Necesidad

Las métricas de SonarQube estaban disponibles, pero faltaba una visión histórica que permitiera comparar áreas, aplicaciones, tipos y años.

Cómo se abordó

Se diseñó una ingesta de bugs, vulnerabilidades, hotspots, code smells, cobertura, tests y duplicación. Los datos se normalizaron en PostgreSQL y se prepararon consultas para máximos, mínimos, porcentajes, sumas y evolución mensual.

Pasos del proyecto

1. Identificar métricas y dimensiones comparables. 2. Diseñar el modelo histórico. 3. Automatizar cargas desde Node.js, PowerShell y hojas Excel existentes. 4. Crear APIs agregadas. 5. Construir gráficas y filtros dependientes en Angular.

Decisiones

Se conservó el histórico en una base propia para no depender de la vista puntual del proveedor. Los cálculos se llevaron a consultas reproducibles en lugar de resolverlos manualmente en cada informe.

Resultado

Una plataforma de consulta mensual por área y aplicación, preparada para comparar tendencias de calidad con criterios consistentes.