বড় ইনসিডেন্টের মেট্রিক
বড় ইনসিডেন্টকে লিগ টেবিল নয়, বিরল ও ব্যয়বহুল ঘটনা হিসেবে মাপুন যা থেকে শিখতে হয়: সেগুলো গুনুন, সৎভাবে সময় মাপুন, গ্রাহকের প্রভাবের আকার ঠিক করুন, যাচাই করুন মানুষকে জানানো হয়েছে, এবং প্রমাণ করুন ফলোআপের পদক্ষেপ সম্পন্ন হয়েছে।
ভূমিকা ও প্রেক্ষাপট
একটি বড় ইনসিডেন্ট এমন ইনসিডেন্ট যা স্বাভাবিক রুটিনের বাইরের সাড়া দাবি করার মতো গুরুতর। আইটি সেবা ব্যবস্থাপনার সবচেয়ে পরিচিত কাঠামো ITIL ইনসিডেন্ট ব্যবস্থাপনা (incident management)-কে যত দ্রুত সম্ভব স্বাভাবিক সেবা পরিচালনা পুনরুদ্ধার হিসেবে বর্ণনা করে, এবং আশা করে সংগঠন তার সবচেয়ে গুরুতর ইনসিডেন্ট একটি স্বতন্ত্র, আরও সমন্বিত পথে সামলাবে। সংগঠন সেই রেখা কীভাবে টানে তা তার নিজের সিদ্ধান্ত। একটি সাধারণ বাছাই হলো এমন ইনসিডেন্ট যা অনেক ব্যবহারকারী বা একটি জটিল সেবাকে প্রভাবিত করে এবং একজন সমন্বয়কারীর অধীনে কয়েকটি দলকে একসঙ্গে কাজ করতে হয়। আপনার নিজের সংজ্ঞা লিখে রাখুন, কারণ এই বিষয়ের প্রতিটি মেট্রিক তার ওপর নির্ভর করে।
বড় ইনসিডেন্ট অল্প। একটি দল সপ্তাহে ডজন ডজন সাধারণ ইনসিডেন্ট এবং ত্রৈমাসিকে দুই-তিনটি বড় দেখতে পারে। এতে আপনার পরিমাপ পদ্ধতি বদলে যায়। ইনসিডেন্টের পরিমাণ ও সমাধানের সময়ের সাধারণ পরিসংখ্যান (বিষয় 3.2, ইনসিডেন্টের সংখ্যা ও অগ্রাধিকার এবং বিষয় 3.3, ইনসিডেন্টের সাড়া ও সমাধানের সময় দেখুন) অনেক ঘটনা ধরে নেয় এবং গড়কে পুরস্কৃত করে। প্রতি সময়কালে মুষ্টিমেয় বড় ইনসিডেন্টে একটি খারাপ রাত গড়ে প্রাধান্য পায়, একটি প্রবণতার রেখা বেশিরভাগ কোলাহল, এবং পাঁচটি তথ্যবিন্দুতে একটি পার্সেন্টাইল (percentile) অর্থহীন (বিষয় 1.6, সেবা মেট্রিকের জন্য পরিসংখ্যান-সাক্ষরতা দেখুন)। সৎ পদ্ধতি হলো প্রতিটি বড় ইনসিডেন্ট নিজস্ব সময়রেখাসহ নিজের সারি হিসেবে দেখানো এবং কেবল দীর্ঘতর জানালায় সারসংক্ষেপ করা।
বইয়ের অন্য যেকোনো জায়গার চেয়ে এখানে এজাইল ও ITIL-এর দৃষ্টিভঙ্গি আরও সরাসরি মেলে। ITIL কাঠামো জোগায়: একটি ঘোষিত বড় ইনসিডেন্ট, একজন নামযুক্ত সমন্বয়কারী, প্রভাবিত পক্ষের কাছে সংজ্ঞায়িত যোগাযোগ এবং পরে একটি পর্যালোচনা। এজাইল (agile) এবং সাইট রিলায়েবিলিটি ইঞ্জিনিয়ারিং (SRE) ঐতিহ্য অভ্যাস জোগায়: সাড়া চালানো একজন ইনসিডেন্ট কমান্ডার (incident commander), যা ঘটেছে তার দোষারোপহীন পর্যালোচনা, এবং নিরন্তর উন্নয়নকে খাওয়ানো শেখার ওপর জোর। Google-এর Site Reliability Engineering ইনসিডেন্ট কমান্ড ধরন এবং পোস্টমর্টেম পর্যালোচনার চর্চা দুটোই বর্ণনা করে (তথ্যসূত্র দেখুন)। এই অর্থে একটি পোস্টমর্টেম (postmortem) হলো একটি ইনসিডেন্ট, তার কারণ ও অনুসরণকারী পদক্ষেপের লিখিত বিবরণ, এবং এখানে শব্দটি "ইনসিডেন্ট-পরবর্তী পর্যালোচনা"-র সঙ্গে বিনিময়যোগ্যভাবে ব্যবহৃত।
এই বিষয় পাঁচটি প্রশ্ন ঢাকে। বড় ইনসিডেন্ট কত ঘন ঘন ঘটে? কত সময় চলে, এবং কেউ তা ঘোষণা করার আগে সেই সময়ের কতটা কাটে? কতজন ব্যবহারকারী, এবং কোন ব্যবহারকারীরা, তা অনুভব করেছেন? মানুষ কি সময়মতো ও স্থির ছন্দে আমাদের কাছ থেকে শুনেছেন? এবং প্রতিশ্রুত ফলোআপ কি ঘটেছে? সম্পর্কিত বিষয় তাদের চারপাশে যা আছে তা ঢাকে: প্রাপ্যতা (বিষয় 5.3, প্রাপ্যতার মেট্রিক দেখুন), লিখিত পর্যালোচনার গুণমান (বিষয় 4.2, পোস্টমর্টেম ও শিক্ষণের মেট্রিক দেখুন), অন্তর্নিহিত কারণ (বিষয় 4.1, সমস্যা ব্যবস্থাপনার মেট্রিক দেখুন), এবং যে পরিবর্তন প্রায়ই সেগুলো ঘটায় (বিষয় 4.4, পরিবর্তনের ব্যর্থতা ও পুনঃকাজ দেখুন)।
এই বিষয়ে ব্যবহৃত শব্দ:
- বড় ইনসিডেন্ট: এমন ইনসিডেন্ট যা আপনার লিখিত ঘোষণার মানদণ্ড পূরণ করে এবং বড় ইনসিডেন্ট প্রক্রিয়া চালু করে।
- ঘোষণা: যে মুহূর্তে কর্তৃত্বসম্পন্ন কেউ আনুষ্ঠানিকভাবে বড় ইনসিডেন্ট প্রক্রিয়া ডাকেন।
- পুনরুদ্ধারের সময়: গ্রাহকের প্রভাব শুরু থেকে ব্যবহারকারীদের জন্য সেবা পুনরুদ্ধার হওয়ার মুহূর্ত পর্যন্ত সময়। সেবা পুনরুদ্ধারের মুহূর্ত মূল কারণ (root cause) খুঁজে পাওয়ার মতো নয়।
- ইনসিডেন্ট কমান্ডার: যে ভূমিকা সাড়া সমন্বয় করে, কাজ বরাদ্দ করে এবং সিদ্ধান্ত নেয়। এটি ইনসিডেন্ট চলাকালে একটি ভূমিকা, কোনো পদবি নয়।
- ইনসিডেন্ট-পরবর্তী পর্যালোচনা: সেবা পুনরুদ্ধারের পর একটি ইনসিডেন্টের কাঠামোবদ্ধ, দোষারোপহীন পরীক্ষা।
- কর্মপদক্ষেপ: একটি পর্যালোচনা থেকে আসা নির্দিষ্ট, মালিকযুক্ত, তারিখযুক্ত পরিবর্তন।
মূল নীতি
- আগে ঘটনা দেখান, তারপর সারসংক্ষেপ করুন। বিরল ঘটনা স্বতন্ত্র সময়রেখা প্রাপ্য। প্রতিটি বড় ইনসিডেন্ট আলাদা প্রতিবেদন করুন এবং কেবল দীর্ঘ জানালায় পাশে গণনাসহ সারসংক্ষেপ পরিসংখ্যান ব্যবহার করুন।
- ঘড়ি সচেতনতায় নয়, প্রভাবে শুরু করুন। কেউ লক্ষ করলে শুরু হওয়া স্থিতিকাল শনাক্তকরণের ফাঁক লুকায়, যা প্রায়ই গল্পের সবচেয়ে বড় অংশ।
- দলের শ্রম নয়, ব্যবহারকারীর অভিজ্ঞতা মাপুন। গ্রাহকের প্রভাব প্রক্রিয়াটি থাকার কারণ। সমাধানকারীর শ্রমের ঘণ্টা ট্র্যাক করার একটি খরচ, কখনও স্কোর নয়।
- যোগাযোগ পুনরুদ্ধারের অংশ। ব্যবহারকারীরা যখনও অনুমান করছেন তখন পুনরুদ্ধার হওয়া সেবা কেবল অর্ধেক সারানো। হালনাগাদের সময়োপযোগিতাকে সাড়ার পরিমাপ হিসেবে দেখুন।
- পদক্ষেপ শেষ না হওয়া পর্যন্ত পর্যালোচনা শেষ নয়। খোলা পদক্ষেপসহ সম্পন্ন দলিল কিছুই বদলায়নি। শুধু পর্যালোচনার অস্তিত্ব নয়, অনুসরণ মাপুন।
- মানুষকে কখনও ক্রম দেবেন না, এবং ঘোষণার জন্য কখনও শাস্তি দেবেন না। ঘোষণা করলে ঘোষণাকারীর দল প্রতিবেদনে ক্ষতিগ্রস্ত হলে কম ইনসিডেন্ট ঘোষিত হবে এবং সেবা খারাপ হতে থাকলেও মেট্রিক উন্নত হবে।
- ঘোষণার মানদণ্ড স্থির রাখুন। সীমা সরালে এই বিষয়ের প্রতিটি মেট্রিক বদলে যায়। প্রতিটি পরিবর্তন তার কারণ ও তারিখসহ লগ করুন।
মেট্রিকের সংজ্ঞা
| মেট্রিক | সংজ্ঞা | সূত্র | একক | তথ্যের উৎস | ITIL চর্চা | এজাইল সমতুল্য | পর্যায়কাল |
|---|---|---|---|---|---|---|---|
| বড় ইনসিডেন্টের গণনা | সময়কালে সেবা অনুযায়ী ঘোষিত বড় ইনসিডেন্ট | সময়কালে ঘোষণার মানদণ্ড পূরণ করা এবং ঘোষিত ইনসিডেন্টের গণনা, ঘোষণার সময় অনুযায়ী; প্রথম ঘণ্টার মধ্যে নামানো ইনসিডেন্ট আলাদাভাবে তালিকাভুক্ত ও বাদ | প্রতি ত্রৈমাসিকে গণনা | বড় ইনসিডেন্টের পতাকাসহ ITSM টুলের ইনসিডেন্ট রেকর্ড | ইনসিডেন্ট ব্যবস্থাপনা | দল বা সেবার স্বাস্থ্য পর্যালোচনা | মাসিক প্রতিবেদন, ত্রৈমাসিক প্রবণতা |
| বড় ইনসিডেন্টের স্থিতিকাল | যে সময় গ্রাহকেরা প্রভাবিত ছিলেন | প্রতিটি ইনসিডেন্টের জন্য সেবা পুনরুদ্ধারের সময় বিয়োগ প্রভাব শুরুর সময়। প্রভাব শুরু হলো পর্যবেক্ষণ বা প্রথম ব্যবহারকারীর প্রতিবেদনে প্রাচীনতম প্রমাণ, যেটি আগে। আংশিক পুনরুদ্ধার তার নিজস্ব ঘটনা হিসেবে লিপিবদ্ধ, এবং পূর্ণ পুনরুদ্ধার ঘড়ি থামায় | মিনিট, প্রতি ইনসিডেন্টে | পর্যবেক্ষণের সময়রেখা, ITSM টুলে ইনসিডেন্টের সময়রেখা | ইনসিডেন্ট ব্যবস্থাপনা; সেবা স্তর ব্যবস্থাপনা | ডেলিভারি মেট্রিকে পুনরুদ্ধারের সময় (বিষয় 2.8, DORA মেট্রিক দেখুন) | প্রতি ইনসিডেন্টে; দীর্ঘ জানালার মধ্যমান ও সর্বোচ্চ ত্রৈমাসিক |
| ঘোষণার সময় | প্রভাবের শুরু ও বড় ইনসিডেন্ট ঘোষণার মধ্যে বিলম্ব | প্রতিটি ইনসিডেন্টের জন্য ঘোষণার সময় বিয়োগ প্রভাব শুরুর সময়। কখনও ঘোষিত না হওয়া ইনসিডেন্ট সাধারণ উচ্চ-প্রভাবের ইনসিডেন্টের ত্রৈমাসিক পর্যালোচনায় ধরা হয় এবং ঘোষণার সময় n/a (কখনও ঘোষিত হয়নি) হিসেবে অন্তর্ভুক্ত | মিনিট, প্রতি ইনসিডেন্টে | পর্যবেক্ষণের সময়রেখা, ITSM টুলের নিরীক্ষা ট্রেইল | ইনসিডেন্ট ব্যবস্থাপনা; পর্যবেক্ষণ ও ইভেন্ট ব্যবস্থাপনা | দলের কর্মচুক্তিতে এসক্যালেশনের জন্য প্রস্তুতির সংজ্ঞা | প্রতি ইনসিডেন্টে |
| গ্রাহকের প্রভাব | কতজন ব্যবহারকারী এবং কতটা ব্যবহার প্রভাবিত হয়েছে | প্রতিটি ইনসিডেন্টের জন্য প্রভাবিত ব্যবহারকারী (বা ব্যর্থ অনুরোধ) গুণ প্রভাবিত মিনিট। শুধু প্রভাবের জানালায় সেবা ব্যবহারের চেষ্টা করা ব্যবহারকারীদের গুনুন। পরিকল্পিত রক্ষণাবেক্ষণ বাদ | ব্যবহারকারী-মিনিট, বা ব্যর্থ অনুরোধ | সেবার টেলিমেট্রি, সহায়তা যোগাযোগের রেকর্ড | সেবা স্তর ব্যবস্থাপনা; ইনসিডেন্ট ব্যবস্থাপনা | ব্যবহারকারী-মুখী সেবা স্তর সূচক (বিষয় 5.2, SLI, SLO ও ত্রুটির বাজেট দেখুন) | প্রতি ইনসিডেন্টে |
| যোগাযোগের সময়ানুবর্তিতা | প্রভাবিত পক্ষকে সময়মতো জানানো হয়েছে কি না | ঘোষণার পর লক্ষ্যের মধ্যে প্রথম গ্রাহক-মুখী নোটিশ যাওয়া এবং সম্মত ব্যবধানের মধ্যে নির্ধারিত হালনাগাদ পাঠানো বড় ইনসিডেন্টের অংশ। ঘড়ি ঘোষণায় শুরু। কেবল অভ্যন্তরীণ বার্তা বাদ | ইনসিডেন্টের শতাংশ; হালনাগাদের শতাংশ | স্ট্যাটাস পাতার ইতিহাস, ITSM টুলে যোগাযোগের লগ | ইনসিডেন্ট ব্যবস্থাপনা; সেবা স্তর ব্যবস্থাপনা | দলের কর্মচুক্তিতে অংশীজনদের সঙ্গে যোগাযোগ | প্রতি ইনসিডেন্টে; ত্রৈমাসিক সারসংক্ষেপ |
| পর্যালোচনা সম্পন্ন করার সময়ানুবর্তিতা | একটি পর্যালোচনা কাজের হওয়ার মতো যথেষ্ট তাড়াতাড়ি হয়েছে কি না | পুনরুদ্ধারের পর সম্মত কার্যদিবসের মধ্যে একটি প্রকাশিত পর্যালোচনাসহ বড় ইনসিডেন্টের অংশ। ঘড়ি প্রকাশে থামে, প্রথম খসড়ায় নয়। জানালার ভেতরে থাকা ইনসিডেন্ট বাদ | শতাংশ | পর্যালোচনা রিপোজিটরি, ITSM টুল | নিরন্তর উন্নয়ন; সমস্যা ব্যবস্থাপনা | উন্নয়নের ফলোআপ | ত্রৈমাসিক |
| কর্মপদক্ষেপের অনুসরণ | পর্যালোচনার পদক্ষেপ সম্পন্ন হয়েছে কি না | সময়কালে প্রাপ্য পর্যালোচনার পদক্ষেপের মধ্যে তাদের নির্ধারিত তারিখে সম্পন্ন পর্যালোচনার পদক্ষেপ / সময়কালে প্রাপ্য পর্যালোচনার পদক্ষেপ। "করা হবে না" হিসেবে বন্ধ পদক্ষেপ কারণসহ আলাদাভাবে গোনা, লুকানো হয় না | শতাংশ; বিলম্বিতের গণনা | পর্যালোচনার সঙ্গে যুক্ত ইস্যু ট্র্যাকার | নিরন্তর উন্নয়ন; সমস্যা ব্যবস্থাপনা | রেট্রোস্পেকটিভ থেকে ব্যাকলগ আইটেম | মাসিক |
| বারবার ঘটা বড় ইনসিডেন্টের হার | একই কারণের পুনরাবৃত্তি | সময়কালে সেই বড় ইনসিডেন্ট যার লিপিবদ্ধ কারণ আগের বারো মাসে আগের একটি বড় ইনসিডেন্টের কারণের সঙ্গে মেলে / সময়কালে বড় ইনসিডেন্ট। মেলানো কারণের ঘরে, হাতে পর্যালোচিত | শতাংশ, গণনাসহ | পর্যালোচনার রেকর্ড, সমস্যা রেকর্ড | সমস্যা ব্যবস্থাপনা | ব্যাকলগে প্রতিরোধের কাজ | ত্রৈমাসিক |
প্রতিটি সারির বিশ্বাস করার আগে একটি লিখিত ঘড়ির নিয়ম দরকার। প্রভাবের শুরু ও পুনরুদ্ধারের সময় নিয়ে বিতর্ক সাধারণ এবং আগেই মিটিয়ে নেওয়া সবচেয়ে ভালো (বিষয় 1.5, তথ্যের উৎস ও ইনস্ট্রুমেন্টেশন দেখুন)।
সুপারিশ
লিখে রাখুন কী একটি ইনসিডেন্টকে বড় করে
যে কেউ অন-কলে প্রয়োগ করতে পারেন এমন ঘোষণার মানদণ্ড প্রকাশ করুন। মানদণ্ড সাধারণত প্রভাব (প্রভাবিত ব্যবহারকারী, একটি জটিল সেবার অবনতি, একটি নিরাপত্তা বা আইনি ঝুঁকি) এবং সমন্বয়ের প্রয়োজন (একাধিক দল লাগে) মেশায়। উদাহরণসহ একটি ছোট তালিকা একটি লম্বা ম্যাট্রিক্সের চেয়ে ভালো। কে ঘোষণা করতে পারেন বলুন, এবং পরিষ্কার করুন যে সরল বিশ্বাসে ঘোষণা কখনও ভুল নয়, ইনসিডেন্ট পরে ছোট প্রমাণিত হলেও।
প্রতিটি ইনসিডেন্টের রেকর্ডে মানদণ্ডের সংস্করণ লিপিবদ্ধ করুন। সীমা সরলে প্রবণতাও সরে। প্রতিটি রেকর্ডে একটি সংস্করণ নম্বর বা তারিখ আপনাকে সমানের সঙ্গে সমান তুলনা করতে এবং নিয়ম বদল থেকে আসা গণনার লাফ ব্যাখ্যা করতে দেয়।
গণনাকে লক্ষ্যে পরিণত না করে গুনুন ও শ্রেণিবদ্ধ করুন
গণনা প্রেক্ষাপটসহ প্রতিবেদন করুন। প্রতি ত্রৈমাসিকে বড় ইনসিডেন্টের সংখ্যা সেবা, ট্রিগার (পরিবর্তন, ধারণক্ষমতা, নির্ভরতা, নিরাপত্তা, অন্য) এবং মানদণ্ডের সংস্করণের পাশে দেখান। প্রেক্ষাপটহীন গণনা "প্রতি ত্রৈমাসিকে তিনটির কম"-এর মতো লক্ষ্যকে আমন্ত্রণ জানায়, যা মানুষকে ঘোষণা না করতে শেখায়। গণনা কমাকে ভালো খবর ধরুন কেবল যখন ঘোষণার সময় ও গ্রাহকের প্রভাব স্থির।
ঘোষিত, নামানো ও ফসকানো আলাদা করুন। ঘোষিত এবং নামানো ইনসিডেন্ট ট্র্যাক করুন, কারণ সেগুলো দেখায় মানদণ্ড বিবেচনাসম্মত কি না। প্রতি ত্রৈমাসিকে সাধারণ ইনসিডেন্টের একটি নমুনা পর্যালোচনা করুন যা ঘোষণার যোগ্য ছিল। ফসকানোগুলোই সবচেয়ে তথ্যবহুল।
ব্যবহারকারীর দিক থেকে ইনসিডেন্টের সময় মাপুন
গ্রাহকেরা প্রভাবিত হলে ঘড়ি শুরু করুন। প্রাচীনতম নির্ভরযোগ্য প্রমাণ ব্যবহার করুন, যা প্রায়ই প্রথম টিকিটের আগের একটি পর্যবেক্ষণ সংকেত। শুরু অনিশ্চিত হলে কেউ লক্ষ করার সময়ের বদলে অনুমান ও তার উৎস লিপিবদ্ধ করুন। প্রভাবের শুরু ও ঘোষণার মধ্যবর্তী ফাঁক নিজে একটি মেট্রিক এবং সাধারণত উন্নত করা সবচেয়ে সস্তা।
সময়রেখা ধাপে ভাগ করুন। শনাক্তকরণ, ঘোষণা, রোগনির্ণয়, প্রশমন ও পূর্ণ পুনরুদ্ধারের প্রতিটির বিলম্বের কারণ ও মালিক ভিন্ন। প্রতিটি ইনসিডেন্টের জন্য ধাপের বিভাজন গড় ছাড়াই দেখায় সময় কোথায় গেছে। বিকল্প দিয়ে সেবা পুনরুদ্ধার ও কারণ সারানো আলাদা ঘটনা, এবং দ্বিতীয়টি সমস্যা ব্যবস্থাপনার।
দীর্ঘ জানালায় গণনাসহ মধ্যমান ও সবচেয়ে খারাপ ঘটনা ব্যবহার করুন। এক বছরের তথ্যের জন্য মধ্যমান ও দীর্ঘতম স্থিতিকাল প্রতিবেদন করুন, এবং বলুন কতগুলো ইনসিডেন্ট থেকে। বড় ইনসিডেন্টের জন্য একক গড় পুনরুদ্ধারের সময় এড়ান। অল্প ঘটনায় তা অস্থির এবং একটি দীর্ঘ বিভ্রাট দ্বারা বিকৃত (বিষয় 1.6, সেবা মেট্রিকের জন্য পরিসংখ্যান-সাক্ষরতা দেখুন)।
ব্যবহারকারীরা চিনতে পারেন এমন ভাষায় গ্রাহকের প্রভাবের আকার ঠিক করুন
সার্ভার-ভিত্তিক প্রভাবের চেয়ে ব্যবহারকারী-ভিত্তিক প্রভাব পছন্দ করুন। ব্যর্থ অনুরোধ, প্রভাবিত ব্যবহারকারী বা প্রভাবিত লেনদেন বর্ণনা করে মানুষের কী হয়েছে। একটি উপাদানে অবনত সেবার মিনিট বর্ণনা করে একটি যন্ত্রের কী হয়েছে। যেখানে সেবা স্তর সূচক আছে সেগুলো ব্যবহার করুন (বিষয় 5.2, SLI, SLO ও ত্রুটির বাজেট দেখুন) এবং ইনসিডেন্টকে প্রাপ্যতার ছবির সঙ্গে যুক্ত করুন (বিষয় 5.3, প্রাপ্যতার মেট্রিক দেখুন)।
প্রতিটি রেকর্ডে সহজ ভাষায় একটি প্রভাবের বিবৃতি যোগ করুন। এক বা দুই বাক্যে কারা প্রভাবিত হয়েছেন এবং তাঁরা কী করতে পারেননি। সহায়তার যোগাযোগ, সামাজিক মাধ্যমের উল্লেখ এবং গ্রাহকের এসক্যালেশন বিবৃতির প্রমাণ, সর্বাধিক করার মেট্রিক নয়।
যোগাযোগকে সাড়ার অংশ হিসেবে মাপুন
দর্শক অনুযায়ী যোগাযোগের লক্ষ্য ঠিক করুন। প্রভাবিত গ্রাহক, অভ্যন্তরীণ অংশীজন ও নির্বাহীদের ভিন্ন সময়ে ভিন্ন বার্তা দরকার। ঘোষণার পর প্রথম নোটিশের জন্য একটি লক্ষ্য এবং হালনাগাদের জন্য একটি স্থির ছন্দে একমত হোন, এবং প্রতি ইনসিডেন্টে পালন মাপুন। বিষয়বস্তুর চেয়ে ছন্দ বেশি গুরুত্বপূর্ণ: "কোনো পরিবর্তন নেই, পরবর্তী হালনাগাদ তিরিশ মিনিটে" বলা সময়মতো আসা একটি হালনাগাদ নীরবতার চেয়ে বেশি আস্থা গড়ে।
সাড়া ও যোগাযোগ আলাদা হাতে রাখুন। একজন যোগাযোগ-প্রধান ইনসিডেন্ট কমান্ডারকে রোগনির্ণয়ে মনোযোগ দিতে মুক্ত করে। একটি ছোট দল তার বদলে একটি চেকলিস্ট ও আগে লেখা টেমপ্লেট ব্যবহার করতে পারে।
শেখার চক্র বন্ধ করুন
শীঘ্র পর্যালোচনা করুন এবং প্রকাশ করুন। স্মৃতি ম্লান হয়, তাই পর্যালোচনার জন্য একটি জানালা ঠিক করুন এবং তা পূরণ হয়েছে কি না মাপুন। পর্যালোচনা সম্পন্ন হওয়ার চেয়ে পর্যালোচনা যা বদলায় তা বেশি গুরুত্বপূর্ণ, তাই একে অনুসরণের সঙ্গে জোড় বাঁধুন। Google-এর Site Reliability Engineering দোষারোপহীন পর্যালোচনা এবং তা লিখে রাখার পক্ষে যুক্তি দেয় (তথ্যসূত্র দেখুন), আর বিষয় 4.2 (পোস্টমর্টেম ও শিক্ষণের মেট্রিক) পর্যালোচনার গুণমান ঢাকে।
পদক্ষেপ শেষ পর্যন্ত ট্র্যাক করুন, এবং সৎ "করা হবে না" অনুমোদন করুন। প্রতিটি পদক্ষেপ মালিক ও তারিখসহ মালিক দল ইতিমধ্যে যে ব্যাকলগ ব্যবহার করে সেখানে রাখুন। প্রত্যাখ্যাত পদক্ষেপ পচতে না দিয়ে কারণসহ লিপিবদ্ধ করুন। পরিচালনা বা সেবা পর্যালোচনায় বিলম্বিত পদক্ষেপ পর্যালোচনা করুন এবং কী আটকাচ্ছে জিজ্ঞাসা করুন। প্রতি পর্যালোচনায় পদক্ষেপের সংখ্যা সীমিত করুন যাতে যেগুলো থাকে সেগুলোই গুরুত্বপূর্ণ।
ইনসিডেন্ট জুড়ে ধারা খুঁজুন এবং সেগুলো সমস্যা ব্যবস্থাপনায় পাঠান। বারবার ঘটা কারণ, সাধারণ ট্রিগার এবং বারবার ঘটা শনাক্তকরণের ফাঁক এমন সংকেত যা একক পর্যালোচনা ফসকায়। এগুলো সমস্যা ও জানা ত্রুটি প্রক্রিয়ায় (বিষয় 4.1, সমস্যা ব্যবস্থাপনার মেট্রিক দেখুন) এবং সেবার মালিক দলগুলোর পরিকল্পনায় খাওয়ান। বাড়তে থাকা পুনরাবৃত্তির হারকে রায় নয়, অনুসন্ধানের তাগিদ হিসেবে দেখুন।
কারসাজির উপায় ও রক্ষাবেষ্টনী
| মেট্রিক | যেভাবে কারসাজি হয় | জোড়া রক্ষাবেষ্টনী মেট্রিক বা চর্চা |
|---|---|---|
| বড় ইনসিডেন্টের গণনা | ঘোষণার সীমা বাড়ানো, ইনসিডেন্ট "উচ্চ" অগ্রাধিকারে রাখা যাতে কখনও ঘোষিত না হয়, একটি ঘটনাকে কয়েকটি রেকর্ডে ভাঙা, বা কয়েকটিকে একটিতে মেলানো | স্থির, সংস্করণযুক্ত মানদণ্ড; উচ্চ-প্রভাবের সাধারণ ইনসিডেন্টের ত্রৈমাসিক নমুনা; গণনার পাশে গ্রাহকের প্রভাব ও ঘোষণার সময় ট্র্যাক |
| বড় ইনসিডেন্টের স্থিতিকাল | ঘড়িকে পরবর্তী প্রভাবের শুরুতে ফিরিয়ে আনা, ব্যবহারকারীরা তখনও ব্যর্থ হলেও "পুনরুদ্ধার" ঘোষণা, বা বন্ধ করে নতুন রেকর্ড খোলা | পর্যবেক্ষণ থেকে নেওয়া প্রভাবের শুরু; ব্যবহারকারী-মুখী সূচক দিয়ে নিশ্চিত পুনরুদ্ধার; আবার খোলা ও যুক্ত রেকর্ড একটি ইনসিডেন্ট হিসেবে গোনা |
| ঘোষণার সময় | দ্রুত দেখাতে সবকিছুতে আগে ঘোষণা, বা ঘোষণা প্রভাবের শুরুতে পূর্বতারিখ দেওয়া | পরে নামানো ঘোষিত ইনসিডেন্টের অংশ; ঘোষণার সময়ের নিরীক্ষা ট্রেইল; কাঁচা পর্যবেক্ষণের বিপরীতে সময়রেখার নমুনা |
| গ্রাহকের প্রভাব | "প্রভাবিত"-এর সংজ্ঞা সংকীর্ণ করা, শুধু টিকিট তোলা ব্যবহারকারী গোনা, বা চালু থাকা একটি নির্ভরতা মাপা | যোগাযোগের পাশে টেলিমেট্রি থেকে নির্গত প্রভাব; ইনসিডেন্ট পর্যালোচনায় পর্যালোচিত সহজ ভাষায় প্রভাবের বিবৃতি |
| যোগাযোগের সময়ানুবর্তিতা | ঘড়ি শুরু করতে অস্পষ্ট নোটিশ পোস্ট করা, বিষয়বস্তুহীন হালনাগাদ পাঠানো, বা অভ্যন্তরীণ বার্তা গোনা | হালনাগাদের একটি নমুনার বিষয়বস্তুর যাচাই; স্পষ্টতা নিয়ে গ্রাহকের প্রতিক্রিয়া; শুধু গ্রাহক-মুখী নোটিশ গোনা |
| পর্যালোচনা সম্পন্ন করার সময়ানুবর্তিতা | তারিখ পূরণে পাতলা দলিল প্রকাশ, বা পর্যালোচনা "দরকার নেই" ঘোষণা | একটি নমুনায় সহকর্মী কর্তৃক পড়া পর্যালোচনার গুণমান (বিষয় 4.2, পোস্টমর্টেম ও শিক্ষণের মেট্রিক দেখুন); ছাড় দেওয়া পর্যালোচনার অংশ দেখানো |
| কর্মপদক্ষেপের অনুসরণ | বন্ধ করা সহজ এমন অস্পষ্ট বা তুচ্ছ পদক্ষেপ লেখা, কাজ না করে পদক্ষেপ বন্ধ করা, বা "করা হবে না" হিসেবে পুনঃলেবেল | পদক্ষেপের গুণমানের নমুনা; ব্যবস্থার পরিবর্তনের বিপরীতে বন্ধ পদক্ষেপ যাচাই; "করা হবে না"-র অংশ ও কারণ পর্যালোচিত |
| বারবার ঘটা বড় ইনসিডেন্টের হার | ভিন্ন শব্দ বেছে প্রতিটি কারণকে নতুন লিপিবদ্ধ করা, বা সবকিছুকে "মানবিক ত্রুটি" বলা | সংজ্ঞাসহ একটি ছোট কারণের শ্রেণিবিন্যাস; ইনসিডেন্টের বাইরের কারো দ্বারা পর্যালোচিত কারণের ঘর; ব্যবস্থার ব্যাখ্যা ছাড়া কারণ হিসেবে "মানবিক ত্রুটি" গ্রহণ নয় |
সুস্থ পাঠ হলো ঘোষিত ইনসিডেন্টের মাঝারি ও মোটামুটি স্থির গণনা, মাঝেমধ্যে একটি নামানো এবং পর্যালোচনায় ধরা পড়া মাঝেমধ্যে একটি ফসকানো সহ। ঘোষণার সময় ছোট ও কমছে, প্রতি ইনসিডেন্টে গ্রাহকের প্রভাব বোঝা এবং প্রতিরোধের কাজ যেখানে হয়েছে সেখানে কমছে, এবং প্রায় সব গ্রাহক-মুখী হালনাগাদ সূচিতে। পর্যালোচনা সময়মতো প্রকাশিত এবং তাদের পদক্ষেপ বেশিরভাগ সম্পন্ন, প্রত্যাখ্যাত পদক্ষেপের একটি ছোট, সৎ সংগ্রহসহ। সবকিছু নিখুঁত দেখালে জিজ্ঞাসা করুন মানদণ্ড সরে গেছে কি না বা মানুষ ঘোষণা করা বন্ধ করেছে কি না (বিষয় 1.2, গুডহার্টের সূত্র ও মেট্রিকের মনস্তত্ত্ব দেখুন)। চার্লস গুডহার্টের নামে নামকরা সূত্র (law named after Charles Goodhart) এখানে দেখা সবচেয়ে সহজ, কারণ খারাপ সংখ্যার খরচ হলো সতর্কবার্তা তোলার ইচ্ছা কমে যাওয়া।
ভারসাম্য: সুবিধা ও অসুবিধা
| বাছাই | শক্তি | দুর্বলতা |
|---|---|---|
| প্রতিটি ইনসিডেন্ট একটি সারি হিসেবে দেখান | প্রেক্ষাপট রাখে, ছোট গণনায় বিভ্রান্তিকর গড় এড়ায় | নেতাদের জন্য সারসংক্ষেপ কঠিনতর; প্রতি ইনসিডেন্টে একটি সংক্ষিপ্ত বর্ণনা লাগে |
| বড় ইনসিডেন্টের গণনা প্রতিবেদন | সরল, পরিচিত, নেতৃত্বের কাছে দৃশ্যমান | লক্ষ্যে পরিণত করা সহজ; মানদণ্ডের পরিবর্তনে সাড়া দেয় |
| প্রভাবের শুরু থেকে সময় | ব্যবহারকারীর অভিজ্ঞতা প্রতিফলিত করে, শনাক্তকরণের ফাঁক প্রকাশ করে | প্রভাবের শুরু কখনও কখনও অনিশ্চিত এবং বিবেচনা লাগে |
| ঘোষণা থেকে সময় | ধরা ও তুলনা করা সহজ | ধীর শনাক্তকরণ ও ধীর ঘোষণা লুকায় |
| প্রভাবের ব্যবহারকারী-মিনিট | ইনসিডেন্ট ও সেবা জুড়ে তুলনীয় | টেলিমেট্রি লাগে; সব ব্যবহারকারী ও মিনিটকে সমান গণ্য করে |
| পর্যালোচনা সম্পন্ন করার হার | সংগ্রহ করা সহজ, অভ্যাসকে উৎসাহ দেয় | দলিলকে পুরস্কৃত করে, শেখাকে নয় |
| পদক্ষেপ অনুসরণের হার | পর্যালোচনাকে পরিবর্তনের সঙ্গে যুক্ত করে | তুচ্ছ পদক্ষেপ দিয়ে কারসাজি করা যায়; মালিক ও ব্যাকলগ লাগে |
একটিকে অপ্টিমাইজ করার বদলে পুরো চক্র (ঘোষণা, পুনরুদ্ধার, জানানো, শেখা, শেষ করা) ঢাকে এমন অল্প কয়েকটি পরিমাপ ব্যবহার করুন। টেলিমেট্রি থাকলেই কেবল প্রভাবের পরিমাপ যোগ করুন। যেখানে টেলিমেট্রি নেই, সেখানে বানানো সংখ্যার চেয়ে সতর্কভাবে লেখা প্রভাবের বিবৃতি ভালো।
দলের সঙ্গে আলোচনার প্রশ্ন
1. এখানে ঠিক কী একটি ইনসিডেন্টকে বড় করে, এবং অন-কলের সবাই কি একমত? সংজ্ঞাই অন্য প্রতিটি সংখ্যার ভিত্তি। তিনজনকে একই সাম্প্রতিক ইনসিডেন্ট শ্রেণিবদ্ধ করতে বলুন এবং উত্তর তুলনা করুন। মতভেদ দেখায় মানদণ্ড কোথায় অস্পষ্ট। সঞ্চালক লিখিত মানদণ্ডে যোগ করার উদাহরণ লিখে রাখুন এবং কে ঘোষণা করতে পারেন তাতে একমত হোন। ইনসিডেন্ট পরে নামানো হলেও সরল বিশ্বাসে ঘোষণা সবসময় গ্রহণযোগ্য এটি নিশ্চিত করে শেষ করুন।
2. আমাদের শেষ বড় ইনসিডেন্টে প্রভাবের শুরু ও ঘোষণার মধ্যে কত সময় ছিল? স্মৃতি নয়, পর্যবেক্ষণ থেকে সময়রেখা পুনর্গঠন করুন। ফাঁক প্রায়ই প্রত্যাশার চেয়ে বড় এবং কখনও কখনও দীর্ঘতম ধাপ। জিজ্ঞাসা করুন কোন সংকেত ছিল এবং কে তা দেখেছিলেন, আর ফাঁক এসেছিল অস্পষ্ট মানদণ্ড, অনুপস্থিত সতর্কবার্তা, নাকি ঘোষণায় অনীহা থেকে। তা ছোট করবে এমন একটি পরিবর্তন বাছুন, এবং কীভাবে জানবেন ঠিক করুন।
3. কারা প্রভাবিত হয়েছিলেন, এবং আমরা কীভাবে জানি? তখন দল যা বিশ্বাস করত তা পরে টেলিমেট্রি ও সহায়তার যোগাযোগ যা দেখায় তার সঙ্গে তুলনা করুন। জিজ্ঞাসা করুন কোন গ্রাহকেরা, থাকলে, অন্যদের চেয়ে বেশি প্রভাবিত হয়েছিলেন, এবং তাঁরা ব্যবসার জন্য সবচেয়ে গুরুত্বপূর্ণ নাকি সামলাতে সবচেয়ে কম সক্ষম। আলোচনা করুন প্রভাবের বিবৃতি কি এমন কিছু যা একজন গ্রাহক চিনবেন। পরের বার নির্ভরযোগ্যভাবে সংগ্রহ করা যায় এমন প্রভাবের একটি পরিমাপে একমত হোন।
4. মানুষ যখন দরকার তখন কি আমাদের কাছ থেকে শুনেছিলেন, এবং বার্তা কি কাজের ছিল? সম্মত ছন্দের বিপরীতে প্রথম নোটিশ ও প্রতিটি হালনাগাদ যাচাই করুন। একজন গ্রাহকের মতো আসল বার্তাগুলো পড়ুন। জিজ্ঞাসা করুন সেগুলো কী জানা, কী জানা নেই এবং পরবর্তী হালনাগাদ কখন আসবে বলেছিল কি না। আলোচনা করুন ইনসিডেন্টের সময় যোগাযোগের মালিক কে এবং সেই ব্যক্তি তা করতে মুক্ত কি না।
5. আমাদের শেষ তিনটি পর্যালোচনার পদক্ষেপের কী হয়েছে? পদক্ষেপগুলো একটি তালিকায় টানুন এবং প্রতিটি সম্পন্ন, চলমান, বিলম্বিত বা প্রত্যাখ্যাত হিসেবে চিহ্নিত করুন। বিলম্বিতগুলোর জন্য জিজ্ঞাসা করুন কী আটকাচ্ছে: ধারণক্ষমতা, মালিকানা, অগ্রাধিকার, নাকি অস্পষ্ট পরিধি। পরবর্তী পরিচালনা বা পরিকল্পনা সভায় বিলম্বিত পদক্ষেপ কীভাবে তোলা হবে ঠিক করুন।
6. আমরা বড় ইনসিডেন্টের সংখ্যার ওপর মাপা হলে ভিন্ন কী করতাম, এবং গ্রাহকেরা কি ভালো থাকতেন? এই প্রশ্ন ঘটার আগে কারসাজির উপায় সামনে আনে। গোষ্ঠীকে সৎভাবে বলতে বলুন তাঁরা কী বদলাতে পারেন: সীমা, লেবেল, কে ঘোষণা করে। তারপর জিজ্ঞাসা করুন ভালো লক্ষ্য কী। ভালো উত্তর যায় গ্রাহকের প্রভাব, ঘোষণার সময় ও অনুসরণের দিকে, যা ব্যবহারকারীদের সাহায্য না করে কারসাজি করা কঠিনতর। উত্তরটি একটি রক্ষাবেষ্টনী হিসেবে লিপিবদ্ধ করুন।
চারটি দৃষ্টিভঙ্গি
পণ্য ও ডেলিভারি দল
পণ্য দল বড় ইনসিডেন্টের মুখোমুখি হয় পরিকল্পিত কাজে বাধা হিসেবে এবং নিজেদের পরিবর্তনের ওপর প্রতিক্রিয়া হিসেবে। পরিষ্কার প্রভাবের সংখ্যা, নিজেদের ইনসিডেন্টের সময়রেখায় দ্রুত প্রবেশাধিকার এবং কাজের জায়গাসহ তাদের ব্যাকলগে আসা পর্যালোচনার পদক্ষেপ থেকে তারা সবচেয়ে বেশি লাভ করে। ইনসিডেন্টের ফলোআপের জন্য ধারণক্ষমতা সংরক্ষণ করুন, এবং পদক্ষেপকে ফিচারের মতো একই মর্যাদার কাজ হিসেবে দেখুন। কারণের শ্রেণি ভাগ করুন যাতে বারবার ঘটা ট্রিগার চর্চার পরিবর্তনে নিয়ে যায় (বিষয় 2.9, পরিচালনামূলক কাজ ও অপরিকল্পিত কাজ দেখুন)।
সেবা ও পরিচালন দল
পরিচালন দল সাড়া চালায় এবং রাতের কাজের খরচ বহন করে। তাদের এমন মানদণ্ড দরকার যা রাত ৩টায় প্রয়োগ করা যায়, এমন একটি কমান্ডার ও যোগাযোগের ভূমিকা যাতে তারা কর্মী নিয়োগ করতে পারে, এবং পরে স্মৃতি থেকে নয়, ঘটনা ঘটার সময়ই সময়রেখা ধরে এমন টুল। বড় ইনসিডেন্ট ছোট একটি গোষ্ঠীর ওপর যে ভার ফেলে তার দিকে তাদের নজর রাখা উচিত (বিষয় 5.7, একঘেয়ে কাজ ও অন-কলের মেট্রিক দেখুন), এবং সমাধানকারীদের তুলনা করতে নয়, প্রতিরোধের কাজ চাইতে এই বিষয়ের মেট্রিক ব্যবহার করা উচিত।
নেতৃত্ব ও গভর্ন্যান্স
মানুষ দ্রুত ঘোষণা করে ও সৎভাবে প্রতিবেদন করে কি না তা ঠিক করে নেতারা যে পরিবেশ তৈরি করেন। তাঁদের প্রতিটি বড় ইনসিডেন্টের গল্প এবং এক বছরের প্রবণতা চাওয়া, গণনায় লক্ষ্য এড়ানো, এবং গ্রাহকের প্রভাব, শনাক্তকরণের ফাঁক ও সম্পন্ন পদক্ষেপ সম্পর্কে জিজ্ঞাসা করা উচিত। পর্যালোচনার সুপারিশ করা প্রতিরোধের কাজে অর্থায়ন করুন, এবং ডেলিভারি পরিকল্পনার একই ফোরামে তা পর্যালোচনা করুন। গভর্ন্যান্স তখন দেখতে পারে শিক্ষা পরিবর্তনে পরিণত হচ্ছে কি না (নির্ভরযোগ্যতা ও বিনিয়োগ যুক্ত করার একটি উপায়ের জন্য বিষয় 5.2, SLI, SLO ও ত্রুটির বাজেট দেখুন)।
গ্রাহক ও ব্যবহারকারী
গ্রাহকেরা একটি বড় ইনসিডেন্ট বিচার করেন কতক্ষণ প্রভাবিত ছিলেন, তাঁদের জানানো হয়েছিল কি না এবং তা আবার ঘটে কি না দিয়ে। দেরিতে পালিশ করা নোটিশের চেয়ে আগেভাগের সৎ নোটিশ তাঁদের ভালো সেবা দেয়। তাঁদের একটি স্ট্যাটাস চ্যানেল, নির্ভর করার মতো একটি ছন্দ, এবং পরে কী ঘটেছিল ও কী বদলাবে তার একটি পরিষ্কার বিবরণ দিন। যেখানে চুক্তি প্রযোজ্য, সেখানে সেবা স্তর চুক্তিতে সম্মত শর্তে প্রতিবেদন করুন (বিষয় 5.1, SLA, OLA ও XLA মেট্রিক দেখুন)। ইনসিডেন্টের পরে সন্তুষ্টি জিজ্ঞাসা করার মতো (বিষয় 6.1, গ্রাহক-সন্তুষ্টির মেট্রিক দেখুন)।
বাস্তবে: সেবা ব্যবস্থাপনার একটি উদাহরণ
একটি মাঝারি আকারের অনলাইন খুচরা বিক্রেতা একটি স্টোরফ্রন্ট, একটি পেমেন্ট সেবা এবং একটি অর্ডার ব্যবস্থাপনা সেবা চালায়, প্রতিটি একটি পণ্য দলের মালিকানায়, একটি ভাগ করা প্ল্যাটফর্ম দল অন-কলে। একটি ছোট সেবা ব্যবস্থাপনা গোষ্ঠী বড় ইনসিডেন্ট প্রক্রিয়া চালায়। এই উদাহরণের সব সংখ্যা দৃষ্টান্তমূলক।
গত দুই ত্রৈমাসিকে খুচরা বিক্রেতা পাঁচটি বড় ইনসিডেন্ট ঘোষণা করেছে (দৃষ্টান্তমূলক)। সেবা ব্যবস্থাপনা গোষ্ঠী প্রতিটিকে প্রভাবের শুরু, ঘোষণার সময়, পুনরুদ্ধারের সময়, আনুমানিক ব্যর্থ অর্ডার, প্রথম গ্রাহক নোটিশের সময় এবং পর্যালোচনার অবস্থাসহ একটি সারি হিসেবে দেখায়। তারা লক্ষ করে প্রভাবের শুরু ও ঘোষণার মধ্যবর্তী ফাঁকের মধ্যমান ৩৮ মিনিট (দৃষ্টান্তমূলক), যা ঘোষণা থেকে পুনরুদ্ধার পর্যন্ত ৫২ মিনিটের (দৃষ্টান্তমূলক) মধ্যমানের প্রায় সমান। পাঁচটি ইনসিডেন্টে তারা দুটি সংখ্যাকেই মোটামুটি ধরে এবং বদলে সময়রেখা পড়ে। পাঁচটির তিনটিতে একটি পর্যবেক্ষণ সতর্কবার্তা আগে বেজে একটি ভাগ করা চ্যানেলে অস্বীকৃত পড়ে ছিল।
দল ওই সতর্কবার্তার শ্রেণি অন-কলের পেজারে রুট করতে এবং মানদণ্ডে একটি লাইন যোগ করতে ঠিক করে যে টিকিটের অপেক্ষা না করে একটি ধারাবাহিক চেকআউট ব্যর্থতার সংকেতই ঘোষণার জন্য যথেষ্ট। তারা ঘোষণার ২০ মিনিটের মধ্যে প্রথম গ্রাহক নোটিশের একটি লক্ষ্যও ঠিক করে (দৃষ্টান্তমূলক), এবং প্রতি ইনসিডেন্টে তা যাচাই করে। পাঁচটির দুটি তা পূরণ করেছে। ডিপ্লয়মেন্ট দল একটি স্ট্যাটাস পাতার টেমপ্লেট যোগ করে যা একজন যোগাযোগ-প্রধান চাপের মধ্যে পূরণ করতে পারেন।
একই পর্যালোচনায় তারা একটি কারসাজির ঝুঁকি পায়। একটি পণ্য দলের ব্যবস্থাপক "দুটির বেশি বড় ইনসিডেন্ট নয়" একটি ত্রৈমাসিক লক্ষ্য প্রস্তাব করেছিলেন। সেবা ব্যবস্থাপনা গোষ্ঠী নির্দেশ করে আগের ত্রৈমাসিকে একটি ইনসিডেন্ট চেকআউটে গ্রাহকেরা ব্যর্থ হওয়া অবস্থায় চার ঘণ্টা উচ্চ অগ্রাধিকারে ছিল, যা কখনও ঘোষিত হয়নি কারণ দলটি সীমার কাছাকাছি ছিল। তারা লক্ষ্যটি তিনটি পরিমাপ দিয়ে প্রতিস্থাপন করে: ঘোষণার সময়, প্রতি ইনসিডেন্টে ব্যর্থ অর্ডার, এবং সময়মতো সম্পন্ন পর্যালোচনার পদক্ষেপের অংশ। তারা মালিক দলের বাইরের কারো দ্বারা পড়া উচ্চ-অগ্রাধিকারের ইনসিডেন্টের একটি ত্রৈমাসিক নমুনার রক্ষাবেষ্টনী যোগ করে। পরের ত্রৈমাসিকে ঘোষিত গণনা চারে ওঠে (দৃষ্টান্তমূলক), ঘোষণার সময়ের মধ্যমান কমে, এবং নমুনা-করা পর্যালোচনা কোনো ফসকানো ঘোষণা পায় না।
এজাইল, এআই, অটোমেশন ও বিশ্লেষণ
এজাইল
প্রতিটি বড় ইনসিডেন্টের পর অংশীজনদের সঙ্গে একটি দোষারোপহীন পর্যালোচনা চালান এবং নিয়মিত ছন্দে পদক্ষেপের অনুসরণ করুন। সতর্কতা হলো, কম বড় ইনসিডেন্টের লক্ষ্য কম ঘোষণা উৎসাহিত করে, তাই ঘোষণার সময় ও গ্রাহকের প্রভাবও মাপুন।
এআই
এআই একটি বড় ইনসিডেন্টের সময় শনাক্ত, সংক্ষেপ ও যোগাযোগে সাহায্য করতে এবং একটি পর্যালোচনার প্রথম সংস্করণ খসড়া করতে পারে। যোগাযোগের সময়ানুবর্তিতাকে যা জানানো হয়েছে তার নির্ভুলতার সঙ্গে জোড় বাঁধুন, এবং চিহ্নিত করুন একটি পর্যালোচনার কোন অংশ এআই খসড়া করেছে এবং একজন মানুষ যাচাই করেছেন। সতর্কতা হলো, একটি ইনসিডেন্টের আত্মবিশ্বাসী এআই সারসংক্ষেপ ভুল হতে পারে, তাই চূড়ান্ত বিবরণের মালিক একজন মানুষ।
অটোমেশন
চ্যাট, পেজিং ও পর্যবেক্ষণ থেকে সময়রেখা ধারণ স্বয়ংক্রিয় করুন যাতে পর্যালোচনা তথ্য থেকে শুরু হয়, এবং পেজিংয়ের ব্যর্থতার মতো ইনসিডেন্টের টুলিং নিজেই মাপুন। সতর্কতা হলো, স্বয়ংক্রিয় স্ট্যাটাস পোস্ট যাঁদের দরকার তাঁদের কাছে না পৌঁছে যোগাযোগের মতো দেখাতে পারে।
বিশ্লেষণ
বড় ইনসিডেন্ট বিরল, তাই হার ও গড় নয়, গণনা, সময়রেখা ও গ্রাহকের প্রভাব ব্যবহার করুন। এটি যে সিদ্ধান্তে তথ্য জোগায় তা হলো কী ঠিক করবেন এবং কী মহড়া দেবেন। সতর্কতা হলো, ছোট সংখ্যা অতি-ব্যাখ্যাকে আমন্ত্রণ জানায়, তাই মুষ্টিমেয় ঘটনা থেকে প্রবণতার দাবি এড়ান।
খাতভিত্তিক দৃষ্টিকোণ
স্টার্টআপ। একটি স্টার্টআপের হয়তো কোনো আনুষ্ঠানিক বড় ইনসিডেন্ট প্রক্রিয়া নেই, শুধু যিনি জেগে আছেন তিনি। এক অনুচ্ছেদের সংজ্ঞা, প্রতিটি ঘটনার জন্য একজন নামযুক্ত সমন্বয়কারী এবং সময়রেখা লিপিবদ্ধ করা একটি ভাগ করা দলিল দিয়ে শুরু করুন। ইনসিডেন্ট গুনুন এবং এক বাক্যে প্রভাব লিখে রাখুন। পর্যালোচনা অর্ধ পাতার নোট হতে পারে, এবং ফলোআপ দলের ব্যাকলগের একটি আইটেম।
ছোট ব্যবসা। একটি ছোট ব্যবসা প্রায়ই তার সেবার বেশিরভাগের জন্য সরবরাহকারীদের ওপর নির্ভর করে, তাই সময়রেখায় সরবরাহকারীর অপেক্ষা অন্তর্ভুক্ত। ইনসিডেন্টের সময়রেখায় সরবরাহকারীর সঙ্গে যোগাযোগ ও সাড়ার সময় লিপিবদ্ধ করুন, কারণ সেগুলো স্থিতিকালের অনেকটা ব্যাখ্যা করে এবং চুক্তি নিয়ে আলাপের প্রমাণ দেয়। গ্রাহকের যোগাযোগ সহজ রাখুন: একটি চ্যানেল, একজন মানুষ এবং একটি ঘোষিত হালনাগাদের ব্যবধান।
এন্টারপ্রাইজ। এন্টারপ্রাইজ বহু সেবা চালায় এবং প্রতিটি সময়কালে অনেক ইনসিডেন্ট থাকে, তাই প্রতি সেবায় গণনা এবং একটি সমষ্টি দুটোই কাজের। ঝুঁকি হলো বিভাগগুলোর মধ্যে অসংগত মানদণ্ড এবং ঘোষণা ধীর করার মতো ভারী প্রক্রিয়া। সংজ্ঞা সারিবদ্ধ করুন, প্রথম পনেরো মিনিটের জন্য প্রক্রিয়া হালকা রাখুন, এবং একটি অভিন্ন রেকর্ডের বিন্যাস ব্যবহার করুন যাতে প্রভাব ও যোগাযোগ তুলনা করা যায়।
সরকার ও জনসেবা খাত। সরকারি সংস্থার প্রায়ই বিধিবদ্ধ দায়িত্ব আছে, যেমন নিয়ন্ত্রক বা জনসাধারণকে জানানো, এবং বিকল্প নেই এমন নাগরিকদের জন্য ব্যর্থতার উচ্চতর খরচ। বিজ্ঞপ্তির দায়িত্ব পালন এবং দুর্বল গোষ্ঠীর ওপর প্রভাবের পরিমাপ যোগ করুন, এবং নিরীক্ষা ও জনসাধারণের তথ্যের অনুরোধ সামলাতে পারে এমন রেকর্ড রাখুন। ক্রয় চক্র কর্মপদক্ষেপে বিলম্ব ঘটাতে পারে, তাই আটকে থাকা পদক্ষেপ ট্র্যাক করুন এবং এসক্যালেট করুন।
ব্যবসায়িক যুক্তি: প্রেরণা, ROI ও TCO
প্রেরণা হলো সবচেয়ে বেশি ক্ষতিকর ইনসিডেন্টের খরচ কমানো: হারানো রাজস্ব বা সেবা, ক্ষতিগ্রস্ত আস্থা, কর্মীর ক্লান্তি এবং নিয়ন্ত্রণের ঝুঁকি। বড় ইনসিডেন্টের পরিমাপের একটি ছোট, সঙ্গতিপূর্ণ সংগ্রহ দেখায় সেই খরচ কোথা থেকে আসে, শনাক্তকরণ ও যোগাযোগ উন্নত হচ্ছে কি না, এবং প্রতিরোধে বিনিয়োগ ফল দিচ্ছে কি না। গণনা ছাড়া কিছু না দেখানো পরিমাপ খরচকে ইনসিডেন্ট লুকানোর দিকে ঠেলে।
তথ্য ইতিমধ্যে ITSM টুল, পর্যবেক্ষণ ব্যবস্থা এবং ইস্যু ট্র্যাকারে থাকলে সংগ্রহের খরচ মাঝারি। প্রধান খরচ হলো সংজ্ঞায় একমত হওয়া, ইনসিডেন্টের রেকর্ডকে পর্যবেক্ষণ ও পদক্ষেপের ব্যাকলগের সঙ্গে যুক্ত করা, এবং প্রতিটি পর্যালোচনা লিখতে সময়। রেকর্ড সঙ্গতিপূর্ণ করার বাইরে মেট্রিকের খরচ সামান্য।
প্রতিদান দেখা দেয় ছোট ঘোষণার সময়, পরিষ্কার যোগাযোগ, কম পুনরাবৃত্ত ইনসিডেন্ট এবং কম পুনঃকাজ হিসেবে। কোনো সার্বজনীন সংখ্যা প্রযোজ্য নয়, তাই নিজের অনুমান করুন: গত বছরের বড় ইনসিডেন্ট নিন, অর্থ বিভাগের সঙ্গে প্রতিটি সেবার জন্য এক ঘণ্টার প্রভাবের খরচ অনুমান করুন, এবং পুনরাবৃত্ত কারণ ঠেকাতে যে ফলোআপের কাজ দরকার হবে তার খরচের সঙ্গে তুলনা করুন। মোট মালিকানা খরচে পর্যালোচকদের সময়, সময়রেখা ও স্ট্যাটাস পাতার টুলিং, এবং ফলোআপ পদক্ষেপের জন্য আলাদা রাখা ধারণক্ষমতা অন্তর্ভুক্ত, যেখানে বেশিরভাগ কর্মসূচি কম বিনিয়োগ করে।
অ্যান্টি-প্যাটার্ন ও ফাঁদ
- বড় ইনসিডেন্টের সংখ্যার লক্ষ্য। এটি মানুষকে ঘোষণা এড়াতে শেখায়। বদলে ঘোষণার সময়, প্রভাব ও অনুসরণ ট্র্যাক করুন, এবং ফসকানো ঘোষণার জন্য নমুনা নিন।
- বড় ইনসিডেন্টের জন্য একক গড় পুনরুদ্ধারের সময়। অল্প ঘটনায় একটি দীর্ঘ বিভ্রাট প্রাধান্য পায়। বদলে প্রতিটি ইনসিডেন্ট দেখান, তারপর এক বছরে মধ্যমান ও দীর্ঘতম গণনাসহ।
- ঘোষণায় ঘড়ি শুরু করা। এটি শনাক্তকরণ ও ঘোষণার বিলম্ব লুকায়। বদলে গ্রাহকের প্রভাবের প্রাচীনতম প্রমাণে শুরু করুন এবং ফাঁক আলাদা প্রতিবেদন করুন।
- ইনসিডেন্টের মেট্রিক দিয়ে সমাধানকারী বা দলকে ক্রম দেওয়া। এটি খোলামেলা কথা ধ্বংস করে এবং পর্যালোচনা ভাঙে। বদলে সেবা ও ব্যবস্থা অনুযায়ী প্রতিবেদন করুন এবং তথ্য থেকে নাম দূরে রাখুন।
- দলিল প্রকাশ হলেই পর্যালোচনা সম্পন্ন ভাবা। পরিবর্তনই উদ্দেশ্য। বদলে পদক্ষেপের অনুসরণ মাপুন এবং প্রতি মাসে বিলম্বিত পদক্ষেপ দেখুন।
- নীরব সীমা পরিবর্তন। প্রবণতা অর্থহীন হয়। বদলে মানদণ্ডের সংস্করণ দিন এবং প্রতিবেদনে পরিবর্তন নোট করুন।
- শুধু টিকিটকে প্রভাব গোনা। অনেক প্রভাবিত ব্যবহারকারী কখনও ফোন করেন না। বদলে টেলিমেট্রি ব্যবহার করুন এবং সহজ ভাষায় প্রভাবের বিবৃতি যোগ করুন।
- দোষ দিতে মেট্রিক ব্যবহার করা। তখন মানুষ তথ্য লুকায়। বদলে পর্যালোচনা দোষারোপহীন রাখুন, অবস্থা ও সিদ্ধান্তে মনোযোগ দিন এবং ব্যবস্থার কারণ খুঁজুন।
পরিপক্বতার মডেল
| মাত্রা | 1 সূচনা | 2 বিকাশ | 3 মানসম্মত | 4 পরিচালিত | 5 সুসমন্বিত |
|---|---|---|---|---|---|
| সংজ্ঞা ও ঘড়ি | বড় মানে যা সবচেয়ে জোরে বলা মানুষ বলেন; সময় স্মৃতি থেকে আসে | কিছু দলের মানদণ্ড আছে এবং শুরু ও শেষের সময় লেখে | প্রভাবের শুরু, ঘোষণা ও পুনরুদ্ধারের ঘড়ির নিয়মসহ একটি লিখিত, সংস্করণযুক্ত সংজ্ঞা | সংজ্ঞা ও ঘড়ি পর্যবেক্ষণের বিপরীতে নিরীক্ষিত; পরিবর্তন কারণসহ লগ করা | মানদণ্ড ও ঘড়ি সরবরাহকারী ও গ্রাহকদের সঙ্গে সম্মত, সিদ্ধান্তে তথ্য জোগানো বন্ধ হলে সংশোধিত |
| প্রভাব ও যোগাযোগ | প্রভাব কাহিনিতে বর্ণিত; কারো মনে থাকলে হালনাগাদ পাঠানো হয় | কিছু ইনসিডেন্টের জন্য প্রভাব অনুমিত; কিছু দল স্ট্যাটাস পাতা ব্যবহার করে | মূল সেবার জন্য টেলিমেট্রি থেকে মাপা প্রভাব; হালনাগাদের লক্ষ্য ঠিক ও ট্র্যাক করা | প্রভাব ও যোগাযোগ ট্র্যাক করা এবং গ্রাহকের প্রতিক্রিয়ার সঙ্গে যুক্ত | সম্মিলিত উন্নয়নের পদক্ষেপসহ অভিন্ন বিন্যাসে গ্রাহক ও সরবরাহকারীদের সঙ্গে প্রভাব ভাগ করা |
| পর্যালোচনা ও অনুসরণ | পর্যালোচনা বিরল ও অলিখিত; পদক্ষেপ ভুলে যাওয়া | কিছু দল পর্যালোচনা লেখে; পদক্ষেপ লিপিবদ্ধ কিন্তু ট্র্যাক করা নয় | প্রতিটি বড় ইনসিডেন্ট সময়মতো পর্যালোচিত; পদক্ষেপ দলের ব্যাকলগে ট্র্যাক করা | বিলম্বিত পদক্ষেপ ও বারবার ঘটা কারণ ছন্দ ধরে পর্যালোচিত, অর্থায়িত প্রতিরোধের কাজসহ | ধারা দল ও সরবরাহকারী জুড়ে ভাগ করা; শিক্ষা নিয়মিত নকশা ও পরিকল্পনা বদলায় |
| সিদ্ধান্তে ব্যবহার | ঘটনার পরে সংখ্যা উদ্ধৃত | প্রেক্ষাপট ছাড়া নেতাদের গণনা দেখানো | সেবার মালিক দলগুলোকে সময়রেখা ও প্রবণতা দেখানো | মেট্রিক রক্ষাবেষ্টনীর সঙ্গে জোড় বাঁধা এবং নির্ভরযোগ্যতার কাজের অগ্রাধিকারে ব্যবহৃত | প্রভাব ও পুনরাবৃত্তির প্রমাণ ব্যবহার করে সেবাজুড়ে নির্ভরযোগ্যতায় বিনিয়োগ যৌথভাবে ঠিক |
চেকলিস্ট
- ঘোষণার মানদণ্ড লেখা, সংস্করণযুক্ত এবং অন-কলের সবার জানা।
- সরল বিশ্বাসে ঘোষণা সুস্পষ্টভাবে নিরাপদ, এবং গণনায় কোনো লক্ষ্য নেই।
- প্রভাবের শুরু, ঘোষণা ও পুনরুদ্ধারের সময় সংজ্ঞায়িত এবং পর্যবেক্ষণ বা নিরীক্ষা ট্রেইল থেকে নেওয়া।
- প্রতিটি বড় ইনসিডেন্ট ধাপের সময়রেখাসহ নিজের সারি হিসেবে দেখানো।
- গ্রাহকের প্রভাব যেখানে আছে সেখানে টেলিমেট্রি থেকে নির্গত এবং সহজ ভাষায় একটি বিবৃতিতে বর্ণিত।
- প্রথম নোটিশ ও হালনাগাদের ছন্দের লক্ষ্য ঠিক করা এবং প্রতি ইনসিডেন্টে যাচাই করা।
- সম্মত জানালার মধ্যে একটি পর্যালোচনা প্রকাশিত এবং তার পদক্ষেপ মালিক দলের ব্যাকলগে আছে।
- বিলম্বিত পদক্ষেপ ও বারবার ঘটা কারণ সূচি ধরে পর্যালোচিত।
- ফসকানো ঘোষণা যাচাই করতে উচ্চ-প্রভাবের সাধারণ ইনসিডেন্টের একটি ত্রৈমাসিক নমুনা নেওয়া হয়।
- প্রতিটি মেট্রিকের একটি নামযুক্ত রক্ষাবেষ্টনী আছে এবং কোনো মেট্রিক ব্যক্তিকে ক্রম দিতে ব্যবহৃত হয় না।
এআই প্রম্পট
পর্যালোচনার জন্য ঘোষণার মানদণ্ডের খসড়া করুন।
আমি [সংগঠনের ধরন]-এ একটি বড় ইনসিডেন্ট ঘোষণার মানদণ্ডের খসড়া করছি। আমাদের সেবা
[সেবার তালিকা] এবং আমাদের দল [দলের তালিকা]। ব্যবহারকারী [ব্যবহারকারীদের বর্ণনা]।
প্রতিটির জন্য দুই-তিনটি উদাহরণসহ ঘোষণার মানদণ্ডের একটি সংক্ষিপ্ত সংগ্রহ, একটি দল যা নিয়ে
তর্ক করতে পারে এমন অস্পষ্টতার তালিকা, এবং [অংশীজন]-এর সঙ্গে আমার যে প্রশ্ন মেটানো উচিত
তা প্রস্তাব করুন। সীমা বা বেঞ্চমার্ক মান বানাবেন না; যেখানে সংখ্যা দরকার সেখানে
[প্লেসহোল্ডার] ব্যবহার করুন। আপনার অনুমান তালিকা করুন।
একটি ইনসিডেন্টের সময়রেখা পুনর্গঠন ও সমালোচনা করুন।
এখানে একটি বড় ইনসিডেন্টের সময়রেখা: [টাইমস্ট্যাম্প ও উৎসসহ সময়রেখা পেস্ট করুন]।
প্রভাবের শুরু, ঘোষণা, প্রশমন ও পূর্ণ পুনরুদ্ধার চিহ্নিত করুন, এবং বলুন কোন টাইমস্ট্যাম্প
অনিশ্চিত ও কেন। স্থিতিকালকে ধাপে ভাগ করুন এবং সবচেয়ে বড় বিলম্ব কোথায় ঘটেছে নোট
করুন। সমাধানকারীদের জিজ্ঞাসা করার প্রশ্ন এবং খোঁজার মতো পর্যবেক্ষণের প্রমাণ প্রস্তাব
করুন। সময়রেখায় নেই এমন তথ্য বানাবেন না। আপনার অনুমান তালিকা করুন।
ইনসিডেন্ট-পরবর্তী পদক্ষেপের একটি সংগ্রহ পর্যালোচনা করুন।
নিচে [সেবা]-র জন্য [সংখ্যা]টি ইনসিডেন্ট-পরবর্তী পর্যালোচনার পদক্ষেপ: [মালিক, নির্ধারিত
তারিখ ও অবস্থাসহ পদক্ষেপ পেস্ট করুন]। বিষয় অনুযায়ী সেগুলো ভাগ করুন, অস্পষ্ট, তুচ্ছ বা
মালিকহীন পদক্ষেপ চিহ্নিত করুন, এবং [মালিক দল]-এর জন্য সমস্যা রেকর্ড বা ব্যাকলগ আইটেম
ইঙ্গিত করে এমন ধারা শনাক্ত করুন। কার্যসম্পাদন অনুযায়ী ব্যক্তি বা দলকে ক্রম দেবেন না।
কারণ বানাবেন না। আপনার অনুমান এবং বিশ্লেষণ উন্নত করতে যে তথ্য দরকার তা তালিকা করুন।
একটি প্রস্তাবিত মেট্রিকের কারসাজি পরীক্ষা করুন।
আমরা [মেট্রিকের নাম] ট্র্যাক করার পরিকল্পনা করছি, সংজ্ঞা [সংজ্ঞা] এবং মাপা হবে [তথ্যের
উৎস] থেকে। বর্ণনা করুন [ভূমিকা] দ্বারা এই মেট্রিকে কীভাবে কারসাজি হতে পারে, কোন সৎ
আচরণকে এটি নিরুৎসাহিত করতে পারে, এবং প্রতিটি ঘটনা ধরবে এমন কোন জোড়া রক্ষাবেষ্টনী
মেট্রিক বা চর্চা। [দলের আকার]-এর একটি দলের জন্য প্রস্তাবগুলো ব্যবহারিক রাখুন। বেঞ্চমার্ক
মান বা উৎস বানাবেন না। আপনার অনুমান তালিকা করুন।
এআই স্কিল
- Service Management Metrics skill: সম্পর্কিত বিষয় এবং প্রতিটি বড় ইনসিডেন্টের মেট্রিকের পাশে যে রক্ষাবেষ্টনী থাকা উচিত তা খুঁজে পেতে ব্যবহার করুন।
- Service Management Metrics maintainer skill: এই বিষয়ের সম্পাদিত সংস্করণ এখনও কাঠামো ও রীতি অনুসরণ করে কি না যাচাই করতে ব্যবহার করুন।
মূল শিক্ষা
- বড় ইনসিডেন্ট বিরল, তাই প্রতিটিকে তার সময়রেখাসহ দেখান এবং কেবল দীর্ঘ জানালায় সংখ্যার পাশে গণনাসহ সারসংক্ষেপ করুন।
- গ্রাহকের প্রভাবে ঘড়ি শুরু করুন, এবং ঘোষণার আগের ফাঁক নিজস্ব পরিমাপ হিসেবে প্রতিবেদন করুন।
- প্রভাব ব্যবহারকারী ও ব্যবহারের ভাষায় মাপুন, এবং সংখ্যা যা ফসকায় তার জন্য সহজ ভাষায় একটি বিবৃতি যোগ করুন।
- যোগাযোগের সময়ানুবর্তিতাকে সাড়ার অংশ হিসেবে দেখুন, দর্শক অনুযায়ী লক্ষ্য ও স্থির হালনাগাদের ছন্দসহ।
- একটি পর্যালোচনা সম্পন্ন হয় যখন তার পদক্ষেপ সম্পন্ন হয়, তাই অনুসরণ ও বারবার ঘটা কারণ ট্র্যাক করুন।
- গণনায় কখনও লক্ষ্য ঠিক করবেন না, মানুষকে কখনও ক্রম দেবেন না, এবং ঘোষণাকে নিরাপদ রাখুন।
তথ্যসূত্র ও আরও পড়ার জন্য
- Beyer, B., Jones, C., Petoff, J., and Murphy, N. R. (eds.), Site Reliability Engineering: How Google Runs Production Systems, O'Reilly Media, 2016, https://sre.google/sre-book/table-of-contents/
- Lunney, L., and Lueder, S., "Postmortem Culture: Learning from Failure," in Site Reliability Engineering, O'Reilly Media, 2016, https://sre.google/sre-book/postmortem-culture/
- Beyer, B., et al. (eds.), "Managing Incidents," in Site Reliability Engineering, O'Reilly Media, 2016, https://sre.google/sre-book/managing-incidents/
- Forsgren, N., Humble, J., and Kim, G., Accelerate: The Science of Lean Software and DevOps, IT Revolution, 2018.
- Goodhart, C. A. E., "Problems of Monetary Management: The U.K. Experience," in Papers in Monetary Economics, Reserve Bank of Australia, 1975.
- AXELOS (now PeopleCert), ITIL Foundation: ITIL 4 Edition, TSO, 2019.
- Wikipedia, ITIL.
- Wikipedia, Incident management (ITSM).
- Wikipedia, Percentile.
- Wikipedia, Agile software development.
- Wikipedia, Site reliability engineering.
- Wikipedia, Incident commander.
- Wikipedia, Postmortem documentation.
- Wikipedia, Root cause analysis.
- Wikipedia, Goodhart's law.