5.0 Einführung zu Teil 5: Produkt- und Geschäftsmetriken

Die ersten vier Teile dieses Buches messen die interne Welt des Engineerings: Lieferung, Entwicklererfahrung, und Code-Qualität. Dieser Teil tritt aus dieser Grenze heraus und stellt die Frage, der jede Engineering-Metrik letztlich dient, ob direkt oder mehrere Schritte entfernt: hat diese Arbeit dem Geschäft und den Menschen, die das nutzen, was sie baut, tatsächlich geholfen. Thema 1.3 etablierte Ergebnisse über Output als leitendes Prinzip früh in diesem Buch; dieser Teil ist, wo dieses Prinzip seiner schärfsten Prüfung begegnet, weil Produkt- und Geschäftsergebnisse am weitesten von der direkten Kontrolle einer einzelnen Ingenieurin oder eines einzelnen Ingenieurs entfernt sind und am schwersten sauber auf Engineering-Aufwand zurückzuführen sind.

Diese Schwierigkeit ist genau, warum dieser Teil zählt. Eine Organisation, die ihre Liefer- und Qualitätsmetriken nie mit Produkt- und Geschäftsergebnissen verbindet, riskiert, wunderschön für das Falsche zu optimieren: schnell auszuliefern, mit exzellenter Testabdeckung, an einem Feature, das niemand nutzt, oder makellose Code-Qualität in einem System zu pflegen, dessen Kernwertversprechen still aufgehört hat, für Kunden zu zählen. Die fünf Themen dieses Teils, entwichene Fehler, Feature-Akzeptanz, Kunden- und Geschäftsergebnisse, Einheitswirtschaftlichkeit, und Kapitalrendite, geben der Engineering-Führung ein Vokabular für diese Verbindung, und geben der Geschäftsführung einen Weg, Engineering-Investition nach Begriffen zu bewerten, die für sie tatsächlich zählen.

Für große Teams ist dieser Teil oft der Ort, an dem die Glaubwürdigkeit eines gesamten Metrikprogramms bei Führungs-Stakeholdern gewonnen oder verloren wird. Konzernführung, die Investitionen in mehrstellige Millionenhöhe für Plattformen genehmigt, und behördliche Aufsichtsgremien, die öffentliche Technologiebudgets genehmigen, brauchen beide Antworten, formuliert in Begriffen von Geschäfts- oder Bürgerergebnissen, nicht Deployment-Frequenz oder Testabdeckung, wie gut diese internen Metriken auch verwaltet sein mögen. Dieser Teil ist, wo sich die sorgfältigen, leitplankengeschützten Metriken des restlichen Buches schließlich mit diesem externen, ergebnisorientierten Gespräch verbinden.

Themen in diesem Teil

• 5.1 Entwichene Fehlerrate und Qualitätsentkommen: Die Qualitätsmetrik, die am direktesten widerspiegelt, was Kunden tatsächlich erleben, unterschieden von den internen Qualitätsmetriken aus Teil 4.
• 5.2 Feature-Akzeptanz und Nutzungsmetriken: Ob das, was Engineering gebaut hat, tatsächlich genutzt wird, und die spezifischen Weisen, wie Akzeptanzdaten fehlinterpretiert werden.
• 5.3 Kunden- und Geschäftsergebnismetriken: Engineering-Arbeit mit den Ergebnissen verbinden, die einem Geschäft oder einer öffentlichen Mission tatsächlich wichtig sind.
• 5.4 Kosten und Einheitswirtschaftlichkeit des Engineerings: Engineering-Kosten in Begriffen ausdrücken, die eine finanzielle Stakeholderin oder ein finanzieller Stakeholder direkt nutzen kann.
• 5.5 Kapitalrendite für Engineering-Initiativen: Einen verteidigungsfähigen, ehrlichen ROI-Fall für eine bedeutende Engineering-Investition aufbauen, und gleichermaßen ehrlich sein, wenn der Fall nicht standhält.

Wie diese Themen zusammenhängen

Thema 5.1 beginnt am nächsten dran, Qualität, wie Kunden sie direkt erleben, und ist die natürliche Brücke von den internen Qualitätsmetriken aus Teil 4. Thema 5.2 stellt die nächste Frage, sobald Qualität berücksichtigt ist: nutzt überhaupt jemand, was gebaut wurde. Thema 5.3 weitet die Linse weiter auf das volle Spektrum von Kunden- und Geschäftsergebnissen, um die sich eine Organisation kümmert, von denen Nutzung nur ein Signal unter mehreren ist. Die Themen 5.4 und 5.5 wenden dann den ganzen Teil finanziell: Engineering-Kosten und -Rendite in Begriffen ausdrücken, die sich direkt mit Budget- und Investitionsentscheidungen verbinden, und schließen die Schleife, die dieser Teil öffnete, indem er fragte, ob Engineering-Aufwand tatsächlich geholfen hat.

Die Themen dieses Teils stützen sich besonders stark auf die statistische Kompetenz aus Thema 1.6, da Geschäfts- und Produktergebnisse häufig verrauscht, durch Marktbedingungen konfundiert, und langsam zu bestätigen sind, genau die Bedingungen, unter denen die Fehler, vor denen Thema 1.6 warnt, am wahrscheinlichsten eine selbstsichere, falsche Schlussfolgerung produzieren. Dieser Teil sollte zusammen mit Teil 7 gelesen werden, wo der Wandel zu generativer KI die Einsätze erhöht, Ergebnismessung richtig zu machen, speziell weil Output-Volumen, wie die Themen dieses Teils durchgängig argumentieren, nie das Richtige war, um zu optimieren.