知识管理度量
依据知识是否在需要的时刻被使用和信任来度量它,而不是依据它有多少:把链接率、复用、新鲜度和可发现性放在一起观察,并把每个文章计数视为关于工作的问题,而不是得分。
概述与动因
服务团队每天都在积累知识:如何恢复一项服务、一条令人困惑的错误消息真正意味着什么、上次哪种变通办法站住了。知识管理(Knowledge management)是使这些知识可供下一个需要它的人获取的学科。在 ITIL 4(AXELOS 发布的 2019 年版框架,也是本书广泛记载的基础)中,知识管理本身就是一项实践,ITIL 还期望它支持事件处理、问题处理和服务台。本主题涵盖如何判断这种支持是否真实。
知识管理大部分可用的产出,最终都落入知识库(knowledge base):由文章、运行手册、已知错误记录和简短的操作指南式回答构成的存储。运行手册(runbook)是为一项例行操作或一次恢复所写的一组书面步骤。文章是团队所知道的东西中显性的部分。经验丰富的人的隐性知识(tacit knowledge),比如一种觉得某个告警只是噪声的感觉,无法被完全写下来,本主题中没有任何度量直接度量它。
在 ITIL 的视角中,知识是一项有生命周期的受管理资产:被创建、评审、发布、使用和淘汰。在敏捷视角中,文档必须配得上它的位置,交谈和结对承载了很多东西,而书面知识是完成工作的副产品。两种视角在检验标准上一致:这项知识是否帮助某人比没有它时更快或更好地解决了一个真实的问题?
使这两种视角最直接地联系起来的方法,是以知识为中心的服务(Knowledge-Centered Service,KCS),来自服务创新联盟(Consortium for Service Innovation)的一种方法论。在 KCS 中,知识在解决问题的过程中被捕获和改进,而不是事后。人们在两个回路中工作。求解回路是解决的那一刻:搜索现有的文章,找到就复用并改进,找不到就创建一篇。演进回路是较长的周期,研究知识表现如何,并改进它周围的系统。KCS 还提出了自己的指标,比如已解决的案例与文章链接的比率。本主题以中立于供应商的方式总结这些理念;正式采纳 KCS 的团队应阅读联盟自己的实践指南。
知识库中的文章数量是存量,不是成果,它因忽视而上升,与因用心而上升一样容易。下面的度量与使用的那一刻相联:一个被关闭的案例、一次进行的搜索、读者的一个反应。即便如此,它们也可能被扭曲(见主题 1.2,古德哈特定律与度量的心理学)。
联系和处理的测量值属于服务台(service desk)(见主题 3.1,服务台度量)。数量和重复模式来自事件数据(见主题 3.2,事件数量与优先级)。自助服务的成功,即用户无需坐席就使用文章,另行涵盖(见主题 3.7,自助服务与自动化度量)。本主题只关注知识本身的健康状况,以及解决问题的人对它的使用。
关键原则
- 在工作的节点上度量使用。 与已解决案例相联或被搜索找到的文章,是价值的证据。仅仅存在的文章则不是。
- 在工作流中捕获。 在解决期间写下的知识,比在单独的文档突击中写下的知识更新鲜、更便宜,所以度量应当奖励作为完成工作一部分的捕获。
- 把新鲜度与使用放在一起读。 旧不等于错。评审的精力属于经常被使用的文章,而不是均匀地铺在一份大多无人阅读的页面目录上。
- 为相关性抽样。 案例与文章之间的链接,只证明有人创建了这个链接。对文章是否真正契合的小批量人工抽样,告诉你该链接是否有意义。
- 描述团队和知识领域,绝不描述个人。 按人的贡献计数把共享资产变成竞争,并教人们写垃圾(见主题 1.2,古德哈特定律与度量的心理学)。
- 把每项数量度量与一个质量信号配对。 链接率配相关性,文章创建配重复,复用配读者反馈。
度量定义
该表列出七项度量。时间窗口(比如新鲜度的评审期)是团队作出并写下的选择;此处没有任何数值是基准。在全文中,“案例”指 ITSM(IT 服务管理)工具中的一条事件或服务请求记录,重大事件单独报告,使其不扭曲比率(见主题 3.4,重大事件度量)。
| 度量 | 定义 | 公式 | 单位 | 数据来源 | ITIL 实践 | 敏捷对应物 | 节奏 |
|---|---|---|---|---|---|---|---|
| 知识链接率 | 在解决的那一刻至少附有一篇知识文章的已解决案例占比 | 期内已解决的、至少有一篇关联文章的案例 / 期内已解决的案例。按解决日期计数;排除重大事件、以重复关闭的案例,以及无人工工作而自动关闭的案例 | 百分比 | ITSM 工具:案例和文章链接表 | 知识管理;事件管理 | 完成定义包括捕获所学到的 | 团队每周;评审每月 |
| 复用比 | 文章链接中,指向已有文章而不是在该案例期间创建的文章的占比 | 指向在案例开立之前就已存在的文章的链接 / 期内已解决案例上建立的所有文章链接。排除案例关闭之后才添加的链接 | 百分比 | ITSM 工具:文章创建日期对照案例开立日期 | 知识管理;持续改进 | 复用胜于返工;代码库及其文档的共同所有权 | 每月 |
| 文章新鲜度 | 在规定的评审窗口内经过评审,或经使用并被确认正确的在用文章占比 | 评审或确认使用日期在窗口之内的在用文章 / 在用文章。如果文章在过去 12 个月内(团队的选择)被关联到案例或被读者查看过,它即为在用;草稿和已淘汰的文章被排除 | 百分比 | 知识库元数据和查看日志 | 知识管理;服务台 | 文档的待办事项列表梳理;回顾会议行动 | 每月 |
| 零结果搜索率 | 没有返回任何文章的知识搜索占比 | 零结果的搜索 / 所有搜索。排除机器人和自动检查的搜索;在一分钟内重复的搜索只计一次 | 百分比 | 知识库或门户搜索日志 | 知识管理;服务台;服务请求管理 | 发现未被满足的用户需求;待办事项列表输入 | 每周 |
| 有用率 | 读者反馈中说文章有帮助的占比,连同回复率展示 | 有用票数 /(有用票数 + 无用票数),针对期内的文章;回复率 = 反馈票数 / 文章查看数 | 百分比,附回复率 | 知识库反馈组件和查看日志 | 知识管理;客户体验 | 对文档的干系人评审反馈 | 每月 |
| 发布时间 | 从文章草稿创建,到它被评审并对其受众可见所经过的时间 | 时钟从草稿创建时开始,到发布(或首个获批的可见状态)时停止。排除处于“搁置,等待产品发布”状态的时间;以中位数和第 85 百分位数报告 | 天(中位数和第 85 百分位数) | 知识库工作流历史 | 知识管理 | 一个工作项从开始到完成的前置时间(见主题 2.2,前置时间、周期时间与流动效率) | 每月 |
| 贡献广度 | 在团队中,文章创建和改进的分布情况,不点名度量 | 期内创建或改进了文章的不同贡献者 / 期内解决了案例的团队成员。仅针对团队报告,绝不作为姓名清单 | 百分比 | 与团队成员关系相连的知识库编辑历史 | 知识管理;持续改进 | 集体所有权;结对和群集协作 | 每季度 |
知识链接率有一个容易被忽略的时钟。链接必须在案例被解决时就存在,而不是一周后有人整理时才存在,因为迟来的链接度量的是清理,对解决期间的使用什么也说明不了。复用比取决于可靠的文章创建日期。如果文章被迁移或批量导入,它们的创建日期就会重置,在迁移被标注之前,比率会误导。
建议
决定知识是为了什么
1. 把每项知识度量与一个使用情形相联。 说出知识服务的对象:在首次联系中解决问题的服务台分析师、处理告警的值班工程师,或自助服务的用户。每类受众需要不同的测量值。值班工程师的运行手册,依据其步骤是否恢复了服务来评判,而密码重置的文章,依据用户是否不再联系服务台来评判。把它记录在你的登记册中(见主题 1.4,度量治理与归属)。
2. 从链接率和相关性开始,而不是文章计数。 链接率显示知识是否进入了解决的那一刻。从一开始就把它与每月一次的小规模抽样配对,由一个人阅读 20 或 30 个已链接的案例,判断文章是否契合。链接率 70% 而一半链接不相关,比链接率 40% 而链接诚实更糟,因为前者隐藏了后者所揭示的知识缺口。
3. 把“不存在文章”与“文章存在但没找到”分开。 当案例在没有链接的情况下关闭时,原因不同,修复也不同。添加一个简短的关闭选项,比如“不存在文章”和“没找到文章”,并把它们作为未链接案例的占比来报告。前者指向要写的内容;后者指向搜索、命名和结构。在会拖慢服务台之处,把该选项保持为可选,改为抽样。
在工作完成时捕获知识
4. 让捕获成为完成定义的一部分。 在敏捷团队中,改变服务行为的工作项,在运行手册、已知错误记录或帮助文章被更新之前,不算完成。在服务台中,需要探索的案例,在探索被捕获或现有文章被改进之前,不算解决。这就是在求解回路中工作的 KCS 理念,它让写作的成本保持较低,因为写作者的上下文还是新鲜的。
5. 允许轻量的草稿状态。 许多团队丢失知识,是因为每篇文章都必须通过繁重的评审才能让人看到。KCS 风格的实践把团队可见的在制品文章与更广泛受众可见的已验证文章区分开。把两个阶段的发布时间分别度量,以中位数和第 85 百分位数表示,使缓慢的评审表现为队列,而不是一句含糊的抱怨(见主题 1.6,服务度量的统计素养)。
6. 宁取改进,而不取创建。 不断增长的近似重复文章堆,使搜索更糟,也使新鲜度更难维护。在创建计数旁边观察复用比,当创建上升而复用下降时,寻找重复项。让合并和淘汰变得容易而可见,并把一次合并算作积极的贡献。
保持知识新鲜且可发现
7. 评审被使用的文章。 把评审的精力集中在使用多的地方。按被链接或被查看的频率给在用文章排序,并为最靠前的一组设定比长尾更短的评审窗口。无人阅读的陈旧文章成本很小;出现在三分之一解决中的陈旧文章,可能误导数百个案例。把经常使用的这一组的新鲜度作为自己的一行报告,使整个知识库的平均值不把它隐藏。
8. 把搜索失败视为待办事项列表项。 每月阅读最频繁的零结果搜索,并对每一个决定是写一篇文章、添加同义词、重命名一篇文章,还是接受该问题属于别处。这把一项度量变成团队可以处理的简短而具体的清单。它还显示真实的词汇,因为用户和分析师很少使用服务目录(service catalog)所用的词。
9. 阅读投票背后的话。 有用率成本低且噪声大。回复率通常很低,并偏向强烈的意见。在有用率旁边展示回复率,并在一次常设评审中阅读浏览量最多的文章上的书面评论。像“第 4 步在新版本中已不存在”这样的一条评论,抵得上一千个无标签的投票。
10. 把知识与问题和事后复盘联系起来。 反复用同一篇文章解决的反复出现的事件,是问题管理的信号,它寻找底层原因,并可能消除对这篇文章的需要(见主题 4.1,问题管理度量)。已知错误记录和事后复盘的教训,是有自己生命周期的知识资产(见主题 4.2,事后复盘与学习度量,以及主题 4.6,技术债与已知错误)。每个季度查看被链接最多的十篇文章,问哪些应当通过修复原因而被淘汰。
治理而不排名
11. 在团队层面报告贡献。 贡献广度告诉你,知识工作是共享的,还是集中在两个人身上。那是值得一看的风险,因为它与巴士因子(bus factor)为二是同样的模式。它绝不能变成作者的排行榜,那会奖励编辑的数量,并教人们拆分文章或做琐碎的更改。如果出现集中,就把它视为一场关于时间、支持和写作许可的团队交流(见主题 9.4,技能与学习度量)。
12. 淘汰不再有用的测量值。 如果没人根据链接率采取行动,就把注意力转向经常使用的这一组的相关性或新鲜度。连同理由记录任何定义变更,因为公式的改变会破坏趋势线(见主题 1.5,数据来源与埋点)。
钻空子途径与护栏
定义表中的每项度量都出现在这里。知识度量尤其暴露在风险之下,因为链接或评审的行为只是一次快速的点击,而真正的价值在于内容。
| 度量 | 如何被钻空子 | 配对的护栏度量或实践 |
|---|---|---|
| 知识链接率 | 在关闭之前给每个案例附上任意一篇文章,往往是通用的或非常热门的;事后批量链接 | 每月对已链接案例的相关性抽样;指向同样少数几篇文章的链接占比;链接时间戳对照解决时间戳 |
| 复用比 | 为每个案例创建新文章,然后立即链接,使其下次算作复用;或从不创建,使比率看起来完美 | 由定期搜索发现的重复文章率;以“不存在文章”为理由关闭的案例占比 |
| 文章新鲜度 | 不检查就把文章标为已评审;通过琐碎的编辑重置评审日期;只统计易于评审的文章 | 对近期评审的文章,对照真实服务抽样测试;同一批文章的有用率和书面评论 |
| 零结果搜索率 | 添加模糊的或包罗万象的、匹配任何查询的文章;堆砌关键词;把难处理的搜索词排除在日志之外 | 点击之后在短窗口内就同一主题再次联系;有用率;人工阅读主要的搜索词 |
| 有用率 | 只提示满意的读者去投票;隐藏“无用”选项;从团队内部投票 | 在比率旁边展示回复率和受访者构成;书面评论;阅读文章之后的联系率 |
| 发布时间 | 发布单薄的存根以停止时钟;把一篇文章拆成若干片段;把草稿移到时钟排除的状态 | 近期发布文章的相关性和有用率;处于被排除状态的草稿的数量和年龄 |
| 贡献广度 | 做琐碎的编辑,使每个人都显得是贡献者;请人们添加一句话以满足配额 | 抽查编辑的规模和实质;所贡献文章的复用和有用率;报告中不出现姓名 |
健康的读数显示:被链接的文章经人工抽样确认是相关的,复用比随知识库成熟而上升,经常使用的一组文章附有近期核实的评审,团队正在处理一份简短的搜索失败清单,且贡献分布在整个团队。有些案例没有文章,因为它们确实是新的,这是知识库诚实的迹象,而不是它失败的迹象。
权衡:利与弊
| 方法 | 优势 | 劣势 |
|---|---|---|
| 以高链接率为目标 | 把捕获和复用推入日常例行工作;易于理解 | 招致无意义的链接;隐藏不存在文章的缺口 |
| 手工抽样相关性 | 揭示链接是否有意义;建立共同的标准 | 占用分析师时间;小样本噪声大;取决于抽样者的判断 |
| 按固定时间表评审一切 | 易于规划和审计;一视同仁 | 把精力花在无人阅读的文章上;忽视经常使用的 |
| 按使用情况评审 | 把精力指向错误知识伤害最大之处 | 需要可靠的查看和链接数据;长尾文章可能在无人看见时腐烂 |
| 正式采纳 KCS | 给出一套连贯、经过检验的实践和指标 | 需要持续的投入、辅导和工具支持;对非常小的团队来说太重 |
| 以交谈和结对取代文章 | 传递判断和背景;开销低 | 无法扩展到轮班、休假和人员流动;知识随人离开 |
只度量到足以看出知识是否被使用和被信任,并把节省下来的精力花在内容上。对于小团队,链接率加每月的相关性抽样和一份简短的搜索失败清单,就是一个完整的计划。对于大型服务台,只有当有人拥有评审并据以行动时,完整的一套才物有所值。
与团队讨论的问题
1. 我们上一次解决一个困难的案例时,知识来自哪里?之后它又去了哪里? 挑选一个需要付出真正努力的近期案例,追踪所学到的东西的去向。是找到了一篇文章、问了一位同事,还是从头摸索出一个答案?问有同样问题的下一个人,是否能在五分钟之内找到答案。引导者应当寻找团队所知道的与知识库所持有的之间的差距。
2. 如果下个月我们把链接率提高到某个声明的目标,我们怎样能在不帮助任何人的情况下做到? 把钻空子的清单明确列出,并把它当作设计输入,而不是指控。常见的答案是链接一篇通用的文章、在关闭时批量链接,以及挑选最热门的文章。对每一个答案,问表中哪道护栏能发现它,以及多快。引导者应当带着至少一项新的检查离开,比如每月的相关性抽样,以及它的负责人。
3. 我们最依赖的五篇文章是哪些?它们上一次对照真实服务核实是什么时候? 查看被链接最多和被查看最多的文章,并一起大声读出其中两篇。交流往往显示,影响最大的文章恰恰是最少被用心对待的,这正是按使用情况评审的理由。
4. 人们在搜索什么而我们没有? 带来零结果搜索的前几名和未链接案例的原因。把它们归为要写的文章、要添加的词,以及属于另一个团队的问题。引导者应当记录接下来三项的简短清单,并规划如何在正常工作中而不是在特别项目中把它们写出来。
5. 谁撰写我们的知识?这对他们来说要付出什么代价? 坦率地讨论捕获。写作被视为工作的一部分,还是工作之后的额外工作?问什么拖慢了它:繁重的模板、缓慢的评审、害怕出错,还是在艰难的班次结束时没有时间。引导者应当避免追逐个人,而是转向工具、时间和许可方面的改变。
6. 我们的哪些文章应当不再被需要? 取复用最多的文章,问它们所变通的反复出现的原因是什么。每月使用 200 次的重置流程,可能是产品缺陷、令人困惑的界面或缺失的自动化的症状。决定把哪些项交给问题管理或产品团队,哪些自动化(见主题 3.7,自助服务与自动化度量)。引导者应当指出,好的知识工作最好的结果,有时是更少的文章。
四种视角
产品与交付团队
交付团队创造一项服务所需的大部分知识:一项功能如何表现、一个新错误意味着什么、如何回滚。如果这些知识在发布之前没有被捕获,服务台和值班团队就要吃苦头去学。把运行手册和帮助文章纳入完成定义,并把你所拥有服务的链接率和搜索失败作为反馈来观察。当同一篇文章被链接许多次时,把它视为对产品的缺陷报告,而不是文档的成功。
服务与运维团队
服务台和运维团队是知识库的主要生产者和消费者,所以这些度量大多归他们使用。诚实地走完求解回路:先搜索,复用并改进,没有契合的再创建。使用带相关性抽样的链接率,并把零结果搜索读作待办事项列表。避免任何作者或编辑的排行榜,因为知识库是共享的工具,按人的计数会损害它(见主题 3.1,服务台度量)。
领导层与治理
领导者决定知识工作是否获得时间,所以他们决定知识的质量。在索要文章数量之前,先索要相关性抽样和经常使用的文章的新鲜度。抵制没有护栏的链接率或文章创建的目标,并预期当数字因好的原因(比如重复项合并)而下降时,会听到这一点。为评审高使用量的文章,以及使文章变得不再必要的修复出资。
客户与用户
用户通过搜索、门户、聊天机器人或分析师给他们的答案接触知识。他们注意到的是第一个答案是否正确,以及他们是否必须重复自己的话。他们自己对文章的反馈、他们落空的搜索,以及他们的重复联系,是对本主题中一切内容最好的护栏。如果请用户为文章打分,就告诉他们反馈会怎样,并明显地据以行动(见主题 6.1,客户满意度度量)。
实践:一个服务管理示例
一家中型保险公司运营着一个约有十几名分析师的内部 IT 服务台,支持多个办公室的员工。该服务台与两个拥有理赔应用和文档门户的产品团队共享一个知识库。本示例中的所有数字均为示意。
领导层要求更好的首次联系解决率(见主题 3.1,服务台度量),并把知识链接率的目标设定为 60%,高于示意的 38%。六周内,仪表盘显示 64%。服务台负责人并不信服,因为分析师仍然抱怨找不到答案,而一位产品团队负责人提到,她所拥有的三篇文章出现在大多数已关闭的案例上。
团队开展了一次钻空子评审和相关性抽样。他们阅读了上个月随机抽取的 30 个已链接案例,并判断文章是否契合案例。在一个示意的计数中,30 个链接中有 11 个指向一篇通用的“如何登记工单”文章,或一份没有触及问题的一般网络概述。他们还发现,这些链接是在关闭案例后的几秒钟之内建立的,这一模式暗示出于习惯而不是使用。服务台负责人查看复用比,它上升了,也查看了以“不存在文章”为理由的未链接案例占比,它已降到几乎为零,因为分析师现在会挑选最接近的文章。知识的缺口已变得不可见。
团队作出三项决定。第一,撤回链接率目标,代之以经相关性调整的视图:链接率与抽样的相关链接占比一起报告,并让“不存在文章”这一关闭理由易于选择,且不被视为失败。第二,每月阅读零结果搜索,前五名成为下一批写作任务,由整个服务台分担。第三,被链接最多的 20 篇文章在一个月内评审新鲜度,由相关的产品团队负责,并把被链接到某项服务四分之一以上案例的任何文章,作为永久修复的候选交给问题管理(见主题 4.1,问题管理度量)。
两个月后,头条的链接率回落到示意的 51%,这感觉像坏消息。抽样的相关性以示意的数字从 63% 升到 85%,零结果搜索率下降,文档门户反复出现的登录问题在其原因处得到修复,使三篇文章被淘汰。负责人请领导层依据相关性和被淘汰的变通办法,而不是原始的链接率,来评判这一计划。
敏捷、AI、自动化与分析
敏捷
把知识视为解决问题的副产品,并得到用户关于文章是否有帮助的简短反馈。需要注意的是,文章数量的目标会产生单薄而重复的内容。
AI
AI 可以起草文章、根据知识库回答问题并揭示缺口,这会提高文章数量和使用,而质量可能下降。把链接率和复用与有用率配对,并与在发布之前由人评审过的 AI 起草文章占比配对。需要注意的是,由 AI 自信地提供的陈旧或错误的文章,会放大错误。
自动化
自动捕获搜索、查看和链接事件,并自动向负责人发送新鲜度提醒。就有多少提醒导致了更新来度量自动化。需要注意的是,自动过期并取消发布文章,可能移除有用的内容。
分析
利用搜索日志查看零结果查询,并展示有用率及回复数。这为之提供依据的决定是写、修复还是淘汰哪些文章。需要注意的是,一篇文章被查看并不等于得到了帮助。
行业视角
初创公司。 知识存在于少数人的脑子和聊天历史里。为夜间会出故障的东西写一份简短的运行手册清单,并在每起事件之后记录修复办法。每月检查一次主要运行手册是否仍然有效,就是足够的度量。
小型企业。 往往一个人既是服务台,又是管理员,也是知识的负责人。风险是巴士因子,因为如果这个人不在了,知识就消失了。使用一个简单的共享存储库,保持文章简短,并让一位承包商或同事测试关键流程。定期通读最常用的页面,胜过任何仪表盘。
大型企业。 规模带来重复的文章和参差不齐的质量。对链接率、新鲜度和复用使用共同的定义,按服务和团队报告,并为高使用量的文章指定负责人。避免比较团队,因为服务构成和知识库的年龄各不相同。
政府与公共部门。 记录规则、无障碍要求和审计期望,可能约束知识如何被存储、评审和淘汰。把这些当作设计输入:为影响公民的文章保留批准线索,并发布无障碍的内容。来自公民的反馈和搜索失败尤其有价值(见主题 8.5,受监管与政府报告)。
业务论证:动因、投资回报与总拥有成本
知识度量的成本不高。工具数据通常已存在于 ITSM 平台和知识库中。主要成本是定义度量的时间、检查相关性的每月小规模抽样、评审高使用量文章的时间,以及在解决问题的同时捕获知识的规范。如果知识平台缺乏可用的链接或搜索数据,还应当把对它埋点的成本包括在内(见主题 1.5,数据来源与埋点)。
回报是一种模式,本书不为它引用数字。当分析师迅速找到正确的文章时,解决更快、更一致,新员工更早变得有用,值班工程师对少数专家的依赖也减少。当用户自己找到答案时,服务台收到的针对已知问题的重复联系更少。这些度量通过显示知识在哪里缺失、陈旧或未被使用而起作用,使稀缺的写作时间用到重要的文章上。
总拥有成本包括维护。文章会随服务的变化而衰减,所以评审时间是持续的成本,而忽视它的计划会高估收益。要为你自己的团队估算回报,请比较你自己案例样本的前后,并标明你的假设。
反模式与陷阱
- 把文章或查看数算作成功。 数量随混乱而上升,查看量可能意味着困惑。改为度量解决中的使用、相关性和反馈。
- 没有相关性检查的链接率目标。 人们会附上任何文章。每月对已链接的案例抽样,并在比率旁边报告相关的占比。
- 给作者或编辑排名。 个人的计数产生单薄的编辑和被拆分的文章。报告团队的贡献广度,并把它作为容量问题来讨论。
- 按同一个固定时间表评审所有文章。 精力流向无人阅读的页面。按使用情况评审,并淘汰不被使用的。
- 发布存根以停止时钟。 一篇快速而单薄的文章击败了发布时间。将其与有用率和后续联系率配对。
- 忽视失败的搜索。 失败的搜索是未满足需求最清晰的信号。每月阅读它们,并把前几项变成工作。
- 把知识与工作分开。 季度末的文档项目产生陈旧的页面。在解决期间以及完成定义中捕获。
- 把知识库当作永久的。 内容会衰减。让淘汰和合并成为例行并受到肯定。
成熟度模型
| 维度 | 1 起步 | 2 发展 | 3 标准化 | 4 管理 | 5 协同 |
|---|---|---|---|---|---|
| 捕获与链接 | 知识存在于脑子和聊天里;链接很少 | 一些团队把文章与案例相联,做法各异 | 一条关于链接和捕获的书面规则;记录关闭原因 | 每月评审链接率和相关性抽样,并与改进相联 | 捕获是服务台、运维和产品团队之间工作流的一部分;定义在不再为决定提供依据时修订 |
| 新鲜度与归属 | 没有负责人;文章在无人看见时老化 | 为关键服务指定了负责人 | 设定评审窗口,对经常使用的文章设更短的窗口 | 经常使用的文章的新鲜度做成趋势并获得资助 | 评审责任与供应商和产品团队共享;淘汰是例行的 |
| 可发现性与反馈 | 搜索是临时的;没有搜索数据 | 存在搜索日志但无人阅读 | 按固定节奏评审零结果搜索和读者反馈 | 搜索失败驱动待办事项列表,并与联系数据配对 | 用户、分析师和聊天机器人使用同一个知识来源;反馈明显地改变内容 |
| 在改进中的使用 | 度量(如果有)是计数 | 向团队展示计数 | 度量与护栏配对,并先向团队展示 | 被大量链接的文章为问题管理和自动化决定提供输入 | 知识、问题和产品的待办事项列表在团队之间一并管理 |
检查清单
- 每项知识度量都指明其服务的受众及其所支持的决定。
- 链接率有书面定义,包括时钟、排除项以及对重大事件的处理。
- 每月的抽样检查已链接的文章是否与案例相关。
- 案例关闭时把“不存在文章”和“没找到文章”记录为不同的原因。
- 发布时间以中位数和一个高百分位数报告,草稿和已发布阶段分开。
- 为在用文章设定了评审窗口,对使用最多的更短。
- 每月阅读零结果搜索的前几名,并将其转为待办事项列表项。
- 读者反馈连同其回复率一起展示,并阅读热门文章上的评论。
- 贡献只针对团队报告,没有点名清单。
- 每季度评审被链接最多的文章,作为永久修复的候选。
- 定义变更连同理由记录。
AI 提示词
检查已链接的文章是否契合其案例。
我为 [团队名称] 开展知识评审,该团队支持 [服务类型]。下面是 [数量] 个已解决的案例,每个附有摘要、解决备注,以及所关联文章的标题和正文。对每一对,判断文章是相关的答案、部分答案,还是无关的链接,并给出一行理由。按文章和服务报告模式。不要点名或给个别分析师排名。不要虚构关于该服务的事实。请列出你的假设,以及你无法从文本中判断的内容。
[粘贴案例和文章,已去除个人数据]
把失败的搜索变成写作待办事项列表。
这是 [知识库或门户名称] 中在 [期间] 内没有返回结果的最频繁的搜索:[搜索词清单及计数]。请把它们归为若干主题。对每个主题,建议它是需要新文章、需要给现有文章([相关文章标题清单])添加同义词或改名、需要链接到另一个团队,还是无需行动。不要虚构文章或关于我们系统的事实。请列出你的假设,以及在写任何东西之前我应当回答的问题。
设计一组轻量的知识度量。
请为 [团队名称] 设计一小组知识管理度量,该团队有 [团队规模] 人,使用 [ITSM 工具] 和 [知识工具]。我们的主要目标是 [目标,比如更快的首次联系解决或更少依赖专家]。对每项度量,给出定义、时钟或边界、数据来源、可能的钻空子途径和一道护栏。不要提出个人排名,不要虚构基准值,也不要引用来源。请列出你的假设,以及我没有提到的、你需要的数据字段。
AI 技能
- Service Management Metrics skill:用于在你向仪表盘添加知识度量时,查找相关主题和配对的护栏。
- Service Management Metrics maintainer skill:用于检查知识度量是否以正确的形式带有其钻空子途径、护栏和交叉引用。
要点
- 在使用的那一刻度量知识:在解决中被链接、被搜索找到、被读者确认。
- 把链接率与人工的相关性抽样配对,因为链接只证明有人点了一下。
- 按使用情况评审新鲜度,把精力放在错误的文章会误导最多案例之处。
- 把失败的搜索和被大量链接的文章,视为新内容、更好的命名或永久修复的信号。
- 在团队层面报告贡献,绝不给作者排名。
- 更少而更好的文章,往往比一个更大的知识库表明更健康。
参考文献与延伸阅读
- Consortium for Service Innovation, KCS v6 Practices Guide, first released 2016 and updated since, https://library.serviceinnovation.org/KCS/KCS_v6/KCS_v6_Practices_Guide (check the page for the current version).
- AXELOS, ITIL Foundation: ITIL 4 Edition, TSO, 2019.
- Nonaka, I., and Takeuchi, H., The Knowledge-Creating Company, Oxford University Press, 1995.
- Hansen, M. T., Nohria, N., and Tierney, T., "What's your strategy for managing knowledge?", Harvard Business Review, March-April 1999.
- Goodhart, C. A. E., "Problems of Monetary Management: The U.K. Experience," in Papers in Monetary Economics, Reserve Bank of Australia, 1975.
- Forsgren, N., Humble, J., and Kim, G., Accelerate: The Science of Lean Software and DevOps, IT Revolution, 2018.
- Wikipedia, Knowledge management.
- Wikipedia, ITIL.
- Wikipedia, Knowledge base.
- Wikipedia, Runbook.
- Wikipedia, Tacit knowledge.
- Wikipedia, Knowledge-centered support.
- Wikipedia, Service desk.
- Wikipedia, Bus factor.