DORA (DevOps Research & Assessment) が定義した 4 メトリクスは、開発組織の標準ベンチマーク。さらに 2024〜2025 年は 活用度 が新たな軸として注目されています。
DORA 4 Metrics
| 指標 | 定義 | Elite 水準 | Low 水準 |
|---|---|---|---|
| Deployment Frequency | 本番デプロイの頻度 | 1日複数回 | 月 1 回以下 |
| Lead Time for Changes | コード commit → 本番反映までの時間 | 1 日以下 | 6 ヶ月超 |
| Mean Time to Restore (MTTR) | 本番障害から復旧までの平均時間 | 1 時間以下 | 1 週間超 |
| Change Failure Rate | 本番デプロイのうち障害になる割合 | 0-15% | 30% 超 |
DORA 計測のデータソース
| 指標 | 計算方法 |
|---|---|
| Deployment Frequency | Actions の deploy job 回数 / Vercel / k8s deployment 回数 |
| Lead Time | PR の最初の commit → main マージ → 本番反映時刻 |
| MTTR | PagerDuty / OpsGenie / Sentry のインシデント from-fired to-resolved |
| Change Failure Rate | デプロイ件数 / 障害トリガー件数 |
AI 活用度メトリクス（新世代）
| 指標 | 定義 | ソース |
|---|---|---|
| tokens / dev / day | 1 日 1 人あたりの token 量 | EP.03 |
| Copilot acceptance rate | Copilot 提案を受け入れた率 | GitHub Copilot Metrics |
| session count | Claude Code の起動回数 | Anthropic admin API |
| AI-assisted PR rate | AI のサポートで作った PR 比率 | PR 本文の自己申告 or タグ |
| AI cost / engineering revenue | AI コストが開発投資に占める割合 | 経理データと組合せ |
計算実装例
Lead Time の計算 (BigQuery)
SQL
WITH commits_to_merge AS ( SELECT pr_number, MIN(commit_time) AS first_commit_at, MAX(merged_at) AS merged_at FROM github_events WHERE event_type IN ('commit', 'merged') GROUP BY pr_number)SELECT DATE_TRUNC(merged_at, WEEK) AS week, APPROX_QUANTILES(TIMESTAMP_DIFF(merged_at, first_commit_at, HOUR), 100)[OFFSET(50)] AS p50_hours, APPROX_QUANTILES(TIMESTAMP_DIFF(merged_at, first_commit_at, HOUR), 100)[OFFSET(95)] AS p95_hoursFROM commits_to_mergeGROUP BY 1ORDER BY week;ダッシュの構成例
- 4 大 DORA 数値カード: 一目で水準が分かる、Elite/High/Med/Low の色分け
- 週次推移ライン: 4 指標すべての週次トレンド
- チーム別比較: 同社内の他チームと並べて優劣
- AI 活用度カード: tokens/dev、Copilot acceptance、AI cost ratio
- 改善 / 悪化アラート: MTTR 急増、デプロイ頻度低下を Slack 通知
次の話
EP.10 では、ここまで全部を 1 枚のダッシュボードに統合する設計を扱います。
この記事の感想を教えてください
あなたの 1 クリックで、本当にこの記事は更新されます。「もっと詳しく」「続編希望」が一定数集まった記事は、 ふくふくが 実際に内容を拡充したり続編記事を公開 します。 送信したリアクションはお使いのブラウザに記録され、再カウントされません。