Collection

---
name: .claude/skills/metrics-tracking/SKILL.md
description: |
  ベロシティ計測、バーンダウンチャート、リードタイム分析など
  アジャイルメトリクスの追跡と分析手法。データに基づく継続的改善と
  予測可能な開発を実現します。

  📚 リソース参照:
  このスキルにはリソースファイルがありません。

version: 1.1.0
---

# メトリクス追跡スキル

## 概要

開発プロセスとプロダクトのメトリクスを体系的に追跡・分析し、
データドリブンな意思決定と継続的改善を実現します。

## いつ使うか

- スプリントの進捗管理
- チームパフォーマンスの測定
- リリース予測と計画
- プロセス改善の効果測定
- ステークホルダー報告

## 主要メトリクス

### 開発メトリクス

#### ベロシティ

```
定義: 完了ストーリーポイント / スプリント

用途:
- スプリント計画の容量見積もり
- リリース日予測
- チーム生産性の追跡

計算:
- 単純平均: (直近3スプリントの合計) / 3
- 加重平均: 新しいデータに重み付け
- 外れ値除外: 異常値を除いた平均
```

#### バーンダウン/バーンアップ

```
バーンダウン:
- 縦軸: 残作業量
- 横軸: 時間
- 理想線: 直線的な減少
- 実績線: 実際の進捗

バーンアップ:
- 縦軸: 完了作業量
- 横軸: 時間
- スコープライン: 総作業量
- 実績線: 累積完了量
```

#### サイクルタイム

```
定義: 作業開始から完了までの時間

計測ポイント:
- コミット → デプロイ
- 開発開始 → レビュー完了
- バックログ → Done

改善指標:
- 平均サイクルタイム短縮
- 分散の削減（予測可能性向上）
```

#### リードタイム

```
定義: 要求から価値提供までの時間

計測:
- 顧客要求 → 本番リリース
- アイデア → 収益化
- バグ報告 → 修正完了

ボトルネック分析:
- 待機時間の可視化
- プロセス改善ポイント特定
```

### 品質メトリクス

#### 欠陥密度

```
計算式:
欠陥密度 = 欠陥数 / コードサイズ（KLOC）

レベル:
- 優秀: < 0.1 defects/KLOC
- 良好: 0.1-0.5 defects/KLOC
- 改善必要: > 1.0 defects/KLOC
```

#### テストカバレッジ

```
種類:
- ライン（行）カバレッジ
- ブランチ（分岐）カバレッジ
- 機能カバレッジ

目標値（プロジェクト標準）:
- 全体: 60%以上（MVP では努力目標、本番投入前は必達）
- 重要ロジック（Executor等）: 80%以上
- エラーハンドリング: 100%

レベル別目標:
- 単体テスト（ユニットテスト）: 60-80%
- 統合テスト: 主要フロー 100%、API エンドポイント 80%以上
- E2Eテスト: クリティカルパス 100%、補助フロー 50%以上

測定ツール:
- Vitest（カバレッジレポート自動生成）
- 配置: features/[機能名]/__tests__/executor.test.ts
```

#### 技術的負債比率

```
SQALE Rating:
A: < 5% (優秀)
B: 5-10% (良好)
C: 10-20% (許容範囲)
D: 20-50% (要改善)
E: > 50% (危険)

計算:
修正コスト / 開発コスト × 100
```

### ビジネスメトリクス

#### プロダクトメトリクス

```
活動指標:
- DAU (Daily Active Users)
- MAU (Monthly Active Users)
- DAU/MAU比率 (Stickiness)

エンゲージメント:
- セッション長
- ページビュー/セッション
- 機能利用率

収益指標:
- MRR (Monthly Recurring Revenue)
- ARR (Annual Recurring Revenue)
- ARPU (Average Revenue Per User)
- LTV (Lifetime Value)
- CAC (Customer Acquisition Cost)
```

#### 顧客メトリクス

```
満足度:
- NPS (Net Promoter Score)
- CSAT (Customer Satisfaction)
- CES (Customer Effort Score)

リテンション:
- チャーン率
- リテンション率
- 復活率

サポート:
- First Response Time
- Resolution Time
- Ticket Volume
```

## 可視化手法

### ダッシュボード設計

#### 階層構造

```
Level 1: Executive Dashboard
- 主要KPI
- トレンド
- アラート

Level 2: Management Dashboard
- チームメトリクス
- プロジェクト状況
- リソース利用

Level 3: Team Dashboard
- スプリント進捗
- 個人パフォーマンス
- 技術メトリクス
```

#### ビジュアル要素

```
グラフ選択:
- トレンド: 折れ線グラフ
- 比較: 棒グラフ
- 構成: 円グラフ/積み上げ
- 相関: 散布図
- 分布: ヒストグラム
- 進捗: ゲージ/プログレスバー
```

### 累積フローダイアグラム

```
構成要素:
- 各状態の作業量を積み上げ表示
- 時系列での変化を可視化

分析ポイント:
- WIPの増減
- ボトルネック（膨らみ）
- サイクルタイム（横幅）
- スループット（傾き）
```

### コントロールチャート

```
要素:
- 中心線: 平均値
- 管理限界線: ±3σ
- データポイント: 実測値

異常検知:
- 管理限界外
- 連続7点が片側
- トレンド（上昇/下降）
- 周期的パターン
```

## 分析手法

### トレンド分析

```python
# 移動平均
def moving_average(data, window=3):
    return [sum(data[i:i+window])/window
            for i in range(len(data)-window+1)]

# 線形回帰
def trend_line(x, y):
    n = len(x)
    slope = (n*sum(x*y) - sum(x)*sum(y)) /
            (n*sum(x**2) - sum(x)**2)
    intercept = (sum(y) - slope*sum(x)) / n
    return slope, intercept
```

### 相関分析

```
相関係数の解釈:
0.7-1.0: 強い正の相関
0.3-0.7: 中程度の正の相関
-0.3-0.3: 相関なし
-0.7--0.3: 中程度の負の相関
-1.0--0.7: 強い負の相関
```

### 予測モデル

```
ベロシティベース予測:
完了予定 = 残ポイント / 平均ベロシティ

信頼区間:
- 楽観的: 最大ベロシティ使用
- 現実的: 平均ベロシティ使用
- 悲観的: 最小ベロシティ使用

モンテカルロシミュレーション:
- 過去データから確率分布生成
- 1000回シミュレーション
- 信頼区間の算出
```

## アラートと自動化

### しきい値設定

```yaml
alerts:
  velocity_drop:
    condition: velocity < average * 0.8
    action: notify_team_lead

  burndown_behind:
    condition: actual > ideal * 1.2
    action: escalate_to_manager

  quality_degradation:
    condition: defect_rate > threshold
    action: trigger_code_review

  customer_churn:
    condition: churn_rate > 5%
    action: alert_customer_success
```

### 自動レポート

```
日次:
- スタンドアップ用メトリクス
- ブロッカー/リスク
- 昨日の成果

週次:
- スプリント進捗
- ベロシティトレンド
- 品質メトリクス

月次:
- KPIダッシュボード
- トレンド分析
- 改善提案
```

## メトリクス選定ガイド

### フェーズ別推奨メトリクス

```
立ち上げ期:
- 基本的なベロシティ
- シンプルなバーンダウン
- 重要バグ数

成長期:
- サイクルタイム
- テストカバレッジ
- 顧客満足度

成熟期:
- リードタイム
- 技術的負債
- イノベーション率
```

### アンチメトリクス

```
避けるべき:
- コード行数での生産性測定
- 個人のストーリーポイント比較
- バグ数ゼロの強制
- 100%稼働率の追求
```

## ツール選定

### オープンソース

```
- Grafana: 汎用ダッシュボード
- Prometheus: メトリクス収集
- ELK Stack: ログ分析
- Jenkins: CI/CDメトリクス
```

### 商用ツール

```
- Jira: アジャイルメトリクス
- Datadog: APM/監視
- New Relic: パフォーマンス
- Mixpanel: プロダクト分析
```

## 改善サイクル

### Plan-Do-Check-Act

```
Plan:
- メトリクス選定
- 目標値設定
- 測定方法決定

Do:
- データ収集
- 可視化実装
- チーム共有

Check:
- 分析実施
- 異常検知
- トレンド把握

Act:
- 改善実施
- プロセス変更
- 効果測定
```

### レトロスペクティブ連携

```
データ準備:
- メトリクスサマリー
- トレンドグラフ
- 異常値の説明

議論ポイント:
- 数値の背景
- 改善機会
- アクションアイテム

フォローアップ:
- 改善効果の測定
- 新メトリクスの追加
- 目標値の調整
```

## チェックリスト

### メトリクス導入時

- [ ] 目的は明確か
- [ ] 測定方法は定義されているか
- [ ] データ収集は自動化可能か
- [ ] チームの負担は最小か
- [ ] 行動につながるか

### 運用時

- [ ] 定期的にレビューしているか
- [ ] トレンドを追跡しているか
- [ ] 異常に気づける仕組みがあるか
- [ ] 改善につながっているか
- [ ] 形骸化していないか

## 関連スキル

- `.claude/skills/agile-project-management/SKILL.md` - スクラムメトリクス
- `.claude/skills/estimation-techniques/SKILL.md` - 見積もり精度
- `.claude/skills/stakeholder-communication/SKILL.md` - レポーティング
- `.claude/skills/product-vision/SKILL.md` - KPI 設定

## 変更履歴

### v1.1.0 (2025-11-28)

- **master_system_design.md 準拠対応**:
  - テストカバレッジ目標を master_system_design.md 第2.4節に合わせて更新
  - プロジェクト標準カバレッジ目標を明記（全体60%、重要ロジック80%）
  - 測定ツール（Vitest）とテストファイル配置を追加
  - レベル別目標の具体化（ユニット・統合・E2E）

### v1.0.0 (2025-11-27)

- 初版作成
- ベロシティ、バーンダウン、サイクルタイム、リードタイム等のアジャイルメトリクスを体系化