Методология DORA: что стоит за метриками

Александр Поломодов и Игорь Курочкин разбирают метод ежегодных отчётов DORA. Игорь следит за исследованием с первых лет и участвовал в обсуждении терминов новой версии. Линия от State of DevOps и Accelerate пришла к модели capability → performance → outcomes, которая продолжает меняться.

Исследование начинается с цели, модели и гипотез; вопросы появляются потом. Термины вроде small batch должны пониматься одинаково. С 2023 года одна большая схема уступает маленьким моделям вокруг capability. Анкета должна быть короткой и однозначной, а шкала Лайкерта делает ответы сопоставимыми.

Выборка формируется через открытую ссылку, партнёров и приглашения, поэтому неизбежны self-selection и snowball bias. DORA описывает ограничения и случайно разводит людей по веткам опроса. Конструкт проверяется несколькими вопросами: заявленный trunk-based development не сходится с долгоживущими ветками.

Культура Веструма показывает, как абстрактное свойство собирается из признаков. Статистические модели отделяют обучение от проверки и переходят от корреляции к причинным гипотезам. Байесовский подход учитывает confounders и перенос от человека к организации, но без сырых данных часть метода остаётся скрытым know-how.