概要と動機

ITIL 4 の言葉では、インシデントとは、サービスへの計画外の中断、またはその品質の低下です。Incident management(インシデント管理)は、通常のサービス運用を、現実的に可能な限り速く復旧し、ビジネスへの被害を抑えるプラクティスです。すべてのインシデントはシグナルでもあります。サービス、その変更、そのユーザー、またはその監視の何かが、期待どおりに機能しなかったのです。したがって、インシデントの件数と性質は、運用チームが持つ需要の測定値の中で、最も情報量の多いものの一つです。

件数だけでは、貧しい指針です。インシデントの増加は、サービスが悪化したことを意味するかもしれず、より多くの人が使っていることを意味するかもしれず、監視が改善して、以前は報告されなかった不具合が見えるようになったことを意味するかもしれません。減少は、信頼性の取り組みが実を結んだことを意味するかもしれず、ユーザーがわざわざ報告しなくなったことを意味するかもしれません。このトピックは、それらの話を区別できる十分な文脈とともに件数を読むことを扱います。利用量に対する正規化、カテゴリとサービスによる分割、優先度の構成と繰り返しの率の監視です。

優先度は、このトピックの後半です。ITIL のプラクティスは、一般に優先度を二つの入力から導きます。影響(ビジネスのどれだけが影響を受けるか)と緊急度(ビジネスがどれだけ早く修正を必要とするか)です。その組が、期待される対応を定める優先度のレベルに対応づけられます。アジャイルのチームには、バックログをトリアージする方法に近い対応物があります。欠陥の重大度と緊急度のラベルと、何がキューを飛び越えるかを決めるフローボード上の「サービスクラス」です。言葉は違いますが、問いは同じです。何を最初に扱うべきか、そしてなぜか。

ITIL の見方は、インシデントを、カテゴリ、優先度、サービスレベル目標を持つ、サービスデスクと解決グループが所有するレコードとして扱います。アジャイルの見方は、計画外の仕事を、計画された仕事と競合するフローへの割り込みとして扱います(トピック2.9「運用作業と計画外作業」を参照)。両方の見方は、測定値が、その中にいる人々ではなく、システムを記述するなら、同じ測定値から利益を得ます。Service desk(サービスデスク)は、ほとんどのレコードが始まる場所で、そのメトリクスは別に扱われています(トピック3.1「サービスデスクのメトリクス」を参照)。インシデントへの対応と解決がどれだけ速いかは、トピック3.3「インシデントの対応時間と解決時間」で扱います。重大インシデントには独自の測定値があります(トピック3.4「重大インシデントのメトリクス」を参照)。

以下では、いくつかの用語が繰り返し現れます。パーセンタイルは、観測の述べられた割合がそれを下回る値で、85パーセンタイルは観測の85パーセントが超えない値です。サービスレベル合意(SLA)は、提供者と顧客の間の文書化されたコミットメントです。構成アイテム(CI)は、サービスを提供するために管理が必要な構成要素です。ポアソン過程は、ある平均の率で独立に到着するイベントを記述し、インシデントの到着の最初のモデルとして有用です(トピック1.6「サービスメトリクスのための統計リテラシー」を参照)。

トピック1.2(グッドハートの法則とメトリクスの心理学)の警告は、ここでは他のほとんどの場所よりも当てはまります。インシデントの件数と優先度は、しばしば圧力のもとで人によって入力され、レコードに付けられた数字は、レコードの書き方を変えることで変えられます。以下のすべてのメトリクスには、ゲーミングの手口があり、防護柵は定義の一部です。

重要な原則

  • 比べる前に正規化する。 件数は、それを生んだ利用量、ユーザー基盤、取引量がなければ、ほとんど意味を持ちません。期間とサービスの間で率を比較し、その隣に生の件数を示します。
  • 単一の数字ではなく、構成を読む。 優先度の分布、カテゴリの分布、繰り返しの割合は、合わせて見たほうが、どんな合計よりも多くを語ります。
  • 優先度はルールであって、気分ではない。 書かれたマトリクスを使って影響と緊急度から導き、事後にどれだけの頻度で変更されるかを測ります。
  • インシデントとリクエストを分ける。 通常のものに対する依頼は、不具合ではありません。両方を一緒に数えると、インシデントの件数が膨らみ、サービスデスクが時間を何に使っているかが隠れます(トピック3.5「サービスリクエスト履行のメトリクス」を参照)。
  • 繰り返しは最も価値のあるシグナルである。 戻ってくるインシデントは、まだ解決されていない問題を指します(トピック4.1「問題管理のメトリクス」を参照)。
  • サービスとチームを測り、エージェントは決して測らない。 人ごとの件数は順位付けを招き、順位付けはデータを損ないます(トピック1.2「グッドハートの法則とメトリクスの心理学」を参照)。
  • 件数は、品質以外の理由でも動くと期待する。 リリース、季節、キャンペーン、報告チャネルの変更は、すべて件数を動かします。チャートに注記します。

メトリクスの定義

この表は、このトピックのメトリクスを挙げています。時計と境界は、計算式の列に述べてあります。「クローズ」と「オープン」は、インシデントのレコードのタイムスタンプを指します。オープンの時刻は、レコードが作成されたとき、または監視システムがそれを作成したときであり、クローズの時刻は、インシデントが解決を確認されて閉じられたときです。

メトリクス 定義 計算式 単位 データソース ITIL プラクティス アジャイルの対応物 頻度
サービスごとのインシデント件数 ある期間に、サービスについてオープンされたインシデントの数 オープンの時刻が期間内にあり、影響を受けたサービスに帰属されるインシデント。サービスリクエスト、親レコードにマージされた重複、誤って起票されたものとして取り消されたレコードは除外する 件数 ITSM ツールのインシデントレコード インシデント管理 チームごとの本番の欠陥または計画外の作業項目 毎週、毎月レビュー
正規化されたインシデント率 サービスの利用量に対するインシデント 期間中にオープンされたインシデント / 同じ期間と範囲の利用量の測定値(アクティブユーザー、セッション、または取引。サービスごとに選んで記録する)x 1,000。利用量の測定値は、インシデントのツール以外のソースから取る 利用量1,000単位あたりのインシデント数 ITSM ツールに、分析または監視からの利用量のデータ インシデント管理、サービスレベル管理 リリースごと、またはユーザーごとの欠陥密度 毎月
優先度の構成 オープンされたインシデントの、優先度のレベルごとの割合 オープン時に記録された優先度のインシデント / 期間中にオープンされたすべてのインシデント。各レベルについて示す。再分類されたインシデントは、オープン時の優先度で数え、クローズ時の優先度でもう一度示す レベルごとのパーセント 優先度の変更履歴を含む ITSM ツール インシデント管理 欠陥の重大度の分布、サービスクラスの構成 毎月
優先度の再分類率 オープンからクローズの間に優先度が変わったインシデントの割合 期間中にクローズされたインシデントのうち、クローズ時の優先度がオープン時の優先度と異なるもの / 期間中にクローズされたインシデント パーセント ITSM ツールの監査証跡 インシデント管理 欠陥バックログの再トリアージ率 毎月
カテゴリの集中 最大のカテゴリが占めるインシデント件数の割合 件数で上位五つのカテゴリのインシデント / 期間中のカテゴリ付きのすべてのインシデント。カテゴリのないインシデントは、独自の割合として別に報告する パーセント ITSM ツールのカテゴリとサービスのフィールド インシデント管理、問題管理 コンポーネントまたはエピックごとの欠陥のクラスター 毎月
繰り返されるインシデントの率 述べられた窓の中で、同じサービス、構成アイテム、カテゴリについて再発するインシデントの割合 先行する窓(たとえば30日、一度設定して記録する)の中に、同じサービス、CI、カテゴリで以前にクローズされたインシデントがある、期間中のインシデント / 期間中にオープンされたインシデント。再オープンされたレコードは、繰り返しではなく再オープンとして数える パーセント ITSM ツールと CMDB のリンク インシデント管理、問題管理 リグレッションまたは流出した欠陥の率 毎月
再オープン率 クローズされたインシデントのうち、再オープンされたものの割合 期間中にクローズされ、後に述べられた窓(たとえば7日)の中で再オープンされたインシデント / 期間中にクローズされたインシデント パーセント ITSM ツールのステータス履歴 インシデント管理 再オープンされた欠陥、手戻り 毎月
監視による検知の割合 ユーザーが報告する前に、監視によって最初に起票されたインシデントの割合 最初のイベントが自動化されたアラートであるインシデント / 期間中にオープンされたすべてのインシデント。アラートから人がオープンしたインシデントは、アラートの時刻で数える パーセント ITSM ツール、監視との統合 監視とイベント管理、インシデント管理 アラート駆動と顧客報告の欠陥 毎月

定義についての二つの注記があります。第一に、この表の「優先度」は、レコードが持つ優先度であり、それは人々が仕事をしてほしい順序ではなく、影響と緊急度のマトリクスから来るべきです。第二に、期間について報告される件数は、オープンの数であって、ある日に未解決のインシデントの数ではありません。ある時点の未解決の数はバックログの測定値であり、経過時間と一緒に扱います(トピック3.3「インシデントの対応時間と解決時間」を参照)。

推奨事項

慎重に数える

1. インシデントとは何で、何でないかを書き留める。 多くのツールは、インシデント、リクエスト、アラート、問題を一つのテーブルに持っています。どのレコードの種類を数えるかを決め、フィルターを文書化し、毎回適用します。フィルターが変わるとトレンドが変わるので、変更を日付と理由とともに記録します(トピック1.5「データソースと計装」を参照)。

2. 報告する前に重複を取り除く。 一つの不具合が50のチケットを生むとき、親インシデントがイベントであり、子は、その到達範囲の測定値です。両方の数字を報告します。いくつの不具合が起きたかについての親インシデントと、何人がそれを感じたかについてのリンクされたレコードです。二つを混ぜると、一つの大きな障害が、一か月の定型の仕事のように見えます。

3. チームだけでなく、サービスにもインシデントを帰属させる。 サービスは、ビジネスが購入し、理解するものです。サービスカタログ(ITIL の「サービスカタログ」)を使って一覧を定義し、サービスが変わったときは CI からの対応づけを見直します。サービスのないインシデントは、直すべきデータ品質の問題であり、そうしたレコードの割合は、報告する価値があります。

件数を正規化して解釈する

4. 別のソースからの利用量の測定値に対して正規化する。 インシデントのツールではなく、分析または監視から取った、アクティブユーザー、セッション、取引で割ります。ユーザーとインシデントが倍になったサービスは、悪化していません。利用量が横ばいのままインシデントが倍になったサービスは、悪化しています。誰も分母が何かを隠していると思わないよう、率の隣に生の件数を示します。

5. トレンドの矢印ではなく、管理図を使う。 インシデントの件数は、何も変わっていなくても週ごとに変動します。control chart(管理図)は、通常の変動の範囲を示すので、チームはシグナルに反応し、ノイズは放っておけます。限界の内側で動く週ごとの件数はニュースではなく、平均の片側での持続的な連続がニュースです。四半期末、休日、リリースのサイクルのようなseasonality(季節性)は、同じ種類の期間を比較することで調整します。

6. チャートにイベントを注記する。 リリース、移行、キャンペーン、依存先の障害、報告チャネルの変更に印を付けます。新しいセルフサービスのフォームや、より目立つ「問題を報告する」ボタンは、サービスが同じままでも件数を押し上げます。ほとんどの件数についての議論は、その週に何が起きたかをチャートが示すと、すぐに終わります。

ルールで優先度を管理する

7. 公開されたマトリクスを使って、影響と緊急度から優先度を導く。 影響を、影響を受けるユーザーとビジネス機能で、緊急度を、被害がどれだけ早く拡大するかで定義します。エージェントが値を選ぶページにマトリクスを公開し、セルごとに二つか三つの実例を添えます。自由選択の優先度フィールドは避けます。それは交渉になり、「優先度1」のインシデントの件数は、説得力の測定値になります。

8. 構成と再分類率を一緒に報告する。 健全な構成は、最高優先度のインシデントが少数で、低い優先度の広い土台があります。最上位のレベルが増えているなら、被害が増えたのか、それとも顧客が「クリティカル」と言えば注目されると学んだのかを問います。再分類率は、マトリクスがどれだけ合っているかを示します。クローズ時の頻繁な変更は、ルールが不明確か、最初の評価が急がれていることを意味します。再分類されたレコードのサンプルを、毎月、マトリクスを所有するグループでレビューします。

9. 優先度とアジャイルのサービスクラスを揃えておく。 デリバリーチームがインシデント起点の仕事を受け取る場合は、同じ言葉と同じマトリクスを使うか、明確な対応表を公開します。欠陥を「高」と呼ぶチームと、同じ欠陥を「中」と呼ぶ運用は、翻訳に時間を失います。割り込みがフロー指標で見えるよう、エクスペダイトされた仕事のための明示的な枠を確保します(トピック2.1「フロー指標」を参照)。

繰り返しとパターンを探す

10. 繰り返しと再オープンを、別々のシグナルとして追跡する。 再オープンは、最初の修正が持たなかったことを意味し、繰り返しは、適切な修正の後で同じ種類の不具合が戻ってきたことを意味します。前者は解決の質を、後者は未解決の原因を指します。繰り返されるクラスターを問題レコードにリンクし、戻ってきそうなインシデントを、修正済みとして数えるのをやめます(トピック4.1「問題管理のメトリクス」を参照)。

11. Pareto principle(パレートの法則)を使って、どこを見るかを選ぶ。 カテゴリとサービスをインシデントの件数で並べ、いかに少数が件数の大半を占めるかを見ます。残りのための新しいレポートを作る前に、上位の少数を調べます。その形はroot cause analysis(根本原因分析)へのきっかけであり、結論ではありません。件数の多いカテゴリは、単に分類しやすいものかもしれないからです。

12. 発見を、デリバリーとサービスデスクにフィードバックする。 カテゴリと繰り返しのビューを、サービスを構築し変更するチームと、レポートではなく定期的な対話の形で共有します。繰り返されるクラスターごとに、オーナー、次のステップ、日付を組にし、他の優先事項と同じバックログに仕事を置きます(トピック2.6「バックログとリファインメントのメトリクス」を参照)。原因が取り除かれると件数が減り、それには計画された容量が必要です。

ゲーミングの手口と防護柵

メトリクス ゲーミングされ方 組にする防護柵のメトリクスまたはプラクティス
サービスごとのインシデント件数 インシデントをリクエストとして記録する、無関係なチケットをマージする、ユーザーが報告するのを思いとどまらせる、または重複を「不具合なし」として閉じる インシデント件数の隣に、ユーザーが報告した問い合わせ件数とリクエスト件数。サービスデスクからの満足度と放棄。不具合のように読めるリクエストのサンプル
正規化されたインシデント率 最も良い数字を与える分母を選ぶ、または期間の間で利用量の定義を変える サービスごとに台帳に記録された固定の利用量の測定値。率の隣に示す生の件数
優先度の構成 穏やかに見せるために優先度を下げる、または注目を得るために上げる。対応目標を避けるために低い優先度を割り当てる 優先度の再分類率。影響と緊急度のマトリクスに照らした毎月のサンプルレビュー。顧客が報告する影響
優先度の再分類率 変更すべきときに優先度を変えず、率が安定して見えるようにする。目標に合わせてクローズ時にだけ変更する インシデントの間に影響が変わったレコードのサンプル。インシデントのタイムラインのレビュー
カテゴリの集中 何でも入るカテゴリを使う、または集中を隠すために大きなカテゴリをいくつかに分割する カテゴリなしと「その他」のレコードの割合。カテゴリ一覧の定期的な見直し。解決のメモに照らしたカテゴリの確認
繰り返されるインシデントの率 リンクを避けるために、異なる文言または CI で新しいインシデントをオープンする。再オープンを避けるために早くクローズする 文面とサービスによる、近い重複のレコードのレビュー。再オープン率。問題レコードへのリンク率
再オープン率 再オープンではなく新しいチケットを開くようユーザーに求める。再オープンを避けるためにチケットを遅くクローズする 最近クローズされたものを参照する新しいチケットの数。顧客による解決の確認。クローズまでの時間の分布
監視による検知の割合 自動的にインシデントをオープンするノイズの多いアラートを作る、または人々がユーザーの報告をアラートとして再ラベルするのを許す 実行可能なアラートの割合のような、アラートの品質の測定値(トピック5.5「監視とアラート品質のメトリクス」を参照)。インシデントのソースの監査

健全な読み取りは、退屈で説明できるものです。安定したサービスでは正規化された率が安定または低下し、チャートが示す理由で利用量や変更が増えたときには上昇します。優先度の構成は安定し、再分類は低く、少数のカテゴリが意図的な注意を受けます。計画された問題の仕事の後で繰り返しと再オープンが減り、どのメトリクスの動きにも、数字を弁護することなく誰かが説明できる理由があります。

トレードオフ:長所と短所

アプローチ 強み 弱み
生のインシデント件数 単純で、説明しやすく、常に入手できる 利用量、品質、報告行動を一つの数字に混ぜる
利用量に対する率 期間とサービスの間で公正な比較ができる 信頼できる利用量のソースが必要。分母は議論されうる
固定された影響と緊急度のマトリクス チームをまたぐ一貫した優先度。監査できる 硬直的に感じられうる。例外ケースには判断と、上書きする経路が必要
自由選択の優先度 経験豊富なエージェントには速く柔軟 一貫せず、圧力に弱く、時間を通じて比べにくい
詳細なカテゴリツリー 需要がどこから来るかを示す 圧力のもとでは使いにくい。人は最初に合致するものか「その他」を選ぶ
タグ付きの短いカテゴリ一覧 素早く適用でき、一貫している 詳細が少ない。テキスト分析を要するパターンを隠しうる
CI とカテゴリによる繰り返しの率 未解決の原因を指す 良い CI のデータに依存する。誤ったリンクと見落としの両方が起きる

唯一正しい測定値はないことを受け入れます。容量計画には生の件数を、健全性には率を、リスクには優先度の構成を、改善には繰り返しを使い、それぞれをそのまま示します。カテゴリの一覧は人々が使える短さに保ち、決定がより細かい詳細を必要とするときにだけ、ツリーを改善します。

チームで話し合う問い

1. ここで何がインシデントと数えられ、全員が同じようにルールを適用しているか。 最近のレコードを十件取り、各自にインシデント、リクエスト、その他のいずれかにラベル付けしてもらいます。答えを比べて、意見の相違を話し合います。ファシリテーターは、上級の人からのすべてのチケットをインシデントとして扱うような習慣を探し、それから例を添えた書かれた一つのルールに合意します。後のトレンドが正しく読めるよう、日付を記録します。

2. 先四半期にインシデントの件数が増えたとき、そのとき私たちは利用量と変更について何を知っていたか。 チャートを、リリース、キャンペーン、利用量の数字のタイムラインの隣に置きます。どの増加が説明され、どれが説明されなかったかを尋ねます。議論はたいてい、分母がページにあることがいかにまれかを示します。今後、各サービスが持つ利用量の測定値に合意します。

3. 優先度はどう決められ、最後にそれが私たちを驚かせたのはいつか。 各優先度のレベルの最近の例とともに、影響と緊急度のマトリクスを順に見ていきます。エージェントが推測する場所と、顧客やマネージャーが圧力をかける場所を尋ねます。いくつかのレコードのオープン時の優先度とクローズ時の優先度を比べます。争いを減らす、マトリクスまたはその例への変更を一つ決めます。

4. 私たちのインシデント件数の大半を占める三つのカテゴリはどれで、原因を取り除くために誰が取り組んでいるか。 上位のカテゴリと、それぞれの根底にある原因のオーナーを一覧にします。答えが「誰もいない」なら、それは発見です。そのカテゴリが本物のクラスターか、ラベル付けの習慣かを問います。今四半期にデリバリーチームと調べるクラスターを一つ選びます。

5. 繰り返しと再オープンをどう区別し、それぞれについて何をするか。 チームにレコードの組を二つか三つ見せ、どれが繰り返しかを尋ねます。再オープンが最初の修正の質について何を語り、繰り返しが原因について何を語るかを話し合います。ファシリテーターは、繰り返されるクラスターを一つずつ閉じるのではなく、問題レコードにリンクするようグループを導きます。誰がそれをどれくらいの頻度でレビューするかに合意します。

6. インシデントの件数を毎週上級のリーダーがレビューするとしたら、私たちは何を変えたくなるだろうか。 グループに、その数字が壁に掲げられている状況を想像してもらいます。どの習慣が変わるでしょうか。記録の仕方、チケットのマージの仕方、優先度の設定の仕方。その圧力を、非難なく率直に名指しします。その変化を示す防護柵と、誰がそれを見るかに合意します。

四つの視点

プロダクトチームとデリバリーチーム

デリバリーチームは、このトピックのアウトプットを需要として受け取ります。カテゴリと繰り返しのビューは、プロダクトのどの部分が最も問題を起こすかを示し、優先度の構成は、どれだけの割り込みの仕事を計画すべきかを示します。チームは、インシデント起点の仕事を自分たちの容量の一部として扱い、フロー指標で見えるように保ち、繰り返しのクラスターを使って、バックログ上の信頼性の仕事を正当化するべきです(トピック2.9「運用作業と計画外作業」を参照)。リリースあたりのインシデントを数えることは有用なトレンドですが、個々の開発者の非難の測定値になってはいけません。

サービスチームと運用チーム

サービスと運用のチームはレコードを作り、優先度をめぐる圧力を感じています。明確なマトリクス、短いカテゴリ一覧、重複を素早くリンクする方法から利益を得ます。カテゴリなしのレコードの割合や再分類率のようなデータを、他の人が見る前に、自分たちのツールで確認するべきです。運用チームは、毎月のサンプルレビューを運営し、繰り返されるクラスターを問題管理に流すのに適した立場にあります。

リーダーシップとガバナンス

リーダーは、サービスが良くなっているか、どこに投資すべきかを知りたがっています。注記付きの正規化された率、優先度の構成、繰り返しのビューを求め、単一の件数には抵抗するべきです。「インシデントを減らす」という目標は抑制を招くので、顧客への影響や繰り返しの削減のような成果に期待を置きます。ガバナンスは、優先度のマトリクスを所有し、トレンドの線への影響を記したうえで、その変更を承認するべきです。

顧客とユーザー

顧客はインシデントを、カテゴリではなく、中断された仕事として経験します。不具合を報告する簡単な方法、自分の影響に基づく公正な優先度、誠実な更新が必要です。報告が思いとどまらされ、あるいは優先度が恣意的に感じられると、件数は減り、信頼もそれとともに減ります。主な発見を、改善されたサービスや取り除かれた問題のような、ユーザーが認識できる言葉で共有します(トピック6.1「顧客満足度のメトリクス」を参照)。

実践:アジャイルITILの例

ある地域病院の IT 部門は、患者記録システム、スケジューリングシステム、スタッフ向けメッセージツールを支援しています。この例の数字はすべて説明用です。

月次レポートは、四半期の最終月のインシデントが640件で、前月の520件から増加したことを示します。リーダーシップは回復計画を求めます。件数が最も増えたスケジューリングシステムのサービスオーナーは、サービスが悪化したことに同意する前に、データを見たいと頼みます。

三つの事実が明らかになります。第一に、その月にスケジューリングシステムに新しいクリニックのグループが加わり、アクティブユーザーが約30パーセント(説明用)増えました。正規化すると、1,000セッションあたりのインシデント率はほぼ横ばいでした。第二に、増えたレコードのうち90件は、臨床検査システムとのインターフェースの障害という一つの親インシデントにリンクされていたので、個別の不具合の数はほんの数件しか増えていませんでした。第三に、優先度の構成が変わりました。最高優先度の割合は、前月は2パーセントで、今は7パーセントです。再分類率も倍になり、20件のレコードのサンプルは、高い優先度のうち約半分がクローズ時に下げられていたことを示しました。

チームは三つの決定をします。親インシデントとリンクされたレコードを別々に報告します。レポートに、分母としてアクティブセッションを加えます。サービスデスクと臨床リーダーとで半時間のセッションを開き、サンプルのレコードに影響と緊急度のマトリクスを適用します。そこで、「クリニックが患者の予約を取れない」が、あるエージェントには中、別のエージェントには高として扱われていたことが分かりました。マトリクスは、セルごとに二つの臨床の例を得ます。

彼らが捉えるゲーミングのリスクは、静かなものです。あるマネージャーが、スケジューリングシステムについては、優先度1ごとにレビューが発生するので、優先度1を避けるようエージェントに頼んでいました。そのため、レコードはより低い優先度でオープンされ、後で引き上げられるか、まったく引き上げられませんでした。再分類率とサンプルレビューが、そのパターンを明らかにしました。チームは、レビューは学びのためのものであることに合意し、その声明を公開し、防護柵として、クローズ時の優先度より低い優先度でオープンされたインシデントの割合を追跡します。カテゴリの集中も、リストの最上位にインターフェースの障害を示すので、問題レコードがオープンされ、インターフェースのチームと修正がスケジュールされます。

業種別の視点

スタートアップ。 件数は少なく、チームはすべてのインシデントを知っているので、率やマトリクスは重く感じられるかもしれません。サービスごとの簡単な件数と短いカテゴリ一覧を保ち、何がインシデントと数えられるかを一ページに書き留めます。繰り返しに注意してください。小さなチームは、繰り返される不具合を素早く取り除き、時間を取り戻せるからです。

小規模事業。 サービスデスクは、ホスト型のツールを使う一人かもしれません。ツールの標準レポートを使い、優先度を、平易な影響と緊急度のルールで数レベルにとどめ、リクエストがインシデントとして数えられていないかを確認します。新しいスタッフや新しいソフトウェアのような変更についてのメモとともに、月ごとに比較します。

大企業。 多くのサービス、サプライヤー、デスクがあるため、一貫性が主な課題になります。影響と緊急度のマトリクスを一つ、深さを限定したカテゴリ体系を一つ、重複排除のルールを一つに合意し、共有の体系を変えずに、ローカルのチームがタグを加えられるようにします。サービスごとに正規化し、管理図と注記でトレンドをレビューします。サプライヤー起因のインシデントには、契約における共有の定義が必要です(トピック5.1「SLA、OLA、XLAのメトリクス」を参照)。

政府・公共部門。 インシデントには、報告の義務、監査の必要、公共の関心が伴うことがあり、特にサービスが市民の権利や安全に影響する場合はそうです。優先度のマトリクスとカテゴリ体系を文書化し、優先度の変更の監査証跡を保ち、公開されるどんな件数にも慎重になります。公開報告は、レコードの書かれ方に強い圧力を生みうるからです。利用量のデータはプライバシーのルールで制限されているかもしれないので、正当に使える分母を述べます(トピック8.5「規制対応・行政向け報告」を参照)。

ビジネスケース:動機、ROI、TCO

動機は、需要の管理です。インシデントは熟練した時間を消費し、計画された仕事に割り込み、ユーザーを妨げます。件数、優先度、繰り返しを理解することで、組織は原因を取り除き、実際の需要に対して人員を配置し、信頼性の仕事がどこで報われるかをリーダーに示せます。

コストには三つの部分があります。セットアップは、インシデントとリクエストの定義、優先度のマトリクスとカテゴリ体系への合意、利用量のデータのサービスへのリンクを含みます。運用のコストは、レコードをきれいに保つ労力、毎月のサンプルレビュー、レポートを保守する人です。第三のコストは、発見に基づいて行動する時間で、リターンの大半はここから来るので、そのための容量を計画します。

リターンは、自分で測れるパターンとして記述するのが最適です。問題の仕事の後の繰り返しの減少、優先度をめぐる争いに費やす時間の減少、不意のエスカレーションの減少、人員配置と需要のより良い一致などです。インシデントの割合での削減を約束するのは避けます。それはサービス、出発点、行われた仕事に依存するからです。総保有コストは主に人の時間なので、それを数え、繰り返されるインシデントが現在消費している時間と比べます。

アンチパターンと落とし穴

  • 生の件数を健全性のスコアとして報告する。 利用量、変更、報告行動のすべてがそれを動かします。正規化された率、生の件数、注記を一緒に示します。
  • インシデントを減らす目標。 抑制とラベルの誤りに報います。繰り返しの削減と顧客への影響にゴールを置き、インシデントの件数は情報として保ちます。
  • リクエストをインシデントとして数える。 件数が増え、サービスが実際より悪く見えます。レコードの種類を分け、それぞれを報告します。
  • 自由選択の優先度。 優先度が交渉になり、構成が無意味になります。公開されたマトリクスを使い、一貫性をサンプリングで確認します。
  • 誰も使わないカテゴリツリー。 人は最初に合致するものを選び、「その他」が増えます。短く保ち、「その他」を毎月レビューし、使われないものを刈り込みます。
  • リンクされたすべてのチケットを、別々の不具合として数える。 一回の障害がその月を支配します。親インシデントとリンクされたレコードの数を報告します。
  • インシデント件数でエージェントやチームを順位付けする。 人ごとの件数は、仕事の割り当てとチケットの習慣を反映します。サービスに集約し、人ではなくパターンをレビューします。
  • 繰り返しを無視する。 同じ不具合が何度も直され、誰も原因を所有しません。繰り返しを問題レコードにリンクし、オーナーを割り当てます。

成熟度モデル

次元 1 開始 2 発展 3 標準化 4 管理 5 最適化
定義と数え方 何がインシデントかについて人々の意見が分かれ、件数は場当たり的なエクスポートから来る 一部のチームがリクエストをインシデントから除外する。ルールは異なる すべてのチームに、書かれた一つの定義、フィルター、重複排除のルールがある 定義の変更が記録されてトレンドのチャートに示され、カテゴリなしのレコードの割合が追跡される 定義がサプライヤーや顧客とレビューされ、意思決定に役立たなくなったときに見直される
正規化と解釈 生の件数のみ 少数のサービスで利用量のデータが使われる 別のソースからの、サービスごとの名前のある利用量の測定値がある 注記付きの管理図がレビューで使われる 利用量、変更、インシデントのデータが、チームとサプライヤーをまたいでリンクされ、需要を説明する
優先度のプラクティス 優先度が感覚で選ばれる 一部のチームにマトリクスがある 例を添えた一つのマトリクスが、優先度が選ばれる場所に示される 構成と再分類率が、毎月サンプルされレビューされる 状況が変わるにつれて、顧客や臨床・ビジネスのオーナーとともにマトリクスが調整される
繰り返しとパターン 繰り返しが記憶で気づかれる カテゴリ一覧が時折レビューされる 繰り返しと再オープンの率が、述べられた窓とともに毎月報告される 繰り返されるクラスターが、オーナーと日付とともに問題レコードにリンクされる チームとサプライヤーをまたぐ原因の除去に資金が付き、需要の減少まで追跡される

チェックリスト

  • 書かれた定義が、インシデントをリクエスト、アラート、問題から分けている。
  • 親インシデントとリンクされたレコードが、別々に報告されている。
  • すべてのインシデントが、サービスカタログのサービスに帰属されている。
  • 各サービスに、インシデントのツール以外のソースからの、名前のある利用量の測定値がある。
  • レポートが、生の件数、正規化された率、リリースとキャンペーンの注記を示している。
  • 週ごとの件数の変化に誰かが反応する前に、管理図が使われている。
  • 優先度が、例を添えた公開された影響と緊急度のマトリクスから導かれている。
  • 優先度の構成と再分類率が、毎月一緒にレビューされている。
  • カテゴリの一覧が短く、「その他」とカテゴリなしのレコードの割合が追跡されている。
  • 繰り返しと再オープンの率が、述べられた窓を使い、別々に報告されている。
  • 繰り返されるクラスターが、オーナーとともに問題レコードにリンクされている。
  • どのレポートも、インシデント件数でエージェントを順位付けしていない。

AI プロンプト

インシデント件数の定義に曖昧さがないかを確認する。

We count incident volume for [service or team] from [ITSM tool]. Our current
filter is [describe record types, statuses, and exclusions] and our period is
[period]. Review the definition for ambiguity, including how requests, duplicates,
merged tickets, and cancelled records are handled. Suggest a clear written rule
and a short list of examples that would settle disagreements. Do not invent
benchmark values. List your assumptions and the questions I should answer to
complete the definition.

正規化されたインシデント率を設計する。

For the service [service name] I want an incident rate normalized by usage. The
available usage measures are [list, for example active users, sessions,
transactions] from [source]. Compare the options, say which fits best and why,
and describe what could distort each one. Propose how to show the raw count, the
rate, and annotations for [events such as releases or campaigns] on one chart.
Do not invent figures or thresholds. List your assumptions.

影響と緊急度のマトリクスをレビューする。

Here is our priority matrix: [paste impact levels, urgency levels, and the
resulting priorities], and here are [number] anonymized example incidents:
[paste short descriptions]. Apply the matrix to each example, point out where two
readers could reach different priorities, and suggest wording or examples that
reduce the disagreement. Identify ways the matrix could be gamed. Do not invent
response targets or benchmark values. List your assumptions.

改善の候補を求めて、カテゴリと繰り返しを分析する。

I have incident records for [period] with these fields: [list fields, for
example service, category, CI, opening time, closing time, reopen flag]. Describe
a method to find the top categories, to separate reopens from repeats using a
window of [window], and to choose [number] candidates for problem investigation.
Explain how to check for catch-all categories and near-duplicate records. Do not
invent patterns in data I have not shown you. List your assumptions.

AI スキル

  • Agile ITIL Metrics スキル:関連するメトリクスを定義するトピックと、その隣に置くべき防護柵を見つけるために使います。
  • Agile ITIL Metrics メンテナースキル:編集されたメトリクスのトピックが、時計、ゲーミングの手口、防護柵を完全に保っているかを確認するために使います。

重要なポイント

  • インシデントの件数は、品質と同じくらい、利用量、変更、報告行動を反映するので、正規化して注記します。
  • 優先度を構成として読み、公開された影響と緊急度のマトリクスから導き、再分類率を見ます。
  • 一回の障害が一か月の定型の仕事のように見えないよう、親インシデントとリンクされたレコードを別々に報告します。
  • 繰り返しと再オープンは最も有用なシグナルです。持たなかった原因と修正を指すからです。
  • サービスとチームに集約し、個々のエージェントには決して集約せず、すべてのメトリクスを防護柵と組にします。
  • 管理図とパレート図を使ってどこを見るかを決め、それから各クラスターにオーナーと容量を与えます。

参考文献とさらなる読み物

  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.