¿Qué es el throughput?

El throughput es una métrica que mide el número total de elementos de trabajo completados por un equipo durante un período de tiempo determinado. En Kanban y metodologías ágiles, es uno de los indicadores de rendimiento más importantes para evaluar la capacidad de entrega.

Según Daniel Vacanti, autor de Actionable Agile Metrics for Predictability (LeanPub, 2015) y experto en métricas de flujo: "El throughput es la métrica más honesta que tiene un equipo. No se puede inflar, no se puede manipular: o entregaste o no entregaste."

A diferencia de la velocity en Scrum, que mide puntos de historia por sprint, el throughput se centra en la cantidad de ítems finalizados, independientemente de su tamaño o complejidad. Un estudio publicado por Kanbanize (2022) analizó datos de más de 2.000 equipos y concluyó que los equipos que usan throughput como métrica principal mejoran su predictibilidad en un 35% frente a los que usan solo velocity.

La fórmula básica del throughput es:

Throughput = Número de ítems completados / Período de tiempo

Por ejemplo:

• Si un equipo completa 20 historias de usuario en 2 semanas, su throughput es de 10 ítems por semana
• Si un equipo completa 45 tareas en un mes, su throughput mensual es de 45 ítems/mes

Unidades de medida comunes

La unidad más utilizada en Kanban es ítems por semana, ya que ofrece un equilibrio entre granularidad y estabilidad estadística.

Aunque ambas métricas evalúan la productividad del equipo, tienen diferencias importantes:

Muchos equipos maduros prefieren el throughput porque es una medida empírica: no depende de estimaciones subjetivas, sino de datos reales de entrega.

El Throughput Run Chart es una gráfica que muestra la evolución del throughput a lo largo del tiempo. Es una herramienta visual fundamental en Kanban:

• Eje X: Período de tiempo (semanas, sprints)
• Eje Y: Número de ítems completados

Este gráfico permite identificar:

• Tendencias: ¿El throughput está mejorando, empeorando o es estable?
• Variabilidad: ¿El throughput es predecible o fluctúa mucho?
• Anomalías: ¿Hubo semanas con throughput inusualmente alto o bajo? ¿Por qué?
• Impacto de cambios: ¿Una mejora de proceso aumentó el throughput?

La Ley de Little es un principio matemático demostrado por John D.C. Little en 1961 y publicado en Operations Research. Es uno de los teoremas más aplicados en teoría de colas y gestión de flujo:

WIP = Throughput x Lead Time

Donde:

• WIP (Work In Progress): Número de ítems en proceso simultáneamente
• Throughput: Tasa de finalización de ítems
• Lead Time: Tiempo promedio que tarda un ítem desde que entra al sistema hasta que se completa

De esta ecuación se derivan insights poderosos:

• Para aumentar el throughput sin aumentar el lead time, es necesario aumentar el WIP (con cuidado de no saturar al equipo)
• Para reducir el lead time manteniendo el throughput, es necesario reducir el WIP
• Limitar el WIP es la palanca más efectiva para mejorar el flujo y la predictibilidad

Factores que reducen el throughput

• WIP excesivo: Demasiado trabajo en paralelo causa cambio de contexto y reduce la eficiencia
• Cuellos de botella: Etapas del proceso donde se acumula trabajo (como code review o testing)
• Bloqueos: Dependencias externas, falta de información o problemas técnicos que detienen el flujo
• Deuda técnica: Código difícil de mantener que ralentiza el desarrollo de nuevas funcionalidades
• Interrupciones: Soporte urgente, reuniones excesivas o cambios de prioridad constantes

Factores que mejoran el throughput

• Limitar WIP: Usar límites de WIP en cada columna del tablero Kanban
• Reducir el tamaño de los ítems: Historias más pequeñas fluyen más rápido por el sistema
• Eliminar cuellos de botella: Identificar y resolver las etapas más lentas del proceso
• Automatización: Un pipeline de CI/CD maduro, testing automatizado y despliegues automáticos
• Reducir bloqueos: Mejorar la comunicación, definir mejor los requisitos, minimizar dependencias
• Pair programming y mob programming: Reducen el WIP y aumentan la calidad

Una de las aplicaciones más valiosas del throughput es la forecasting (predicción). Usando datos históricos de throughput, se puede estimar cuándo se completará un conjunto de trabajo:

Método determinista simple

Fecha estimada = Ítems pendientes / Throughput promedio

Si quedan 40 ítems y el throughput promedio es 10 ítems/semana, la estimación es de 4 semanas.

Simulación Monte Carlo

Para predicciones más fiables, se utiliza la simulación Monte Carlo, que:

1. Toma datos históricos de throughput (variabilidad incluida)
2. Ejecuta miles de simulaciones aleatorias
3. Genera un rango de fechas con diferentes niveles de confianza

Por ejemplo: "Hay un 85% de probabilidad de completar los 40 ítems antes del 15 de marzo."

Herramientas como ActionableAgile, Kanbanize o Jira con plugins de forecasting permiten ejecutar estas simulaciones de forma sencilla.

En desarrollo de software

El throughput mide la velocidad a la que un equipo completa historias de usuario, bugs, o cualquier tipo de work item definido en su flujo.

En DevOps

El throughput se amplía para medir la frecuencia de despliegues (deployment frequency), una de las cuatro DORA Metrics definidas por el equipo de investigación de Google Cloud (Forsgren, Humble & Kim, Accelerate, 2018). Los equipos de elite logran deployar bajo demanda, múltiples veces al día, mientras que los de bajo rendimiento lo hacen cada 1-6 meses. Los equipos de SRE monitorizan esta métrica de cerca.

En redes y sistemas

En infraestructura, throughput mide la cantidad de datos transferidos por unidad de tiempo (Mbps, Gbps). Aunque el concepto es análogo, la unidad de medida es diferente.

En manufactura (Lean)

En el ámbito Lean original, throughput mide las unidades producidas por unidad de tiempo en una línea de producción. Kanban tomó prestado este concepto para aplicarlo al trabajo de conocimiento.

1. Mide regularmente: Registra el throughput semanalmente para construir un dataset histórico fiable
2. No optimices solo por throughput: Completar muchos ítems de bajo valor no es productivo
3. Combina con otras métricas: Usa throughput junto con lead time, WIP y CFD para una visión completa
4. Haz transparente la métrica: Comparte el throughput con todo el equipo y los stakeholders
5. Usa la variabilidad a tu favor: Entiende los rangos de throughput para dar predicciones más honestas
6. Revisa en retrospectivas: Analiza semanas con throughput alto o bajo en las retrospectivas para aprender qué funcionó y qué no

¿El throughput mide la productividad del equipo?

Parcialmente. El throughput mide la tasa de entrega, que es un aspecto de la productividad. Sin embargo, no captura el valor de lo entregado. Un equipo puede tener alto throughput pero estar entregando ítems de bajo impacto. Por eso es importante complementar con métricas de valor.

¿Es mejor un throughput alto o estable?

Ambos son deseables, pero la estabilidad es más valiosa que un throughput alto pero errático. Un throughput predecible permite hacer mejores predicciones y gestionar mejor las expectativas de los stakeholders.

¿Cómo afectan las vacaciones y festivos al throughput?

Reducen el throughput disponible. Es importante tener en cuenta la capacidad real del equipo al hacer predicciones. Muchos equipos excluyen semanas atípicas de sus cálculos de throughput promedio.

¿Se puede comparar el throughput entre equipos?

No es recomendable. Cada equipo tiene ítems de diferente tamaño, complejidad y contexto. Comparar throughput entre equipos genera incentivos perversos como dividir el trabajo en ítems artificialmente pequeños.

¿Cada cuánto debo revisar el throughput?

Semanalmente para el seguimiento operativo y mensualmente para análisis de tendencias. Las revisiones trimestrales son útiles para evaluar el impacto de cambios estructurales en el proceso.