Visibilidade e métricas: Confiança para inovar e crescer

À medida em que as tecnologias emergentes prometem aproximar o ambiente corporativo cada vez mais rapidamente de uma realidade que até pouco tempo era imaginada apenas na ficção científica, as empresas se sentem cada vez mais pressionadas a estarem na vanguarda do desenvolvimento. Mas na outra ponta, uma dura realidade se impõe. Com orçamentos apertados e sob a ameaça dos riscos inerentes à inovação, a velocidade das mudanças que poderiam levar as corporações para novos patamares de evolução acaba ficando bastante comprometida.

Recentemente, o Gartner apontou a confiança na engenharia, como uma das tendências que permitirão às organizações explorarem ao máximo o potencial das principais tecnologias emergentes que estimulam a inovação. Neste contexto, cresce a importância do uso de métricas que ofereçam a visibilidade necessária para garantir um nível de confiabilidade capaz de assegurar o ritmo ideal de mudanças de acordo com o perfil de cada organização.

Dados ou suposições ?
Apesar de estarem sempre com a responsabilidade de efetuar entregas importantes para o planejamento estratégico referente à Transformação Digital nas empresas, muitas vezes as equipes de desenvolvimento ágeis acabam operando com deficiência no que se refere a um acompanhamento baseado em dados concretos sobre o andamento dos trabalhos.

Nestes casos, a previsibilidade fica restrita a uma perigosa suposição baseada em suposições subjetivas que levam em conta, de maneira informal, a quantidade de tarefas pendentes e a velocidade estimada para a equipe no que se refere ao tempo de desenvolvimento das soluções.

Quando isso ocorre, as garantias relacionadas a prazos, por exemplo, são oferecidas apenas pelo feeling das próprias equipes.

Como melhorar o nível de previsibilidade ?
Em um artigo publicado no portal InfoQ, dedicado à disseminação de conteúdo voltado à comunidade de desenvolvimento de softwares, o especialista Charlie Ponsonby, afirma que o nível de precisão na previsibilidade das entregas pode ser significativamente elevado com o uso de métricas, transformadas em um relatório de progresso de causa raiz ou Red/Amber/Green (RAG), por exemplo.

Ele argumenta que esses relatórios são muito mais eficazes do que os tradicionais, que muitas vezes possuem pouca informação sobre o motivo pelo qual um projeto, com uma data de entrega estipulada, está atrasado e o que precisa ser feito para que ele retorne ao cronograma inicialmente proposto.

De quais situações são extraídas as métricas?
As métricas podem ser fornecidas por uma grande variedade de fontes, como as ferramentas de gerenciamento de fluxo de trabalho e repositórios de códigos, além do próprio feedback fornecido pelas equipes de engenharia via hubs de colaboração, por exemplo.

De acordo com Ponsonby, a complexidade dos dados e as várias fontes tornam esse tipo de coleta muito demorada e trabalhosa para ser feita manualmente. Desta forma, se torna necessária a utilização de uma plataforma de métricas de entrega de ponta a ponta para ser feita em escala.

Plataformas de entregas de métrica estão disponíveis e consistem em uma camada de dados para agrupar e compilar métricas de várias fontes e uma camada flexível de interface do usuário para permitir a criação de dashboards personalizados para exibir as métricas no formato desejado.

Das métricas para a previsibilidade :
Ao apresentar um estudo de caso no portal Agile Alliance, a especialista Courtney Shar sugere as quatro seguintes etapas para a instalação de um modelo de previsões baseado em métricas:

1) A equipe deve se concentrar em estabelecer limites de Work In Progress (WIP), garantindo visibilidade ao fluxo de trabalho de forma que cada etapa tenha uma definição clara a respeito da conclusão, antes de passar para o próximo status. Isso ajuda na troca de contexto, limitando o WIP e garantindo que a qualidade e as priorizações sejam mantidas.

2) Essa observação aumenta a transparência e ajuda a equipe a pensar em maneiras de melhorar. As métricas geram um espaço seguro para o time de desenvolvimento experimentar baseada no feedback. Isso permite medir e compreender melhor o tempo de ciclo e o rendimento da equipe.

3) A etapa seguinte deve se concentrar em modelos de previsão baseados em estimativas e simulações. Para isso será necessário ter um histórico de tempos de ciclo. Quanto maior e mais preciso for o conjunto de dados, melhor será a previsão.

4) Neste estágio já é possível tornar as simulações mais avançadas, permitindo prever inclusive impactos nos prazos com a ocorrência de imprevistos como a redução do número de profissionais à disposição por motivo de férias, datas sazonais etc.

Seja como for, o fato é que as equipes ágeis desempenham um papel fundamental ao serem responsáveis por entregas cercadas de grandes expectativas. São metas, geralmente esperadas pela área de negócios, para ocorrer dentro de um determinado momento e utilizando um nível de orçamento previamente estipulado.

Para evitar frustração em toda essa cadeia de comando é necessário prever com eficácia o que está acontecendo. Não basta achar que está tudo correndo bem ou simplesmente torcer para que esteja.

Relatórios de causa raiz ou outros métodos de medição oferecem as condições para atuar de forma eficaz e, desta forma, apresentar as previsões com um nível de assertividade suficientes para que as partes interessadas possam entender cada momento e ter a confiabilidade necessária na tomada de decisões, mantendo o nível ideal passo a passo na jornada da Transformação Digital.

Por Camila Marques, enterprise Agility Advisor & Offer Leader na e-Core.