概述与动因

按 ITIL 4 的说法,事件是对服务的计划外中断,或服务质量的下降。事件管理是在切实可行的范围内尽快恢复正常服务运营、并限制对业务危害的实践。每起事件同时也是一个信号:服务、它的变更、它的用户或它的监控中,有些东西没有按预期工作。因此,事件的数量和特征,是运维团队拥有的最具信息量的需求度量之一。

数量本身是个糟糕的指南。事件增多可能意味着服务变差了,或者更多的人在使用它,或者监控改善了,现在能看到过去无人报告的故障。减少可能意味着可靠性工作见效了,或者用户不再费心去报告。本主题讲的是如何带着足够的背景来阅读数量,以便把这些故事区分开:按使用量做归一化,按类别和服务拆分,并观察优先级的构成和重复的比率。

优先级是本主题的后半部分。ITIL 实践通常由两项输入推导优先级:影响(业务有多少受到波及)和紧急程度(业务多快需要修复)。这一对被映射到一个优先级,决定预期的响应。敏捷团队在如何给待办分诊上有近似的对应物:缺陷上的严重性和紧急标签,以及流动看板上决定什么可以插队的"服务类别"。措辞不同;问题相同:什么必须先处理,为什么。

ITIL 的观点把事件视为由服务台和解决组拥有的记录,带有类别、优先级和服务级别目标。敏捷的观点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)。如果度量描述的是系统而不是系统里的人,两种观点都受益于同样的度量。服务台是大多数记录开始的地方,它自己的指标另行介绍(见主题 3.1,服务台指标)。事件被多快响应和解决,在主题 3.3(事件响应与解决时间)中介绍。重大事件有它们自己的度量(见主题 3.4,重大事件指标)。

下面反复出现几个术语。百分位数是某个说明的占比的观测值落在其下的值,所以第 85 百分位数是 85% 的观测值不会超过的那个值。服务级别协议(SLA)是提供方与客户之间有文件记载的承诺。配置项(CI)是为交付一项服务而需要管理的组件。泊松过程描述以某个平均速率独立到达的事件,这是事件到达的一个有用的初步模型(见主题 1.6,服务指标的统计素养)。

来自主题 1.2(古德哈特定律与指标心理学)的警告在这里比大多数地方都更适用。事件计数和优先级是由人录入的,常常在压力之下,而附着在一条记录上的数字,可以通过改变记录的写法来改变。下面的每一项指标都有操纵途径,护栏是定义的一部分。

关键原则

  • 先归一化,再比较。计数没有它所由产生的使用量、用户群或交易量,就没有多少意义。比较各期间和各服务之间的比率,并在旁边显示原始计数。
  • 读构成,而不是单个数字。优先级分布、类别分布和重复占比放在一起,比任何总数都能说明更多。
  • 优先级是规则,不是情绪。用书面的矩阵从影响和紧急程度推导它,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。把两者一起计数会虚增事件数量,并隐藏服务台把时间花在了什么上(见主题 3.5,服务请求履行指标)。
  • 重复是最有价值的信号。回来的事件指向一个尚未解决的问题(见主题 4.1,问题管理指标)。
  • 度量服务和团队,绝不度量坐席。按人的计数诱使排名,而排名腐蚀数据(见主题 1.2,古德哈特定律与指标心理学)。
  • 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,都会改变计数。在图表上做标注。

指标定义

下表列出本主题中的指标。时钟和边界在公式一列中说明。"关闭"和"打开"指事件记录中的时间戳;打开时间是记录被创建或被监控系统创建的时间,关闭时间是事件被确认已解决并关闭的时间。

指标 定义 公式 单位 数据来源 ITIL 实践 敏捷对应 频率
按服务的事件量 某期间内为某项服务打开的事件数 打开时间落在该期间内、归属于受影响服务的事件数;服务请求、合并到父记录的重复项,以及作为误提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
归一化事件率 事件相对于服务使用量的比率 期间内打开的事件数 / 同一期间和范围的使用量(活跃用户、会话或交易,按服务选定并记录)x 1,000;使用量必须来自事件工具之外的来源 每 1,000 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 每次发布或每个用户的缺陷密度 每月
优先级构成 打开的事件在各优先级上的占比 以打开时记录的优先级计的事件数 / 期间内打开的全部事件数,对每个级别显示;被重新分类的事件按打开时的优先级计,并按关闭时的优先级再显示一次 各级别的百分比 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 优先级在打开与关闭之间发生变化的事件占比 该期间关闭的事件中,关闭优先级与打开优先级不同的事件数 / 该期间关闭的事件数 百分比 ITSM 工具的审计轨迹 事件管理 缺陷待办上的重新分诊率 每月
类别集中度 最大的几个类别所占的事件量比重 数量最多的前五个类别中的事件数 / 期间内全部已分类的事件数;未分类的事件作为其自身占比单独报告 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簇 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 期间内,在前面的窗口内(例如 30 天,一次设定并记录)对同一服务、CI 和类别存在较早已关闭事件的事件数 / 期间内打开的事件数;被重开的记录算作重开,不算重复 百分比 ITSM 工具和 CMDB 链接 事件管理;问题管理 回归或逃逸缺陷率 每月
重开率 被重新打开的已关闭事件占比 该期间关闭、之后在规定窗口内(例如 7 天)被重新打开的事件数 / 该期间关闭的事件数 百分比 ITSM 工具状态历史 事件管理 被重开的缺陷;返工 每月
监控发现占比 在用户报告之前由监控首先发起的事件占比 首个事件是自动告警的事件数 / 期间内打开的全部事件数;由人依据告警打开的事件按告警时间计 百分比 ITSM 工具,监控集成 监控与事态管理;事件管理 由告警驱动与由客户报告的缺陷 每月

关于定义的两点说明。第一,本表中的"优先级"是记录所带的优先级,它应当来自影响和紧急程度矩阵,而不是来自人们希望工作被完成的顺序。第二,某个期间报告的数量是打开次数的计数,而不是在某一天的未关闭事件数。任意时刻的未关闭数是待办的度量,属于老化的范畴(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。决定哪些记录类型算数,记录下过滤条件,并每次都应用。过滤条件的变更会改变趋势,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。当一次故障产生了五十张工单,父事件是那个事件,子记录是衡量其波及面的度量。两个数字都报告:父事件表示发生了多少故障,关联的记录表示多少人感受到了。把两者混在一起,会让一次大的中断看起来像一个月的例行工作。

3. 既把事件归属到服务,也归属到团队。服务是业务购买和理解的东西。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。没有服务的事件是一个要修复的数据质量问题,此类记录的占比值得报告。

归一化并解读数量

4. 依据来自不同来源的使用量来归一化。除以取自分析或监控而不是事件工具的活跃用户、会话或交易数。用户和事件都翻了一倍的服务没有变差;使用量持平而事件翻倍的服务才变差了。在比率旁边显示原始计数,使没有人认为分母在隐藏什么。

5. 使用控制图,而不是趋势箭头。即使什么都没变,事件计数也会逐周起伏。控制图显示通常的变异范围,使团队对信号作出反应,而对噪声置之不理。落在界限之内的每周计数不是新闻;在平均值一侧的持续连串才是。通过比较同类期间,调整季节性,比如季度末、假期和发布周期。

6. 在图表上用事件做标注。标出发布、迁移、活动、依赖的中断,以及报告渠道的变更。一个新的自助表单或更显眼的"报告问题"按钮,能在服务不变的情况下提高数量。当图表显示了那一周发生了什么,大多数关于数量的争论很快就结束了。

用规则管理优先级

7. 用公布的矩阵,从影响和紧急程度推导优先级。以所波及的用户和业务功能来定义影响,以危害增长的快慢来定义紧急程度。把矩阵公布在坐席选择取值的页面上,每个单元格配两三个实例。避免自由选择的优先级字段;它们会变成协商,"一级优先级"事件的计数就变成了说服力的度量。

8. 把构成和重新分类率一起报告。健康的构成中,最高优先级的事件很少,而较低优先级的构成了宽阔的基底。如果最高级别在增长,就问是危害增长了,还是客户学会了"紧急"才能得到关注。重新分类率显示矩阵的适用程度:关闭时频繁变更,意味着规则不清楚,或者最初的评估太仓促。每月在拥有矩阵的小组中评审一批被重新分类的记录。

9. 让优先级与敏捷的服务类别保持一致。在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,或公布清晰的映射。把一个缺陷称为"高"而运维把同一个缺陷称为"中"的团队,会在翻译上损失时间。为加急工作预留明确的额度,使打断在流动度量中可见(见主题 2.1,流动度量)。

寻找重复与模式

10. 把重复和重开作为两个独立的信号来跟踪。重开意味着第一次修复没有站住;重复意味着同一类故障在妥善修复之后又回来了。前者指向解决的质量,后者指向尚未解决的原因。把反复出现的簇关联到问题记录,并且在事件很可能再回来时,不再把它算作已修复(见主题 4.1,问题管理指标)。

11. 用帕累托原则选择该看哪里。按事件数对类别和服务排序,看有多少寥寥几个就占了大部分数量。在为其余部分构建新报告之前,先调查前几名。这个形状是根本原因分析的提示,而不是结论,因为高计数的类别可能只是那个容易归类的类别。

12. 把发现反馈给交付团队和服务台。与构建和变更这些服务的团队分享类别和重复视图,通过定期的交谈而不是报告。给每个反复出现的簇配一位负责人、一个下一步行动和一个日期,并把这项工作放进与其他优先级相同的待办里(见主题 2.6,待办事项与细化指标)。当原因被消除时数量会下降,而这需要有计划的容量。

操纵途径与护栏

指标 被操纵的方式 配套的护栏指标或实践
按服务的事件量 把事件登记为请求、合并不相关的工单、不鼓励用户报告,或把重复项以"未发现故障"关闭 在事件量旁边显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
归一化事件率 选择能给出最佳数字的分母,或在期间之间更改使用量的定义 每项服务在登记册中记录固定的使用量度量;在比率旁边显示原始计数
优先级构成 降低优先级以显得平静,或提高优先级以获得关注;给出低优先级以避开响应目标 优先级重新分类率;对照影响和紧急程度矩阵的每月抽样评审;客户报告的影响
优先级重新分类率 该变时不变优先级,使比率看上去稳定;只在关闭时更改以符合目标 抽查事件期间影响发生变化的记录;评审事件时间线
类别集中度 使用笼统的类别,或把一个大类别拆成几个来隐藏集中度 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 用不同的措辞或 CI 开一个新事件以避开关联;过早关闭以避免重开 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 要求用户开新工单而不是重开;迟迟关闭工单以避免重开 引用近期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 创建自动打开事件的嘈杂告警,或让人们把用户报告重新标为告警 可操作告警占比等告警质量度量(见主题 5.5,监控与告警质量指标);事件来源审计

健康的读数是平淡而可解释的。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显示的原因而上升时,它才上升。优先级构成稳定,重新分类很少,一小组类别获得有意识的关注。重复和重开在计划的问题工作之后下降,任何指标的变动,都有人能给出解释而无需为这个数字辩护。

权衡:利弊

做法 优势 劣势
原始事件计数 简单,易于解释,随时可得 把使用量、质量和报告行为混成一个数字
相对于使用量的比率 允许跨期间和服务的公平比较 需要可信的使用量来源;分母可能引起争论
固定的影响与紧急程度矩阵 各团队的优先级一致;可审计 可能显得僵硬;边界情形需要判断和一条覆盖的途径
自由选择的优先级 对经验丰富的坐席快速灵活 不一致,易受压力影响,难以随时间比较
详细的类别树 显示需求来自何处 在压力下难以使用;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才能发现的模式
按 CI 和类别的重复率 指向尚未解决的原因 依赖良好的 CI 数据;会出现错误的关联和遗漏

承认没有任何单一度量是正确的。用原始计数做容量规划,用比率看健康,用优先级构成看风险,用重复看改进,并各按其本来面目展示。让类别清单短到人们愿意使用,仅当某个决定需要更细的细节时,才改进类别树。

与团队讨论的问题

1. 在这里,什么算事件?每个人都以同样的方式应用规则吗? 取十条最近的记录,请每个人把它们标为事件、请求或别的什么。比较答案,讨论分歧。主持人应寻找诸如把来自资深人士的每张工单都当作事件的习惯,然后约定一条带示例的书面规则。记下日期,以便日后的趋势能被正确阅读。

2. 上个季度事件量上升时,我们当时对使用量和变更知道些什么? 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。讨论往往显示分母多么罕见地出现在页面上。约定从现在起每项服务携带哪个使用量度量。

3. 优先级是怎么决定的?上一次它让我们意外是什么时候? 用每个优先级的一个最近的例子,走一遍影响与紧急程度矩阵。问坐席在哪里靠猜,客户或经理在哪里施压。比较几条记录的打开优先级和关闭优先级。决定对矩阵或其示例作一项能减少争论的改动。

4. 哪三个类别占了我们大部分事件量?谁在着手消除原因? 列出头几个类别,以及每个对应的底层原因的负责人。如果答案是"没人",这就是一个发现。问这个类别是真正的簇,还是一种贴标签的习惯。选一个簇,本季度与交付团队一起调查。

5. 我们如何分辨重复与重开?对每种我们怎么办? 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,而重复说明了原因什么。主持人应引导小组把反复出现的簇关联到问题记录,而不是逐个关闭它们。约定谁来评审它们,以及多频繁。

6. 如果高级领导每周都评审我们的事件计数,我们会很想改变什么? 请小组想象这个数字挂在墙上。哪些习惯会改变:事情如何被记录、工单如何被合并、优先级如何被设定?公开且不带责备地点明这种压力。约定哪个护栏会显示这种改变,以及谁来看它。

四种视角

产品与交付团队

交付团队把本主题的产出当作需求来接收。类别和重复视图显示产品的哪些部分造成了最多麻烦,优先级构成则显示该为多少打断工作做计划。团队应把由事件驱动的工作视为容量的一部分,让它在流动度量中保持可见,并用重复的簇来证明待办中可靠性工作的合理性(见主题 2.9,运维工作与计划外工作)。按发布统计事件是一个有用的趋势,但绝不应成为针对个别开发者的责备度量。

服务与运维团队

服务与运维团队创建这些记录,也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。他们应当先于别人检查自己工具里的数据,例如未分类记录的占比和重新分类率。运维团队很适合运行每月的抽样评审,并把反复出现的簇输入问题管理。

领导层与治理

领导层想知道服务是否在变好,以及该在哪里投资。他们应当要求看带标注的归一化比率、优先级构成和重复视图,并抵制单一的数量数字。"更少事件"的目标会招致压制,所以转而对客户影响和重复的减少等成果设定期望。治理应当拥有优先级矩阵并批准对它的变更,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。他们需要一种轻松报告故障的办法、依据其影响而定的公平优先级,以及诚实的更新。如果报告被不鼓励,或优先级显得随意,数量会下降,信任也随之下降。用用户能认出的措辞分享主要发现,比如服务改善了、问题被消除了(见主题 6.1,客户满意度指标)。

实践:一个敏捷 ITIL 示例

一家地区医院的 IT 部门支持一个患者记录系统、一个排程系统和一个员工消息工具。本示例中的所有数字都是示意数字。

月度报告显示,季度最后一个月有 640 起事件,上月是 520 起。领导层要求一份恢复计划。排程系统的服务负责人,其计数上升最多,要求在同意服务变差之前先看一下数据。

出现三个事实。第一,排程系统那个月新增了一个诊所组,活跃用户上升了约 30%(示意数字)。归一化之后,每 1,000 个会话的事件率大致持平。第二,多出来的记录中有 90 条关联到同一个父事件,即与一个实验室系统的接口失败,所以不同故障的数量只多了寥寥几个。第三,优先级构成发生了变化:最高优先级的占比上月是 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降低了。

团队作出三项决定。他们把父事件和关联记录分开报告。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开了半小时的会,对抽样记录应用影响与紧急程度矩阵,结果显示"诊所无法为患者预约"被一些坐席当作中,而被另一些当作高。矩阵的每个单元格增加了两个临床示例。

他们发现的操纵风险很隐蔽。一位经理曾要求坐席避免为排程系统使用一级优先级,因为每一个都会触发一次评审,所以记录以较低的优先级被打开,之后再被提高,或根本没被提高。重新分类率和抽样评审暴露了这一模式。团队约定评审是为了学习,公布了这一声明,并把以低于关闭优先级打开的事件占比作为护栏来跟踪。类别集中度也显示接口故障排在清单之首,所以打开了问题记录,并与接口团队排定了修复。

行业视角

初创企业。数量很小,团队认识每一起事件,所以比率和矩阵可能显得繁重。保持一个按服务的简单计数和一份简短的类别清单,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,把优先级保持在几个级别,配一条平实的影响与紧急程度规则,并检查请求没有被算作事件。月与月比较,并注明变化,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。约定一个影响与紧急程度矩阵、一套深度有限的类别方案,以及一条去重规则,并让本地团队增加标签而不改变共享的方案。按服务归一化,并用控制图和标注评审趋势。由供应商造成的事件需要在合同中有共同的定义(见主题 5.1,SLA、OLA 与 XLA 指标)。

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,保留优先级变更的审计轨迹,并谨慎对待任何公布的计数,因为公开报告会对记录如何书写产生强大压力。使用量数据可能受隐私规则限制,所以要说明你能合法使用的分母(见主题 8.5,受监管与政府报告)。

商业论证:动机、投资回报与总拥有成本

动机是需求管理。事件消耗熟练的时间,打断计划工作,扰乱用户。理解数量、优先级和重复,使组织能够消除原因,依据真实需求配置人员,并向领导层展示可靠性工作会在哪里带来回报。

成本有三部分。设置包括定义事件和请求、约定优先级矩阵和类别方案,以及把使用量数据关联到服务。运行成本是保持记录整洁的工作、每月的抽样评审,以及维护报告的一个人。第三项成本是对发现采取行动的时间,大部分回报来自这里,所以要为它规划容量。

回报最好描述为你自己能度量的模式。这些包括问题工作之后更少的重复、花在优先级争议上更少的时间、更少的意外升级,以及人员配置与需求之间更好的匹配。避免承诺事件减少某个百分比;这取决于服务、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,并与目前反复出现的事件所耗费的时间相比。

反模式与陷阱

  • 把原始计数当作健康评分来报告。使用量、变更和报告行为都会使它变动。把归一化的比率、原始计数和标注一起显示。
  • 为更少的事件设目标。它奖励压制和错误标注。为重复的减少和客户影响设定目标,并把事件计数保留为信息。
  • 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,并各自报告。
  • 自由选择的优先级。优先级变成协商,构成变得没有意义。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,"其他"不断增长。保持简短,每月评审"其他",并修剪不用的。
  • 把每张关联工单都算作单独的故障。一次中断就主导了整个月。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。聚合到服务层面,评审模式,而不是人。
  • 忽视重复。同一个故障被一再修复,却没人拥有原因。把重复关联到问题记录并指定负责人。

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 部分团队把请求从事件中过滤出来;规则各异 为所有团队设一个书面的定义、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 每项服务有一个来自独立来源的具名使用量度量 在评审中使用带标注的控制图 使用量、变更和事件数据跨团队和供应商相联,用以解释需求
优先级实践 凭感觉选择优先级 部分团队有矩阵 一个带示例的矩阵,显示在选择优先级的地方 每月评审并抽样构成和重新分类率 矩阵随条件变化,与客户以及临床或业务负责人一起调优
重复与模式 凭记忆注意到重复 偶尔评审类别清单 每月按说明的窗口报告重复率和重开率 反复出现的簇被关联到有负责人和日期的问题记录 跨团队和供应商消除原因,获得资助,并追踪到需求的降低

检查清单

  • 一份书面定义把事件与请求、告警和问题区分开。
  • 父事件和关联记录被分开报告。
  • 每起事件都归属于服务目录中的一项服务。
  • 每项服务都有一个来自事件工具之外来源的具名使用量度量。
  • 报告显示原始计数、归一化比率,以及对发布和活动的标注。
  • 在有人对每周数量的变化作出反应之前,先使用控制图。
  • 优先级由带示例的、公布的影响与紧急程度矩阵推导。
  • 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说明的窗口,并分别报告。
  • 反复出现的簇被关联到有负责人的问题记录。
  • 没有任何报告按事件计数给个别坐席排名。

AI 提示词

检查事件量定义是否含糊。

我们从[ITSM 工具]统计[服务或团队]的事件量。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]。请检查这个定义是否含糊,包括如何处理请求、重复项、
合并的工单和被取消的记录。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。
不要编造基准值。列出你的假设,以及我应当回答哪些问题才能完成这个定义。

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,说明哪个最合适以及原因,
并描述每个可能被扭曲的方式。建议如何在一张图上显示原始计数、比率,以及对[事件,
例如发布或活动]的标注。不要编造数字或阈值。列出你的假设。

评审影响与紧急程度矩阵。

这是我们的优先级矩阵:[粘贴影响级别、紧急级别和由此得出的优先级],以及[数量]个
匿名示例事件:[粘贴简短描述]。请对每个示例应用该矩阵,指出两个读者可能得出不同
优先级之处,并建议能减少分歧的措辞或示例。找出矩阵可能被操纵的方式。不要编造
响应目标或基准值。列出你的假设。

分析类别和重复,寻找改进候选。

我有[期间]的事件记录,字段有:[字段清单,例如服务、类别、CI、打开时间、关闭时间、
重开标记]。请描述一种方法,用来找出头几个类别,使用[窗口]的窗口把重开与重复分开,
并为问题调查挑选[数量]个候选。解释如何检查笼统的类别和近似重复的记录。不要编造
我没有给你看的数据中的模式。列出你的假设。

AI 技能

关键要点

  • 事件量既反映使用量、变更和报告行为,也反映质量,所以要对其归一化并加以标注。
  • 把优先级读作一种构成,由公布的影响与紧急程度矩阵推导,并观察重新分类率。
  • 分开报告父事件和关联记录,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,因为它们指向没有站住的原因和修复。
  • 聚合到服务和团队,绝不聚合到个别坐席,并为每项指标配一个护栏。
  • 用控制图和帕累托视图来决定看哪里,然后给每个簇一位负责人和容量。

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.