Uno de los grandes anhelos de los equipos y las empresas es disponer de métricas que les faciliten la toma de decisiones. Tomar decisiones es una tarea complicada, requiere de responsabilidad y de asumir que podemos equivocarnos. Si estas decisiones versan sobre un tema complejo (con incertidumbre) entonces la tarea se vuelve más difícil. Medir y tener datos que nos ayuden es clave pero ¿todo dato es válido?
Una tarea clave en un equipo de producto es definir qué se va a medir, cómo lo vamos a medir, con qué periodicidad y aprender a usar esta información. ¡Mide para tomar decisiones!
La era de los datos
La inteligencia artificial está maravillando al mundo, su capacidad para resolver ciertos problemas ha conseguido que se asiente en el mercado como un producto clave por el que todos apuestan. Sin embargo, las actuales inteligencias son programas capaces de manejar ingentes cantidad de datos para desarrollar una respuesta útil para el usuario. Una vez más, los datos son protagonistas de una nueva tecnología, como ya ocurrió con el Big Data, el IoT o el Business Intelligence.
Por tanto, estamos en la era de los datos. Es clave medir pero más importante es decidir qué medir y cómo medir. Muchas empresas tienen datos pero aportan poca información para tomar decisiones o bien son de baja calidad.
Vamos a usar una herramienta clave para tener una reflexión sobre las métricas de las que disponemos y cuáles realmente necesitamos.
Resultados sobre Acciones
Hemos centrado nuestros esfuerzos en mejorar la productividad de las fábricas durante décadas. De hecho, el paradigma durante buena parte del siglo XX ha sido encontrar técnicas para producir más con un menor esfuerzo. De esta manera, conseguíamos que nuestro producto fuera más rentable.
Como consecuencia de esta filosofía, las empresas han tendido a separar el negocio de la ejecución. Este hecho se ha propagado al software (y al mundo del conocimiento en general). De hecho, el software entró como un gasto en las empresas, siendo externalizado rápidamente al ser un conocimiento de poco valor o bien estructural.
Con los años, el mundo de la transformación digital, la globalización, la búsqueda de experiencias únicas por parte del cliente, han ido quebrando los modelos tradicionales orientados a la productividad y creando nuevos orientados a resultados. Ahora, necesitamos equipos que solucionen los problemas por los que los clientes pagan. Empresas de marketing, I+D, software, recursos humanos… todas han incorporado el mundo del conocimiento y centrando las métricas en resultados.
Un equipo que se enfrenta a problemas complejos necesita métricas de resultados que le informen del estado del mismo. ¿Estamos resolviendo el problema? Y tomar decisiones basadas en los datos. Sin embargo, medir la productividad se ha complicado mucho en equipos que entregan valor juntos.
Todo esto lleva a una evolución clara de métricas orientadas a personas, tareas y productividad por métricas de resultados.
Logic Model
Uno de los modelos más útiles que podemos encontrar es el llamado Logic Model (modelo lógico) que divide las métricas en cinco categorías.
Por un lado, tenemos los Inputs (entradas), las Activities (acciones), Outputs (resultados obtenidos), Outcomes (valor conseguido) e Impact (Impacto a largo plazo). Analicemos el ejemplo de un equipo que desarrolla software:
- Como Inputs tendremos los programadores, los ordenadores o información de entrada relevante. Medir Inputs nos ayuda a conocer bien el punto de partida de cara a otros equipos o futuras experiencias.
- En actividades podemos tener “hacer Scrum” aunque se queda en alto nivel. Podemos medir a bajo nivel: nº de Daily completadas con éxito o Sprints Reviews con participación de Stakeholders. Medir actividades nos enseña a entender nuestro proceso de trabajo.
- En Outputs tenemos el incremento de Scrum que se puede traducir por el número de items completados. También podemos incluir aquí Puntos de Historia finalizados. Esta métrica es importante a nivel interno del equipo para reflexionar cómo mejorar pero suele ser desastroso cuando personas ajenas interpretan estos datos y, peor aún, lo asocian con bonificadores o penalizadores.
- Los Outcomes son clave para entender el resultado real de lo que producimos. Si generamos valor (que muchas veces será económico) o bien si estamos resolviendo el problema al que nos enfrentamos. Medir y revisar Outcomes es un gran salto para muchas empresas y equipos.
- Por último, los Impactos nos presentan el valor a largo plazo que estamos produciendo. Muchos objetivos de largo alcance deben medirse en forma de impactos.
Analizando nuestras métricas
Realizar una reflexión sobre qué vamos a medir y cómo es clave para el éxito de un equipo. Algunos consejos son los siguientes.
Los Inputs nos sirven para entender la información de partida. Si queremos mejorar nuestra salud, saber el peso inicial o nuestro estado físico nos ayuda a entender el punto de partida.
Las Actividades son engañosas. Podemos medir toda clase de acciones pero es costoso y puede que nos aporte poca información. Ahora bien, decide aquello que te preocupe. Si estamos en un equipo donde la calidad es clave podemos medir nuestra adhesión a la Definition of Done. Si somos un equipo de servicio que usa Kanban, medir el cumplimiento del WIP Limit nos ayudará. En el caso anterior, medir el número de veces que salimos a correr o la cantidad de almuerzos sanos que realizamos.
Por otro lado, los outputs son elementos a tener en cuenta. En una Sprint Retrospective podemos estudiar lo que hemos producido de cara a buscar mejoras en el equipo. Por ejemplo, medir los kilómetros recorridos por semana nos ayuda.
En la Sprint Review debemos trabajar los Outcomes. El auténtico valor que persigue Scrum se demuestra en la Sprint Review y las métricas de Outcomes son clave. Podemos medir el peso perdido, el índice grasa corporal o nuestro rendimiento muscular.
Por último, tenemos los Impactos, que también pueden ser medidos en la Sprint Review pero con un menor protagonismo. Al ser a largo plazo, los impactos deben ser un fin en sí mismos que nos llene de satisfacción alcanzar. Por ejemplo, conseguir correr una media maratón (o un iron man).
Y tú, ¿cómo decides qué medir?