Tanto los equipos que practican la entrega continua como los que practican la gestión de servicios de TI (ITSM) producen un flujo constante de números: tickets cerrados, historias completadas, despliegues realizados, incidentes resueltos. Tener números es fácil. Tener números que ayuden a decidir algo es más difícil, y esa brecha es donde se atascan la mayoría de los programas de métricas. Esta parte ofrece la base común en la que se apoyan todas las partes posteriores, antes de definir ninguna métrica concreta. También añade una lente que el libro mantiene de principio a fin: cómo ITIL 5, la IA, la automatización y la analítica cambian lo que mide una organización de servicios.

Esa base recorre siete preguntas, una tras otra. ¿Por qué medir y qué cuesta no medir nada, o medir lo equivocado? ¿Cómo se convierte una medida en un objetivo y deja entonces de decir la verdad? ¿Qué merece medirse en primer lugar? ¿Quién define, posee y retira cada métrica? ¿De dónde proceden los datos y hasta qué punto son fiables? ¿Cómo deben leerse los números, dado que los datos de tickets y de flujo son asimétricos y a menudo escasos? Un tema muestra cómo los marcos establecidos ayudan a organizar las respuestas, y un último tema pregunta qué significa ITIL 5, tal como lo describe su propietario, para la medición, separando lo que se puede verificar de lo que no.

Lee esta parte primero si eres nuevo en el libro, y vuelve a ella siempre que una métrica posterior parezca comportarse mal. La mayoría de los fallos de métricas en las partes siguientes se remontan a una de las ideas presentadas aquí. Las métricas de este libro describen equipos, servicios y sistemas. Nunca se usan para clasificar a las personas.

Temas de esta parte

  • 1.1 Por qué medir la gestión de servicios: por qué los equipos que construyen y operan servicios necesitan números, qué aportan la agilidad e ITIL a la medición y el costo de no medir nada o de medir lo equivocado.
  • 1.2 Ley de Goodhart y psicología de las métricas: la barrera de protección detrás de todos los demás temas, que explica cómo una medida se convierte en objetivo, cómo ocurre la manipulación en los datos de tickets y de entrega, y los hábitos que la previenen.
  • 1.3 Resultados sobre producción: elegir qué medir: valor, resultados, producción y actividad, indicadores adelantados y rezagados, y la cocreación de valor de ITIL como prueba de una buena métrica.
  • 1.4 Gobernanza y propiedad de las métricas: responsables de métricas, definiciones, cadencia de revisión, retirada y quién puede ver qué.
  • 1.5 Fuentes de datos e instrumentación: herramientas ITSM, gestores de incidencias, control de versiones, pipelines de integración y entrega continuas, monitoreo, la base de datos de gestión de la configuración (CMDB) y las encuestas como fuentes, con atención a la calidad de los datos, las marcas de tiempo y los modelos de estado.
  • 1.6 Alfabetización estadística para métricas de servicio: percentiles en lugar de promedios, distribuciones asimétricas, muestras pequeñas, gráficos de control e incertidumbre honesta para datos de tickets y de flujo.
  • 1.7 Marcos de medición: Goal-Question-Metric, objetivos y resultados clave (OKR), el cuadro de mando integral, los factores críticos de éxito y los indicadores clave de rendimiento, y cómo se combinan con las prácticas de ITIL.
  • 1.8 Medición de ITIL 5 y resultados de valor: el énfasis declarado de ITIL 5 en el valor medible, los productos digitales y los entornos habilitados por IA, verificado en las publicaciones del propio propietario, y los cimientos (propiedad, resultados, supervisión de la IA) que ya puedes medir hoy.

Cómo se relacionan estos temas

Los temas forman un bucle, no una escalera. El tema 1.1 (véase el tema 1.1, Por qué medir la gestión de servicios) aporta el propósito, y el tema 1.3 (véase el tema 1.3, Resultados sobre producción: elegir qué medir) convierte ese propósito en una elección de qué medir. Una métrica elegida por su enfoque en resultados sigue necesitando una definición, un responsable y una fecha de revisión, que es el trabajo del tema 1.4 (véase el tema 1.4, Gobernanza y propiedad de las métricas). Marcos como Goal-Question-Metric, tratado en el tema 1.7 (véase el tema 1.7, Marcos de medición), ofrecen una forma repetible de pasar de un objetivo a un conjunto reducido de medidas, por lo que se combinan de forma natural con los temas 1.3 y 1.4.

Los datos y la estadística forman una segunda pareja. Una métrica bien elegida vale lo que valgan los registros que la sustentan, y el tema 1.5 (véase el tema 1.5, Fuentes de datos e instrumentación) explica cómo las marcas de tiempo, los modelos de estado y la configuración de la herramienta determinan lo que un número puede significar. El tema 1.6 (véase el tema 1.6, Alfabetización estadística para métricas de servicio) trata después cómo leer ese número con honestidad, mediante percentiles, gráficos de control y declaraciones claras de incertidumbre. Los datos débiles anulan una buena estadística, y la estadística débil desperdicia buenos datos, de modo que lo mejor es leer ambos temas juntos.

El tema 1.8 (véase el tema 1.8, Medición de ITIL 5 y resultados de valor) aplica el mismo bucle a un marco cambiante: mide los cimientos que cualquier versión necesita y mantiene etiquetadas las afirmaciones no verificadas. El tema 1.2 (véase el tema 1.2, Ley de Goodhart y psicología de las métricas) atraviesa a todos los demás como barrera de protección. Cualquier métrica elegida según el tema 1.3, gobernada según el tema 1.4 y alimentada con las fuentes del tema 1.5 puede manipularse en cuanto se juzga a las personas por ella. La gobernanza limita quién ve qué y cómo se usa una métrica. Las elecciones centradas en resultados hacen que la manipulación resulte menos rentable. Las medidas emparejadas, presentadas aquí y desarrolladas a lo largo del libro, permiten que un número verifique a otro. Por eso cada métrica de las partes posteriores lleva un vector de manipulación y una barrera de protección, y esta parte explica por qué.