Qué métricas realmente importan en observabilidad

No necesitas más métricas… necesitas las correctas

Uno de los errores más comunes en observabilidad es este:

medir todo

• CPU
• memoria
• disco
• red
• cientos de dashboards

Pero al final:

• No sabes qué es importante
• No puedes tomar decisiones
• No detectas problemas reales

Tener datos no es lo mismo que tener visibilidad.

¿Qué es una métrica en observabilidad?

Una métrica es un valor numérico que representa el comportamiento de un sistema en el tiempo.

Ejemplos:

• Tiempo de respuesta
• Número de solicitudes
• Tasa de errores
• Uso de recursos

Las métricas permiten entender cómo se comporta tu sistema.

El problema: métricas sin contexto

Muchas organizaciones miden:

• CPU alta
• Memoria al límite

Pero no saben responder:

¿Esto afecta al usuario?

¿Esto impacta el negocio?

Sin contexto, las métricas no sirven.

Las métricas que realmente importan

Para simplificar, existen cuatro métricas clave conocidas como:

Golden Signals

1. Latencia (Latency)

Tiempo que tarda el sistema en responder.

Es lo que el usuario percibe directamente.

Ejemplo:

• Una API responde en 200 ms vs 3 segundos

Impacto: experiencia del usuario.

2. Tráfico (Traffic)

Cantidad de solicitudes o usuarios.

Ejemplo:

• Número de peticiones por segundo
• Usuarios activos

Impacto: demanda del sistema.

3. Errores (Errors)

Porcentaje de solicitudes que fallan.

Ejemplo:

• HTTP 5xx
• errores en frontend
• fallos de integración

Impacto: confiabilidad.

4. Saturación (Saturation)

Nivel de uso de recursos.

Ejemplo:

• CPU
• memoria
• conexiones

Impacto: capacidad del sistema.

¿Por qué estas métricas son clave?

Porque responden a preguntas fundamentales:

• ¿El sistema responde rápido?
• ¿Está recibiendo carga?
• ¿Está fallando?
• ¿Está cerca del límite?

Con estas cuatro, tienes una visión clara.

Más allá de las Golden Signals

Dependiendo del negocio, puedes incluir:

Métricas de negocio

• Conversiones
• transacciones
• ingresos

Métricas de experiencia

• tiempo de carga en frontend
• interacción del usuario

Métricas de integración

• tiempos de APIs externas
• fallos en servicios terceros

La clave: alinear métricas con impacto real.

Un ejemplo práctico

Aplicación de e-commerce:

Métricas técnicas:

• Latencia de API
• tasa de errores

Métricas de negocio:

• conversiones
• abandono de carrito

Si la latencia sube:

- baja la conversión

- impacto directo en ingresos

Buenas prácticas

• Medir menos, pero mejor
• Priorizar métricas con impacto
• Relacionar métricas técnicas con negocio
• Definir umbrales y objetivos (SLO)
• Visualizar de forma clara

Errores comunes

• Medir todo sin priorizar
• Enfocarse solo en infraestructura
• Ignorar el frontend
• No correlacionar métricas
• No actuar sobre los datos

Cómo se integra con la observabilidad

Las métricas trabajan junto a:

• Logs → contexto
• Trazas → detalle de flujo
• RUM → experiencia real
• Alertas → acción

Las métricas son el “pulso” del sistema.

Conclusión

La observabilidad no se trata de recolectar datos.

Se trata de entender lo que realmente importa.

Las métricas correctas permiten:

- Detectar problemas

- Priorizar acciones

- Mejorar la experiencia

- Impactar el negocio

¿Estás midiendo lo importante… o solo lo disponible?

Si no sabes qué métricas son críticas, es probable que estés viendo ruido en lugar de valor.

Y en observabilidad: menos es más… cuando mides bien.