere quel numero con onestà, usando percentili, carte di controllo e dichiarazioni semplici di incertezza. Dati deboli sconfiggono una buona statistica, e una statistica debole spreca buoni dati, perciò i due argomenti si leggono meglio insieme.
L'argomento 1.2 (vedi Argomento 1.2 «La legge di Goodhart e la psicologia delle metriche») attraversa tutti gli altri come salvaguardia. Qualunque metrica scelta secondo l'argomento 1.3, governata secondo l'argomento 1.4 e ricavata dalle fonti dell'argomento 1.5 può comunque essere manipolata una volta che le persone vengono giudicate in base ad essa. La governance limita chi vede che cosa e come viene usata una metrica. Le scelte orientate ai risultati rendono la manipolazione meno remunerativa. Le misure accoppiate, introdotte qui e sviluppate in tutto il libro, permettono a un numero di controllarne un altro. Ogni metrica delle parti successive riporta quindi un vettore di manipolazione e una salvaguardia, e questa parte ne spiega il motivo.