# Mierz system dostarczania

Taiga Learning · Arkusz
https://taiga.training/pl/lessons/delivery-metrics/

Używaj fikcyjnych lub zatwierdzonych informacji. Nie umieszczaj sekretów w arkuszu.

## Cele nauki
- Odróżniaj wyniki dostarczania od aktywności generowania kodu.
- Interpretuj miarę według definicji zdarzeń i zakresu.
- Używaj pomiarów do wyboru usprawnienia, nie rankingu osób.

## Ćwiczenie
Użyj zbioru dziesięciu zmian z tej lekcji. Zdefiniuj wdrożenie, nieudaną zmianę i zdarzenie przywrócenia. Znajdź najdłuższe widoczne oczekiwanie i określ dowody jego przyczyny. Zaproponuj usprawnienie oraz miarę ujawniającą pogorszenie jakości.

[Pobierz fikcyjny zbiór danych czasowych (CSV)](https://taiga.training/pl/worksheets/delivery-metrics-data.csv)

## Twoja odpowiedź
- Scenariusz i zakres:
- Założenia i otwarte pytania:
- Proponowana odpowiedź lub decyzja z uzasadnieniem:

## Sprawdź odpowiedź
| Twierdzenie lub kryterium | Dowód lub test | Wynik lub luka | Właściciel |
| --- | --- | --- | --- |
| | | | |
| | | | |
| | | | |

## Następne działanie
- Działanie, właściciel i data:
- Kiedy przejrzysz tę odpowiedź?

## Zasada do zapamiętania
Mierz zaakceptowane zmiany i ich konsekwencje. Przy porównywaniu wyników pokazuj definicje zdarzeń, kontekst usługi i ograniczenia.

## Źródła
- [DORA: Software delivery performance metrics](https://dora.dev/guides/dora-metrics/)
- [Taiga docs: Deployments and metric definitions](https://docs.tai.ga/deliver/deployments/)
- [Google SRE: Implementing SLOs](https://sre.google/workbook/implementing-slos/)

Arkusz wspiera naukę. Samo ukończenie nie upoważnia do zmiany produkcji.