Analyse perspicace aide les équipes d’ingénierie à résoudre les problèmes avant qu’ils ne surviennent, tels que les cycles de publication lents, les goulots d’étranglement et la répartition inégale de la charge de travail pouvant entraîner l’épuisement professionnel des employés. La startup basée à San Francisco et Hyderabad a annoncé aujourd’hui qu’elle avait levé 1 million de dollars dirigé par Together Fund, qu’elle utilisera pour développer ses équipes de produits, d’ingénierie et de marketing.
Fondée en 2022, les utilisateurs cibles d’Insightly sont les directeurs de la technologie et les vice-présidents de l’ingénierie qui souhaitent analyser leurs recherches et évaluations DevOps pour aider à prendre des décisions et identifier les causes des problèmes qui peuvent potentiellement entraîner une baisse des revenus, une baisse de la productivité ou l’attrition des employés.
Sudheer Bandaru, fondateur et PDG d’Insightly, a déclaré à TechCrunch qu’Insightly a actuellement un chiffre d’affaires à six chiffres et compte des licornes et des entreprises publiques dans son portefeuille de clients qui peuvent potentiellement le porter à un million de dollars de revenus récurrents annuels au cours des prochains mois. Sa base d’utilisateurs comprend un total de 12 000 ingénieurs, dont des équipes aux États-Unis, en Inde, au Kenya et en Israël. La plate-forme est personnalisable selon la taille de l’entreprise et ses clients vont d’équipes d’ingénieurs de 50 membres à des organisations de plusieurs milliards de dollars qui comptent plus de 800 ingénieurs.
Avant de fonder Insightly, Bandaru a travaillé dans des organisations comme AT&T, Merrill Lynch et Hewlett-Packard. Il a ensuite occupé le poste de directeur de l’ingénierie chez un éditeur de sites Web de ressources d’information sur les marchés, qui a ensuite été acquis par Bankrate. C’est à ce poste, et lors de son prochain rôle en tant que fondateur de la plateforme de recrutement Shortlist Professionals, que Bandaru dit avoir appris les points faibles de la gestion de diverses équipes d’ingénieurs à travers les pays et les continents. Ces défis ont été exacerbés par le passage au travail à distance pendant la pandémie.
« Il n’y avait que peu ou pas de moyens pour les organisations de voir objectivement l’efficacité de leurs ingénieurs », a-t-il déclaré.
En conséquence, Bandaru a commencé à concevoir ensemble une solution avec des informations basées sur les données à utiliser chez Shortlist Professionals. Puis, alors qu’il commençait à susciter l’intérêt des dirigeants de grandes organisations technologiques, il s’est rendu compte que son hack avait le potentiel d’être plus qu’un projet parallèle. Bandaru note un rapport de Stripe qui indique que 300 milliards de dollars sont gaspillés chaque année dans le monde en raison de l’inefficacité du développement de logiciels, même si 96 % des leaders technologiques affirment que l’amélioration de la productivité de l’ingénierie est leur priorité absolue.
Il ajoute que de nombreux responsables de l’ingénierie essaient d’évaluer la productivité avec les analyses de Git et Jira, mais ces processus sont manuels et prennent du temps. Insightly est conçu pour automatiser le processus d’agrégation des données afin d’accélérer le développement de logiciels, de détecter les goulots d’étranglement et de gagner en visibilité sur la répartition de la charge de travail. L’intégration d’Insightly prend environ cinq minutes, ne nécessite aucun code et agrège immédiatement trois mois de données historiques.
Insightly fonctionne en extrayant des données et des métriques de Git et Jita. Bandaru affirme que ses informations peuvent aider les équipes à publier des produits plus rapidement en repérant les goulots d’étranglement et en répartissant la charge de travail plus uniformément pour éviter l’épuisement professionnel des ingénieurs. Il met également en correspondance les résultats commerciaux avec les efforts techniques, aide les équipes à décider si elles doivent retravailler ou effectuer de nouveaux travaux sur une version, détecte les bogues et aide à réduire la dette technologique en affichant des mesures telles que le pourcentage de maintenance pour aider les équipes à résoudre le problème le plus urgent en premier.
Certains cas d’utilisation incluent une organisation de plusieurs milliards de dollars avec près de 1 000 ingénieurs qui ont découvert que la plupart de leurs équipes d’ingénierie étaient bloquées pendant trois à quatre jours sur cinq en raison de la structure de l’équipe et des dépendances des versions en utilisant les métriques d’Insightly sur son cycle de publication et la répartition du travail. Sendy, une entreprise de logistique basée au Kenya qui compte moins de 100 ingénieurs, a découvert que la raison de l’attrition des employés était l’épuisement professionnel en raison d’une charge de travail inégale, dont les chefs d’entreprise n’étaient pas conscients car les gens travaillaient à distance. Pendant ce temps, un client s’est rendu compte que le temps consacré à la maintenance des applications héritées par rapport à la création de nouvelles fonctionnalités a été dépassé par les ingénieurs lors de la grande démission. Les nouveaux ingénieurs n’avaient d’autre choix que de conserver leur ancien code. La visibilité sur ce problème a permis au CTO de l’entreprise de supprimer les produits à faible revenu et de créer de nouveaux produits à la place.
Insightly permet des personnalisations à différents niveaux, notamment la création d’équipes par niveau d’escouade, emplacements géographiques, pile technologique et unités commerciales. Par exemple, Bandaru a déclaré qu’un des clients a découvert qu’une équipe avec plus de réviseurs basés en Amérique latine, et le reste de l’équipe aux États-Unis, avaient des cycles de publication plus lents par rapport aux équipes qui étaient toutes basées dans le même fuseau horaire.
Deux des concurrents d’Insightly sont Jellyfish et Linearb.io. Bandaru a déclaré qu’Insightly se différencie non seulement en montrant les analyses, mais aussi pourquoi elles se produisent, et en fournissant un contexte à chaque métrique et point de données.