1.0 Introduktion till del 1: Mätningens grunder

Innan den här boken namnger ett enda mätetal måste den besvara en svårare fråga: vad är mätning till för? Varje team som någonsin byggt en instrumentpanel har också, förr eller senare, sett ett tal förbättras medan det som talet skulle representera blev sämre. Det är inget verktygsfel. Det är det förutsägbara resultatet av att hoppa över de grunder som den här delen täcker: varför man mäter över huvud taget, vad som händer med ett mätetal när människor vet att det observeras, hur man väger utfall tyngre än aktivitet, vem som äger ett tal och dess definition, var datan faktiskt kommer ifrån, och hur man läser en brusig signal utan att lura sig själv.

För stora team slutar dessa grunder vara valfria. Ett enskilt team kan klara sig med ett ad hoc-tal som en chef kastar en blick på en gång i veckan. En organisation med hundratals ingenjörer, dussintals instrumentpaneler och en ledningsgrupp som rapporterar uppåt kan inte det. På den skalan vilseleder ett oägt eller dåligt definierat mätetal inte bara ett team, det vilseleder alla nedströms som litar på talet utan att kontrollera hur det byggdes, och det är dyrt att reda ut när beteendet väl har anpassat sig för att manipulera det.

Stora företag och myndigheter känner detta mest akut, eftersom deras mätetal ofta bär konsekvenser bortom det team som producerar dem: budgetbeslut, offentliga prestationsrapporter, revisionsresultat och leverantörsavtal. Ett mätetal som ser ut som en intern ingenjörsbekvämlighet kan tyst bli en kritisk, oifrågasatt ingångsvariabel för beslut som fattas av människor som aldrig ser den pipeline som genererade det. Att få grunderna rätt är det som gör den tyngden uthärdlig.

Ämnen i denna del

1.1 Varför mäta mjukvaruteknik: Argumentet för mätning över huvud taget, vad den är tänkt att åstadkomma, och skillnaden mellan att mäta för att lära sig och att mäta för att döma.
1.2 Goodharts lag och mätetalens psykologi: Den enda idé som styr varje annat ämne i den här boken: ett mått som blir ett mål slutar vara ett bra mått, och de psykologiska mekanismer som gör manipulation nästan oundviklig när människor vet att de observeras.
1.3 Utfall före output: att välja vad som ska mätas: Hur man viktar en uppsättning mätetal mot utfall snarare än aktivitet, med hjälp av den klassiska indata/output/utfall-distinktionen och nordstjärnemönstret.
1.4 Styrning och ägarskap av metriker: Vem som bestämmer vad som ska mätas, vem som äger en definition, och hur en metrikstadga håller en växande instrumentpanel från att bli en ansvarslös röra.
1.5 Datakällor och instrumentering: Var ingenjörsmetriker faktiskt kommer ifrån, instrumentering kontra självrapportering, och de datakvalitetsproblem som tyst ogiltigförklarar en instrumentpanel innan någon märker det.
1.6 Statistisk litteracitet för ingenjörsmetriker: Det statistiska omdöme ett team minst behöver för att läsa ett mätetal ärligt: percentiler kontra genomsnitt, urvalsstorlek, regression mot medelvärdet och störvariabler.

Hur dessa ämnen hänger ihop

Dessa sex ämnen bygger i strikt ordning. Ämne 1.1 frågar varför man över huvud taget ska mäta, vilket spelar roll eftersom ett team som inte besvarat frågan kommer att samla in tal som ingen agerar på. Ämne 1.2 är den vändpunkt som resten av boken kretsar kring: när man väl accepterar att varje mått kan bli ett mål och manipuleras, följer varje senare ämnes rekommendationer av att designa mot den risken. Ämne 1.3 vänder den försiktigheten till en positiv regel: vikta mot utfall, eftersom de är den svåraste kategorin att manipulera billigt. Ämne 1.4 gör styrningen konkret, ämne 1.5 gör datan konkret, och ämne 1.6 ger dig det statistiska omdöme som krävs för att undvika att luras av brus även efter att styrning och instrumentering är sunda.

Allt nedströms är beroende av den här delen. Del 2:s flödesmätetal och DORA-mätetal, och SPACE-ramverket i del 3, är alla, i praktiken, genomarbetade exempel på principerna om utfallsviktning och skyddsparning som anges i ämnen 1.2 och 1.3. Vägledningen för instrumentpanelsdesign i ämne 8.1 förutsätter styrningsmodellen från ämne 1.4. Och den mognadsmodell som avslutar varje ämne i den här boken är, under sina fem nivåer, en mognadsmodell för exakt den disciplin som den här delen introducerar: att mäta som om man menar det, och att kontrollera sitt eget arbete.