📊 ATIVIDADE 19: MÉTRICAS DE SOFTWARE, ESTIMATIVAS E DORA

Bem-vindo a mais uma etapa indispensável da sua formação em Engenharia de Software! Nas últimas semanas, focamos intensamente em aspectos técnicos: codificação, arquitetura, testes, infraestrutura e segurança. Hoje, assumiremos o papel de Gestores de TI e Líderes Técnicos (Tech Leads) para responder a uma das perguntas mais desafiadoras feitas pelos diretores de qualquer empresa: "Quando o sistema estará pronto e quão eficiente é a nossa equipe de engenharia?" ⏰💼

Aprenderemos sobre técnicas de estimativas ágeis e conheceremos as famosas Métricas DORA, a referência global e científica de mercado usada para medir a velocidade de entrega e a estabilidade de equipes de alto desempenho em DevOps.

🎯 Objetivos de Aprendizagem do Laboratório

Ao final deste laboratório prático (estimativa: 4 horas presenciais / autoguiadas), você será capaz de:

• Diferenciar estimativas tradicionais de estimativas ágeis (Story Points).
• Calcular a velocidade de desenvolvimento (Velocity) de um time de desenvolvimento.
• Compreender e calcular as 4 Métricas Chaves da DORA (Deployment Frequency, Lead Time, MTTR, Change Failure Rate).
• Mapear e classificar o nível de maturidade operacional de uma equipe de software.

🏢 O Cenário Prático (Seu Desafio)

Na TecProExpress, a diretoria estava insatisfeita. Os projetos sempre atrasavam, as estimativas em "horas" eram imprecisas e, pior, ninguém sabia medir se as recentes automações (CI/CD, Docker e testes JUnit) realmente trouxeram melhorias reais para a velocidade ou se apenas aumentaram a complexidade técnica.

Os gerentes cobravam relatórios baseados em "linhas de código escritas por dia", o que incentivava os programadores a escreverem códigos inchados e ruins apenas para bater a meta.

"Seu desafio como Tech Lead / Agile Coach é reformular a forma de planejar e medir a eficácia do time da TecProExpress. Você calculará a capacidade da equipe em Story Points, estimará a entrega de um backlog crítico de rotas e implantará os indicadores DORA para provar cientificamente os benefícios das práticas DevOps no negócio."

🧠 Fundamentos: A Teoria Traduzida

1. Estimativas Ágeis vs Tradicionais

• Estimativa Tradicional (Horas/Dias): Tenta adivinhar o tempo exato de uma tarefa. Costuma falhar porque ignora a complexidade subjetiva, interrupções e riscos técnicos.
• Story Points (Estimativa de Esforço): Medida relativa baseada na Sequência de Fibonacci (1, 2, 3, 5, 8, 13...) que avalia o esforço, complexidade e incerteza de um item do backlog, comparando-o com tarefas já conhecidas.
• Velocidade (Velocity): A soma de Story Points de tarefas que o time consegue entregar (mudar para o status 'Done') no período de uma Sprint (normalmente 2 semanas).

2. As 4 Métricas DORA (DevOps Research and Assessment)

O grupo de pesquisa do Google (DORA) comprovou estatisticamente que a performance de engenharia de software é classificada por 4 métricas equilibradas entre Velocidade de Entrega e Estabilidade do Sistema:

📊 O Quadrante de Indicadores DORA

flowchart TD
    subgraph DORA ["As 4 Métricas Fundamentais DORA"]
        direction TB
        subgraph Velocidade ["Eficácia & Velocidade (Entrega)"]
            direction LR
            DF["Deployment Frequency<br/>(Frequência de Deploy)"]
            LT["Lead Time for Changes<br/>(Tempo de Espera por Mudança)"]
        end
        subgraph Estabilidade ["Qualidade & Estabilidade (Segurança)"]
            direction LR
            CFR["Change Failure Rate<br/>(Taxa de Falha de Mudanças)"]
            MTTR["Mean Time to Restore<br/>(Tempo Médio de Recuperação)"]
        end
    end

    style DORA fill:#f9f9f9,stroke:#333,stroke-width:2px
    style Velocidade fill:#e1f5fe,stroke:#0288d1,stroke-width:2px
    style Estabilidade fill:#ffebee,stroke:#c62828,stroke-width:2px

• Deployment Frequency (DF): Com que frequência sua equipe publica código em produção. (Meta Elite: Múltiplos deploys por dia).
• Lead Time for Changes (LT): Quanto tempo leva para um commit de código sair da máquina do desenvolvedor e rodar com sucesso em produção. (Meta Elite: Menos de 1 hora).
• Change Failure Rate (CFR): Qual a porcentagem de deploys em produção que causam falhas no sistema e exigem correção imediata (hotfix/rollback). (Meta Elite: 0% a 15%).
• Mean Time to Restore (MTTR): Quanto tempo a equipe leva, em média, para recuperar o sistema de uma pane em produção. (Meta Elite: Menos de 1 hora).

📖 Exemplo Guiado: Calculando Capacidade e Métricas DevOps

A equipe de desenvolvimento da TecProExpress possui um histórico de desempenho nas últimas 3 Sprints de 15 dias:

• Sprint 1: Entregou 24 Story Points.
• Sprint 2: Entregou 30 Story Points (equipe mais focada).
• Sprint 3: Entregou 21 Story Points (feriado e impedimento técnico).

1. Calculando a Velocidade Média do Time

$$\text{Velocidade Média} = \frac{24 + 30 + 21}{3} = 25 \text{ Story Points por Sprint}$$

Se o backlog total para o lançamento do novo módulo de motoristas tem um esforço estimado de 100 Story Points, o número de Sprints necessárias para entregar o projeto será: $$\text{Previsão de Sprints} = \frac{100 \text{ SP (Escopo)}}{25 \text{ SP (Velocidade)}} = 4 \text{ Sprints (aproximadamente 2 meses de trabalho)}$$

2. Painel de Indicadores DORA do Projeto (Simulado)

Com a adoção do pipeline CI/CD e Docker, o time registrou a seguinte performance no último mês:

• Deploys em produção: 20 deploys efetuados no mês.
  • Deployment Frequency: Aprox. 1 deploy por dia útil (Nível: Alto).
• Tempo de Commit a Produção: Em média 4 horas (desde o merge na main até rodar no servidor).
  • Lead Time for Changes: 4 horas (Nível: Alto).
• Falhas pós-deploy: De 20 deploys, apenas 1 causou queda na API e exigiu rollback.
  • Change Failure Rate: $1 / 20 = \mathbf{5%}$ (Nível: Elite).
• Tempo de recuperação da falha: O rollback demorou exatamente 20 minutos para ser efetuado.
  • Mean Time to Restore (MTTR): 20 minutos (Nível: Elite).

💻 Calculador de Velocidade Ágil & Métricas DORA em Python

Para auditar métricas de desempenho e projetar a capacidade de entrega do time:

# metricas_dora.py
sprints_passadas = [24, 30, 21]
velocidade_media = sum(sprints_passadas) / len(sprints_passadas)
backlog_restante_sp = 100
sprints_necessarias = round(backlog_restante_sp / velocidade_media, 1)

deploys_mes = 20
falhas_deploy = 1
change_failure_rate = (falhas_deploy / deploys_mes) * 100
mttr_minutos = 20
lead_time_horas = 4.0

print("=" * 65)
print("📊 PAINEL DE MÉTRICAS DORA & CAPACIDADE ÁGIL - TECPROEXPRESS")
print("=" * 65)
print(f"🏃 Velocidade Média: {velocidade_media:.1f} Story Points / Sprint")
print(f"📅 Backlog Restante: {backlog_restante_sp} SP -> Previsão de Entrega: {sprints_necessarias} Sprints")
print("-" * 65)
print("🎯 INDICADORES DORA (DevOps Research & Assessment):")
print(f"   • Deployment Frequency:   {deploys_mes} deploys/mês (Classificação: ALTO)")
print(f"   • Lead Time for Changes:  {lead_time_horas:.1f} horas      (Classificação: ALTO)")
print(f"   • Change Failure Rate:    {change_failure_rate:.1f}%         (Classificação: ELITE)")
print(f"   • Time to Restore (MTTR): {mttr_minutos} minutos      (Classificação: ELITE)")
print("=" * 65)

🖥️ Saída Esperada no Terminal:

=================================================================
📊 PAINEL DE MÉTRICAS DORA & CAPACIDADE ÁGIL - TECPROEXPRESS
=================================================================
🏃 Velocidade Média: 25.0 Story Points / Sprint
📅 Backlog Restante: 100 SP -> Previsão de Entrega: 4.0 Sprints
-----------------------------------------------------------------
🎯 INDICADORES DORA (DevOps Research & Assessment):
   • Deployment Frequency:   20 deploys/mês (Classificação: ALTO)
   • Lead Time for Changes:  4.0 horas      (Classificação: ALTO)
   • Change Failure Rate:    5.0%         (Classificação: ELITE)
   • Time to Restore (MTTR): 20 minutos      (Classificação: ELITE)
=================================================================

🌐 Exemplo de Payload JSON para Telemetria de Métricas DORA (Swagger /docs)

{
  "time_id": "TEAM-LOGISTICA-01",
  "periodo_coleta": "2026-03",
  "metricas_dora": {
    "deployment_frequency_mes": 20,
    "lead_time_hours": 4.0,
    "change_failure_rate_percent": 5.0,
    "mean_time_to_restore_minutes": 20
  },
  "classificacao_geral": "ELITE"
}

🛠️ Prática Obrigatória 1: Estimando o Backlog Ágil

Cenário: Planejando as entregas do projeto final de Engenharia de Software.

1. Crie uma tabela Markdown listando 5 requisitos/funcionalidades chave restantes para a consolidação final do seu projeto de grupo.
2. Atribua a cada funcionalidade uma estimativa em Story Points usando a escala de Fibonacci (1, 2, 3, 5, 8, 13). Justifique por que uma funcionalidade recebeu pontuação maior (ex: complexidade de banco de dados, API de terceiros) em comparação a uma simples (ex: CRUD básico).
3. Defina uma velocidade média hipotética para o seu grupo (ex: 8 SP por Sprint de 1 semana) e calcule em quantas Sprints o grupo entregará o backlog total.

🛠️ Prática Obrigatória 2: Diagnóstico DORA do Time

Cenário: Avaliando a maturidade operacional e qualidade do processo de desenvolvimento.

1. Crie uma seção no seu documento Markdown chamada "Painel DORA do Projeto".
2. Defina e explique como seu grupo coletará ou simulará cada uma das 4 métricas DORA no fluxo de trabalho de desenvolvimento de vocês.
3. Classifique o nível de maturidade simulada da sua equipe (Baixo, Médio, Alto ou Elite) com base em cada indicador de velocidade e estabilidade.

📤 Instruções de Entrega (Microsoft Teams)

Após estruturar os seus planos de estimativas e o painel DORA:

1. Salve o arquivo de especificações com o nome Atividade_19.md na pasta es-atv-19-metricas-estimativas/ do seu repositório GitHub.
2. Certifique-se de fazer o commit e push para o repositório público.
3. Submeta o link do seu repositório no Microsoft Teams para avaliação do professor.

💡 Checkpoint de Lógica

📊 Rubrica Formativa de Avaliação