personal-developer-analytics
Plataforma de análisis de desarrolladores auto-hospedada que rastrea métricas DORA/SPACE (lead time, churn, ratio de enfoque) desde repositorios Git, GitHub y Jira mediante Spring Boot + React con dashboards en tiempo real.
Ficha actualizada 23 sept 2026, 8:33 · upstream 23 sept 2026, 8:06 · release v1.0.0
Qué es personal-developer-analytics
Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.
Personal Developer Analytics es una plataforma de análisis de productividad para equipos de desarrollo auto-hospedada. La aplicación se construye sobre un stack tecnológico moderno: backend en Java 17 con Spring Boot 3.5, frontend en React 19 con TypeScript y Vite, y base de datos PostgreSQL 16 con Flyway para migraciones. Incluye integración con Ollama para generación de insights mediante IA local y un servicio de correo MailHog para gestión de correos sin necesidad de servidores externos.
La arquitectura está diseñada para ser escalable y flexible: el backend se ejecuta en contenedores Docker, mientras que la aplicación frontend puede desplegarse de forma independiente. El sistema permite registrar repositorios locales desde Git o GitHub mediante un dato de fuente llamado "GIT_LOCAL", lo que facilita la integración con entornos de desarrollo existentes.
El proyecto está orientado a la privacidad del equipo: no se recopilan datos sensibles como contraseñas, y el análisis se realiza en tiempo real sobre los registros de actividad. La plataforma ofrece dashboards personalizados para cada desarrollador o grupo de trabajo, permitiendo visualizar métricas clave como lead time, churn rate y ratio de enfoque.
Además, la aplicación incluye un modo demo que genera datos simulados al iniciar, lo que permite probar el sistema antes de desplegarlo en producción. Esto facilita la validación de la experiencia de usuario y la configuración inicial del entorno.
- Monitorear el lead time promedio de los desarrolladores para identificar cuellos de botella en el pipeline de desarrollo
- Detectar patrones de churn (deserción) mediante análisis de actividad en repositorios Git y Jira
- Visualizar el ratio de enfoque por proyecto o equipo, permitiendo priorizar tareas según la carga cognitiva del equipo
- Generar reportes automáticos de productividad basados en métricas como commits diarios, líneas de código y tiempo de respuesta al feedback
- Crear dashboards personalizados para cada desarrollador con métricas relevantes a su rol (frontend o backend)
- Analizar la relación entre actividad en repositorios Git y Jira para correlacionar tareas de desarrollo con actividades de gestión
- Implementación completa en Java 17 + Spring Boot 3.5, garantizando compatibilidad moderna y rendimiento
- Frontend construido con React 19, TypeScript y Tailwind CSS 4, ofreciendo una experiencia de usuario moderna y responsiva
- Integración con Ollama para generar insights personalizados mediante un modelo LLM local (llama3.2)
- Sistema de autenticación basado en JWT sin necesidad de credenciales fijas o contraseñas almacenadas
- Base de datos PostgreSQL 16 con Flyway, permitiendo migraciones seguras y escalables
- Despliegue completo mediante Docker Compose con un solo comando, facilitando la implementación rápida
- La generación de insights requiere que Ollama esté disponible en el mismo servidor donde se ejecuta la aplicación; si no existe, las funcionalidades de IA no funcionan
- El sistema depende de repositorios Git o GitHub existentes para registrar datos. Si un desarrollador no tiene repositorios registrados, no podrá generar reportes sobre su actividad
- La generación de insights mediante Ollama puede introducir latencia en la respuesta del usuario si el modelo es lento o el servidor está sobrecargado
- El sistema no ofrece alertas proactivas: solo muestra métricas pasadas. No detecta anomalías en tiempo real sin un análisis adicional
- La integración con Jira requiere que los datos de actividad estén disponibles en Jira; si la sincronización falla, las métricas pueden ser incompletas
Perfil de infraestructura
Estimación inicial derivada del repositorio y de los servicios detectados.
Despliegue detectado
Qué señales reales de instalación hemos encontrado.
Para desplegar la aplicación en producción, se recomienda usar Docker Compose. Se debe crear un archivo .env con las variables de entorno críticas: JWT_SECRET, ENCRYPTION_KEY y POSTGRES_PASSWORD. El servicio MailHog se inicia automáticamente para manejar correos de reset de contraseña sin necesidad de configurar un servidor SMTP externo. Antes del primer despliegue, es necesario ejecutar el comando 'ollama pull llama3.2' para descargar el modelo LLM local (~2 GB). Se recomienda configurar HTTPS con `COOKIE_SECURE=true` en producción y usar un servicio de gestión de secretos (como HashiCorp Vault) para almacenar las claves sensibles.
Stack y dependencias
Componentes inferidos a partir de manifests, configuración y documentación.
Puede sustituir a
Relaciones detectadas por el análisis del repositorio y su categoría.
Experiencia real de la comunidad
Ayuda a contrastar la estimación automática con instalaciones reales.
Todavía no hay datos comunitarios para este proyecto.