Mở đầu — vì sao bài này quan trọng
Hãy hình dung một buổi họp báo cáo cuối quý. Sếp của bạn — VP Engineering — hỏi một câu tưởng chừng đơn giản: "Team chúng ta deploy nhanh hơn hay chậm hơn so với quý trước? Và ticket ở Service Desk mất bao lâu để giải quyết?". Bạn mở Jira, chạy vài report built-in, rồi mở thêm Jira Service Management, rồi copy số liệu sang Google Sheets, ghép biểu đồ… Nửa buổi chiều trôi qua chỉ để trả lời hai câu hỏi. Tệ hơn, mỗi lần sếp hỏi lại, bạn phải làm lại từ đầu.
Vấn đề cốt lõi ở đây không phải là bạn thiếu dữ liệu — Jira, Confluence, Bitbucket, Jira Service Management đang chứa đầy dữ liệu. Vấn đề là dữ liệu nằm rải rác ở nhiều sản phẩm, mỗi sản phẩm có report riêng, và không có một nơi nào để bạn ghép chúng lại, đặt câu hỏi tùy ý, rồi trình bày dưới dạng dashboard đẹp mắt cho lãnh đạo.
Đây chính là khoảng trống mà Atlassian Analytics ra đời để lấp đầy. Nếu các bài trước trong khóa đã dạy bạn về Jira Reports built-in (Bài 20), Dashboard + Gadget (Bài 19) và báo cáo cho executive (Bài 46), thì bài này giới thiệu một công cụ ở tầng cao hơn hẳn: một BI tool (Business Intelligence) thực thụ, chuyên biệt cho hệ sinh thái Atlassian. Với vai trò PM, hiểu Atlassian Analytics giúp bạn chuyển từ "người xuất báo cáo thủ công" thành "người thiết kế hệ thống báo cáo tự động" — một sự nâng cấp về giá trị nghề nghiệp rất rõ ràng.
Khái niệm cốt lõi
Atlassian Analytics là gì
Atlassian Analytics là một sản phẩm BI được Atlassian ra mắt năm 2022, được xây dựng dựa trên nền tảng của Chart.io — một công ty BI mà Atlassian mua lại năm 2021. Về bản chất, đây là công cụ giúp bạn kết nối dữ liệu từ nhiều nguồn Atlassian (và cả nguồn ngoài), truy vấn, trực quan hóa và chia sẻ thông qua các dashboard tương tác.
Điểm khác biệt lớn nhất so với Jira Reports thông thường: Atlassian Analytics không bị giới hạn trong một project hay một sản phẩm. Nó lấy dữ liệu ở tầng tổ chức, cho phép bạn kết hợp số liệu từ Jira, Jira Service Management, Confluence, Bitbucket, Opsgenie… vào cùng một biểu đồ.
Một điểm quan trọng cần lưu ý về mặt thương mại: Atlassian Analytics là một tính năng thuộc Atlassian Cloud gói Enterprise (không có ở gói Free, Standard hay Premium). Vì vậy nếu công ty bạn chưa dùng Enterprise, bạn cần biết đây là công cụ "cấp tổ chức lớn" — điều này ảnh hưởng đến quyết định khi tư vấn cho lãnh đạo.
Data Lake — nơi dữ liệu tập trung
Trái tim của Atlassian Analytics là Atlassian Data Lake. Hãy hiểu Data Lake như một "kho dữ liệu chung" mà Atlassian tự động đồng bộ từ các sản phẩm của bạn về. Thay vì gọi API từng sản phẩm hoặc truy vấn trực tiếp vào database vận hành (điều rất nguy hiểm về hiệu năng), bạn truy vấn vào Data Lake — một bản sao dữ liệu đã được chuẩn hóa, tối ưu cho việc phân tích.
Data Lake tổ chức dữ liệu thành các table có quan hệ với nhau (issue, project, user, sprint, status change history…). Đây là lý do bạn có thể trả lời những câu hỏi mà Jira Report không làm được, ví dụ "trung bình một issue chuyển qua bao nhiêu status trước khi Done" — vì lịch sử thay đổi trạng thái được lưu dưới dạng table riêng để bạn join vào.
Ba cách tạo báo cáo trong Atlassian Analytics
Đây là phần mà PM cần nắm rõ, vì nó quyết định bạn có thể tự làm được đến đâu:
1. Pre-built dashboard templates (dashboard dựng sẵn). Atlassian cung cấp sẵn nhiều template theo use case phổ biến. Đáng chú ý nhất:
- DORA metrics — bốn chỉ số DevOps kinh điển: Deployment Frequency (tần suất deploy), Lead Time for Changes (thời gian từ commit đến production), Change Failure Rate (tỷ lệ deploy gây lỗi), và Mean Time to Recovery (thời gian phục hồi sau sự cố). Đây là bộ chỉ số "vàng" để đo sức khỏe của một team phát triển phần mềm.
- ITSM dashboard — dành cho Jira Service Management: SLA compliance, ticket volume, thời gian giải quyết, backlog service desk.
- Agile dashboard — velocity, sprint burndown, throughput, cycle time ở tầng nhiều team.
2. Visual SQL (kéo-thả). Nếu template chưa đúng ý, bạn dùng giao diện Visual SQL — kéo-thả các table, chọn field, đặt điều kiện lọc, chọn kiểu biểu đồ — mà không cần viết một dòng code nào. Đây là "vùng an toàn" cho PM không biết SQL.
3. Custom SQL (viết SQL trực tiếp). Đây là điểm mạnh thực sự. Bạn viết câu lệnh SQL truy vấn thẳng vào Data Lake để trả lời bất kỳ câu hỏi nào, dù phức tạp đến đâu. Ví dụ: "so sánh cycle time trung bình của các issue có label 'payment' giữa Q1 và Q2, tách theo team". Loại câu hỏi này gần như không thể trả lời bằng report built-in, nhưng chỉ vài dòng SQL trong Atlassian Analytics.
Dashboard, chart và tương tác
Kết quả cuối cùng được đóng gói thành dashboard — tập hợp nhiều chart (biểu đồ). Dashboard hỗ trợ controls (bộ lọc tương tác): người xem có thể tự chọn khoảng thời gian, chọn project, chọn team… mà không cần bạn tạo lại báo cáo. Bạn cũng có thể lên lịch gửi dashboard qua email (scheduled export), nhúng vào Confluence, hoặc chia sẻ link nội bộ.
Tình huống thực tế
Ví dụ 1 — Fintech Việt Nam đo DORA metrics cho hội đồng kỹ thuật
Công ty "MoMo-like" (gọi là VietPay, một ví điện tử giả định ở TP.HCM với khoảng 120 kỹ sư chia thành 9 squad) gặp vấn đề: mỗi squad tự báo cáo hiệu suất theo một cách khác nhau, khiến CTO không thể so sánh. Có squad nói "chúng tôi deploy 3 lần/ngày", squad khác nói "2 lần/tuần" nhưng không ai đo theo chuẩn chung.
PM nền tảng của VietPay bật Atlassian Analytics (công ty đang dùng gói Enterprise), áp dụng DORA dashboard template, kết nối dữ liệu deploy từ Bitbucket và issue từ Jira. Sau hai ngày cấu hình, họ có một dashboard duy nhất hiển thị bốn chỉ số DORA, tách theo từng squad, với control chọn khoảng thời gian.
Kết quả bất ngờ: hai squad tự nhận "làm nhanh" thực ra có Change Failure Rate 22% — cứ 5 lần deploy thì hơn 1 lần gây lỗi phải rollback. Trong khi một squad "khiêm tốn" lại có failure rate chỉ 4%. Nhờ số liệu khách quan, CTO điều chỉnh kỳ vọng và đưa ra chương trình cải thiện quy trình review cho hai squad kia.
Bài học: Template dựng sẵn cho phép chuẩn hóa cách đo lường trên toàn tổ chức chỉ trong vài ngày. Giá trị lớn nhất không phải là "có biểu đồ đẹp" mà là mọi người dùng chung một định nghĩa — điều mà báo cáo thủ công không bao giờ đảm bảo được.
Ví dụ 2 — Công ty SaaS Đông Nam Á ghép dữ liệu Service Desk và Engineering
Một công ty SaaS ở Singapore (giả định là "CloudDesk", 300 nhân sự) muốn trả lời một câu hỏi kinh doanh: "Những bug do khách hàng báo qua Service Desk mất bao lâu để đội Engineering thực sự fix xong?". Câu hỏi này khó vì dữ liệu nằm ở hai nơi: ticket ở Jira Service Management, còn bug thực tế lại là issue ở Jira Software (dev project), liên kết với nhau qua issue link.
PM của CloudDesk dùng Custom SQL trong Atlassian Analytics để join hai bảng: bảng issue của Service Management và bảng issue của Software, thông qua bảng lưu quan hệ link. Câu truy vấn tính khoảng cách thời gian từ lúc ticket khách hàng được tạo đến lúc bug liên kết chuyển sang Done.
Con số phơi bày một điểm mù: trung bình 11,5 ngày, nhưng nhóm bug liên quan đến module thanh toán mất tới 19 ngày. Trước đó, cả hai đội đều nghĩ mình "phản hồi nhanh" vì mỗi đội chỉ nhìn phần của mình — Service Desk đóng ticket "chờ dev" rất nhanh, còn dev thì không biết ticket đã chờ bao lâu ở đầu kia. Dashboard end-to-end này khiến hai đội ngồi lại và thiết lập SLA chung cho bug thanh toán.
Bài học: Sức mạnh thật của Atlassian Analytics nằm ở khả năng join dữ liệu xuyên sản phẩm bằng SQL — thứ mà không một report built-in nào của Jira làm được. Khi một câu hỏi kinh doanh cắt ngang qua ranh giới team/sản phẩm, đó là lúc bạn cần đến công cụ này.
Ví dụ 3 — Khi công ty nhỏ chọn nhầm công cụ
Một startup ed-tech ở Hà Nội (khoảng 25 người, dùng gói Jira Standard) nghe đồn về Atlassian Analytics và DORA metrics, quyết tâm "phải có BI như công ty lớn". PM dành hai tuần nghiên cứu, rồi phát hiện Atlassian Analytics chỉ có ở gói Enterprise — nâng cấp lên đó cho 25 người tốn kém một cách vô lý so với nhu cầu.
Cuối cùng họ nhận ra: với quy mô một team và vài chục issue mỗi sprint, Jira Dashboard + Gadget built-in (Bài 19) đã dư sức trả lời mọi câu hỏi họ cần. Họ đã đốt hai tuần đi tìm giải pháp "quá tầm".
Bài học: BI tool là công cụ của quy mô lớn và độ phức tạp cao. Với PM, quan trọng không kém việc biết dùng công cụ là biết khi nào KHÔNG cần dùng nó. Đừng để hào quang của từ khóa "Business Intelligence" khiến bạn chọn sai công cụ cho quy mô của mình.
Hướng dẫn từng bước
Giả sử công ty bạn đã có Atlassian Cloud Enterprise và bạn được cấp quyền vào Atlassian Analytics. Đây là quy trình tạo dashboard đầu tiên:
Bước 1 — Kiểm tra và kết nối Data Lake. Vào Atlassian Analytics từ trình chuyển ứng dụng (app switcher). Đảm bảo admin tổ chức đã bật đồng bộ Data Lake cho các sản phẩm bạn cần (Jira, JSM, Bitbucket…). Nếu chưa, dữ liệu sẽ không xuất hiện — đây là lỗi khởi đầu phổ biến nhất.
Bước 2 — Chọn hướng đi. Tự hỏi: câu hỏi của mình có nằm trong template dựng sẵn không? Nếu là DORA, ITSM hay Agile cơ bản — dùng template. Nếu là câu hỏi tùy biến — chuyển sang Visual SQL hoặc Custom SQL.
Bước 3 — Với template. Chọn template (ví dụ DORA), trỏ vào các nguồn dữ liệu tương ứng, chọn phạm vi project/team. Dashboard sẽ tự sinh. Duyệt qua từng chart để chắc chắn số liệu hợp lý — đừng tin ngay, hãy đối chiếu vài con số với thực tế.
Bước 4 — Với Visual SQL. Tạo chart mới, chọn Visual mode. Kéo bảng chính (thường là issues) vào, chọn các field cần hiển thị, thêm điều kiện lọc (ví dụ project = 'PAY', created > 90 ngày trước), chọn cách gom nhóm (group by tuần/team), rồi chọn loại biểu đồ (line, bar, table…).
Bước 5 — Với Custom SQL (khi cần). Chuyển chart sang chế độ SQL. Viết truy vấn, ví dụ đếm số issue Done theo tuần:
SELECT DATE_TRUNC('week', resolved_at) AS week,
COUNT(*) AS done_count
FROM issues
WHERE project_key = 'PAY'
AND status_category = 'Done'
AND resolved_at > NOW() - INTERVAL '90 days'
GROUP BY 1
ORDER BY 1;
Chạy thử (run), xem kết quả dạng bảng trước, rồi mới chọn kiểu biểu đồ.
Bước 6 — Gom chart vào dashboard. Tạo dashboard, thêm các chart đã làm. Thêm controls (bộ lọc tương tác): dropdown chọn project, date range picker — để người xem tự lọc mà không cần bạn.
Bước 7 — Chia sẻ và tự động hóa. Cấp quyền xem cho các bên liên quan, đặt lịch gửi email định kỳ (ví dụ mỗi sáng thứ Hai), hoặc nhúng dashboard vào trang Confluence của team. Đây là bước biến báo cáo thủ công thành báo cáo tự chạy.
Lỗi thường gặp & mẹo
Lỗi 1 — Nhầm dữ liệu real-time. Data Lake đồng bộ theo lịch, không phải tức thời. Một thay đổi vừa xảy ra trên Jira có thể chưa xuất hiện ngay. Đừng dùng Atlassian Analytics để theo dõi hoạt động phút-này-phút-kia; nó dành cho phân tích xu hướng, không phải giám sát trực tiếp.
Lỗi 2 — Custom field không tự có tên đẹp. Trong Data Lake, custom field thường xuất hiện dưới dạng ID kỹ thuật, không phải tên thân thiện. Hãy chuẩn bị một "bảng tra cứu" ánh xạ tên field nghiệp vụ sang field trong Data Lake trước khi viết SQL, tránh chọn nhầm cột.
Lỗi 3 — Tin số liệu mà không kiểm chứng. Một câu SQL join sai điều kiện có thể nhân đôi (fan-out) số dòng và cho ra con số sai lệch trông rất "chuyên nghiệp". Luôn đối chiếu output với một mẫu nhỏ đã biết trước — ví dụ đếm tay 5 issue để so với kết quả tự động.
Lỗi 4 — Dashboard quá tải. Nhồi 15 biểu đồ vào một dashboard khiến người xem lạc lối. Nguyên tắc: mỗi dashboard trả lời một câu hỏi chính. Executive cần 3-5 chỉ số cốt lõi, không cần biểu đồ nào cũng có.
Mẹo — Bắt đầu từ template rồi tùy biến. Đừng viết SQL từ con số không. Hãy mở một template gần giống nhu cầu, xem Atlassian đã viết SQL thế nào (bạn có thể xem query nền của chart), rồi chỉnh sửa từ đó. Đây là cách học SQL trong ngữ cảnh Atlassian nhanh nhất.
Mẹo — Phân quyền cẩn thận. Atlassian Analytics có thể để lộ dữ liệu xuyên project. Hãy đảm bảo dashboard chia sẻ không chứa dữ liệu nhạy cảm mà người xem không được phép thấy ở Jira gốc.
Bài tập thực hành
- Xác định use case. Viết ra 3 câu hỏi kinh doanh mà team bạn đang phải trả lời thủ công mỗi tháng (ví dụ: "cycle time trung bình quý này?", "bao nhiêu % bug được fix trong SLA?"). Đánh dấu câu nào cần join dữ liệu từ nhiều sản phẩm — đó là ứng viên tốt cho Atlassian Analytics.
- Phác thảo dashboard DORA. Trên giấy hoặc slide, vẽ bố cục một dashboard DORA cho team bạn: 4 chỉ số, mỗi chỉ số dùng loại biểu đồ nào, bộ lọc tương tác nào. Đây là kỹ năng thiết kế báo cáo, làm được kể cả khi bạn chưa có công cụ.
- Viết pseudo-SQL. Với câu hỏi "đếm số issue Done theo tuần trong 90 ngày, tách theo team", hãy tự viết một câu SQL (không cần chạy được, chỉ cần đúng logic) với
SELECT,WHERE,GROUP BY. So sánh với ví dụ ở phần Hướng dẫn.
- Ra quyết định công cụ. Với quy mô team hiện tại của bạn, hãy lập luận trong 5-7 câu: Atlassian Analytics có xứng đáng không, hay Jira Dashboard built-in là đủ? Liên hệ với tình huống startup Hà Nội ở Ví dụ 3.
Tóm tắt
Atlassian Analytics (ra mắt 2022, dựa trên Chart.io) là công cụ BI chuyên biệt cho hệ sinh thái Atlassian, thuộc gói Cloud Enterprise. Nó lấy dữ liệu từ Data Lake — kho dữ liệu tập trung đồng bộ từ Jira, JSM, Bitbucket, Confluence — cho phép bạn phân tích xuyên sản phẩm, điều mà report built-in không làm được.
Bạn có ba cách tạo báo cáo: template dựng sẵn (DORA, ITSM, Agile) cho kết quả nhanh và chuẩn hóa; Visual SQL kéo-thả cho PM không biết code; và Custom SQL để trả lời mọi câu hỏi phức tạp bằng cách join dữ liệu tùy ý. Kết quả đóng gói thành dashboard tương tác, chia sẻ và lên lịch tự động được.
Điều quan trọng nhất với vai trò PM: Atlassian Analytics là công cụ của quy mô lớn và độ phức tạp cao. Khi câu hỏi kinh doanh cắt ngang nhiều team và nhiều sản phẩm, nó là vũ khí mạnh. Nhưng với team nhỏ, Jira Dashboard built-in thường đã đủ — biết khi nào không cần dùng cũng quan trọng như biết cách dùng. Hãy luôn kiểm chứng số liệu, giữ mỗi dashboard tập trung vào một câu hỏi, và phân quyền cẩn thận để dữ liệu vừa hữu ích vừa an toàn.