概述与动因

用 ITIL 4 的话说,事件是对服务的计划外中断或对其质量的降低。事件管理(Incident management)是尽可能快地恢复正常服务运行并限制对业务伤害的实践。每起事件也是一个信号:服务、其变更、其用户或其监控中的某样东西没有按预期工作。因此,事件的数量和特征是运维团队拥有的信息最丰富的需求测量值之一。

数量本身是糟糕的指引。事件上升可能意味着服务变差了,或者有更多人在使用它,或者监控改进了,现在看到了过去没被报告的故障。下降可能意味着可靠性工作见效了,或者用户不再费心报告。本主题讲的是在足够的背景下阅读数量,以便区分这些故事:依据使用量归一化,按类别和服务拆分,并留意优先级的构成和重复的比率。

优先级是本主题的下半部分。ITIL 实践通常从两个输入推导出优先级:影响(受影响的业务有多少)和紧迫性(业务多快需要修复)。这一对被映射到一个优先级级别,由它设定预期的响应。敏捷团队在如何分诊待办事项列表上有近似的对应物:缺陷上的严重性和紧迫性标签,以及流动看板上决定谁插队的“服务类别”。用词不同;问题却相同:什么必须首先处理,为什么。

ITIL 视角把事件视为由服务台和解决小组拥有的记录,带有类别、优先级和服务级别目标。敏捷视角把计划外工作视为与计划工作竞争的、对流动的打断(见主题 2.9,运维工作与计划外工作)。如果测量值描述的是系统而不是其中的人,两种视角都受益于同样的测量值。服务台(service desk)是大多数记录的起点,其自身的度量另行涵盖(见主题 3.1,服务台度量)。事件被响应和解决得多快,涵盖于主题 3.3(事件响应与解决时间)。重大事件有它们自己的测量值(见主题 3.4,重大事件度量)。

下面反复出现几个术语。百分位数(percentile)是低于它的观测值占规定比例的数值,所以第 85 百分位数是 85% 的观测值都不超过的数值。服务级别协议(SLA)是提供者与客户之间的书面承诺。配置项(CI)是为交付服务而需要管理的组件。泊松过程(Poisson process)描述以某个平均速率独立到达的事件,是事件到达的一个有用的初始模型(见主题 1.6,服务度量的统计素养)。

主题 1.2(古德哈特定律与度量的心理学)中的警告在这里比大多数地方更适用。事件计数和优先级是由人录入的,往往在压力之下,而附在一条记录上的数字,可以通过改变这条记录的写法来改变。下面每项度量都有一条钻空子途径,护栏是定义的一部分。

关键原则

  • 在比较之前先归一化。 没有它所产生自的使用量、用户基数或交易量,计数几乎没有意义。比较各期间和各服务之间的比率,并在旁边展示原始计数。
  • 读构成,而不是单一数字。 优先级分布、类别分布和重复的占比,合在一起比任何总数说明的都多。
  • 优先级是规则,不是情绪。 用一张书面矩阵从影响和紧迫性推导它,并度量它在事后被更改的频率。
  • 把事件与请求分开。 对正常事物的请求不是故障。把两者一起统计,会膨胀事件数量,并隐藏服务台把时间花在了什么上(见主题 3.5,服务请求履行度量)。
  • 重复是最有价值的信号。 再次出现的事件,指向一个尚未解决的问题(见主题 4.1,问题管理度量)。
  • 度量服务和团队,绝不度量坐席。 按人计数招致排名,而排名会败坏数据(见主题 1.2,古德哈特定律与度量的心理学)。
  • 预期数量会因与质量无关的原因而变动。 发布、季节、活动和报告渠道的变化都会移动计数。给图表加注释。

度量定义

该表列出本主题中的度量。时钟和边界在公式列中说明。“关闭”和“开立”指事件记录中的时间戳;开立时间是记录被创建或监控系统创建它的时间,关闭时间是事件被确认解决并关闭的时间。

度量 定义 公式 单位 数据来源 ITIL 实践 敏捷对应物 节奏
按服务划分的事件数量 一个期间内为某项服务开立的事件计数 开立时间在该期间之内、归于受影响服务的事件;服务请求、已合并到父记录的重复项以及作为误报而取消的记录被排除 计数 ITSM 工具的事件记录 事件管理 每个团队的生产缺陷或计划外工作项 每周,每月评审
归一化的事件率 事件相对于服务使用量 期内开立的事件 /(同一期间和范围的使用量度量,包括活跃用户、会话或交易,按服务选择并记录)x 1000;使用量度量必须来自事件工具之外的来源 每 1000 个使用单位的事件数 ITSM 工具加来自分析或监控的使用数据 事件管理;服务级别管理 每次发布或每位用户的缺陷密度 每月
优先级构成 开立的事件在每个优先级级别上的占比 开立时记录的优先级为该级别的事件 / 期内开立的所有事件,按每个级别展示;被重新分类的事件按开立时的优先级计数,并按关闭时的优先级再次展示 按级别的百分比 ITSM 工具,包括优先级变更的历史 事件管理 缺陷的严重性分布;服务类别构成 每月
优先级重新分类率 优先级在开立与关闭之间发生变化的事件占比 期内关闭的、关闭优先级不同于开立优先级的事件 / 期内关闭的事件 百分比 ITSM 工具审计线索 事件管理 缺陷待办事项列表上的重新分诊率 每月
类别集中度 最大的几个类别所占的事件数量份额 按计数排名前五的类别中的事件 / 期内已分类的所有事件;未分类的事件作为自己的份额单独报告 百分比 ITSM 工具的类别和服务字段 事件管理;问题管理 按组件或史诗划分的缺陷聚集 每月
重复事件率 在规定窗口内,对同一服务、配置项和类别再次出现的事件占比 期内的事件中,在前述窗口(例如 30 天,一次设定并记录)内对同一服务、CI 和类别有较早的已关闭事件的 / 期内开立的事件;被重新打开的记录算作重开,而非重复 百分比 ITSM 工具和 CMDB 关联 事件管理;问题管理 回归或逃逸缺陷率 每月
重开率 已关闭的事件中被重新打开的占比 期内关闭的、随后在规定窗口内(例如 7 天)被重新打开的事件 / 期内关闭的事件 百分比 ITSM 工具状态历史 事件管理 被重新打开的缺陷;返工 每月
监控发现占比 在用户报告之前由监控首先提出的事件占比 其首个事件为自动告警的事件 / 期内开立的所有事件;由人根据告警开立的事件按告警时间计数 百分比 ITSM 工具,监控集成 监控与事态管理;事件管理 告警驱动对比客户报告的缺陷 每月

关于这些定义的两点说明。第一,此表中的“优先级”是记录所带的优先级,它应当来自影响和紧迫性矩阵,而不是人们希望工作被完成的顺序。第二,为某个期间报告的数量是开立数的计数,而不是某一天未关闭的事件数。任何时刻的未关闭计数是待办事项列表的测量值,属于与老化相关的内容(见主题 3.3,事件响应与解决时间)。

建议

仔细计数

1. 写下什么是事件、什么不是。 许多工具把事件、请求、告警和问题放在同一张表里。决定哪些记录类型计入,记录过滤条件,并每次都应用它。过滤条件的变化会改变趋势,所以连同日期和理由记录变更(见主题 1.5,数据来源与埋点)。

2. 在报告之前先去重。 当一个故障产生五十张工单时,父事件才是事件,子记录是对其影响范围的度量。两个数字都要报告:父事件说明发生了多少故障,关联的记录说明有多少人感受到了。把两者混在一起,会使一次大的中断看起来像一个月的例行工作。

3. 把事件归于服务,也归于团队。 服务是业务购买并理解的东西。用服务目录(ITIL 的 “service catalogue”)来定义清单,并在服务变化时评审来自 CI 的映射。没有服务的事件是需要修复的数据质量问题,这类记录的占比值得报告。

归一化并解读数量

4. 对照来自不同来源的使用量度量进行归一化。 除以活跃用户、会话或交易,取自分析或监控,而不是取自事件工具。用户和事件都翻了一番的服务没有变差;事件翻了一番而使用量持平的服务则变差了。在比率旁边展示原始计数,使没人相信分母隐藏了什么。

5. 使用控制图,而不是趋势箭头。 即使什么都没有变化,事件计数也会逐周变动。控制图(control chart)显示通常的变动范围,使团队对信号作出反应而对噪声置之不理。在控制限之内移动的每周计数不是新闻;在平均值一侧的持续序列才是。通过比较同类期间,调整诸如季末、假期和发布周期等季节性(seasonality)。

6. 用事件为图表加注释。 标出发布、迁移、活动、依赖的中断以及报告渠道的变化。新的自助服务表单或更显眼的“报告问题”按钮,可以在服务不变的情况下提高数量。当图表显示那一周发生了什么时,大多数关于数量的争论很快就会结束。

用规则管理优先级

7. 用一张公布的矩阵,从影响和紧迫性推导优先级。 按受影响的用户和业务职能来定义影响,按伤害多快扩大来定义紧迫性。把矩阵发布在坐席选择数值的那一页,每个单元格附两三个实例。避免自由选择的优先级字段;它们会变成协商,而“优先级 1”事件的计数就成了说服力的度量。

8. 一并报告构成和重新分类率。 健康的构成是最高优先级的事件很少,而较低优先级的事件基础广泛。如果最高一级增长,要问是伤害增加了,还是客户学会了“紧急”能获得关注。重新分类率显示矩阵多么适用:关闭时频繁更改,意味着规则不清晰或最初的评估仓促。每月在拥有该矩阵的小组评审一批重新分类的记录样本。

9. 让优先级与敏捷的服务类别保持一致。 凡交付团队接收由事件驱动的工作之处,使用同样的词和同样的矩阵,或公布一份清晰的映射。一个团队称某缺陷为“高”而运维称同一缺陷为“中”,会在翻译上损失时间。为加急工作预留明确的容许额度,使打断在流动测量值中可见(见主题 2.1,流动度量)。

寻找重复与模式

10. 把重复和重开作为单独的信号来跟踪。 重开意味着第一次修复没有站住;重复意味着同类故障在妥善修复之后又回来了。前者指向解决质量,后者指向尚未解决的原因。把反复出现的聚集与问题记录相联,并在事件很可能回来时,不再把它算作已修复(见主题 4.1,问题管理度量)。

11. 用帕累托原则(Pareto principle)选择去哪里看。 按事件计数对类别和服务排序,看看多么少的几个占了大部分数量。在为其余部分构建新报告之前,先调查前几名。这个形态是根因分析(root cause analysis)的提示,而不是结论,因为计数高的类别可能只是容易归类的那个。

12. 把发现反馈给交付团队和服务台。 以定期交流而不是报告的方式,与构建和变更这些服务的团队分享类别和重复的视图。为每个反复出现的聚集配一位负责人、一个下一步和一个日期,并把这项工作与其他优先事项放在同一份待办事项列表上(见主题 2.6,待办事项列表与梳理度量)。当原因被消除时数量会下降,而这需要有计划的容量。

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
按服务划分的事件数量 把事件登记为请求、合并不相关的工单、劝阻用户报告,或以“未发现故障”关闭重复项 在事件数量旁边展示用户报告的联系量和请求量;来自服务台的满意度和放弃率;抽查读起来像故障的请求
归一化的事件率 选择能给出最佳数字的分母,或在各期间之间更改使用量的定义 每项服务在登记册中记录的固定使用量度量;在比率旁边展示原始计数
优先级构成 压低优先级以显得平静,或抬高以获得关注;分配低优先级以避开响应目标 优先级重新分类率;每月对照影响和紧迫性矩阵的抽样评审;客户报告的影响
优先级重新分类率 在应当更改时不更改优先级,使比率看起来稳定;只在关闭时更改以符合目标 对事件期间影响发生变化的记录的抽样;对事件时间线的评审
类别集中度 使用包罗万象的类别,或把一个大类别拆成几个以隐藏集中度 未分类和“其他”记录的占比;定期评审类别清单;对照解决备注检查类别
重复事件率 用不同措辞或 CI 开立新事件以避开关联;提早关闭以避免重开 按文本和服务评审近似重复的记录;重开率;与问题记录的关联率
重开率 请用户开新工单而不是重新打开;迟迟关闭工单以避免重开 引用最近已关闭工单的新工单计数;客户对解决的确认;关闭时间分布
监控发现占比 创建自动开立事件的嘈杂告警,或让人把用户报告改标为告警 可操作告警占比等告警质量测量值(见主题 5.5,监控与告警质量度量);事件来源审计

健康的读数是平淡且可解释的。对稳定的服务,归一化的比率稳定或在下降;当使用量或变更因图表所示的原因而上升时,比率才上升。优先级构成稳定,重新分类很少,少数几个类别得到有意的关注。重复和重开在有计划的问题工作之后下降,而任何测量值的变动,都有人能给出解释,而不必为这个数字辩护。

权衡:利与弊

方法 优势 劣势
原始事件计数 简单,易于解释,随时可得 把使用量、质量和报告行为混入一个数字
相对于使用量的比率 允许跨期间和跨服务的公平比较 需要可信的使用量来源;分母可能引起争论
固定的影响和紧迫性矩阵 跨团队的优先级一致;可审计 可能显得僵化;边界情形需要判断和覆盖的途径
自由选择的优先级 对有经验的坐席快速而灵活 不一致,易受压力影响,难以随时间比较
详细的类别树 显示需求来自哪里 压力下难以使用;人们选第一个匹配项或“其他”
带标签的简短类别清单 应用迅速且一致 细节较少;可能隐藏需要文本分析的模式
按 CI 和类别的重复率 指向未解决的原因 依赖良好的 CI 数据;错误关联和遗漏都会发生

承认没有哪一项测量值是唯一正确的。容量规划用原始计数,健康用比率,风险用优先级构成,改进用重复,并如实展示每一项。让类别清单保持得足够短,使人们愿意使用,并且只有当某项决定需要更精细的细节时才改进类别树。

与团队讨论的问题

1. 在这里什么算事件?大家是否以同样方式应用这条规则? 取十条最近的记录,请每个人把它们标记为事件、请求或其他。比较答案并讨论分歧。引导者应当寻找诸如把资深人士发来的每张工单都当作事件之类的习惯,然后商定一条带示例的书面规则。记录日期,以便日后正确解读趋势。

2. 上个季度事件数量上升时,我们当时对使用量和变更了解什么? 把图表放在发布、活动和使用量数字的时间线旁边。问哪次上升得到了解释,哪次没有。讨论往往显示分母很少出现在页面上。商定从现在起每项服务将携带哪项使用量度量。

3. 优先级是如何决定的?上一次让我们感到意外是什么时候? 用每个优先级级别的一个近期例子,走一遍影响和紧迫性矩阵。问坐席在哪里靠猜,客户或经理在哪里施压。比较几条记录的开立优先级和关闭优先级。决定对矩阵或其示例作出一项减少争论的更改。

4. 哪三个类别占了我们事件数量的大部分?谁在致力于消除其原因? 列出主要类别,并对每一个列出底层原因的负责人。如果答案是“没人”,那就是一项发现。问该类别是否是真实的聚集,还是一种贴标签的习惯。选择一个聚集,本季度与交付团队一起调查。

5. 我们如何区分重复与重开?对每一种该怎么做? 向团队展示两三对记录,问哪些是重复。讨论重开说明了第一次修复的质量,而重复说明了原因。引导者应当引导小组把反复出现的聚集与问题记录相联,而不是逐个关闭它们。商定由谁评审以及多久评审一次。

6. 如果我们的事件计数每周由高层领导评审,我们会想改变什么? 请小组想象这个数字贴在墙上。哪些习惯会改变:事情如何登记、工单如何合并、优先级如何设定?公开地、不带责备地点明这种压力。商定哪道护栏会显示这种转变,以及由谁来查看。

四种视角

产品与交付团队

交付团队将本主题的产出作为需求来接收。类别和重复的视图显示产品的哪些部分造成最多麻烦,优先级构成则显示该为多少打断工作做规划。团队应当把由事件驱动的工作视为其容量的一部分,让它在流动测量值中保持可见,并利用重复聚集为待办事项列表上的可靠性工作辩护(见主题 2.9,运维工作与计划外工作)。统计每次发布的事件是一个有用的趋势,但它绝不应当成为对个别开发人员的责备度量。

服务与运维团队

服务与运维团队创建记录,并感受到围绕优先级的压力。他们受益于清晰的矩阵、简短的类别清单,以及关联重复项的快速办法。他们应当在别人之前,先检查自己工具中的数据,比如未分类记录的占比和重新分类率。运维团队非常适合开展每月的抽样评审,并把反复出现的聚集送入问题管理。

领导层与治理

领导者想知道服务是否在变好,以及该在哪里投资。他们应当索要带注释的归一化比率、优先级构成和重复视图,并抵制单一的数量数字。“更少事件”的目标招致压制,所以改为就诸如客户影响和重复减少之类的成果设定期望。治理应当拥有优先级矩阵并批准对它的更改,同时注明对趋势线的影响。

客户与用户

客户把事件体验为被打断的工作,而不是类别。他们需要一种报告故障的简便办法、一个基于其影响的公平优先级,以及诚实的更新。如果报告受到劝阻或优先级感觉随意,数量会下降,信任也会随之下降。用用户能认出的话分享主要发现,比如改进了哪些服务、消除了哪些问题(见主题 6.1,客户满意度度量)。

实践:一个服务管理示例

一家地区医院的 IT 部门支持着一个患者记录系统、一个排程系统和一个员工消息工具。本示例中的所有数字均为示意。

月度报告显示,该季度最后一个月有 640 起事件,上个月为 520 起。领导层要求一份恢复计划。排程系统的服务负责人,其计数上升得最多,要求在同意服务变差之前先看数据。

浮现出三个事实。第一,排程系统那个月新增了一个诊所组,活跃用户上升约 30%(示意)。归一化之后,每 1000 次会话的事件率大致持平。第二,多出来的记录中有 90 条关联到一个父事件,即与一个化验系统的接口故障,所以不同故障的数量只多了寥寥几个。第三,优先级构成发生了偏移:最高优先级的占比上个月为 2%,现在是 7%。重新分类率也翻了一番,对 20 条记录的抽样显示,大约一半的高优先级在关闭时被调低了。

团队作出三项决定。他们分别报告父事件和关联的记录。他们把活跃会话数作为分母加入报告。他们与服务台和临床负责人召开一次半小时的会议,把影响和紧迫性矩阵应用于抽样的记录,结果显示“诊所无法为患者预约”被某些坐席视为中、被另一些视为高。矩阵的每个单元格获得两个临床示例。

他们发现的钻空子风险很隐蔽。一位经理曾要求坐席避免为排程系统使用优先级 1,因为每一个都会触发评审,所以记录以较低优先级开立,之后再调高,或者根本不调高。重新分类率和抽样评审暴露了这一模式。团队商定,评审是为了学习,公布了这一声明,并把以低于关闭优先级开立的事件占比作为护栏来跟踪。类别集中度也把接口故障显示在清单的顶部,于是开立了问题记录,并与接口团队一起安排了修复。

敏捷、AI、自动化与分析

敏捷

在定期的改进交流中,与拥有受影响服务的产品团队一起评审事件需求,并选择一个要消除的重复原因。需要注意的是,减少事件的目标会降低诚实的报告,所以要在计数旁边保留监控发现占比。

AI

AI 可以成批地对事件分类并排优先级,这会在真实影响没有任何变化的情况下移动优先级构成和类别集中度。把优先级构成与抽样的、对优先级是否诚实的人工检查配对,并报告由 AI 分配的优先级的重新分类率。需要注意的是,基于过往工单训练的模型会重复旧的类别习惯,所以要留意新的事件类型被归入旧标签之下。

自动化

自动捕获事件创建、优先级变更和监控告警,使数量根据事件来统计,并就自动分类步骤的错误率来度量它。需要注意的是,告警风暴造成的事件计数,反映的是工具而不是用户受到的伤害,所以要按使用量归一化并去重。

分析

依据使用量对数量归一化,并把优先级展示为随时间变化的构成,重复的事件与某个原因相联。这为之提供依据的决定是在哪里投资于预防。需要注意的是,高优先级事件的低计数太小,无法逐月比较,所以要使用更长的窗口。

行业视角

初创公司。 数量很小,团队了解每起事件,所以比率和矩阵可能显得繁重。保持按服务的简单计数和简短的类别清单,并用一页纸写下什么算事件。留意重复,因为小团队可以迅速消除一个反复出现的故障并赢回时间。

小型企业。 服务台可能是使用托管工具的一个人。使用工具的标准报告,把优先级保持为几个级别,附一条朴素的影响和紧迫性规则,并检查请求没有被算作事件。逐月比较并附上关于变化的说明,比如新员工或新软件。

大型企业。 众多服务、供应商和服务台,使一致性成为主要问题。商定一张影响和紧迫性矩阵、一套深度有限的类别方案和一条去重规则,并让本地团队添加标签而不更改共享方案。按服务归一化,并用控制图和注释评审趋势。由供应商造成的事件需要在合同中有共享的定义(见主题 5.1,SLA、OLA 与 XLA 度量)。

政府与公共部门。 事件可能带有报告义务、审计需要和公共利益,尤其是在服务影响公民权利或安全之处。记录优先级矩阵和类别方案,保留对优先级更改的审计线索,并对任何公布的计数保持谨慎,因为公开报告可能对记录的写法造成强烈的压力。使用量数据可能受隐私规则的限制,所以说明你能合法使用的分母(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

动因是需求管理。事件消耗熟练人员的时间,打断计划工作,并扰乱用户。了解数量、优先级和重复,使组织能够消除原因,依据真实需求配备人员,并向领导者显示可靠性工作在哪里会有回报。

成本有三个部分。设置包括定义事件和请求、商定优先级矩阵和类别方案,以及把使用量数据与服务相联。运行成本是保持记录干净的精力、每月的抽样评审,以及一位维护报告的人。第三项成本是据发现采取行动的时间,大部分回报来自这里,所以要为之规划容量。

回报最好描述为你可以自己度量的模式。其中包括问题工作之后更少的重复、花在优先级争议上的时间更少、更少的意外升级,以及人员配备与需求之间更好的匹配。避免承诺事件的某个百分比的减少;它取决于服务、起点和所做的工作。总拥有成本主要是人的时间,所以要计入它,并与重复事件目前消耗的时间比较。

反模式与陷阱

  • 把原始计数当作健康得分来报告。 使用量、变更和报告行为都会移动它。把归一化的比率、原始计数和注释放在一起展示。
  • 设定更少事件的目标。 它们奖励压制和错误标注。为重复的减少和客户影响设定目标,并把事件计数保持为信息。
  • 把请求算作事件。 数量上升,服务看起来比实际更糟。把记录类型分开并分别报告。
  • 自由选择的优先级。 优先级变成协商,构成变得毫无意义。使用公布的矩阵,并抽样检查一致性。
  • 没人使用的类别树。 人们选第一个匹配项,而“其他”不断增长。保持简短,每月评审“其他”,并修剪不使用的。
  • 把每张关联的工单都算作单独的故障。 一次中断主导整个月。报告父事件和关联记录的数量。
  • 按事件计数给坐席或团队排名。 按人的计数反映的是工作分配和工单习惯。汇总到服务,评审模式而不是人。
  • 忽略重复。 同一个故障一再被修复,却没人拥有其原因。把重复与问题记录相联并指定负责人。

成熟度模型

维度 1 起步 2 发展 3 标准化 4 管理 5 协同
定义与计数 人们对什么是事件意见不一;计数来自临时导出 一些团队把请求从事件中过滤出去;规则各异 所有团队共用一份书面定义、过滤条件和去重规则 定义变更被记录并显示在趋势图上;跟踪未分类记录的占比 定义与供应商和客户一起评审,并在不再为决定提供依据时修订
归一化与解读 只有原始计数 少数服务使用了使用量数据 每项服务有来自独立来源的指明的使用量度量 评审中使用带注释的控制图 使用量、变更和事件数据跨团队和供应商相联,以解释需求
优先级实践 优先级凭感觉选择 一些团队有矩阵 一张带示例的矩阵,展示在选择优先级之处 每月评审并抽样构成和重新分类率 随着条件变化,与客户以及临床或业务负责人一起调整矩阵
重复与模式 凭记忆注意到重复 偶尔评审类别清单 每月报告带明确窗口的重复率和重开率 反复出现的聚集与问题记录相联,附负责人和日期 跨团队和供应商的原因消除获得资助,并被追踪至需求的减少

检查清单

  • 一份书面定义把事件与请求、告警和问题区分开。
  • 父事件和关联的记录被分别报告。
  • 每起事件都归于服务目录中的某项服务。
  • 每项服务有来自事件工具之外来源的指明的使用量度量。
  • 报告展示原始计数、归一化的比率,以及对发布和活动的注释。
  • 在任何人对每周数量的变化作出反应之前,先使用控制图。
  • 优先级由公布的、带示例的影响和紧迫性矩阵推导。
  • 每月一起评审优先级构成和重新分类率。
  • 类别清单简短,并跟踪“其他”和未分类记录的占比。
  • 重复率和重开率使用明确的窗口并分别报告。
  • 反复出现的聚集与有负责人的问题记录相联。
  • 没有报告按事件计数给个别坐席排名。

AI 提示词

检查事件数量的定义是否含糊。

我们从 [ITSM 工具] 统计 [服务或团队] 的事件数量。我们当前的过滤条件是 [描述记录类型、状态和排除项],期间为 [期间]。请评审该定义是否含糊,包括请求、重复项、已合并的工单和已取消的记录如何处理。建议一条清晰的书面规则和一份能平息分歧的简短示例清单。不要虚构基准值。请列出你的假设,以及我应当回答哪些问题以完成该定义。

设计归一化的事件率。

对于服务 [服务名称],我想要一个按使用量归一化的事件率。可用的使用量度量有 [清单,例如活跃用户、会话、交易],来自 [来源]。请比较这些选项,说明哪个最合适及原因,并描述每个可能会如何扭曲。建议如何在一张图上展示原始计数、比率,以及对 [发布或活动等事件] 的注释。不要虚构数字或阈值。请列出你的假设。

评审影响和紧迫性矩阵。

这是我们的优先级矩阵:[粘贴影响级别、紧迫性级别以及得出的优先级],这里是 [数量] 个匿名的示例事件:[粘贴简短描述]。请把矩阵应用于每个示例,指出两个读者可能得出不同优先级的地方,并建议能减少分歧的措辞或示例。找出矩阵可能被钻空子的方式。不要虚构响应目标或基准值。请列出你的假设。

分析类别和重复以找出改进候选。

我有 [期间] 的事件记录,字段为:[字段清单,例如服务、类别、CI、开立时间、关闭时间、重开标志]。请描述一种方法,用来找出主要类别,使用 [窗口] 的窗口区分重开与重复,并选出 [数量] 个供问题调查的候选。解释如何检查包罗万象的类别和近似重复的记录。不要虚构我没有展示给你的数据中的模式。请列出你的假设。

AI 技能

要点

  • 事件数量既反映使用量、变更和报告行为,也反映质量,所以要归一化并加注释。
  • 把优先级读作构成,从公布的影响和紧迫性矩阵推导它,并留意重新分类率。
  • 分别报告父事件和关联的记录,使一次中断不会看起来像一个月的例行工作。
  • 重复和重开是最有用的信号,因为它们指向原因和没有站住的修复。
  • 汇总到服务和团队,绝不汇总到个别坐席,并给每项度量配一道护栏。
  • 用控制图和帕累托视图来决定去哪里看,然后给每个聚集配一位负责人和容量。

参考文献与延伸阅读

  1. Axelos (now PeopleCert), ITIL Foundation: ITIL 4 Edition, TSO, 2019.
  2. 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/
  3. Wheeler, D. J., Understanding Variation: The Key to Managing Chaos, 2nd edition, SPC Press, 2000.
  4. Vacanti, D. S., Actionable Agile Metrics for Predictability: An Introduction, Daniel S. Vacanti, Inc., 2015.
  5. Forsgren, N., Humble, J., and Kim, G., Accelerate: The Science of Lean Software and DevOps, IT Revolution, 2018.
  6. ISO/IEC 20000-1, Information technology: Service management: Service management system requirements, International Organization for Standardization.
  7. Goodhart, C. A. E., "Problems of Monetary Management: The U.K. Experience," in Papers in Monetary Economics, Reserve Bank of Australia, 1975.
  8. Wikipedia, ITIL.
  9. Wikipedia, Incident management.
  10. Wikipedia, Help desk software.
  11. Wikipedia, Control chart.
  12. Wikipedia, Seasonality.
  13. Wikipedia, Pareto principle.
  14. Wikipedia, Root cause analysis.