Analíticas

Código Abierto — GitScrum MCP Server es código abierto bajo la licencia MIT. Disponible en npm y en GitHub. Servidor Model Context Protocol para GitScrum — Claude, GitHub Copilot, Cursor y cualquier cliente compatible con MCP tienen acceso operacional completo a tu stack de gestión de proyectos.

La herramienta analytics proporciona 1 acción con 10 tipos de reportes que cubren cada dimensión del rendimiento del proyecto — desde evaluaciones de salud de alto nivel hasta análisis granular de tiempo de ciclo. Cada reporte está diseñado para un contexto específico de toma de decisiones, dando a tu asistente de IA acceso a los mismos datos que impulsan dashboards ejecutivos y retrospectivas ágiles.

Las analíticas en GitScrum agregan datos de tareas, sprints, seguimiento de tiempo y actividad del equipo en métricas accionables. El MCP Server presenta estos reportes a través de lenguaje natural, para que puedas preguntar "¿Qué tan saludable está el proyecto Backend?" y recibir datos estructurados con indicadores de tendencia, alertas de riesgo y puntuaciones de rendimiento.

Resumen de acciones

La única acción get acepta un parámetro report que determina qué reporte analítico generar. Todos los reportes tienen alcance a un proyecto específico dentro de un workspace.

Parámetros

Reportes disponibles

Reporte Pulse

El reporte pulse proporciona una instantánea de actividad en tiempo real — commits recientes, movimientos de tareas, comentarios y engagement del equipo dentro de una ventana corta de tiempo. Piensa en él como un monitor de pulso cardíaco para tu proyecto.

You:  "¿Cuál es el pulso del proyecto Backend?"
AI:   Llama a analytics action=get report="pulse"
      → devuelve resumen de actividad reciente, contribuidores activos e indicadores de impulso

You:  "¿El proyecto Mobile App sigue activo?"
AI:   Llama a analytics action=get report="pulse"
      → reporta nivel de actividad y marcas de tiempo de la última acción

Reporte Health

El reporte health calcula una puntuación general de salud del proyecto basada en múltiples factores: tasas de completitud de sprint, conteo de bloqueos, tareas vencidas, tendencias de velocidad del equipo y balance de carga de trabajo. El resultado es una puntuación compuesta con desglose de factores individuales.

You:  "Muestra el reporte de salud del proyecto Backend"
AI:   Llama a analytics action=get report="health"
      → devuelve puntuación de salud, factores contribuyentes y recomendaciones

You:  "¿Qué áreas del proyecto necesitan atención?"
AI:   Llama a analytics action=get report="health"
      → la IA destaca los factores con puntuación baja y sugiere acciones

You:  "¿El proyecto está en camino para el lanzamiento?"
AI:   Llama a analytics action=get report="health"
      → la IA evalúa indicadores de salud contra la línea de tiempo de entrega

Reporte Risks

El reporte risks identifica riesgos activos del proyecto basados en patrones de datos — tareas estancadas, elementos vencidos, cargas de trabajo desbalanceadas, dependencias bloqueadas e indicadores de scope creep. Cada riesgo incluye un nivel de severidad y datos que lo respaldan.

You:  "Identifica los riesgos del proyecto Backend"
AI:   Llama a analytics action=get report="risks"
      → devuelve riesgos categorizados con severidad y evidencia

You:  "¿Qué podría descarrilar nuestro sprint actual?"
AI:   Llama a analytics action=get report="risks"
      → la IA filtra por riesgos relevantes al sprint

You:  "¿Hay riesgos de alta severidad que deba escalar?"
AI:   Llama a analytics action=get report="risks"
      → la IA destaca elementos de severidad crítica y alta

Métricas de flujo

El reporte flow analiza cómo los elementos de trabajo se mueven a través de las etapas de tu workflow — desde backlog a en progreso hasta completado. Identifica cuellos de botella donde los elementos se acumulan, etapas con tiempos de residencia inusualmente largos y tasas de throughput en cada etapa.

You:  "Muestra las métricas de flujo del proyecto Backend"
AI:   Llama a analytics action=get report="flow"
      → devuelve datos de flujo etapa por etapa con indicadores de cuellos de botella

You:  "¿Dónde se están atascando las tareas?"
AI:   Llama a analytics action=get report="flow"
      → la IA identifica etapas con alto WIP o tiempos largos de residencia

Reporte de velocidad

El reporte velocity rastrea la tasa de entrega de tu equipo a través de sprints — cuántos story points o tareas se completan por sprint. Esta es la métrica fundamental para planificación de sprint y estimación de capacidad.

You:  "¿Cuál es nuestra tendencia de velocidad?"
AI:   Llama a analytics action=get report="velocity"
      → devuelve velocidad sprint a sprint con dirección de tendencia

You:  "¿Cuántos puntos deberíamos planificar para el próximo sprint?"
AI:   Llama a analytics action=get report="velocity"
      → la IA calcula velocidad promedio y recomienda capacidad

You:  "¿Nuestra velocidad está mejorando o disminuyendo?"
AI:   Llama a analytics action=get report="velocity"
      → la IA analiza la tendencia y reporta dirección con porcentaje de cambio

Flujo acumulado

El reporte cumulative_flow muestra la distribución de elementos de trabajo a través de todos los estados del workflow a lo largo del tiempo. Estos datos de visualización de área apilada revelan tendencias de WIP, formación de cuellos de botella y consistencia de entrega.

You:  "Muestra datos del diagrama de flujo acumulado del Backend"
AI:   Llama a analytics action=get report="cumulative_flow"
      → devuelve datos de serie temporal con conteos de elementos por estado

You:  "¿Nuestro WIP está aumentando?"
AI:   Llama a analytics action=get report="cumulative_flow"
      → la IA analiza la tendencia de elementos en progreso a lo largo del tiempo

Throughput

El reporte throughput mide el número de elementos de trabajo completados por período de tiempo. A diferencia de la velocidad (que usa story points), el throughput cuenta elementos sin importar su tamaño. Esta métrica es valiosa para equipos que no estiman o quieren una medida de entrega más simple.

You:  "¿Cuál es nuestro throughput este mes?"
AI:   Llama a analytics action=get report="throughput"
      → devuelve elementos completados por semana/día con datos de tendencia

You:  "¿Estamos entregando consistentemente?"
AI:   Llama a analytics action=get report="throughput"
      → la IA evalúa la varianza y consistencia del throughput

Tiempo de ciclo y tiempo de espera

Tiempo de ciclo mide la duración desde que se inicia el trabajo (elemento se mueve a en-progreso) hasta que se completa. Tiempo de espera mide la duración completa desde la creación del elemento hasta su completitud. Juntos, revelan eficiencia del proceso y previsibilidad.

Tiempo de ciclo

You:  "¿Cuál es nuestro tiempo de ciclo promedio?"
AI:   Llama a analytics action=get report="cycle_time"
      → devuelve promedio, mediana y percentiles de tiempo de ciclo

You:  "¿Cuánto toma completar una tarea una vez que empezamos?"
AI:   Llama a analytics action=get report="cycle_time"
      → la IA reporta tiempo de ciclo promedio con desglose de distribución

Tiempo de espera

You:  "¿Cuál es nuestro lead time del proyecto Backend?"
AI:   Llama a analytics action=get report="lead_time"
      → devuelve promedio, mediana y percentiles de lead time

You:  "¿Cuánto desde la solicitud hasta la entrega?"
AI:   Llama a analytics action=get report="lead_time"
      → la IA reporta tiempo de entrega de extremo a extremo con tendencia

Reporte de actividad

El reporte activity analiza patrones de engagement del equipo — quién está activo, qué tipos de acciones realizan, períodos de mayor actividad y distribución de contribuciones. Esto proporciona visibilidad de la dinámica del equipo y balance de carga de trabajo.

You:  "Muestra el reporte de actividad del proyecto Backend"
AI:   Llama a analytics action=get report="activity"
      → devuelve desglose de actividad por miembro, tipo y período de tiempo

You:  "¿Quién ha estado más activo en el proyecto esta semana?"
AI:   Llama a analytics action=get report="activity"
      → la IA clasifica a los miembros del equipo por nivel de actividad

Flujo de decisiones basadas en datos

Los reportes de analíticas son más poderosos cuando se combinan. Así es como usarlos para toma de decisiones informada:

Planificación de sprint

You:  "Ayúdame a planificar el próximo sprint"
AI:   1. Llama a analytics report="velocity" → velocidad promedio = 34 puntos
      2. Llama a analytics report="risks" → 2 riesgos activos que abordar
      3. Llama a analytics report="health" → puntuación de salud = 78/100
      → "Basándome en velocidad de 34 pts/sprint con 2 riesgos activos,
         recomiendo planificar 28-30 puntos con tareas de mitigación de riesgos"

Preparación de retrospectiva

You:  "Prepara datos para nuestra retrospectiva"
AI:   1. Llama a analytics report="cycle_time" → promedio 3.2 días
      2. Llama a analytics report="flow" → cuello de botella en revisión de código
      3. Llama a analytics report="throughput" → 23 elementos completados
      → "El sprint entregó 23 elementos, tiempo de ciclo promedio 3.2 días.
         La etapa de revisión de código es un cuello de botella — 40% del tiempo de ciclo se gasta ahí"

Reportes a stakeholders

You:  "Genera un resumen de estado del proyecto para liderazgo"
AI:   1. Llama a analytics report="health" → puntuación general y desglose
      2. Llama a analytics report="velocity" → tendencia de entrega
      3. Llama a analytics report="risks" → resumen de riesgos
      → Produce resumen ejecutivo estructurado con métricas

Referencia de métricas ágiles

Próximos pasos

• Standup: Envía y revisa standups diarios junto con datos de analíticas.
• Actividad: Monitorea feeds de actividad del proyecto en tiempo real.
• Presupuesto: Da seguimiento a métricas financieras junto con el rendimiento de entrega.
• Sprints: Planifica sprints usando datos de velocidad y capacidad.