服务请求履行度量
从用户的角度度量例行请求需要多长时间、其中有多少是等待、哪些目录项驱动需求,以及有多少工作被自动化,然后利用这幅图景来重新设计常见的请求,而不是去催促处理它们的人。
概述与动因
服务请求(service request)是用户对服务本就设计为提供的某物的例行请求:一个账户、对某个文件夹的访问、一台笔记本电脑、一份软件许可证、一条信息。它不同于事件(incident),后者是对服务的计划外中断(见主题 3.2,事件数量与优先级),也不同于变更(change),后者修改服务并需要对风险重新作出判断(见主题 4.3,变更赋能度量)。在 ITIL 4 中,这项工作由服务请求管理实践涵盖,并且通常被描述为一个可重复的请求模型(request model):所需的信息、批准、步骤和预期时间。ITIL 把 “fulfilment” 拼写为英式,而本主题的正文按本书的拼写使用 “fulfillment”。
请求对度量很重要,因为它们是可预测的需求。事件是意外;为新员工配笔记本电脑的请求每个月都到来,并遵循同样的步骤。这种可预测性使请求成为设计、标准化和流程自动化(process automation)的最佳候选。它还意味着延迟很少是由困难造成的。它们是由队列、批准和交接造成的,所以有用的问题是请求在哪里等待,而不是任何人打字有多快。
分析的单位是目录项(catalog item):用户可以在服务目录(service catalog)中请求的一件有名称的东西(ITIL 的术语是 “service catalogue”;本主题其余部分说 “service catalog”)。按项的测量值远比单一的混合数字有用,因为对密码重置的请求和对服务器构建的请求,有不同的时钟、不同的负责人和不同的合理目标。混合的平均值把两者都隐藏了。
敏捷和 ITIL 的视角在这里几乎毫无摩擦地相遇。ITIL 问服务是否在约定的时间内交付了约定的成果。敏捷的流动实践问工作从请求流到完成需要多长时间、有多少停在队列中,以及同时有多少工作在制品。请求是在工作流中移动的工作项,所以周期时间和工作项年龄等流动度量的工具直接适用(见主题 2.1,流动度量)。词汇不同。算术相同。
有三个术语反复出现。履行时间(fulfillment time)是从用户提交请求的那一刻,到用户确认或系统记录该物已交付的那一刻之间经过的时间。实际处理时间(hands-on time)是有人在积极处理该请求的时间,等待时间(wait time)则是其余的一切,包括批准和等待用户。两者之差,就是请求模型应当缩小的东西。自动化占比(automation share)是提交之后无需任何人接触就被履行的请求所占的部分。
时间测量值需要小心。履行时间是偏态的:大多数请求很快完成,少数要花很长时间。均值被少数几个拉着跑,所以报告中位数和一个高百分位数(percentile),比如第 85 或第 95 百分位数(见主题 1.6,服务度量的统计素养)。与客户商定的目标,比如服务级别协议(SLA)中的那些,应当以同样的方式陈述:“85% 的笔记本电脑请求在 5 个工作日内得到履行”,比“平均 3 天”说明得更多。
最后,来自度量心理学的警告。当团队因迅速关闭请求而受到评判时,改善数字最便宜的办法是改变什么算作已关闭,或暂停时钟。古德哈特定律(Goodhart's law)完全适用(见主题 1.2,古德哈特定律与度量的心理学)。因此下面的每项度量都与一道护栏配对,并且没有一项描述个别坐席。
关键原则
- 按目录项度量。 每个项都有自己的请求模型、负责人和合理的目标,所以混合的数字会误导。
- 让时钟在用户提出请求时开始,在用户拿到东西时停止。 内部的里程碑是有用的诊断,但它们不是客户的体验。
- 把等待时间与实际处理时间分开。 两者之间的差距显示重新设计在哪里有回报,而它很少在工作本身之中。
- 报告分布,而不是平均值。 中位数和第 95 百分位数描述用户所经历的。
- 把需求视为信号。 按项的数量显示用户需要什么、什么令人困惑,以及什么值得自动化或自助服务。
- 先自动化稳定且频繁的。 自动化占比是良好请求设计的结果,不是为其自身而追逐的目标。
- 度量团队和服务,绝不度量个人。 请求流经系统,坐席之间的差异主要反映的是工作的构成。
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 |
|---|---|---|---|---|---|---|---|
| 请求履行时间 | 交付一项请求所经过的时间,按目录项以中位数和第 95 百分位数展示 | 时钟从用户提交请求时开始,到用户确认交付或交付被记录时停止;被用户取消的请求被排除;等待用户的时间单独报告,不予扣除 | 工作日或小时 | ITSM 工具请求历史 | 服务请求管理 | 团队看板上的周期时间(见主题 2.2,前置时间、周期时间与流动效率) | 每周,每月做趋势 |
| 目标内履行占比 | 在其目录项约定的目标内交付的请求占比 | 目标内履行的请求 / 期内履行的请求;时钟同上,仍未关闭的项被排除,改计入待办事项列表年龄 | 百分比 | ITSM 工具请求历史;目录项目标表 | 服务级别管理 | 服务级别预期 | 每月 |
| 请求待办事项列表与年龄 | 未关闭请求的数量,以及最老的有多老,按目录项 | 期末未关闭的请求(计数);每个未关闭请求的年龄 = 报告日期减去提交日期;报告计数、年龄中位数和最老的年龄 | 计数和天数 | ITSM 工具未关闭请求队列 | 服务请求管理 | 在制品和老化的工作项(见主题 2.3,在制品与排队) | 每周 |
| 批准等待时间 | 请求等待批准所花的时间 | 时钟从请求批准时开始,到批准被授予或拒绝时停止;没有批准步骤的请求被排除 | 小时 | ITSM 工具批准日志 | 服务请求管理;变更赋能 | 看板上的阻塞时间或“等待”列 | 每月 |
| 按目录项划分的请求量 | 为每个项提交的请求数,以及它在所有请求中所占的份额 | 期内每个项提交的请求;作为重复项重新提交的请求(如能识别)被排除;报告计数和占总数的份额 | 计数和百分比 | ITSM 工具请求记录 | 服务目录管理 | 为塑造待办事项列表而做的需求分析 | 每月 |
| 自动化占比 | 提交之后没有任何人工步骤就被履行的请求部分 | 完全由自动化端到端履行的请求 / 期内履行的请求;任何履行步骤被人接触过的请求算作手工;如果政策要求,由人作出的批准不算作手工履行步骤 | 百分比 | ITSM 工具履行记录和自动化平台日志 | 服务请求管理;服务价值链内的自动化 | 完成定义中的自动化 | 每月 |
| 请求重开率 | 因结果有误或不完整而被用户重新打开或重新提出的已履行请求占比 | 履行后 7 天内被同一用户就同一项重新打开或重新提出的请求 / 期内履行的请求;7 天窗口是团队写下的一个示例 | 百分比 | ITSM 工具请求历史 | 服务请求管理 | 返工率;缺陷逃逸 | 每月 |
只有当团队商定了日历并加以记录,履行时间才按工作时间计算;否则使用经过的小时数并说明这一点。待办事项列表度量有意携带三个数字,因为单看计数对等待说明不了什么。自动化占比的定义把人工批准排除在“手工”统计之外,因为许多批准是政策决定,而不是履行成本;批准等待时间另行度量,使延迟保持可见。
建议
定义时钟和单位
1. 按目录项度量,并公布项的清单。 从业务量最大的前十个项开始,它们通常涵盖很大一部分请求,并在数据允许时添加项。给每个项一位负责人、一个明确的目标,以及对“已交付”的一句话定义。项的清单是其他一切的分母,所以把它保存在度量登记册中(见主题 1.4,度量治理与归属)。
2. 写下每个项的时钟起点和终点。 对大多数项,时钟从提交时开始,到用户可以使用其所请求之物时停止,而不是在工单关闭时。笔记本电脑是在用户手中时才算交付,而不是在预订了快递时。
3. 一次性决定如何处理等待用户。 有些请求因用户未回答某个问题而停滞。为此暂停时钟是合理的,但这也是最容易被滥用的杠杆。把暂停记录为一个带理由的单独状态,把暂停时间作为自己的数字报告,并按项评审暂停率(见主题 1.5,数据来源与埋点)。
报告用户所体验到的
4. 展示中位数和第 95 百分位数,附计数。 把两者放在每个项的一张图上,附上每个点背后的请求数。中位数两天、第 95 百分位数二十天,告诉你大多数用户得到了很好的服务,而有一条尾部需要调查,这是四天的平均值所隐藏的。当计数很小时,就说明这一点,并展示单个请求,而不是百分位数。
5. 让未关闭请求的年龄可见。 履行时间只有在请求完成后才知道,所以它是滞后的。按年龄排序的每个项最老的未关闭请求清单,告诉团队今天该去哪里看。用流动的话说,这是工作项年龄对照该项通常的周期时间,是请求队列所能拥有的最可操作的视图。
6. 把经过的时间拆分为实际处理、批准和等待用户的时间。 取某个项的一批已履行请求的样本,把每个请求拆分为在每个状态中所花的时间。大多数团队发现,主动工作只占经过时间的一小部分。这一发现把改进的交流从“更快地工作”转向“消除各步骤之间的队列”,这是排队和流动研究中的核心理念(见主题 2.3,在制品与排队)。
利用需求塑造服务
7. 把按项的数量读作用户的一条信息。 某个项的数量上升,可能意味着需求增长、产品令人困惑,或别处的失败,比如一个把人们送回来再问的损坏的流程。数量很低的项可能是从目录中退役的候选。将数量与采纳数据比较(见主题 6.3,服务采纳与目录度量)。
8. 按数量、稳定性和实际处理时间对自动化候选排序。 最好的首批候选是业务量高、很少变化、并带有明显实际处理时间的。从步骤每次都相同的项开始,比如对标准组的访问,先自动化步骤,再去碰例外情形。按项跟踪自动化占比,使进展可见,并把自助服务和分流的问题送往它们自己的主题(见主题 3.7,自助服务与自动化度量)。
9. 先重新设计批准,再增加人手。 批准的等待往往主导经过的时间。对每个批准问:政策是否要求它,预先批准的标准请求是否就够了,以及批准人能否是一个带副手的角色,而不是某一个人。预先批准低风险、已被充分了解的请求,反映了变更赋能中标准变更的理念,它在不移除控制的情况下消除了队列。
保持数字诚实
10. 每次都把速度与质量配对。 在同一个项的请求重开率和用户满意度信号旁边报告履行时间(见主题 6.1,客户满意度度量)。回来被重新打开的更快请求,比看起来要慢。如果速度提升而重开率随之上升,就把速度的提升视为未经证实的。
11. 在数据中让请求、事件和变更保持分开。 把它们混在一起会扭曲三者。实际上是登录服务故障的症状的密码重置,是事件,而改变服务工作方式的请求是变更。在受理时用一条简短的规则分类,每季度抽查被错误分类的项,并将请求与事件的数量并排比较(见主题 3.1,服务台度量)。
12. 与做这项工作的团队一起评审项的表。 每月围绕按项的表开三十分钟会议:数量、中位数和第 95 百分位数、最老的未关闭请求、自动化占比、重开率。挑一个项和一项要尝试的改变,下个月查看同一张表,看发生了什么。
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 |
|---|---|---|
| 请求履行时间 | 无论用户是否为原因,都因“等待用户”而暂停时钟;在交付之前关闭请求,再作为新请求重新打开;把一项请求拆成几个小的 | 按项的暂停时间占比,并抽查暂停原因;重开率;关闭之前用户对交付的确认 |
| 目标内履行占比 | 把目标重新定义得更容易;只统计完成的请求而忽略老的未关闭请求;为目标集挑拣快的项 | 未关闭请求的待办事项列表年龄;目标变更连同理由记录在度量登记册中;目标集按数量涵盖所有项 |
| 请求待办事项列表与年龄 | 以“无响应”或“陈旧”为由关闭旧请求;把请求移到不同的队列或类别,使其离开被统计的队列 | 按原因划分的未交付而关闭的请求计数;在月度会议上评审类别和队列转移 |
| 批准等待时间 | 批准人不阅读就批准以降低自己的时间;请求者在系统之外追着批准人,使记录的等待很短 | 对照政策抽查已批准的请求;已批准项的重开率和安全例外;每个项的批准步骤数 |
| 按目录项划分的请求量 | 通过使目录更难找到或劝阻请求来降低数量;把请求重新归类为事件或“一般咨询” | 目录的用户满意度;归类为“其他”的联系占比;该服务的采纳数据(见主题 6.3,服务采纳与目录度量) |
| 自动化占比 | 自动化琐碎的项以抬高百分比;把仍由人手工检查的脚本化请求算作自动化;把手工步骤藏在单独的工单里 | 按请求量和所消除实际处理时间加权的占比;自动化失败和回退到手工的比率;端到端追踪“自动化”请求的样本 |
| 请求重开率 | 通过使重新打开变得困难来劝阻重开;告诉用户开新请求,这会重置计数器 | 窗口内同一用户就同一项的重复请求;按项的用户满意度;允许从通知中重新打开 |
健康的读数是这样的。中位数和第 95 百分位数一起下降,或第 95 百分位数下降而中位数保持不变。最老的未关闭请求不比已履行请求的第 95 百分位数老多少。重开率和满意度在速度提升的同时保持持平或改善。自动化占比在按数量重要的项上上升,而数量本身因团队能解释的原因而变化。如果某个数字急剧改善而其护栏朝相反方向漂移,就去看背后的请求。
权衡:利与弊
| 选择 | 优势 | 劣势 |
|---|---|---|
| 按项度量 | 目标契合工作;显示重新设计在哪里有回报 | 要维护的数据更多;小的项数据点很少 |
| 用中位数和第 95 百分位数而不是均值 | 描述用户所经历的;抗离群值 | 对习惯一个数字的高管更难解释;对低业务量的项不稳定 |
| 等待用户时暂停时钟 | 当用户造成延迟时,对团队公平 | 易被滥用;隐藏不清晰的表单和糟糕沟通的影响 |
| 统计自动化占比 | 使自动化的进展可见,并与成本相联 | 奖励容易的自动化;除非与失败率配对,否则对质量只字未提 |
| 从用户提交度量到用户确认 | 符合客户的体验 | 依赖往往缺失的用户确认;需要一条默认规则 |
| 严格地把请求与事件分开 | 数据更干净,目标更好 | 需要受理的规范,以及关于边界情形的争论 |
核心的权衡是在一个干净的数字与一个公平的数字之间。从不暂停的严格时钟既简单又难以钻空子,但当用户迟缓时它会惩罚团队。灵活的时钟更公平,但需要审计。大多数团队最好从严格开始,添加一个带理由的明确暂停状态,并公开报告暂停占比。
与团队讨论的问题
1. 哪三个目录项让我们的用户等待最多?我们怎么知道? 带来按项的数量、中位数和第 95 百分位数履行时间的表。请小组按总等待(数量乘以典型等待)而不是按感觉有多烦人来挑选项。将答案与人们的第一直觉比较。引导者应当记下数据与直觉不同之处。
2. 我们的时钟何时开始和停止?用户会同意吗? 挑选一个常见的项,从用户的视角走一遍它的旅程,从第一次点击到他们可以使用结果的那一刻。标出我们的工单状态说“完成”的地方,以及用户会说“完成”的地方。两者之间的任何差距都是不可见的等待。商定对停止事件的一项更改,并写入度量登记册。
3. 我们经过的时间中有多少是人在工作,有多少是在等待? 抽取某个项的十个已履行请求的样本,把每个拆分为实际处理、批准和等待用户的时间。把结果展示为堆叠条形图。问什么条件下等待才能减半。这个问题通常会把房间里的话题从“我们需要更多员工”转向“我们需要更少的交接”。
4. 哪些批准可以被预先商定的规则取代? 列出主要项的批准以及每一项的政策理由。凡没人记得上一次拒绝是什么时候之处,该批准可能是一种仪式。
5. 如果我们自动化下一个目录项,数字会因正确的原因而上升吗? 讨论自动化占比如何能通过容易的或低业务量的项而上升,而用户看不到任何差别。问团队会度量什么来确认一项自动化有帮助:消除的实际处理时间、失败率、重开率和满意度。依据数量和实际处理时间,而不仅仅是容易程度,来决定下一个自动化哪个项。
6. 如果本页上的一个数字变差了,我们会怎么做?谁会被责备? 公开地做这个思想实验。问团队会想在改变服务之前先改变数据中的什么。商定,对数字变差的第一反应,是去看其背后的请求。
四种视角
产品与交付团队
产品团队会产生关于自己服务的请求:对环境的访问、新的流水线、测试数据、许可证密钥。这些请求的履行时间漫长,会在团队自己的流动中表现为闲置的工作,所以这项测量值属于他们看板上的阻塞状态。拥有服务的团队应当公布自己的请求项和目标,并把重复的请求视为待办事项列表的候选(见主题 2.6,待办事项列表与梳理度量)。凡请求实际上是缺失的平台能力之处,重复的需求就是构建它的理由。
服务与运维团队
对履行请求的人来说,按项的表是一张工作量去向的地图。他们知道哪些步骤是手工的、哪些批准停滞,以及哪些表单产生含糊的输入。他们应当拥有请求模型、自动化待办事项列表和月度评审,并应当是数据的第一批受众。这些数字描述的是队列和流程,所以要明确说明没有人被排名,人与人之间的差异主要反映的是他们所接手请求的构成。
领导层与治理
领导者需要一个简短的视图:主要项的中位数和第 95 百分位数、目标内履行的占比、最老的未关闭请求,以及自动化占比和每项请求成本的趋势(见主题 7.5,服务成本与单位经济)。治理的任务是问发生了什么变化,而不是谁慢。领导者还批准批准的政策方面,所以他们握有最能减少等待的杠杆。
客户与用户
用户关心三件事:多久、多可预测,以及要付出多少努力。他们很少关心内部状态。向他们展示每个项一个朴素的目标(“笔记本电脑五个工作日”),告诉他们请求在哪里,并请他们确认交付。在关闭时收集一个单问题的满意度信号,并阅读评论。
实践:一个服务管理示例
一所地区大学的 IT 部门(一个虚构的组织)运营着一个服务台和一个小型平台团队。下面的数字为示意,并非来自任何真实的组织。
在月度评审中,团队查看按项的表。在所有请求中,平均履行时间为 3.1 个工作日,看起来可以接受,并且一年来几乎没动过。按项来看,图景就不同了。“共享盘访问”的中位数为 0.4 天,第 95 百分位数为 2 天。“部门软件许可证”的中位数为 2 天,第 95 百分位数为 11 天。“新员工笔记本电脑”的中位数为 6 天,第 95 百分位数为 15 天。按数量排名前三的项是共享盘访问、许可证请求和新员工笔记本电脑,分别占所有请求的示意份额 32%、21% 和 9%。
团队抽取了十个笔记本电脑请求,并拆分时间。示意结果:约 0.5 天的实际处理工作、2.5 天等待直属经理批准、1.5 天等待库存确认,其余在快递队列中。批准等待是最大的一块。
决定由数据得出。团队与财务负责人和安全负责人一起提议,标准目录中的笔记本电脑,在人力资源确认新员工的角色后即被预先批准,经理只被通知而不被询问。他们还把库存检查与库存系统相连。他们将实验设为一个季度,并商定什么算成功:笔记本电脑的第 95 百分位数下降,而重开率和满意度得分保持持平。
钻空子的风险出现在第二个月。许可证的中位数急剧下降,从 2 天降到不足 1 天。评审注意到,该项“等待用户”的暂停时间占比,已从示意的 5% 跳到 40%,而重开率也上升了。抽样显示,坐席一旦许可证需要任何检查,就用一条通用消息暂停请求,这停止了时钟。团队没有责怪坐席。他们看到,目标使暂停变得有吸引力,而暂停原因字段是自由文本。他们把暂停原因改为一份简短的清单,要求向用户提出一个具体的问题,并把暂停时间占比作为一个常设列加在中位数旁边。许可证的中位数回到接近此前的水平,重开率下降,团队用节省下来的讨论时间重新设计了许可证表单,正是它造成了那些不清晰的请求。
该季度结束后(示意),笔记本电脑的第 95 百分位数从 15 天降到 9 天,共享盘访问的自动化占比达到 70%。团队记录了两项变更,并选择许可证表单作为下一项实验。
敏捷、AI、自动化与分析
敏捷
把常见的请求视为团队与使用它们的人一起持续改进的小产品。需要注意的是,履行时间的目标可能导致提早关闭或拆分请求,所以要将其与请求重开率配对。
AI
AI 可以起草回答、填写表单并路由请求,并可能在没有任何人参与的情况下完成一些请求。把自动化占比与请求重开率以及由 AI 处理、事后仍需要人介入的请求占比配对。需要注意的是,误读请求的 AI 可能创建错误的访问或订单,所以批准规则依然适用。
自动化
自动化标准请求的批准、供应和状态更新,并就失败和手工返工来度量自动化。单独展示批准等待时间,因为它往往是最长的等待。需要注意的是,没有明确归属的自动化会把失败的请求留在没人看管的队列中。
分析
按目录项把履行时间展示为分布,并包括最老的未关闭请求。这为之提供依据的决定是先重新设计哪项请求。需要注意的是,把简单和复杂的项混在一个平均值里,会把两者都隐藏。
行业视角
初创公司。 初创公司的请求类型很少,没有正式的目录,同一批人既处理请求又构建产品。度量阻碍新加入者的三四项请求,比如账户和设备,并跟踪最老的未关闭请求。尽早自动化入职,因为每个新员工都会重复它。
小型企业。 小型企业往往依赖一位 IT 人员或一家外部提供商。使用一块简单的共享看板,每个状态一列,并按类型跟踪请求年龄和数量。向提供商索要按项的月度数量和最老的未关闭请求。
大型企业。 大型企业有数百个目录项、众多履行小组和层层批准。聚焦于业务量最大的项,以及总等待最长的项。在比较各履行小组之前,先在它们之间标准化时钟定义,并单独报告跨小组的交接(见主题 9.3,协作与交接度量)。供应商的履行时间属于同一视图,从客户的请求而不是供应商的接收开始度量。
政府与公共部门。 公共机构增加了强制性批准、采购规则和记录义务,所以有些等待时间是政策,应当如此标注,而不是算作要消除的延迟。凡服务承诺公开之处,用平实的语言公布每个项的目标。以监管机构或监督机构能够重现的方式报告,并写下定义。
业务论证:动因、投资回报与总拥有成本
请求在到达服务台的工作中,占了很大且重复的一部分,所以即使是适度的重新设计,也有广泛的影响。主要的动因是对用户而言更短、更可预测的等待,每项请求更低的处理工作量,更少的重复联系,以及为问题和改进工作释放出来的容量。
成本方面主要是一次性且适度的。定义目录项、商定时钟,并确保工具记录所需的状态,每个小组需要几天的工作,外加少量持续的精力来保持管道正确(见主题 1.5,数据来源与埋点)。自动化有它自己的构建和维护成本,其中包括监控自动化、处理失败,以及在目标系统变化时更新它们。除了许可证或构建时间,还要把这些计入总拥有成本。
回报应当根据你自己的数据而不是一般性的基准来估算。对某一个项,把月度数量乘以节省的实际处理时间和时间的全成本,然后减去该变更的构建和运行成本。再加上为用户消除的等待时间的价值,使用你能辩护的方法,并单独展示,因为它是另一种性质的估计。本主题中没有任何数字是基准,示例数字为示意。凡财务数据存在之处,把业务论证与每项请求的单位成本联系起来(见主题 7.7,投资回报与业务论证)。
反模式与陷阱
- 所有请求使用一个混合的平均值。 它隐藏了速赢和长尾。按项报告,附中位数和第 95 百分位数。
- 关闭工单就称之为已交付。 用户可能仍然什么也没有。从用户一侧定义交付,并索要确认。
- 自由形式的暂停状态。 没有理由的“等待”状态,让时钟可以因任何原因而停止。使用一份简短的原因清单,并报告暂停占比。
- 按项数统计自动化。 十个被自动化的罕见项可以抬高百分比却对谁都没帮助。按数量和实际处理时间加权。
- 按关闭的请求数给坐席排名。 它奖励挑拣容易的工单,惩罚接手困难工单的人。仅在团队和项的层面报告。
- 隐藏需求以显得高效。 让目录难以使用会降低数量并增加挫败感。把数量与满意度和采纳数据配对。
- 把批准视为不可触碰。 批准往往是最大的延迟,却很少被评审。问每一个在保护什么,以及规则是否能胜任。
- 把请求与事件混在一起。 它扭曲两组数字。在受理时分类并抽查分类。
成熟度模型
| 维度 | 起步 | 发展 | 标准化 | 管理 | 协同 |
|---|---|---|---|---|---|
| 定义与时钟 | 请求被当作工单来统计;时钟的终点就是“已关闭”所指的任何意思 | 一些团队按项定义起点和终点;定义各异 | 每个目录项一份书面的时钟定义,在团队之间共享 | 按节奏评审定义,变更连同理由记录 | 定义遵循跨供应商的客户视角,并在不再为决定提供依据时修订 |
| 数据与报告 | 手工从工具中提取计数 | 从 ITSM 工具为一些项出报告;平均时间 | 来自同一数据源的按项中位数和第 95 百分位数 | 带护栏评审趋势、待办事项列表年龄和暂停时间占比 | 内部团队和供应商的履行数据被合并,并与用户成果相联 |
| 需求与自动化 | 请求被逐个处理;无法看到重复的需求 | 非正式地识别出主要的项;少数脚本 | 为主要的项记录请求模型;自动化待办事项列表按数量和实际处理时间排序 | 跟踪自动化占比和失败率;依据证据重新设计批准 | 需求、自助服务和自动化在整个组织内一并规划,并持续调整 |
| 在改进中的使用 | 数字被向上报告,却不被使用 | 投诉之后偶尔修复 | 由做这项工作的团队每月评审 | 获得资助的改进与按项的结果相联 | 改进的想法来自团队、用户和供应商,结果反馈到目录设计中 |
检查清单
- 范围内的每个目录项都有负责人、对“已交付”的一句话定义和明确的目标。
- 每个项的履行时钟的起止事件已写下来。
- 等待用户是带一份简短原因清单的单独状态,并报告暂停时间。
- 报告按项显示中位数和第 95 百分位数,附每个点背后的请求数。
- 团队每周都能看到最老的未关闭请求。
- 已对主要的项抽样了实际处理、批准和等待时间。
- 每月评审按项的数量,并与采纳或满意度数据比较。
- 自动化占比按数量加权,并与失败率和回退率配对。
- 每项速度度量都与重开率和用户满意度信号配对。
- 请求、事件和变更在受理时分类,并抽查分类。
- 没有报告给个别坐席排名。
AI 提示词
为一个目录项起草请求模型和时钟定义。
我正在为这个目录项定义度量:[目录项名称]。目前的步骤是 [列出步骤及各自由谁执行],批准是 [列出批准],我们的工具是 [ITSM 工具]。请起草一份请求模型,包括所需的信息、履行时钟的起止事件、时钟可以暂停的状态和允许的原因,以及我需要工具记录的时间戳清单。不要虚构基准值或工具功能。请列出你的假设,以及我应当回答哪些问题以完成该定义。
把经过的时间拆分为实际处理时间和等待时间。
这是 [目录项] 的 [数量] 个已履行请求的样本,附状态变更时间:[粘贴匿名的状态历史,不含姓名]。请对每个请求和整个样本,计算实际处理时间、批准等待和等待用户的时间,并显示中位数和范围。指出哪个状态占时间最多,以及我应当就它向团队提出哪些问题。不要在没有证据的情况下推断原因,也不要比较个别的人。请列出你的假设。
给自动化候选排序。
这是一张目录项的表,含每月数量、实际处理时间中位数、步骤的变化,以及每项所涉及的系统:[粘贴表]。请建议一种使用数量、稳定性和实际处理时间对自动化候选排序的办法,并解释前 [数量] 个项的排名。标出自动化可能造成安全或质量风险的项,并列出我应当首先与 [控制负责人角色] 核实的事项。不要虚构节省的数字或基准值。请列出你的假设。
评审履行仪表盘的钻空子风险。
这是我们的请求履行仪表盘:[描述度量、定义和目标]。对每项度量,列出它可能如何被钻空子或被误读、数据中可观察到的迹象,以及配对的护栏度量或实践。检查没有任何东西给个人排名,并建议能减轻团队压力的措辞更改。不要虚构阈值;向我索取你需要的。请列出你的假设。
AI 技能
- Service Management Metrics skill:用于查找某项请求度量的定义、钻空子途径和护栏,以及与之配对的相邻主题。
- Service Management Metrics maintainer skill:用于检查对本主题的编辑是否使模板、时钟和护栏配对保持完好。
要点
- 按目录项度量履行,从用户提交到用户确认,并报告中位数和一个高百分位数。
- 大部分经过的时间是等待,所以在决定修复什么之前,先拆分实际处理、批准和等待用户的时间。
- 把按项的数量读作用户的一条信息,并先自动化频繁且稳定的项。
- 每个速度数字都与重开率和满意度信号配对,并公开报告暂停时间。
- 描述队列和流程,绝不描述人。
参考文献与延伸阅读
- AXELOS, ITIL Foundation: ITIL 4 Edition, TSO (The Stationery Office), 2019.
- AXELOS, ITIL 4 Practice Guide: Service Request Management, TSO (The Stationery Office), 2020.
- ISO/IEC 20000-1, Information technology: Service management: Part 1: Service management system requirements, International Organization for Standardization.
- Anderson, D. J., Kanban: Successful Evolutionary Change for Your Technology Business, Blue Hole Press, 2010.
- Vacanti, D. S., Actionable Agile Metrics for Predictability: An Introduction, Daniel S. Vacanti, Inc., 2015.
- Reinertsen, D. G., The Principles of Product Development Flow: Second Generation Lean Product Development, Celeritas Publishing, 2009.
- Little, J. D. C., "A Proof for the Queuing Formula: L = λW," Operations Research, 9(3), 1961.
- Goodhart, C. A. E., "Problems of Monetary Management: The U.K. Experience," in Papers in Monetary Economics, Reserve Bank of Australia, 1975.
- Strathern, M., "'Improving ratings': audit in the British University system," European Review, 5(3), 1997.
- Wikipedia, ITIL.
- Wikipedia, Process automation.
- Wikipedia, Service catalog.
- Wikipedia, Percentile.
- Wikipedia, Service-level agreement.
- Wikipedia, Goodhart's law.