論文の概要: MetricSynth: Framework for Aggregating DORA and KPI Metrics Across Multi-Platform Engineering

• arxiv url: http://arxiv.org/abs/2511.06864v1
• Date: Mon, 10 Nov 2025 09:08:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-11 21:18:45.178262
• Title: MetricSynth: Framework for Aggregating DORA and KPI Metrics Across Multi-Platform Engineering
• Title（参考訳）: MetricSynth:マルチプラットフォームエンジニアリングにおけるDORAとKPIメトリクスの集約フレームワーク
• Authors: Pallav Jain, Yuvraj Agrawal, Ashutosh Nigam, Pushpak Patil,
• Abstract要約: 本稿では、開発者エクスペリエンス(DevEx)とキーパフォーマンス指標(KPI)メトリクスを、ソフトウェアエコシステムに対してほぼリアルタイムに可視化するように設計されたフレームワークのアーキテクチャと実装について述べる。 さまざまな内部ツールやプラットフォームからのデータを集約することにより、開発生産性、品質、運用効率といった重要な領域のメトリクスを計算して視覚化する。 この実装により、手動によるレポートの作業が大幅に削減され、毎週20時間削減され、より高速でデータ駆動型のボトルネック識別が可能になった。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In modern, large-scale software development, engineering leaders face the significant challenge of gaining a holistic and data-driven view of team performance and system health. Data is often siloed across numerous disparate tools, making manual report generation time-consuming and prone to inconsistencies. This paper presents the architecture and implementation of a centralized framework designed to provide near-real-time visibility into developer experience (DevEx) and Key Performance Indicator (KPI) metrics for a software ecosystem. By aggregating data from various internal tools and platforms, the system computes and visualizes metrics across key areas such as Developer Productivity, Quality, and Operational Efficiency. The architecture features a cron-based data ingestion layer, a dual-schema data storage approach, a processing engine for metric pre-computation, a proactive alerting system, and utilizes the open-source BI tool Metabase for visualization, all secured with role-based access control (RBAC). The implementation resulted in a significant reduction in manual reporting efforts, saving an estimated 20 person-hours per week, and enabled faster, data-driven bottleneck identification. Finally, we evaluate the system's scalability and discuss its trade-offs, positioning it as a valuable contribution to engineering intelligence platforms.
• Abstract（参考訳）: 現代的な大規模ソフトウェア開発では、エンジニアリングリーダは、チームパフォーマンスとシステムの健全性に関する全体的かつデータ駆動の視点を得るという、重大な課題に直面します。 データは様々なツールでサイロ化され、手動でレポートを生成するのに時間がかかり、矛盾が生じやすい。 本稿では,開発者エクスペリエンス(DevEx)とキーパフォーマンス指標(KPI)メトリクスのほぼリアルタイムな可視化を実現するために設計された集中型フレームワークのアーキテクチャと実装について述べる。 さまざまな内部ツールやプラットフォームからのデータを集約することにより、開発生産性、品質、運用効率といった重要な領域のメトリクスを計算して視覚化する。 このアーキテクチャは、cronベースのデータ取り込み層、二重スキーマデータストレージアプローチ、メトリック事前計算のための処理エンジン、プロアクティブアラートシステム、そしてオープンソースのBIツールMetabaseを使って視覚化し、すべてがロールベースのアクセス制御(RBAC)で保護されている。 この実装により、手動によるレポートの作業が大幅に削減され、毎週20時間削減され、より高速でデータ駆動型のボトルネック識別が可能になった。 最後に、システムのスケーラビリティを評価し、そのトレードオフについて議論し、エンジニアリングインテリジェンスプラットフォームに価値ある貢献として位置づける。

関連論文リスト

• CoDA: Agentic Systems for Collaborative Data Visualization [57.270599188947294]
  深層研究はデータ分析に革命をもたらしたが、データサイエンティストは依然として手作業による視覚化にかなりの時間を費やしている。 単純なシングルエージェントシステムやマルチエージェントシステムを含む既存のアプローチは、しばしばタスクを単純化する。 本稿では,メタデータ分析,タスク計画,コード生成,自己回帰に特殊なLLMエージェントを利用するマルチエージェントシステムであるCoDAを紹介する。
  論文  参考訳（メタデータ） (2025-10-03T17:30:16Z)
• Towards an Introspective Dynamic Model of Globally Distributed Computing Infrastructures [27.473508984130728]
  大規模な科学的コラボレーションはペタバイト単位のデータを生成し、ボリュームはすぐにエクタバイトに達すると期待されている。 これらの計算とストレージの要求を管理するために、中央集権的なワークフローとデータ管理システムが実装されている。 より効果的あるいはAI駆動のソリューションを採用する上で重要な障害は、迅速で信頼性の高いイントロスペクティブ・ダイナミック・モデルがないことである。
  論文  参考訳（メタデータ） (2025-06-24T12:42:36Z)
• Data-Juicer 2.0: Cloud-Scale Adaptive Data Processing for and with Foundation Models [83.65386456026441]
  Data-Juicer 2.0は、テキスト、画像、ビデオ、オーディオのモダリティにまたがる100以上のデータ処理オペレータがバックアップするデータ処理システムである。 データ分析、合成、アノテーション、基礎モデルのポストトレーニングなど、より重要なタスクをサポートする。 このシステムは公開されており、さまざまな研究分野やAlibaba Cloud PAIのような現実世界の製品で広く採用されている。
  論文  参考訳（メタデータ） (2024-12-23T08:29:57Z)
• Intelligent Spark Agents: A Modular LangGraph Framework for Scalable, Visualized, and Enhanced Big Data Machine Learning Workflows [1.4582633500696451]
  LangGraphフレームワークは、スケーラビリティ、視覚化、インテリジェントなプロセス最適化を通じて機械学習を強化するように設計されている。 このフレームワークの中核となるのは、Sparkの分散コンピューティング機能を活用する重要なイノベーションであるAgent AIだ。 フレームワークにはLangChainエコシステムを通じて大きな言語モデルも組み込まれており、構造化されていないデータとのインタラクションが強化されている。
  論文  参考訳（メタデータ） (2024-12-02T13:41:38Z)
• Integration of Domain Expert-Centric Ontology Design into the CRISP-DM for Cyber-Physical Production Systems [45.05372822216111]
  機械学習(ML)とデータマイニング(DM)の手法は、収集されたデータから複雑で隠れたパターンを抽出する上で有望であることが証明されている。 しかし、このようなデータ駆動プロジェクトは、通常、CRISPDM(Cross-Industry Standard Process for Data Mining)で実行され、データの理解と準備に要する時間の不均等さのために失敗することが多い。 このコントリビューションは、データサイエンティストがCPPSの課題に対してより迅速かつ確実に洞察を得ることができるように、統合されたアプローチを提供することを目的としている。
  論文  参考訳（メタデータ） (2023-07-21T15:04:00Z)
• Nemo: Guiding and Contextualizing Weak Supervision for Interactive Data Programming [77.38174112525168]
  私たちは、WS 学習パイプラインの全体的な生産性を、一般的な WS 監督アプローチと比較して平均20%(最大 47% のタスク)改善する、エンドツーエンドのインタラクティブなスーパービジョンシステムである Nemo を紹介します。
  論文  参考訳（メタデータ） (2022-03-02T19:57:32Z)
• Exploring the potential of flow-based programming for machine learning deployment in comparison with service-oriented architectures [8.677012233188968]
  理由のひとつは、データ収集と分析に関するアクティビティのために設計されていないインフラストラクチャである、と私たちは論じています。 本稿では,データストリームを用いたフローベースのプログラミングを,ソフトウェアアプリケーション構築に広く使用されるサービス指向アーキテクチャの代替として検討する。
  論文  参考訳（メタデータ） (2021-08-09T15:06:02Z)
• Automated Machine Learning Techniques for Data Streams [91.3755431537592]
  本稿では、最先端のオープンソースAutoMLツールを調査し、ストリームから収集したデータに適用し、時間とともにパフォーマンスがどのように変化するかを測定する。 この結果から,既製のAutoMLツールで十分な結果が得られることが示されたが,概念ドリフトや検出,適応といった手法が適用されれば,予測精度を時間とともに維持することが可能になる。
  論文  参考訳（メタデータ） (2021-06-14T11:42:46Z)
• A Flexible and Intelligent Framework for Remote Health Monitoring Dashboards [4.561162529091813]
  ViSierraは、RPMプロジェクトでデータ監視ダッシュボードを設計するためのフレームワークである。 これらのプラットフォームは、従来のRPMプロジェクトに必要なすべての側面をカバーし、機械学習ソリューションのような新しい機能と組み合わせます。
  論文  参考訳（メタデータ） (2020-06-09T14:07:45Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。