第 1 部分导读:度量基础
只有当度量出于明确的目的而选择、有人负责、数据可信、被谨慎解读,并且不扭曲它所描述的工作时,它才能帮助构建和运营服务的团队。
实践持续交付的团队和实践 IT 服务管理(ITSM)的团队,都会产生源源不断的数字:关闭的工单、完成的故事、进行的部署、解决的事件。拥有数字很容易,拥有能帮助人们做决定的数字则难得多,大多数度量计划正是在这道鸿沟上挣扎。本部分给出后续各部分都要依赖的共同基础,然后才定义任何单独的度量。它还加入了贯穿全书的一个视角:ITIL 5、AI、自动化和分析如何改变服务组织所度量的内容。
这一基础依次涵盖七个问题。究竟为什么要度量,什么都不度量或度量错了,代价是什么?一项度量如何变成目标,然后不再说出真相?首先什么值得度量?谁来定义、拥有并淘汰每一项度量?数据从哪里来,能在多大程度上信任它?鉴于工单和流动数据是偏态的且往往稀疏,应当如何解读这些数字?一个主题展示成熟的框架如何帮助组织这些答案,最后一个主题询问,按其所有者的描述,ITIL 5 对度量意味着什么,并把可以核实的内容与无法核实的内容区分开来。
如果你是本书的新读者,请先读这一部分;当后面某项度量表现异常时,也请回到这里。后续各部分中的大多数度量失败,都可以追溯到这里介绍的某个理念。本书中的度量描述团队、服务和系统,绝不用于给个人排名。
本部分的主题
- 1.1 为什么要度量服务管理:构建和运营服务的团队为什么需要数字,敏捷和 ITIL 各自对度量有什么贡献,以及什么都不度量或度量错误的代价。
- 1.2 古德哈特定律与度量的心理学:其他每个主题背后的护栏,涵盖度量如何变成目标、在工单和交付数据中如何发生钻空子,以及防止它的习惯。
- 1.3 结果重于产出:选择度量什么:价值、成果、产出和活动,领先指标与滞后指标,以及以 ITIL 的价值共创作为好度量的检验标准。
- 1.4 度量治理与归属:度量的负责人、定义、评审节奏、淘汰,以及谁可以看到什么。
- 1.5 数据来源与埋点:作为数据来源的 ITSM 工具、问题跟踪器、版本控制、持续集成与交付流水线、监控、配置管理数据库(CMDB)和调查,并关注数据质量、时间戳和状态模型。
- 1.6 服务度量的统计素养:百分位数优于平均值、偏态分布、小样本、控制图,以及对工单和流动数据诚实地表达不确定性。
- 1.7 度量框架:目标-问题-度量(Goal-Question-Metric)、目标与关键成果(OKR)、平衡计分卡、关键成功因素和关键绩效指标,以及它们如何与 ITIL 实践结合。
- 1.8 ITIL 5 度量与价值成果:根据所有者自己的出版物核实的、ITIL 5 所阐明的对可度量价值、数字化产品和 AI 赋能环境的强调,以及你今天就可以度量的基础(归属、成果、AI 监督)。
这些主题如何相互关联
这些主题构成一个回路,而不是一架梯子。主题 1.1(见主题 1.1,为什么要度量服务管理)提供目的,主题 1.3(见主题 1.3,结果重于产出:选择度量什么)把这一目的转化为对度量什么的选择。一项因关注成果而被选中的度量,仍然需要定义、负责人和评审日期,这是主题 1.4(见主题 1.4,度量治理与归属)的工作。目标-问题-度量等框架,涵盖于主题 1.7(见主题 1.7,度量框架),提供了一种可重复的方法,从目标走向一小组度量,所以它们与主题 1.3 和 1.4 自然搭配。
数据和统计构成第二对。一项精心选择的度量,只与其背后的记录一样好,主题 1.5(见主题 1.5,数据来源与埋点)解释时间戳、状态模型和工具配置如何塑造一个数字可能的含义。主题 1.6(见主题 1.6,服务度量的统计素养)随后介绍如何诚实地解读这个数字,使用百分位数、控制图和对不确定性的平实陈述。薄弱的数据会击败好的统计,薄弱的统计会浪费好的数据,所以两者最好一起阅读。
主题 1.8(见主题 1.8,ITIL 5 度量与价值成果)把同样的回路应用于一个不断变化的框架:它度量任何版本都需要的基础,并把未经核实的说法保持标注。主题 1.2(见主题 1.2,古德哈特定律与度量的心理学)作为护栏横跨所有其他主题。任何在主题 1.3 下选定、在主题 1.4 下治理、并取自主题 1.5 中数据来源的度量,一旦人们据此被评判,仍然可能被钻空子。治理限制谁能看到什么,以及度量如何使用。以成果为焦点的选择让钻空子不那么有回报。成对的度量在此介绍并在全书中展开,让一个数字检验另一个数字。因此,后面各部分的每项度量都带有一条钻空子途径和一道护栏,而本部分解释了原因。