概述与动因

服务级别协议(service level agreement,SLA)是服务提供者与客户之间关于服务将交付什么的书面承诺:它的服务时间、可用性、提供者响应和解决事件的速度,以及履行请求的速度。在 ITIL 4(所有者发布的 2019 年版框架,现为 PeopleCert 旗下的 AXELOS)中,服务级别管理(service level management)实践定义这些目标、监控它们并报告它们。运营级别协议(operational level agreement,OLA)是其内部的对应物:同一组织内各团队之间的协议,例如服务台与网络团队之间,关于各自将做什么、做得多快,以便面向客户的 SLA 得以达成。支撑合同(underpinning contract)对外部供应商起同样的作用(见主题 8.4,供应商与合同度量)。

体验级别协议(experience level agreement,XLA)是三者中最新的。它以人们如何体验服务的方式记录一个商定的成果,比如他们把工作做完有多容易、他们对这次互动的感受,以及服务是否帮助他们达成了目标。这一理念在服务管理实践中不断发展,因为 SLA 可以在用户不满意的情况下达成。本主题拥有这三种协议及其报告。关于如何度量体验的深入内容,属于主题 6.2(体验级别协议),而目标的工程对应物属于主题 5.2(SLI、SLO 与错误预算)。

三个敏捷和可靠性概念与这些协议并列。服务级别指标(service level indicator,SLI)是服务的一项被度量的属性,比如被成功服务的请求占比。服务级别目标(service level objective,SLO)是针对 SLI 的内部目标,通常比向客户承诺的任何东西都更严格。站点可靠性工程(site reliability engineering,SRE)实践把 SLO,以及由它产生的错误预算,视为产品和运维的共享决策工具。SLA 是合同;SLO 是工程目标;SLI 是度量。把三者分开,可以避免一种常见的混淆,即用合同的罚则条款来引导日常的工程决定。

这一族有一个著名的失败,叫作西瓜式报告(watermelon reporting):外面是绿色、里面是红色的报告。每一行 SLA 都显示为达成,客户却感到沮丧,因为这些测量值是依据提供者能可靠命中的东西而不是客户关心的东西选择的,或因为平均值隐藏了糟糕的尾部,或因为时钟在最糟的等待期间被暂停了。补救办法一部分是技术性的(百分位数、诚实的时钟、以用户为中心的指标),一部分是社会性的(把协议作为一场交流来协商、按节奏评审,并读作关于服务的问题,而不是对团队的裁决)。关于测量值变成目标的更广泛的警告,见主题 1.2(古德哈特定律与度量的心理学)。

敏捷团队以目标和预算来思考;ITIL 服务级别经理以协议和评审来思考。这些视角相契合:协议陈述成果,目标和指标是团队信守承诺的办法,体验测量值则确认这件事是否重要。

最后一个术语:百分位数(percentile)是低于它的观测值占规定比例的数值。解决时间的第 85 百分位数,是 85% 的工单在其内解决的时间。大多数 SLA 目标都被写成百分位数或占比,所以百分位数的计算方式以及其中包含什么,是本主题的核心(见主题 1.6,服务度量的统计素养)。

关键原则

  • 与客户商定成果,然后度量它们。 协议是对客户需要什么、提供者能维持什么的协商陈述,用客户的话写成,并共同评审。
  • 报告分布和占比,绝不只报单一平均值。 达到目标的平均解决时间,可能压在一条非常迟的工作的长尾之上。说明百分位数、总体和计数。
  • 让时钟诚实。 每个目标都有一个开始事件、一个停止事件和一份暂停条件清单。公布时钟规则,并报告每种暂停被使用的频率。
  • 让协议分层。 SLA 建立在 OLA 和供应商合同之上,团队内部设定的目标应当比团队外部作出的承诺更紧。任何一层的缺口,都会在顶层表现为违约。
  • 把每项运营测量值与一项体验测量值配对。 目标达成而体验糟糕,或相反,是报告中最有用的信号。
  • 统计险情。 刚好在限度之内完成的工作,比远在限度之内完成的工作更能告诉你风险。
  • 按团队和服务报告,绝不按人。 协议描述的是一项服务或一个团队所承诺的。它们不是给个人排名的办法。

度量定义

度量 定义 公式 单位 数据来源 ITIL 实践 敏捷对应物 节奏
SLA 达成率 期内达到所述 SLA 目标的被度量项(事件、请求或时间窗口)占比 达到目标的项除以被度量的项。时钟从协议中定义的登记时间(例如工单创建)开始,到所定义的停止事件(例如确认恢复)时停止。排除:作为重复而取消的项,以及协议约定的排除项(如计划内维护)之内的时间。在占比旁边报告计数 百分比,附 n ITSM 工具时间戳;基于时间的目标的监控数据 服务级别管理;事件管理;服务请求管理 滚动窗口内的服务级别目标达成(见主题 5.2,SLI、SLO 与错误预算) 每月,每周有内部视图
险情占比 达到目标、但在允许时间的最后十分之一内完成的项占比 在目标时间的 90% 或以上完成、但仍在其内的项,除以达到目标的项。时钟与 SLA 相同。对时间窗口不适用 n/a(它只适用于达到目标的时间类测量值) 百分比 ITSM 工具时间戳 服务级别管理 流动图上接近服务级别预期的工作占比(见主题 2.1,流动度量) 每月
时钟暂停占比 经过的工单总时间中,花在使 SLA 时钟暂停的状态上的占比 暂停时间总和除以从开始到停止的总经过时间,针对范围内的项。排除没有使用暂停状态的项。按暂停状态报告 百分比 ITSM 工具状态历史 服务级别管理;事件管理 流动视图中的阻塞时间和等待时间(见主题 2.4,价值流度量) 每月
OLA 达成率 两个团队之间的内部交接中,达到 OLA 目标的占比 在 OLA 目标内完成的交接除以收到的交接。时钟从接收团队被分派时开始,到它退回或关闭该项时停止。排除:被错误重新分派的项,单独计数 百分比,附 n ITSM 工具分派历史 服务级别管理;事件管理 团队之间的交接等待时间和被阻塞的工作(见主题 9.3,协作与交接度量) 每月
交接等待时间(第 85 百分位数) 一个项在接收团队的队列中等待多久才开始工作 从分派给接收团队到该团队首个被记录的动作之间时间的第 85 百分位数。排除:等待客户的项 小时或分钟 ITSM 工具分派和活动历史 服务级别管理;事件管理 流动视图中的排队时间(见主题 2.3,在制品与排队) 每周
按旅程的体验得分 客户或用户对服务如何支持某个明确旅程的评分,比如获得一台新笔记本电脑,或从中断中恢复 期内已完成旅程在固定量表上的调查评分的均值和分布。报告回复率和受访者构成。排除:不完整的调查。不是单一的平均值,所以展示分布 评分量表,附回复率 简短的互动后调查;来自 ITSM 工具的旅程事件 服务级别管理;客户满意度实践(见主题 6.1,客户满意度度量) 客户反馈和成果测量值 每月,每一轮都展示
西瓜差距 在 SLA 读作达成而体验测量值或用户影响测量值读作糟糕的报告期或服务的占比 SLA 达成率达到或高于目标而体验低于其约定水平的服务(或期间),除以 SLA 达成率达到或高于目标的服务(或期间)。体验水平必须在该期间被评分之前商定 绿色服务的百分比 SLA 达成率与体验得分一起 服务级别管理;持续改进 对照成果的结果回顾 每季度
协议覆盖与时效性 其 SLA、OLA 和供应商合同存在,并在约定间隔内评审过的线上服务占比 三层都有文档并在间隔内评审过的服务,除以服务目录中的线上服务。间隔由组织设定。排除:处于淘汰中的服务 百分比 服务目录(ITIL 自己的拼写是 service catalogue)和协议登记册 服务级别管理;服务目录管理;供应商管理 按定期节奏评审的工作协议和团队章程 每季度

建议

建立协议

1. 用客户的语言撰写每份 SLA,并把它与一项成果相联。 从客户需要什么出发,比如“被锁定账户的员工很快重新开始工作”,然后选择测量值。一份只有少数几个有意义目标的简短协议,胜过没人阅读的冗长协议。为每个目标写下时钟:开始事件、停止事件和暂停条件(见主题 3.3,事件响应与解决时间)。

2. 把目标表述为百分位数或占比,并带有规定的总体。 “90% 的优先级 2 事件在四小时内恢复”,比“平均恢复时间低于两小时”说明得更多。商定什么算数:哪些优先级、哪些时间、哪些请求类型。在每个百分比旁边展示计数,使有八起事件的月份不被当作有八百起事件的月份来读。

3. 从 SLA 推导 OLA,并给每份 OLA 一个指名的所属团队。 从客户目标倒推:如果向客户承诺在四小时内恢复,OLA 就必须为检测、分诊、交接和修复留出余地。把每份 OLA 写成与接收团队之间简短的共同协议,附预期的响应时间和解决争议的途径。OLA 的存在是为了帮助团队规划,所以在关系允许的范围内尽量让它保持轻量。

4. 让目标比承诺更紧。 把内部 SLO 设定得比 SLA 更严格,使糟糕的一周在对客户可见的违约之前就被注意到并得到纠正(见主题 5.2,SLI、SLO 与错误预算)。把 SLA 视为财务和法务所关心的底线,把 SLO 视为工程师据以引导的数字。用错误预算作为产品和运维在功能工作与可靠性工作之间作决定的办法。

诚实地度量

5. 公布时钟规则并报告暂停。 通向绿色报告最常见的路径,是宽松的暂停状态,比如当提供者是等待的一方时却使用“等待客户”。按暂停状态报告时钟暂停占比,每月抽查一些被暂停的工单,并问客户是否会同意时钟本应停止。保持允许的暂停原因清单很短,并写入协议。

6. 在目标旁边展示整个分布。 在达成率旁边放中位数、第 85 或第 95 百分位数,以及最差的十分位。持平的 95% 达成率,可能隐藏一条花了数天的工作的尾部(见主题 1.6,服务度量的统计素养)。

7. 跟踪险情和违约原因。 险情占比告诉你绿色数字中有多少是运气。当发生违约时,记录原因类别,以及它是容量、交接、供应商还是定义方面的问题。把最大的类别与问题管理相联(见主题 4.1,问题管理度量)。

8. 度量 OLA 队列,而不仅仅是达成率。 第 85 百分位数的交接等待时间,在 SLA 违约出现之前很久,就显示工作在哪里停滞。把它与发送和接收团队分享,并把它描述为两者之间流动的属性。交流的对象是队列,绝不是队列中的人(见主题 2.3,在制品与排队)。

加入体验并弥合差距

9. 把每份 SLA 与同一旅程的一项体验测量值配对。 在互动之后向用户提一个简短的问题,问它是否奏效、有多费力,并报告回复率和受访者构成。事先商定什么水平算足够好,使 XLA 是一项协商出来的成果,而不是事后虚构的数字(见主题 6.2,体验级别协议,以及主题 6.1,客户满意度度量)。

10. 报告西瓜差距,并把它视为一项发现。 跟踪 SLA 达成而体验糟糕的频率。上升的差距告诉你,SLA 测量值正偏离用户所关心的东西,正确的回应是修订测量值,而不是解释这种不一致。每季度在客户代表在场的情况下评审它。

11. 按计划评审协议,并淘汰无人使用的。 对照服务目录、供应商合同和实际工作检查每份协议。较小的一组生效中的协议,更容易报告,也更难被钻空子。

12. 把三层合并在一个视图中报告每项服务。 在一页上展示每项服务的 SLA 达成率、分布、OLA 交接等待、体验得分和未完成的改进工作。状态由数据推导,而不是由服务负责人选的颜色决定。让这一页对客户和团队开放(见主题 11.1,设计服务度量仪表盘)。

钻空子途径与护栏

度量 如何被钻空子 配对的护栏度量或实践
SLA 达成率 把目标选得容易;提早关闭工单再之后重开;向下重新归类优先级;把困难的案例排除为“范围之外” 重开率和优先级重新分类率;与客户一起阅读已关闭工单的样本;每季度评审排除清单
险情占比 在限度前一分钟停止时钟,然后在记录之外继续工作;把一张工单拆成两张较短的 从最后一次客户联系到确认恢复的时间;每起事件的关联或子工单计数
时钟暂停占比 在并非等待客户的工单上使用暂停状态;把工作移入不被计入的状态 抽样审计暂停原因;被客户撤销的暂停占比;被暂停工单的体验得分
OLA 达成率 把交接退回发送者以重启时钟;在没开始工作的情况下把项标为已接受 每个项的退回计数,以及跨团队到恢复的总时间;端到端的 SLA 成果
交接等待时间(第 85 百分位数) 分派给个人而不是团队队列以隐藏等待;记录一个象征性的首个动作 抽样评审首个动作的质量;从分派到首次对客户可见的更新的时间
按旅程的体验得分 只向满意的用户发送调查;提出引导性问题;辅导响应者给出高分 受访者构成对照总体;在得分旁边展示回复率;评审时阅读开放式评论
西瓜差距 把体验水平设得低,使差距保持很小;当它下滑时更改体验测量值 事先商定体验水平,并连同理由记录变更;整个分布的趋势
协议覆盖与时效性 没有真正评审就把协议标为已评审;把一份存根文档算作 SLA 评审的证据(出席者、变更、决定);阅读协议样本,看实际内容和客户签字

健康的读数显示:达成率因可理解的原因而变动,险情很少且有解释,暂停保持在约定的清单之内,交接等待由拥有它们的团队来讨论,体验测量值大体与 SLA 一致。凡两者不一致之处,团队已经记下了原因和一项改进项。

权衡:利与弊

方法 优势 劣势
带罚则的合同式 SLA 清晰、可执行、受法律承认 鼓励时钟游戏和防御性报告;罚则可能使关系变坏
无罚则、定期评审的 SLA 建立信任和诚实的数据;聚焦于学习 当供应商持续未达目标时,筹码较少
所有团队之间的详细 OLA 期望清晰,争议更少 官僚主义;团队为自己的时钟而不是客户的时钟优化
带共享端到端目标的轻量 OLA 鼓励合作;文书工作更少 需要信任和良好的队列可见性来解决争议
在 SLA 之外添加 XLA 显示服务是否帮助了人 调查数据噪声更大、更慢;归因更难

保持协议小,报告分布,并用体验数据来检查运营数据。把精力花在时钟规则和交接上,大多数关于数字的分歧都出自那里。

与团队讨论的问题

1. 如果我们的 SLA 报告一片绿色,我们期望用户怎么评价这项服务? 请小组说出一项已绿色数月的服务,然后收集用户在评论和投诉中实际所说的。比较两者。引导者应当寻找测量值与亲身体验之间的差距,并记下哪些测量值是因为易于命中而被选择的。

2. 我们的时钟在哪里停止?谁决定的? 对一个重要的目标,走一遍开始、停止和暂停规则,问每一条是谁写的。查看处于暂停状态的工单占比,并问客户是否会同意。商定一条要收紧或澄清的规则。

3. 我们的哪些 OLA 帮助团队规划,哪些只是在分派责任? 列出内部协议,问谁在何时阅读每一份。讨论未达成 OLA 之后发生什么:是关于队列的交流,还是对过错的搜寻。目的是把讨论转向团队之间的工作流动。选一份 OLA 来简化或淘汰。

4. 我们的绿色有多少是运气? 展示最重要目标的险情占比。讨论如果下个月有几个更多的困难案例,或少几个可用的人,会发生什么。问团队是否有冗余,冗余在哪里。

5. 客户希望我们承诺、而我们今天没有度量的是什么? 邀请客户代表或一位用户用自己的话描述对他们重要的东西,比如能联系到一个人,或在入职第一天之前拿到笔记本电脑。记下两三个成果。决定哪些可以成为一道简短的调查问题,或数据中已有的一个事件,以及小组如何就什么是好的水平达成一致。

6. 如果我们的 SLA 测量值偏离了用户所关心的东西,我们如何知道? 把西瓜差距作为信号来讨论,问谁在看它。考虑协议多常被评审,客户是否出席。商定评审日期以及要带来的证据,包括一批工单样本和最新的体验结果。

四种视角

产品与交付团队

同时运营自己服务的交付团队,通过自己的目标和错误预算来对待 SLA,当 SLA 罚则或客户升级打断计划工作时,他们感受到代价。他们应当让 SLO 比 SLA 更紧,并把 SLA 视为安全底线,而不是日常目标(见主题 5.2,SLI、SLO 与错误预算)。

服务与运维团队

运维团队掌管时钟。他们需要关于开始、停止和暂停条件的清晰规则、指明接收队列的共享 OLA,以及对交接等待的可见性。他们应当朴实地报告违约原因,并将其用作问题和容量工作的输入(见主题 4.1,问题管理度量)。他们应当抵制通过时钟而不是修复原因来解释结果的压力。

领导层与治理

领导者用 SLA 报告来看承诺是否达成,以及在哪里投资。他们应当索要分布、时钟暂停占比、险情占比和西瓜差距,并以好奇的心态对待一连串毫不间断的绿色。资助违约分析之后的改进工作,并保护诚实的报告不受责备,比目标本身更重要(见主题 1.2,古德哈特定律与度量的心理学)。

客户与用户

客户想要协议描述他们的感受:问题多快被修复、多常再发,以及他们是否能联系到帮助他们的人。他们应当参与协议的评审,并有办法在绿色报告与他们的体验不符时表达出来。一份可读的一页摘要,附上任何违约的原因和计划中的修复,比一长串达成率表格建立更多信任。

实践:一个服务管理示例

一家区域医院的 IT 部门支持着病房工作人员使用的临床排程系统。服务负责人、服务台、应用团队和基础设施团队每月开会。以下所有数字均为示意。

SLA 承诺,在 24 小时、每周七天的服务中,从工单创建时起算,90% 的优先级 2 事件(影响某个病房的部分功能丧失)在四小时内恢复。月度报告显示 36 起事件的达成率为 94%(示意),稳稳是绿色。在每次优先级 2 关闭之后发送的体验调查,回复率为 41%(示意),评分中位数为五分制的 3 分,远低于服务负责人和病房经理们商定的 XLA 水平 4 分。西瓜差距已连续第三个月可见。

团队查看分布。恢复时间的中位数是 1 小时 40 分钟(示意),但第 95 百分位数是 3 小时 50 分钟(示意),险情占比为 31%(示意):将近三分之一“达成”的事件是在允许时间的最后十分之一内完成的。他们查看时钟暂停占比,发现 22%(示意)的经过时间花在“等待客户”这一状态上。对十张被暂停工单的抽样显示,有四张的病房已经回复,而工单一直保持暂停到下一个班次,另外三张是应用团队在等基础设施团队。基础设施队列第 85 百分位数的交接等待时间为 2 小时 10 分钟(示意),而 OLA 为 30 分钟(示意),该交接的 OLA 达成率为 58%(示意)。

决定是务实的。他们更改时钟规则,使“等待客户”只能在向客户提出有记录的请求之后使用,并在下一次回复时恢复时钟。他们为基础设施队列在病房工作时间添加了一条值班路径,并商定一份较小的 OLA,一个月后评审。他们把体验测量值和西瓜差距加入每月一页的报告,并邀请一位病房经理参加评审。他们还把内部 SLO 调低为对 95% 的事件在四小时内恢复这一更严格的目标,使团队在 SLA 受到风险之前就注意到麻烦。

钻空子的风险在第二个月出现。暂停规则更改之后,达成率降到 89%(示意),一位经理请服务台“重新检查优先级”。团队发现从优先级 2 降到优先级 3 的降级激增,于是把达成率与重新分类率和重开率配对,并要求任何优先级变更都在记录中给出理由。到了第三个月,达成率为 91%(示意),第 95 百分位数更低,险情占比下降,体验评分中位数升至 3.8(示意)。差距缩小,是因为工作改善了,而这些数字是可信的。

敏捷、AI、自动化与分析

敏捷

与干系人一起商定服务级别并定期评审,使目标随服务演进而跟随用户的需要。需要注意的是,多年不动的固定目标度量的是过去。

AI

AI 可以总结违约、预测哪些工单将未达目标,并建议升级。把达成率与体验得分和西瓜差距配对,并记录哪些预测是对的。需要注意的是,保护目标的 AI 提示可能推动人们暂停时钟或重新排优先级,所以要审计暂停的使用。

自动化

根据事件时间戳计算达成率,并使暂停规则可见。就误升级和漏掉的违约来度量自动升级。需要注意的是,在“等待客户”之类的状态上自动暂停,是钻空子的一条容易的路径。

分析

连同险情和百分位数报告达成率,并在旁边展示体验得分。这为之提供依据的决定是重新协商哪份协议。需要注意的是,基于少量工单的达成率是波动的,所以要展示每个百分比背后的计数。

行业视角

初创公司。 小公司往往根本没有正式的 SLA,只有对少数几位早期客户的非正式承诺。写一页纸,写明服务时间、一个响应目标和一个以百分位数表述的恢复目标,并在团队内部保持一个 SLO。客户交流取代 XLA,所以每月写下三位最重要的客户所说的话。

小型企业。 小型 IT 团队通常严重依赖外部供应商,所以支撑合同比内部 OLA 更重要。检查每个供应商的承诺是否至少与你给自己用户的 SLA 一样严格,并跟踪供应商的实际表现(见主题 8.4,供应商与合同度量)。一页简单的月度报告,附达成率、险情和简短的用户调查,就足够了。

大型企业。 大型组织需要协议登记册和一项覆盖度量。在各服务之间标准化时钟规则和定义,使汇总有意义(见主题 1.4,度量治理与归属)。要提防管理层汇总中的西瓜效应,即数百行绿色隐藏着少数几项用户痛苦严重的服务。

政府与公共部门。 公共机构往往有法定的服务标准、把 SLA 固定在合同中的采购规则,以及公布结果的责任。保持公布的测量值清晰且可验证,为审计保留时钟规则和证据,并把公民视为在评审中有发言权的客户(见主题 8.5,受监管与政府报告)。凡合同僵硬之处,在其旁边添加体验测量值,而不更改合同措辞。

业务论证:动因、投资回报与总拥有成本

更好的协议度量的论证,是关于信任以及避免浪费精力的论证。与用户感受相符的报告,减少升级和争议,缩短每月关于谁的数字正确的争论,并让领导者为重要的工作出资。清晰的 OLA 减少交接延迟,而交接延迟是造成漫长恢复的最大因素之一。及早发现的西瓜差距,避免了客户关系或合同续签出错所带来的更大代价。

成本不高:撰写和评审协议的时间、可靠的时钟和交接数据(见主题 1.5,数据来源与埋点)、一份简短的调查,以及每月的评审。总成本随协议的数量而增长,所以更少、更简单的协议拥有起来更便宜。

回报表现为更少的出人意料的违约、花在解释报告上的时间更少,以及更明智的投资选择。把这些视为要观察并随时间比较的模式,而不是一项计算。用你自己的数据,把每月评审的工作量与你自己的组织中一次升级争议或一次失去的续签的成本相比较(见主题 7.7,投资回报与业务论证)。

反模式与陷阱

  • 只报告平均值。 平均值隐藏了迟到工作的长尾。报告百分位数、险情占比和计数。
  • 围绕容易达成的东西撰写 SLA。 为舒适而选择的目标,给出一份永远绿色的报告。从客户需要什么出发,并公开地展示差距。
  • 暂停时钟以改善数字。 宽松的暂停状态把 SLA 变成虚构。公布暂停规则,审计样本,并报告暂停占比。
  • 把 OLA 当作武器。 被用来责备下一个团队的 OLA,教会团队弹回工作。把未达成视为关于队列的信息,并修复流动。
  • 罚则驱动的报告。 沉重的罚则鼓励防御性的归类和关于时钟的争议。谨慎地使用罚则,并将其与重开率和重新分类率配对。
  • 没有回复率的体验数据。 来自微小的、自我选择样本的高分会误导。在每个结果旁边展示回复率和受访者构成。
  • 没人评审的协议。 陈旧的协议描述的是已不存在的服务。安排评审,并淘汰不被使用的。
  • 由团队协议得出个人目标。 把团队 SLA 拆成个人配额,导致仓促关闭和排名。让协议保持在服务和团队的层面。

成熟度模型

维度 起步 发展 标准化 管理 协同
协议设计 口头承诺或照搬模板;目标按习惯选择 一些书面的 SLA;OLA 罕见;各团队的时钟不同 一份简短的模板,附基于成果的目标、百分位数和书面的时钟规则 按节奏与客户一起评审协议,并与 SLO 相联 SLA、OLA、供应商合同和 SLO 各层随条件变化一起调整
度量质量 手工计数;平均值;暂停无文档 为一些服务提供基于工具的达成率;暂停的使用未被评审 一个定义和数据来源;展示分布和暂停占比 对险情、违约原因和交接等待做趋势分析并抽样 跨团队和供应商的数据被对账;当定义不再为决定提供依据时修订
体验的联系 没有与 SLA 相联的用户反馈 为一些服务做临时的调查 为关键旅程做简短调查,并展示回复率 与客户商定体验目标,并报告西瓜差距 体验和运营测量值引导与客户共同的改进工作
在改进中的使用 投诉之后才报告 在团队会议上讨论违约 与负责人一起的每月评审,附行动 违约原因为有资助的改进和问题工作提供输入 客户、供应商和团队依据同一个视图共同规划改进

检查清单

  • 每份 SLA 都说明其成果、以百分位数或占比表述的目标,以及总体。
  • 每个目标都写下了开始事件、停止事件和允许的暂停条件。
  • 每份面向客户的 SLA 都有适合其范围的 OLA 或供应商合同,各有一个指名的所属团队。
  • 内部目标比所承诺的 SLA 目标更严格。
  • 报告显示分布、计数、险情占比和时钟暂停占比。
  • 每月阅读一批被暂停和已关闭工单的样本。
  • 每项关键服务都有一项带约定水平的体验测量值,并展示回复率。
  • 跟踪西瓜差距,并与客户代表一起评审。
  • 按计划评审协议,并在不被使用时淘汰。
  • 没有协议度量被用来给个人排名。

AI 提示词

评审 SLA 的时钟和措辞问题。

这是我们 [服务] 的 SLA 文本:[粘贴协议文本]。目标是 [目标清单],在 [工具] 中度量。请找出开始事件、停止事件和暂停条件中的含糊之处,平均值可能隐藏长尾的地方,以及客户读起来可能与我们不同的措辞。建议更清晰的措辞,以及我应当向客户提出的问题。不要虚构基准值或法律结论。请列出你的假设。

起草两个团队之间的 OLA。

我需要在 [发送团队] 与 [接收团队] 之间,起草一份简短的运营级别协议,以支持我们对 [服务] 的 [SLA 目标] 这一 SLA。典型的交接是 [描述],队列是 [队列名称或工具]。请起草一页纸的 OLA,含目的、预期响应、时钟规则、解决争议的办法和评审日期。保持合作的语气,除非我要求,否则不要建议罚则。不要虚构目标值;向我索取。请列出你的假设。

在我们的数据中寻找西瓜差距。

这是 [服务清单] 在 [期间] 内的 SLA 达成率和一项体验测量值的摘要:[粘贴表格]。请找出 SLA 读作达成而体验读作糟糕的服务,并建议要调查的可能解释,比如时钟暂停、优先级重新分类或选择不当的测量值。针对每项提出问题和一小批要阅读的工单样本。不要假定原因,也不要虚构阈值。请列出你的假设。

为 XLA 设计一份简短的体验调查。

我们想为 [受众] 的 [旅程,例如获得一台新笔记本电脑] 添加一项体验测量值。请起草 [数量] 个中立的问题,一份何时以及如何发送的计划,以及如何报告回复率和受访者构成。标出可能使答案产生偏差的措辞,并建议如何与 [客户代表角色] 商定目标水平。不要虚构基准得分。请列出你的假设。

AI 技能

要点

  • SLA 是对客户的承诺,OLA 是团队之间的承诺,XLA 是商定的体验成果;每一项都需要自己的测量值和负责人。
  • 报告百分位数、计数、险情和时钟暂停占比,因为平均值和安静的暂停,会在糟糕的服务之上产生绿色的报告。
  • 从 SLA 推导 OLA,并让内部目标比承诺更紧。
  • 把每份 SLA 与同一旅程的一项体验测量值配对,并把西瓜差距作为要采取行动的发现来报告。
  • 在客户在场的情况下按计划评审协议,并淘汰无人使用的。
  • 让每项协议度量保持在服务和团队层面,绝不针对个人。

参考文献与延伸阅读

  1. 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/
  2. Beyer, B., Murphy, N. R., Rensin, D. K., Kawahara, K., and Thorne, S. (eds.), The Site Reliability Workbook: Practical Ways to Implement SLOs, O'Reilly Media, 2018, https://sre.google/workbook/table-of-contents/
  3. Forsgren, N., Humble, J., and Kim, G., Accelerate: The Science of Lean Software and DevOps, IT Revolution, 2018.
  4. AXELOS, ITIL Foundation: ITIL 4 Edition, TSO (The Stationery Office), 2019.
  5. ISO/IEC 20000-1:2018, Information technology: Service management: Part 1: Service management system requirements, International Organization for Standardization.
  6. Goodhart, C. A. E., "Problems of Monetary Management: The U.K. Experience," in Papers in Monetary Economics, Reserve Bank of Australia, 1975.
  7. Wikipedia, Service-level agreement.
  8. Wikipedia, ITIL.
  9. Wikipedia, Operational-level agreement.
  10. Wikipedia, Service level indicator.
  11. Wikipedia, Service level objective.
  12. Wikipedia, Site reliability engineering.
  13. Wikipedia, Percentile.