アジャイルメトリクス


翔泳社


著者:Christopher W.H. Davis
訳者:株式会社Sider、浅原明広、尾原秀登、末次健太郎、角幸一郎、中川岳


本書に寄せて
はじめに
謝辞
本書について
訳者まえがき

第1部 アジャイルチームを測定する
第1章 アジャイルパフォーマンスを測定する
1.1 収集・測定・対応・反復:フィードバックループ
1.2 なぜアジャイルチームの測定は難しいのか?
1.3 どのような質問に回答できるのか? 回答のためのデータはどこにあるのか?
1.4 持っているものとすべきことをデータから分析する
1.5 学びの実践
1.6 オーナーシップをとり、チームを測定する
1.7 まとめ

第2章 生きたプロジェクトを観察する
2.1 典型的なアジャイルプロジェクト
2.2 問題が発生
2.3 正しいソリューションの決定
2.4 データを分析して表示
2.5 システムのデータに基づいてプロセスを改善
2.6 まとめ

第2部 チームのデータの収集と分析
第3章 プロジェクト管理システムからのデータと傾向
3.1 PTSデータを用いた典型的なアジャイル測定
3.2 分析の準備:できるだけ豊富なデータセットを生成する
3.3 プロジェクト管理の重要なメトリクス:データの傾向の把握
3.4 ケーススタディ:プロジェクト管理ツールのデータを使用して技術的負債の傾向を見つける
3.5 まとめ

第4章 ソースコード管理
4.1 ソースコード管理とは
4.2 分析の準備:できるだけ豊富なデータセットを生成する
4.3 取り扱うデータ:SCMから得られるもの
4.4 SCMの重要なメトリクス:データの傾向の把握
4.5 ケーススタディ:プルリクエストワークフローへの移行と品質工学の採用
4.6 まとめ

第5章 継続的インテグレーションおよびデプロイからのデータと傾向
5.1 継続的開発とは
5.2 分析の準備:できるだけ豊富なデータセットを生成する
5.3 データ連携:CIのAPIから得られるもの
5.4 CIの重要なメトリクス:データの傾向の把握
5.5 ケーススタディ:CI データを通してプロセス変更の効果を測定する
5.6 まとめ

第6章 本番環境から届くデータ
6.1 分析の準備:できるだけ豊富なデータセットを生成する
6.2 取り扱うデータ:APMシステムから得られるもの
6.3 ケーススタディ:DevOpsと継続的デリバリーに移行するチーム
6.4 まとめ

第3部 メトリクスをチーム・プロセス・ソフトウェアに適用する
第7章 収集したデータの扱い:データの集約
7.1 データポイントを組み合わせてメトリクスを作成する
7.2 データを使って「良い」を定義する
7.3 メトリクスの作成方法
7.4 ケーススタディ:継続的リリースの品質を測定するための新しいメトリクスの作成と使用
7.5 まとめ

第8章 ソフトウェア品質を測定する
8.1 分析の準備:コードを測定するためのセットアップ
8.2 品質特性によるNFRの測定
8.3 保守性の測定
8.4 ユーザビリティの測定
8.5 ケーススタディ:リードタイムの異常を検出
8.6 まとめ

第9章 メトリクスの公開
9.1 適切なデータを適切な利用者に提示する
9.2 さまざまな公開方法
9.3 ケーススタディ:戦略目標に向けて可視化を推進
9.4 まとめ

第10章 アジャイルの原則に照らし合わせてチームを測定する
10.1 アジャイルの原則を測定可能な要素に分解する
10.2 効果的なソフトウェアのための3つの原則
10.3 効果的なプロセスのための4つの原則
10.4 効果的なチームのための4つの原則
10.5 効果的な要求のための1つの原則
10.6 ケーススタディ:新しいアジャイルチーム
10.7 まとめ

付録A ELKを使った手動分析
A.1 システムのセットアップ
A.2 データコレクタの設定
A.3 ダッシュボードの作成
A.4 まとめ

付録B Grailsを使ったソースコード管理システムでデータ収集
B.1 アーキテクチャの概要
B.2 まとめ

索引

書籍目次技術書籍

Posted by shi-n