τTau SolutionsPara empezar

Errores frecuentes al usar métricas

Actualizado el 15 de noviembre de 2026

Una métrica bien calculada puede llevar a una mala decisión. Casi siempre es por uno de estos seis errores. Ninguno es exótico: los comete cualquiera que empieza, y también muchos equipos con experiencia.

Convertir la métrica en objetivo

El error. Una métrica sirve mientras se usa para observar. Cuando se convierte en la meta que hay que alcanzar, la gente optimiza el número en lugar de lo que el número quería medir, y el número deja de medirlo.

La idea se conoce como ley de Goodhart, por el economista Charles Goodhart, que la planteó en 1975 a propósito de la política monetaria británica: cualquier regularidad estadística observada tiende a romperse en cuanto se presiona sobre ella con fines de control. La formulación que circula hoy es de la antropóloga Marilyn Strathern (1997), en un artículo sobre la evaluación de las universidades británicas: «cuando una medida se convierte en objetivo, deja de ser una buena medida». Strathern atribuye el nombre de «ley de Goodhart» a Keith Hoskin.

Ejemplos.

  • Un equipo prohíbe los métodos con «complejidad ciclomática» mayor que 10. Un método de 18 se parte en processPart1 y processPart2, sin más criterio que el corte. Los dos quedan por debajo del umbral, pero la lógica sigue siendo la misma, ahora repartida entre dos métodos que no se entienden por separado. Extraer métodos es un buen remedio cuando cada trozo tiene un nombre y un propósito; hecho para cumplir un número, solo esconde la complejidad.
  • Se pide bajar el «acoplamiento entre objetos» (CBO). Alguien sustituye tipos concretos por Object o por un Map<String, Object>. El CBO baja, pero la dependencia sigue ahí: solo ha dejado de verla la herramienta, y también el compilador.
  • Se exige un porcentaje mínimo de «cobertura de código». Aparecen tests que ejecutan el código sin comprobar nada. La cobertura sube; la confianza, no. El «número de aserciones» y la «puntuación de mutación» lo delatan.
  • Se exige Javadoc en todos los métodos. Aparecen comentarios que repiten el nombre del método. La «cobertura Javadoc» llega al 100 % y no hay más documentación que antes.

Qué hacer. Usa las métricas para decidir dónde mirar, no para puntuar. Si un equipo pacta un límite, que sea un aviso que obliga a revisar, no una barrera que hay que saltar. Y mira varias métricas a la vez: un truco que baja una suele dejar intactas, o empeorar, las vecinas (partir un método a ciegas no mejora la puntuación de mutación de sus tests).

Comparar valores de herramientas distintas

El error. Dos herramientas que calculan «la misma» métrica casi nunca dan el mismo número. Difieren en qué construcciones cuentan, en qué elementos entran y hasta en qué variante de la métrica calculan. Comparar el valor de una con el umbral de otra, o con el que daba otra herramienta el año pasado, mezcla definiciones distintas.

Ejemplos.

  • El método de ejemplo de la página de la «complejidad ciclomática» vale 9 en Stau Metro, que cuenta cada && y ||; una herramienta que no los cuente da 7 para el mismo método. JaCoCo ni siquiera mira el código fuente: la calcula sobre el bytecode, con las ramas que genera el compilador.
  • El método de ejemplo de la «profundidad de anidamiento» vale 4 en Stau Metro, que cuenta el cuerpo de una lambda como un nivel. La regla de SonarQube no cuenta las lambdas y ve tres niveles. Con el mismo umbral de 3, una avisa y la otra no.
  • El «WMC» de Stau Metro suma un recuento de decisiones que no incluye &&, || ni catch; el que usa PMD en su regla GodClass suma la complejidad ciclomática con && y ||. Los dos citan el mismo umbral de 47, pero el de Stau Metro da valores iguales o más bajos.
  • «LCOM» designa varias métricas distintas. Stau Metro calcula la variante LCOM4, que cuenta grupos de métodos conectados; la de «Chidamber y Kemerer» cuenta parejas de métodos que no comparten campos, así que en una clase grande da números mucho mayores. Ver «falta de cohesión de los métodos».

Qué hacer. Compara solo valores de la misma herramienta y la misma versión. Antes de adoptar un umbral publicado, lee la sección «En las herramientas» de la página: dice qué cuenta cada una. La página de «herramientas» reúne las diferencias.

Fiarse de la media

El error. Los valores de las métricas se reparten de forma muy asimétrica: la mayoría de los elementos son sencillos y unos pocos concentran el problema. La media los diluye.

Ejemplos.

Qué hacer. Ordena y lee los peores. Cuenta cuántos elementos pasan del umbral en vez de mirar si la media lo pasa. Ver «mirar la distribución» y «agregar métricas».

Tratar el umbral como ley

El error. Leer un umbral como la frontera entre código bueno y malo: todo lo que lo supera hay que arreglarlo, todo lo que queda por debajo está bien. Muchos umbrales son convenciones, otros vienen de otro lenguaje o de otra unidad, y casi ninguno tiene detrás un estudio que lo justifique para tu código.

Ejemplos.

  • El 10 de la complejidad ciclomática es de McCabe, que en 1976 lo propuso como un límite superior razonable, «aunque no mágico». Un switch plano que traduce veinte códigos a veinte mensajes vale 21, supera el umbral de error de Stau Metro y se lee de un vistazo.
  • Para la «profundidad de herencia» (DIT), la propia documentación de Microsoft reconoce que no hay un estándar aceptado, y que los 5 o 6 niveles que se citan no tienen respaldo empírico.
  • El 0,7 de la «distancia a la secuencia principal» sale de una regla de NDepend para ensamblados .NET, una unidad mayor que un paquete Java.
  • Al revés también falla: un «LCOM» de 1 no prueba que la clase sea cohesionada, y una distancia de 0 no prueba que el paquete esté bien diseñado.

Qué hacer. Usa el umbral como el sitio donde empezar a leer. El apartado «Cómo interpretarla» de cada página dice cuándo un valor «malo» es aceptable. Si un umbral no encaja con tu código, ajústalo y deja escrito por qué. Ver «de dónde salen los umbrales».

Olvidar que casi todo correlaciona con el tamaño

El error. Una clase grande tiene más métodos, más decisiones, más dependencias y más llamadas que una pequeña. Por eso casi todas las métricas de clase crecen con el tamaño, y un estudio que encuentra que «las clases con CBO alto tienen más defectos» puede estar descubriendo, en realidad, que las clases grandes tienen más defectos.

Ejemplos.

  • Shepperd (1988) revisó la evidencia sobre la complejidad ciclomática y concluyó que, en muchos conjuntos de datos, aporta poco más que las líneas de código. Ver «complejidad ciclomática».
  • El Emam, Benlarbi, Goel y Rai (2001) encontraron que, en sus datos, las métricas de Chidamber y Kemerer dejaban de asociarse con los fallos al controlar el tamaño de la clase. Ver «acoplamiento entre objetos» y «respuesta para la clase», que además incluye en su valor los métodos propios de la clase.
  • Dividir por el tamaño tampoco lo arregla sin más: la aparente curva en U de la «densidad de defectos», con un tamaño de componente «óptimo», resultó ser, según El Emam y sus colegas (2000), un artefacto de relacionar con el tamaño un cociente que ya lo lleva en el denominador.

Qué hacer. Lee cada métrica de clase junto a una de tamaño, como las «líneas de código sin comentarios». Si una lista de «peores clases» por WMC, CBO y RFC es casi la misma que la lista por tamaño, la métrica no está añadiendo nada. Las que sí añaden son las que señalan elementos pequeños con valores altos. Ver «qué dice la evidencia empírica».

Medir sin pregunta

El error. Calcular todas las métricas disponibles, ponerlas en un panel y esperar a que digan algo. Con cientos de números por clase, siempre hay alguno alto; sin una pregunta, no hay forma de saber cuál importa, y el panel acaba sin que nadie lo mire.

Ejemplo. «¿Está bien nuestro código?» no se puede contestar con métricas. «¿Qué módulos son arriesgados de cambiar antes de la próxima entrega?» sí: pide la «rotación del código», los «puntos calientes de cambio» y el «ratio de test» de cada módulo, y deja fuera todo lo demás.

Qué hacer. Empieza por la decisión que quieres tomar, formula preguntas que la informen y elige después las métricas que contestan esas preguntas. Es el método Goal-Question-Metric, que Fenton y Bieman tratan en su apartado sobre cómo decidir qué medir: ver «Goal-Question-Metric». Las «rutas de lectura» proponen métricas para algunas decisiones habituales.

Referencias

  • Goodhart, C. A. E. «Problems of Monetary Management: The U.K. Experience». Presentado en la Conference in Monetary Economics del Reserve Bank of Australia (Sídney, julio de 1975) y publicado en Papers in Monetary Economics, vol. I, Reserve Bank of Australia, 1976. Ficha en https://www.rba.gov.au/publications/rdp/1990/9013/conference-volumes.html. La formulación original («Any observed statistical regularity will tend to collapse once pressure is placed upon it for control purposes») se ha tomado de https://en.wikipedia.org/wiki/Goodhart's_law, no del texto de la ponencia.
  • Strathern, M. (1997). «'Improving ratings': audit in the British University system». European Review, 5(3), 305-321. La frase citada y la atribución del nombre a Hoskin están en la página 308.
  • Fenton, N. y Bieman, J. (2014). Software Metrics: A Rigorous and Practical Approach, 3.ª ed. CRC Press. Apartado 3.2, «Determining What to Measure», y 3.2.1, «Goal-Question-Metric Paradigm».
  • Shepperd, M. (1988). «A Critique of Cyclomatic Complexity as a Software Metric». Software Engineering Journal, 3(2), 30-36.
  • El Emam, K., Benlarbi, S., Goel, N. y Rai, S. N. (2001). «The Confounding Effect of Class Size on the Validity of Object-Oriented Metrics». IEEE Transactions on Software Engineering, 27(7), 630-650.
  • El Emam, K., Benlarbi, S., Goel, N., Melo, W., Lounis, H. y Rai, S. N. (2000). The Optimal Class Size for Object-Oriented Software: A Replicated Study. National Research Council Canada, informe ERB-1074.