Conteúdo Completo
Resposta Rápida (Featured Snippet):
Métricas Kanban são quantificações de fluxo de trabalho (quanto, quanto tempo, variabilidade). Principais: lead time (ideia → pronto), throughput (itens/período), WIP (trabalho em andamento), CFD (visualização de fluxo), previsibilidade (variação de lead time), SLA (itens no prazo). Interpretadas juntas revelam gargalos, eficiência, capacidade de previsão.
TL;DR (5 bullets):
– Lead time: tempo médio de ideia até pronto (dias). Alvo: reduzir 30-50%.
– Throughput: itens completados por período (por semana). Alvo: aumentar ou estabilizar.
– CFD: visualização de fluxo em tempo. Gargalo é onde banda não progride.
– Variabilidade: alguns dias 2 itens, outros 8? Alvo: estabilizar.
– Previsibilidade: posso dizer “próxima release em 30 dias”? Alvo: sim, ±15%.
Full Article
Por Que Métricas Importam
Cenário: Time A diz “somos rápidos, fazemos feature em 1 semana”. Time B diz “nós também, 1 semana”. Mas:
- Team A: algumas features em 3 dias, outras em 3 semanas (variável)
- Team B: toda feature em 8-9 dias (consistente)
Sem métricas, você não vê a diferença. Com métricas:
- Team A: média 8 dias, max 21 dias (variável, imprevisível)
- Team B: média 8 dias, max 10 dias (estável, previsível)
Team B é mais confiável (mesmo tempo médio, menos surpresa).
As 6 Métricas Essenciais
1. Lead Time (Tempo Total)
Definição: tempo do início da demanda até entrega ao cliente.
Timeline de Feature X:
Jan 1 (ideia)
↓
Jan 5 (entra no backlog)
↓
Jan 12 (aproved, pronto para dev)
↓
Jan 19 (dev termina)
↓
Jan 26 (testes passam)
↓
Feb 2 (em produção)
↓
Feb 3 (cliente vendo)
LEAD TIME: Jan 1 → Feb 3 = 33 dias
Interpretação:
– Média lead time: 20 dias
– Min: 5 dias
– Max: 45 dias
– 95º percentile: 35 dias
Ação: “95% de features saem em 35 dias. Podemos prometer 35 dias com confiança.”
2. Cycle Time (Tempo de Trabalho)
Definição: tempo do início do trabalho até entrega.
Mesma Feature X:
Jan 12 (move para "In Progress")
↓
Jan 26 (testes passam, pronto)
CYCLE TIME: Jan 12 → Jan 26 = 14 dias
WAITING TIME: Lead Time - Cycle Time = 33 - 14 = 19 dias
Insight: 19 dias esperando (em backlog, após aprovação, em teste queue). Oportunidade: eliminar espera.
Ação: “Se reduzir espera de 19 para 5 dias, lead time cai para 19 dias (vs 33).”
3. Throughput (Saída)
Definição: número de itens completados por período.
Semana 1: 5 features completadas
Semana 2: 6 features
Semana 3: 4 features (QA em férias)
Semana 4: 7 features
Average Throughput: 5.5 features/semana
Variação: 4-7 (boa estabilidade)
Interpretação:
– Se throughput é estável (5-7), posso prometer “5-7 features por semana”
– Se varia muito (2-10), dificil fazer promises
Ação: “Medir throughput por 4-8 semanas, encontrar variação, eliminar causas.”
4. Work in Progress (WIP)
Definição: número de itens simultâneos em trabalho.
Monday: 8 items in Dev, 4 in Testing, 2 in Deploy = 14 WIP
Tuesday: 9 items in Dev (alguém iniciou), 3 in Testing = 12 WIP
Wednesday: 7 items in Dev (2 completadas), 5 in Testing = 12 WIP
Ideal WIP for Dev: 8 (based on team size)
Current WIP: 7-9 (ótimo, no target)
Interpretação:
– WIP alinhado = lead time previsível
– WIP elevado = lead time longo, quality baixa
Ação: WIP limits, enforcement automático.
5. Cumulative Flow Diagram (CFD)
Gráfico que mostra evolução de itens por coluna:
Y-axis: # items
X-axis: time (weeks)
Backlog: cresce (sempre há mais demanda)
Ready: estável (WIP limit)
In Progress: estável (team capacity)
Testing: CRESCENDO (band getting wider = bottleneck!)
Done: lentamente crescendo
Insight: Testing é gargalo. Banda está alargando, items ficando presos.
Ação: “Aumente capacity de Testing (hire QA, automation) ou reduza WIP de Dev.”
6. Previsibilidade (Variância de Lead Time)
Definição: quanto varia o lead time? Alvo: pouca variação = previsível.
Feature lead times em 20 realizações:
Distribuição:
10 dias: 1 item (5%)
15 dias: 8 items (40%)
20 dias: 8 items (40%)
25 dias: 2 items (10%)
30 dias: 1 item (5%)
Análise:
Média: 18 dias
Mediana: 18 dias
Desvio padrão: 5 dias
Percentis:
50th (median): 18 dias
85th: 23 dias
95th: 27 dias
Previsibilidade: "95% das features saem em 27 dias. Podemos prometer isso."
Métrica auxiliar: Variação (Coefficient of Variation)
CV = (Desvio Padrão / Média) × 100
= (5 / 18) × 100 = 28%
Interpretação:
< 20%: excelente previsibilidade
20-40%: bom
40-60%: razoável
> 60%: baixa previsibilidade
Métricas Secundárias (Nice-to-Have)
Service Level (SLA Compliance)
Target: 95% de features saem em < 25 dias
Atual: 90% saem em < 25 dias
Performance: 90/95 = 95% SLA compliance (missing target)
Ação: Aumentar capacity ou reduzir escopo
Quality Rate
Defects after release: 3 bugs em 10 features
Quality rate: (10-3) / 10 = 70%
Target: > 95%
Ação: Increase testing, improve code review
Escaped Defects (bugs que chegaram em prod)
Regression: 15% de features têm bugs relatados em prod
Trend: Antes 20%, agora 15% (improving)
Como Interpretar & Agir
Cenário 1: Lead Time Crescendo
Semana 1-4: média 15 dias
Semana 5-8: média 18 dias
Semana 9-12: média 22 dias
Trend: aumentando
Causas potenciais:
1. WIP aumentou (mais itens paralelos)
2. Complexidade aumentou (features maiores)
3. Teste queue cresceu (QA bottleneck)
4. Integração ficou complexa
Ação: CFD para ver aonde está o atraso (qual coluna está lenta?)
Cenário 2: Throughput Instável
Semana 1: 8 features
Semana 2: 3 features (bug, redirecionou equipe)
Semana 3: 10 features (compensação)
Semana 4: 5 features (falta de stories ready)
Variação: 3-10 (200% spread, ruim)
Ação:
- Spike: investigar semana 2 (qual foi o bug?)
- Planejamento: ter sempre 2+ semanas de stories ready
- Previsão: não prometer 8, prometer 5-10 (range)
Cenário 3: CFD com Gargalo em Testing
CFD mostra:
- Backlog: crescendo (normal)
- Dev: flat (estável)
- Testing: CRESCENDO (stuck!)
- Done: muito lento
Insight: itens completam Dev, ficam em fila de Testing.
Causas:
1. QA overloaded (1 QA, 5 devs)
2. Testes manuais lentos (não há automation)
3. Testes frágeis (precisam re-rodar)
Ação:
A) Contrate 1 QA (capacidade)
B) Automation framework (velocity)
C) Pair testing (dev + qa, simultâneo)
For Technical Staff:
Cálculos e fórmulas:
Lead Time = Data saída - Data entrada
Cycle Time = Data saída - Data início trabalho
Waiting Time = Lead Time - Cycle Time
Throughput = # items completed / period
Average Throughput = Sum(weekly throughput) / # weeks
WIP (Work in Progress) = count(items not in "Done")
CFD Area = integral of WIP over time
Standard Deviation = sqrt(sum((value - mean)^2) / count)
Coefficient of Variation = std_dev / mean
Percentile = valor em posição (n * percentile / 100)
Ex: 95th percentile em 20 items = item #19
Dados para rastreamento:
Per item:
- id, title, status, start_date, end_date
- type (feature, bug, techdebt)
- size_estimate
- actual_effort
- completed_date
- defects_found_post_release
Agregações:
- Daily/weekly snapshot de WIP (quantos items em cada coluna)
- Lead time distribution (histogram)
- CFD (cumulative)
- SLA compliance (% on time)
Checklist: Implementando Métricas Kanban
- [ ] Definir período de coleta: 4-8 semanas mínimo (outliers se estabilizam)
- [ ] Rastreamento: todos items têm start_date, end_date
- [ ] Ferramental: AgilePlace, Jira, ou spreadsheet com automation
- [ ] Cálculos: lead time, cycle time, throughput, variabilidade
- [ ] Visualizações: lead time histogram, CFD, throughput trend
- [ ] Reviews: semanal (time), mensal (management), quarterly (exec)
- [ ] Ação: métricas revelam problema, time propõe melhoria
- [ ] Validação: medir impacto da melhoria na próxima coleta
If You Only Do 3 Things…
Rastreie lead time: média, min, max, percentis. Foco em percentil 95 (aquilo que você pode prometer).
Plotar CFD: visualização clara de onde está o gargalo (qual coluna está alargando?).
Medir throughput + variação: quantos itens completamos por semana? É estável? Se não, investigar causas.
FAQs
P: Qual métrica é a mais importante?
R: Lead time. Tudo gira em torno: menor lead time = mais entregas, melhor previsão, menos bloqueios.
P: Devo focar em throughput ou lead time?
R: Ambos. Throughput sem lead time curto é “fazendo muito, lentamente”. Lead time sem throughput estável é “rápido, mas imprevisível”.
P: Como explico CFD para executivo?
R: “Banda alargando = gargalo. Item saindo rápido da banda = fluxo bom. Banda chegando em ‘Done’ lentamente = lead time longo.”
P: Quanto tempo até ver melhoria em métricas?
R: 2-4 semanas (mudanças rápidas). 8-12 semanas (otimizações profundas). Trends aparecem em 4-8 semanas.
Reading & References
- “Little’s Law” in Queueing Theory
- “Kanban: Successful Change Management” (David Anderson)
- Planview AgilePlace Metrics Guide
CTA Final:
“Métricas Kanban são blindingly obvious quando alguém as mostra. Implementamos framework de métricas que revela gargalos, justifica ação, prova valor. Workshop 2h: mapeamos métricas do seu time, iniciamos rastreamento. Agende agora.”
Related Reading
