5.0 Pengantar Bagian 5: Metrik Produk dan Bisnis

Empat bagian pertama buku ini mengukur dunia internal rekayasa: pengiriman, pengalaman pengembang, dan kualitas kode. Bagian ini melangkah keluar dari batas itu dan mengajukan pertanyaan yang menjadi alasan keberadaan setiap metrik rekayasa, baik secara langsung maupun melalui beberapa langkah perantara: apakah pekerjaan ini benar-benar membantu bisnis dan orang-orang yang menggunakan apa yang dibangunnya. Topik 1.3 telah menetapkan hasil di atas keluaran sebagai prinsip pengarah di awal buku ini; bagian ini adalah tempat prinsip tersebut menghadapi ujiannya yang paling tajam, karena hasil produk dan bisnis adalah yang paling jauh dari kendali langsung satu insinyur mana pun dan yang paling sulit diatribusikan dengan bersih kembali ke upaya rekayasa.

Kesulitan itulah yang membuat bagian ini penting. Organisasi yang tidak pernah menghubungkan metrik pengiriman dan kualitasnya dengan hasil produk dan bisnis berisiko mengoptimalkan hal yang salah dengan sangat rapi: mengirim dengan cepat, dengan cakupan pengujian yang sangat baik, sebuah fitur yang tidak dipakai siapa pun, atau menjaga kualitas kode yang sempurna pada sistem yang proposisi nilai intinya diam-diam tidak lagi penting bagi pelanggan. Kelima topik dalam bagian ini, yaitu cacat yang lolos, adopsi fitur, hasil pelanggan dan bisnis, ekonomi per unit, dan pengembalian investasi, memberi pimpinan rekayasa kosakata untuk menghubungkan keduanya, dan memberi pimpinan bisnis cara menilai investasi rekayasa dengan ukuran yang benar-benar penting bagi mereka.

Bagi tim besar, bagian ini sering menjadi tempat kredibilitas seluruh program metrik dimenangkan atau hilang di hadapan pemangku kepentingan eksekutif. Pimpinan perusahaan besar yang menyetujui investasi platform bernilai jutaan dolar, dan badan pengawas pemerintah yang menyetujui anggaran teknologi publik, sama-sama membutuhkan jawaban yang dirumuskan dalam hasil bisnis atau hasil bagi warga, bukan frekuensi deployment atau cakupan pengujian, sebaik apa pun metrik internal itu dikelola. Bagian inilah tempat metrik-metrik buku ini yang disusun dengan cermat dan dilindungi pagar pengaman akhirnya terhubung dengan percakapan eksternal yang berorientasi pada hasil tersebut.

Topik dalam bagian ini

• 5.1 Tingkat cacat yang lolos dan kebocoran kualitas: Metrik kualitas yang paling langsung mencerminkan apa yang benar-benar dialami pelanggan, berbeda dari metrik kualitas internal di Bagian 4.
• 5.2 Adopsi fitur dan metrik penggunaan: Apakah apa yang dibangun rekayasa benar-benar dipakai, dan cara-cara khusus data adopsi disalahartikan.
• 5.3 Metrik hasil pelanggan dan bisnis: Menghubungkan pekerjaan rekayasa dengan hasil yang benar-benar dipedulikan sebuah bisnis atau misi publik.
• 5.4 Biaya dan ekonomi per unit rekayasa: Menyatakan biaya rekayasa dalam istilah yang dapat langsung dipakai pemangku kepentingan keuangan.
• 5.5 Pengembalian investasi untuk inisiatif rekayasa: Menyusun kasus ROI yang dapat dipertanggungjawabkan dan jujur untuk investasi rekayasa besar, dan sama jujurnya ketika kasus itu tidak bertahan.

Bagaimana topik-topik ini saling berkaitan

Topik 5.1 dimulai dari yang paling dekat, yaitu kualitas sebagaimana dialami pelanggan secara langsung, dan menjadi jembatan alami dari metrik kualitas internal di Bagian 4. Topik 5.2 mengajukan pertanyaan berikutnya setelah kualitas diperhitungkan: apakah ada yang benar-benar memakai apa yang dibangun. Topik 5.3 memperluas sudut pandang lebih jauh ke seluruh rentang hasil pelanggan dan bisnis yang dipedulikan organisasi, yang di dalamnya penggunaan hanyalah salah satu sinyal di antara beberapa lainnya. Topik 5.4 dan 5.5 kemudian membawa seluruh bagian ini ke ranah keuangan: menyatakan biaya dan pengembalian rekayasa dalam istilah yang terhubung langsung dengan keputusan anggaran dan investasi, sehingga menutup lingkaran yang dibuka bagian ini dengan bertanya apakah upaya rekayasa benar-benar membantu.

Topik-topik dalam bagian ini bersandar sangat kuat pada literasi statistik topik 1.6, karena hasil produk dan bisnis sering kali berisik, dikacaukan oleh kondisi pasar, dan lambat terkonfirmasi, tepat pada kondisi ketika kesalahan yang diperingatkan topik 1.6 paling mungkin menghasilkan kesimpulan yang yakin tetapi keliru. Bacalah bagian ini bersama Bagian 7, tempat peralihan ke AI generatif menaikkan taruhan untuk mengukur hasil dengan benar, justru karena volume keluaran, sebagaimana diargumentasikan topik-topik bagian ini dari awal sampai akhir, sejak semula bukanlah hal yang tepat untuk dioptimalkan.