Atlassian Analytics を開始する
Atlassian Analytics をサイトに追加する方法を学び、データのクエリやチャートの作成に必要なものをご確認ください。
このダッシュボード テンプレートは、Jira データを含んでいる Atlassian Data Lake 接続でのみ使用できます。また、データ セットのスコープが「すべて」に設定されている必要があります。Atlassian Data Lake への接続方法の詳細。
このダッシュボードには、エンジニアリング チームの全体的な有効性を測定して改善するための主要なスコアカードと指標のセットが表示されます。
ダッシュボードを設定するには、次のコントロールを使用します。
現在の日付間隔 | 選択した日付範囲で完了した課題の関連データが表示されるチャートをフィルタリングする「カレンダー」コントロール。 |
---|---|
日付バケット | データを週、月、四半期、または年ごとにグループ化するための「ドロップダウン」コントロール。 |
プロジェクト名 | このダッシュボードが注力すべきチームを指定するための「ドロップダウン」コントロール。 これらのコントロールをリセットすると、チャートにはすべてのチームの課題が表示されます。 |
バグとして設定する課題タイプ | このダッシュボードでバグと見なす特定の課題タイプを選択するための「ドロップダウン」コントロール。 このコントロールをリセットすると、チャートにはあらゆるタイプの課題が表示されます。 |
ダッシュボードのすべてのチャートを日付別、プロジェクト別、およびバグとして設定する課題タイプ別にフィルタリングできます。
概要では、過去 4 週間にわたるエンジニアリング ヘルスの全体像が示されるため、チームの強みと弱みを把握できます。数字の横の傾向は、過去 4 週間の指標の動きを比較して示しています。
このダッシュボードの各チャートでは、指標に関連する詳細を示すために追加のチャートが使用されます。
コードが本番環境で利用可能になるまでにかかる平均時間。
サイクル期間を低い値に保つことで、作業をタイムリーかつスムーズに遂行できます。作業を小さな塊に分割し、頻繁にコードをプッシュすることは、サイクル期間を短縮するための効果的な方法の 1 つです。
開発のサイクル期間、課題全体のサイクル期間、およびプル リクエストのサイクル期間を観察して、デリバリー チェーンに異常がないか調べてください。たとえば、課題のサイクル期間と開発のサイクル期間に大きな違いがある場合は、コア開発以外のプロセスを確認してそのギャップを理解することが重要です。
変更が本番環境にデプロイされる頻度。
小さな塊で頻繁にデプロイし、各変更を分離することで、本番環境でのインシデントから迅速に復旧できます。継続的インテグレーションと継続的デプロイを実践して、変更に対する健全なパイプラインを維持し、手動デプロイに関連するオーバーヘッドを削減してください。
デプロイに関する次の無料の統計を見て、問題点と改善すべき領域を把握してください。
平均デプロイ頻度
デプロイされた課題ごとのコミット数の中央値
本番環境デプロイ成功率
成功した本番環境デプロイ
デプロイ時間の中央値
最大デプロイ時間
このチャートには、指定された期間に作成された課題とバグ (「バグと見なす課題タイプ」コントロールにマッピングされたバグ、欠陥など) の数が表示されます。
テスト自動化やパイプライン内の統合テスト ステップなどのプラクティスは、デプロイ後に発見されるバグの総数を減らすのに役立ちます。
障害に関する追加の統計を見ることで、チャートをよりよく理解できます。
発生したバグの数
発生した重大なバグの数
バグとして報告された課題の割合
本番環境で障害から復旧するまでの所要時間。
平均解決時間 (MTTR) は、チームが本番環境で何らかの事故から復旧する準備がどの程度整っているかを判断するのに役立ちます。頻繁なコードのデプロイや継続的なデリバリーなどの方法を使用して、問題のある領域をすばやく切り分け、中断を最小限に抑えて以前の正常な状態に戻します。
また、各重大度 (重大、高、中、低) の MTTR を比較して、より詳細なインサイトを得ることもできます。
開発時間の大部分を占めるアクティビティの内訳。
チャートを使用して、アクティビティの内訳の割合と、各アクティビティにかかった時間の中央値を把握して、デリバリー ライフサイクル全体のボトルネックを特定します。
この内容はお役に立ちましたか?