概述与动因

《敏捷宣言》的原则说,业务人员和开发人员必须在整个项目期间每天一起工作。其背后的观察既古老又牢靠:服务组织中的大部分延迟,并非来自人们工作缓慢。它来自工作在人与人之间的等待。一项请求从服务台移到二线团队,再到应用团队,再到数据库管理员,每一步它都加入一个队列、丢失背景,并有被退回的风险。其中涉及的人也许每个都很迅速。系统却是缓慢的。

由 ITIL 所规范的 IT 服务管理(ITSM),长期以来把支持组织为层级和团队,以升级作为把问题移交给能够解决它的人的机制。这种结构有其好处:专业化、清晰的归属和受控的访问。它也造成交接,而交接是有成本的。敏捷和 DevOps 实践的回应是构建跨职能团队,使其端到端地承担更多的工作,并鼓励实时协作。两种传统得出相似的结论:更少的交接、交接之间更短的等待,以及能够解决问题的人一起处理它。

有几个理念有助于度量。

  • 交接和队列。 每当工作从一个团队传到另一个团队,它通常会在队列中等待。花在等待上的时间,往往远大于花在工作上的时间。这就是为什么前面介绍的流动效率通常很低(见主题 2.2,前置时间、周期时间与流动效率)。瓶颈(bottleneck)是流程中容量有限的一点,它决定整体的吞吐量。
  • 结构塑造沟通。 康威定律(Conway's law)指出,组织设计出的系统,反映其自身的沟通结构。反过来也是实用的:如果你想要依赖更少的系统,就安排团队以减少它们之间的依赖。团队边界造成交接,而交接塑造架构。
  • 依赖。 依赖(dependency)是这样一种关系:一项工作在另一项完成之前无法继续。团队之间的依赖是延迟的主要来源,而且可以被绘制、统计和减少。
  • 协调成本随人数增长。 布鲁克斯定律(Brooks's law)出自 Frederick Brooks 关于软件项目的文章,它观察到,向一个已经延期的项目增加人手可能使它更晚,部分原因是增加了沟通开销。交谈中人更多,并不自动就更好。
  • 对个人的依赖。 巴士系数(bus factor)是需要有多少人无法到场才会使项目停下来,通常用来在知识只存在于一个人脑中时指出风险。它是知识分布的属性,而不是对任何人的评价。

协作测量值有阴暗的一面。把统计消息、会议或网络链接作为协作的度量,既容易又诱人,并且很快就滑向监控人们的通信。古德哈特定律的护栏适用于群体和隐私:当“协作”成为目标时,人们产生可见的活动,而当它成为监视时,人们就不再公开说话(见主题 1.2,古德哈特定律与度量的心理学)。因此,这里的测量值查看工作项、交接和依赖,以及团队层面的模式。它们不阅读消息,也不给个人排名。

本主题联系到第 2 部分的流动测量值、第 3 部分的事件和请求测量值,以及上一部分的供应商交接(见主题 8.4,供应商与合同度量)。

关键原则

  • 度量工作,而不是交谈。 交接、等待和依赖是工作项和团队的属性。
  • 更少的交接胜过更快的交接。 最好的交接是不发生的那个。
  • 把人聚在一起。 实时协作往往消除一整条等待链。
  • 使依赖可见,并减少它们。 绘制它们、统计它们,并在最痛之处改变团队边界或架构。
  • 有意地传播知识。 单点的知识是风险,而分享是一项设计活动。
  • 保护专注。 让每个小时都被会议占满的协作,会摧毁做工作的时间。
  • 让干系人持续参与。 在数小时内回答的问题,胜过在每周会议上收集的答案。

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
交接次数 一个工作项在完成之前更换所属团队的次数 每个已完成项的团队到团队转移次数的中位数和第 85 百分位数,按项类型 每项转移次数 ITSM 或跟踪器的分派历史,按团队汇总 事件管理;服务请求管理;变更赋能 端到端承担工作的跨职能团队 每月
交接等待占比 一个项的经过时间中,花在交接之后、工作恢复之前等待的占比 从交接到接收团队首个动作之间的时间 / 总经过时间,各项的中位数 百分比 分派和活动的时间戳 事件管理;服务请求管理 流动效率;排队时间 每月
重新分派率 在团队之间被传递两次以上、或被退回前一个团队的项占比 被重新分派两次以上或被退回的项 / 已完成的项 百分比 分派历史 事件管理;问题管理 返工和被弹来弹去的工作 每月
依赖延迟 项因等待另一个团队而受阻的时间 处于“被另一个团队阻塞”状态的天数的中位数和第 85 百分位数,并指明依赖 天 跟踪器的阻塞状态和依赖字段 变更赋能;发布与部署管理 被阻塞的工作项的年龄 每月
协作解决率 由来自多个团队的人实时协作、无需顺序升级而解决的事件占比 有记录的实时协作(例如共享的频道或通话)、且在无进一步交接的情况下得到解决的事件 / 合格优先级的事件 百分比 带协作标签的事件记录 事件管理;重大事件管理 对问题集群协作(swarming) 每月
知识覆盖 至少有规定数量的团队成员能够运行和更改的关键组件占比 至少有目标数量的人能够运行和更改的关键组件 / 关键组件 百分比 由团队维护的技能和归属地图 知识管理;服务连续性管理 共同的所有权和集体代码所有权 每季度
干系人响应时间 从团队向干系人提出问题,到得到可用答案的时间 从问题被记录到答案被记录的小时数的中位数和第 85 百分位数 小时 问题日志或开放问题的跟踪器字段 服务级别管理;业务关系管理 干系人的持续参与 每月

在团队、队列或服务层面汇总,绝不按个人报告。交接次数排除不改变所属团队的自动分派。等待占比从项被分派给接收团队时开始,到其首个记录的动作时结束。知识覆盖使用团队自己对谁能运行某个组件的判断,并与团队一起评审,绝不给个人排名。协作数据来自项的标签和记录,而不是来自阅读消息。

建议

绘制交接图

1. 绘制一个典型项的路径。 挑选一类常见的请求或事件,追踪它从首次联系到解决的路径:每个团队、每个队列、每次等待。使用跟踪器的历史来看真实的例子,而不是官方的流程图。这张图显示工作在哪里等待、在哪里被弹回。与相关的团队分享,并请他们指出他们所看到的浪费。

2. 根据工作项历史度量交接和等待。 使用分派和活动的时间戳,为每种项类型计算交接次数、等待占比和重新分派率。查看分布:大多数项可能只经过一次,而一条长长的尾部则被反复弹回。尾部是最大的延迟和最多的挫折所在之处。

3. 与做工作的人一起阅读数据。 高重新分派率可能反映不明确的归属、缺失的信息,或合理的分诊。先问团队,再下结论。他们知道项为什么被弹回,以及什么能阻止它。

减少交接和等待

4. 把能力移向工作。 凡许多项为了一个简单的动作而转到第二个团队之处,问是否能给第一个团队以知识、访问权限或自动化来做它。自助服务和运行手册可以消除整个交接(见主题 3.7,自助服务与自动化度量)。注意,移动工作不应只是使第一个团队过载。

5. 用协作取代顺序升级。 对复杂或紧急的事件,实时地把相关的人聚在一起,由一人协调,而不是让工单依次通过各层级。这种做法,常称为集群协作(swarming),消除了分层升级所造成的等待和背景丢失。跟踪协作解决率,并看结果和满意度是否改善(见主题 3.4,重大事件度量)。

6. 在边界处澄清归属。 对每项服务和组件,说明谁拥有它、如何联系他们,以及他们在交接中需要什么。与接收团队商定的简短必需信息模板,减少因缺少细节而被退回。评审重新分派的案例,找出归属上的缺口。

7. 在最痛之处减少依赖。 绘制团队之间的依赖,统计每一个造成延迟的频率,并处理最糟的。选项包括改变架构、给一个团队它一直在等待的能力,或围绕服务重组团队。包含从头到尾交付一项服务所需技能的跨职能团队(cross-functional team),把依赖降到最低,并把持续协作带入结构之中。康威定律表明,结构和设计应当一起改变。

传播知识和参与

8. 使知识覆盖可见并加以改进。 保存一张关键组件及能够运行和更改每一个的人的简单地图。寻找只有一个人了解的组件,并规划结对、文档和轮换来传播它。把结果视为对系统的风险。目的是弹性,以及为最了解情况的人保持可持续的节奏,因为作为唯一专家的人无法休假。

9. 让干系人持续保持知情。 商定如何就问题联系干系人,以及答案应当多快到来。为一个细节的决定等待一周的团队,是在等干系人,其代价是真实的。记录问题和答案,度量响应时间,并在与干系人关于其参与的交流中使用它。

10. 为专注的工作保护时间。 协作应当是有目的的。评审占满日历的会议,并对每一个问它支持什么决定。依据布鲁克斯定律,减少不需要人的交谈中的人数。把这与前面关于团队健康的主题中的专注测量值配对(见主题 9.1,团队健康与开发者体验)。

保持诚实

11. 不要度量沟通量。 统计消息、会议或网络链接,几乎说明不了人们是否合作得好,并且招致对个人的监控。如果你的团队选择使用社会网络分析来了解信息如何流动,要在征得同意的情况下、在群体层面、为团队自己的学习而做,绝不用来给个人评级。

12. 与团队和供应商一起评审交接测量值。 在相关的团队和供应商之间分享这些模式,并商定一两项联合的改进。跟踪交接次数和等待是否下降。对供应商边界,把这些测量值纳入联合评审(见主题 8.4,供应商与合同度量)。

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
交接次数 在别的团队做工作时仍把项分派给一个团队;重新分派到共享队列以避免被计数 检查各团队的实际活动;按活动而不仅仅是分派来统计交接
交接等待占比 记录仅仅是确认的首个动作;晚点分派给正确的团队 把“首个动作”定义为实质性的一步;与满意度和解决时间相比较
重新分派率 即使不对也拒绝重新分派;关闭项再在另一个团队名下重开 解决质量和重开率;抽样被弹回的项
依赖延迟 不记录阻塞状态;指明错误的依赖 与周期时间和项的年龄相比较;与团队一起评审依赖字段
协作解决率 把每起事件都标记为协作的;创建没有真正工作的共享频道 检查通话或频道是否包括解决问题的人;解决时间和成果
知识覆盖 列出理论上可以做这项工作的人;夸大地图 结对或演练的证据;问上一次变更实际由谁执行
干系人响应时间 晚记录问题;在答案并不可用时把它标为已收到 干系人确认答案可用;抽样检查问题

健康的读数是:常见项的交接更少、仍然存在的边界处的等待更短、被弹回的项更少、依赖在缩小、更多事件由人们一起工作解决、关键组件为多人所了解,以及在数小时内作出回答的干系人。

权衡:利与弊

方法 优势 劣势
带升级的分层支持 专业化、访问受控 交接、等待、背景丢失
跨职能团队 更少的交接、共同的所有权 需要广泛的技能;可能重复专家
协作解决 更快、学习更好 同时拉进几个人;需要协调
顺序升级 高效使用专家 对复杂问题较慢
集中的专家团队 专业知识的深度、一致的标准 瓶颈、队列
嵌入式的专家 快速获得 孤立;标准不一
繁重的会议文化 共同的觉察 吞噬专注;拖慢工作
异步的书面沟通 保护专注;记录决定 对紧急或含糊的事情较慢

答案是在深度重要之处保留专家,对复杂或紧急的问题实时地把人聚在一起,通过能力和清晰的归属减少交接,并以受保护的专注来平衡会议。

与团队讨论的问题

1. 追溯上一起在团队之间被弹来弹去的事件或请求。它在哪里等待?为什么? 使用该项的历史。标出每次交接和等待。引导者应当寻找缺失的信息、不明确的归属,以及没人看的队列。商定一项本可以阻止被弹回的变更。

2. 我们最常等待哪个团队?他们需要我们提供什么才能更快? 列出依赖及其造成的延迟。邀请对方团队参加交谈,或为他们准备问题。商定对交接模板或工作协议的一项变更。

3. 有什么事只有我们中的一两个人知道怎么做?他们不在时会发生什么? 说出这些组件或任务。问什么计划能传播知识:结对、文档、轮换。引导者应当小心,把这视为对系统的风险以及专家的工作负荷问题。

4. 什么时候一起实时地解决问题,比把它传下去更有效? 回想一个例子。是什么使它奏效:合适的人、协调者、共享的视图?讨论何时使用这种方法以及如何使之成为可能,比如常设的频道和关于谁加入的规则。

5. 我们等干系人回答要多久?这有什么代价? 查看开放的问题及其年龄。讨论是什么拖慢了答案:可联系性、不清晰的问题,还是不明确的权限。与干系人商定一项期望,以及跟踪它的办法。

6. 我们的哪些会议可以被一份书面说明或一项决定取代? 列出定期的会议,并对每一个问它支持什么决定、谁需要在场。取消或缩短一个。商定保护一段没有会议的时间。

四种视角

产品与交付团队

交付团队持有许多依赖,并感受等待。他们应当绘制自己的依赖,索要他们一直在等待的能力,分享知识以避免单点,并让干系人保持亲近。跨职能的构成往往消除最大的延迟。

服务与运维团队

运维和支持团队位于交接的中心:他们接收、路由并解决。他们应当维护清晰的归属信息,对难题使用实时协作,并准确地记录交接。他们知道哪些边界造成最多的痛苦,并能说出什么信息会防止被退回。

领导层与治理

领导者塑造造成交接的结构。他们应当在设计团队和出资时查看交接和依赖数据,在有帮助之处支持跨职能团队,并避免关于沟通量的测量值。治理应当把在同一边界上反复出现的延迟视为要修复的结构性问题。

客户与用户

用户把交接感受为被踢皮球、重复自己的话和等待。应当告诉他们谁拥有其问题,并让他们保持知情。他们被弹来弹去的体验,是协作运作得如何的直接测量值,他们的反馈应当与数字一起阅读(见主题 6.1,客户满意度度量)。

实践:一个服务管理示例

一家全国性零售商的 IT 团队运行着一个服务台、一个基础设施团队、一个应用平台团队,以及几个产品团队。用户报告说,关于销售终端系统的请求花的时间太长。下面的数字均为示意。

服务经理追溯了 60 项近期的请求。请求的中位数经过 3 个团队,第 85 百分位数经过 6 个。在中位数的情形中,71% 的经过时间花在交接之后、接收团队采取行动之前的等待上。22% 的请求被重新分派了两次以上,往往在基础设施团队和平台团队之间,双方各自认为问题归对方。等待另一个团队所造成的阻塞时间,对涉及证书的请求,中位数为 3 天,第 85 百分位数为 8 天。平台的证书续期知识只在一位工程师手里,另有两个关键组件各只有一个人了解。门店运营的干系人回答交付团队的问题,中位数需要 26 小时。

该团队与各团队商定四项变更。一份简短的归属表说明哪个团队拥有销售终端服务的每个组件,以及交接必须包含什么信息。服务台获得对证书续期的运行手册访问权限和自动化,这消除了一次常见的交接。对于高优先级事件,团队设立常设的频道,并规定事件协调者要立即把相关的人拉进来,而不是按层级升级。平台团队让第二和第三个人与证书流程结对,并计划对另外两个组件进行类似的结对,在计划中保护时间。交付团队和门店运营商定,对阻塞性问题当天回答,并记录在问题日志中。

三个月后,请求的中位数经过 2 个团队,等待占比降至 38%,重新分派率降至 9%。与证书相关的请求,阻塞时间的中位数不到一天。关键组件上的知识覆盖从 52% 升至 81%。门店运营的响应时间中位数降至 7 小时。IT 主管被要求提供一项关于团队沟通多少的测量值。服务经理解释说,消息量几乎说明不了工作是否在流动,并且跟踪它可能损害信任,并提供交接和等待测量值作为替代。该决定被记录下来,归属表被加入服务描述中。

敏捷、AI、自动化与分析

敏捷

及早把合适的人聚在一起,并定期与干系人一起评审交接。需要注意的是,统计会议或消息度量的是活动,而不是协作。

AI

AI 代理和助手在人与软件之间增加了新的交接。度量 AI 与人之间的交接,包括被退回要求更正的占比。需要注意的是,交接给无法完成的 AI,会造成隐藏的循环。

自动化

自动从跟踪器捕获重新分派和等待,并就错误路由来度量自动路由。需要注意的是,关于个人的通信元数据就是监视,所以要把分析保持在团队层面。

分析

连同计数,按价值流展示交接次数和等待占比。这为之提供依据的决定是移除或重新设计哪个交接。需要注意的是,不带原因地统计交接,会导致出于错误的理由而合并团队。

行业视角

初创公司。 小团队自然地协作,当出现专家时,交接就出现了。尽可能长时间地保持团队跨职能,轻量地记录归属,并留意只有一个人持有的知识。不要过早引入分层支持。

小型企业。 一两个人可能涵盖一切,最大的风险是对他们的依赖。通过简单的运行手册分享知识,并在缺席时有人顶替。对供应商的交接是主要的边界,所以要保持清晰的联系人和升级路径。

大型企业。 规模造成众多团队、层级和供应商,交接成倍增加。绘制最常见的项的路径,围绕服务设计团队边界,并为跨团队事件使用协调角色。在各团队之间共享交接数据,使边界获得联合关注。

政府与公共部门。 责任往往分散在各机构、承包商和法律边界之间,交接涉及采购和正式批准。使归属表明确,与承包商一起进行联合评审,并为跨越边界的事件使用共享频道(见主题 8.4,供应商与合同度量)。

业务论证:动因、投资回报与总拥有成本

成本是提取和分析分派历史的工作量、团队追溯路径并商定归属的时间、交叉培训的成本,以及用于实时协作的任何工具。重组团队是更大的决定,有其自身的成本。

回报是更短的解决和交付时间、更少的由被弹回的项造成的返工、来自单点知识的更低风险,以及更平静的工作环境。依据你自己的数据构建论证:花在等待上的经过时间占比、被弹回的项数、最糟糕的边界处延迟的成本,以及关键人员缺席对过往事件的影响。避免引用关于交接成本的已发布数字,除非你能追溯来源和背景。纳入变更的成本,并与所消除的延迟相比较(见主题 7.7,投资回报与业务论证)。

反模式与陷阱

  • 统计消息或会议。 它奖励噪声并招致监视。度量工作的流动。
  • 优化每次交接的速度。 目的是更少的交接。在可能之处消除它们。
  • 因等待而责备接收团队。 原因往往是队列和结构。看系统。
  • 默认升级。 顺序的层级增加等待。对复杂问题把人聚在一起。
  • 不明确的归属。 项会被弹回。公布归属表并使其保持最新。
  • 英雄专家。 单点的知识既是风险也是负担。有意地传播知识。
  • 把会议当作协作。 它们可能挤掉工作。对照决定来评审它们。
  • 把知识覆盖当作个人评级。 它变成排名。让它保持为系统测量值。

成熟度模型

维度 1 起步 2 发展 3 标准化 4 管理 5 协同
交接的可见性 轶事 为少数服务绘制路径 依据历史度量交接次数、等待占比和重新分派 与团队一起评审测量值并与成果相联 跨团队和供应商的共享视图;依据数据重新设计边界
减少交接 默认升级 一些运行手册和模板 归属表;能力移向第一个团队;对难题的协作 绘制并减少依赖;跟踪协作解决 整个组织中围绕服务组织的、依赖最少的团队
知识与干系人 专家承担一切 非正式的分享 绘制知识覆盖;记录干系人的问题 管理覆盖和响应时间;规划结对 知识和决定在团队、供应商和干系人之间自由流动

检查清单

  • 已根据真实的跟踪器历史追溯典型项的路径。
  • 按项类型度量交接次数、等待占比和重新分派率。
  • 公布每项服务和组件的归属,并保持最新。
  • 交接模板说明接收团队所需要的信息。
  • 复杂或紧急的事件使用带协调者的实时协作。
  • 绘制跨团队依赖,并正在减少最糟的那些。
  • 绘制关键组件的知识覆盖,并制定传播它的计划。
  • 记录干系人的问题,并评审响应时间。
  • 没有测量值统计消息、会议或个人的沟通。
  • 与相关的团队和供应商分享结果。

AI 提示词

分析工作项的路径。

这是 [数量] 个 [项类型] 的匿名分派历史:项、团队的顺序、分派和首个动作的时间戳:[粘贴]。请计算或描述交接次数和等待,识别常见路径和长尾,并建议等待和被弹回的可能原因,以及要问团队的问题。不要推断任何关于个人的事。请列出你的假设。

起草归属表。

请为服务 [名称] 起草一份归属表,涉及这些组件和团队:[清单]。对每个组件,包括所属团队、如何联系他们、交接必须包含什么,以及升级路径。标出归属看起来不明确或共享的组件。保持在一页之内。请列出你的假设和要问团队的问题。

规划知识传播。

我们的关键组件以及能够运行每一个的人数是:[粘贴]。请为了解的人少于 [数量] 的组件,提出传播知识的计划:结对、文档、演练和轮换。建议如何在计划期间保护专家的工作负荷,以及如何在不给个人排名的情况下跟踪进展。请列出你的假设和风险。

设计协作式事件处理方法。

请为 [组织类型] 中有 [团队] 的高优先级事件,设计一种轻量的实时协作解决方法。包括如何开设共享空间、由谁协调、邀请谁、记录什么,以及如何避免拉进太多人。包括用来判断它是否有帮助的测量值。请列出你的假设和告诫。

AI 技能

要点

  • 大部分延迟存在于交接之间的等待,所以要根据工作项历史度量交接次数、等待占比和重新分派。
  • 通过把能力移向工作、澄清归属,以及绘制并削减依赖来减少交接。
  • 对复杂或紧急的问题,实时地把合适的人聚在一起。
  • 传播关键组件的知识,并把单点的知识视为系统风险。
  • 让干系人持续参与,对阻塞性问题迅速回答。
  • 绝不度量沟通量,也不就协作给个人评级。

参考文献与延伸阅读

  1. Conway, M. E., "How Do Committees Invent?" Datamation, 14(4), 1968.
  2. Skelton, M., and Pais, M., Team Topologies: Organizing Business and Technology Teams for Fast Flow, IT Revolution, 2019.
  3. Brooks, F. P., The Mythical Man-Month: Essays on Software Engineering, Addison-Wesley, 1975 (anniversary edition 1995).
  4. Reinertsen, D. G., The Principles of Product Development Flow: Second Generation Lean Product Development, Celeritas Publishing, 2009.
  5. Forsgren, N., Humble, J., and Kim, G., Accelerate: The Science of Lean Software and DevOps, IT Revolution, 2018.
  6. Beck, K., et al., Principles behind the Agile Manifesto, 2001, https://agilemanifesto.org/principles.html.
  7. Wikipedia, Bottleneck (production).
  8. Wikipedia, Conway's law.
  9. Wikipedia, Dependency (project management).
  10. Wikipedia, Brooks's law.
  11. Wikipedia, Bus factor.
  12. Wikipedia, Goodhart's law.
  13. Wikipedia, Cross-functional team.