問題管理

基礎(chǔ)要點

通過調(diào)查分析，以確定事故的根本原因，通過制定變通方法，或是找到長期有效的解決方案，來減少事故的數(shù)量和影響。

變通方法：是一種為了減少事故發(fā)生的可能性與影響，在未找到完全解決方案事前的方法。變通方法需清晰地定義其適用的癥狀。

管理的三個階段：問題識別，問題控制和錯誤控制。

問題識別階段包括：根據(jù)記錄進行趨勢分析，檢查是否屬于重復或重現(xiàn)，識別重現(xiàn)的風險，從外部供應(yīng)商與合作伙伴處收集信息并進行分析，從內(nèi)部開發(fā)、測試、項目團隊處收集信息并分析。

問題控制階段包括：基于風險的潛在影響與可能性，進行優(yōu)先級分析，文檔化變通方法與已知錯誤（經(jīng)由分析尚未解決的問題）。

錯誤控制階段包括：定期評估已知錯誤的狀態(tài)，以及變通方法的有效性，根據(jù)成本、風險和收益觸發(fā)變更請求。

問題管理與其他管理實踐的關(guān)系：

問題管理是風險管理的特定案例；

問題管理可利用知識管理系統(tǒng)中的信息來開展調(diào)查、診斷和解決；

問題管理不包括實施，需要通過變更控制來啟動解決方案；

問題管理可被視為持續(xù)改進的一種實踐。

解讀

至此，ITIL 中有關(guān)事件、事故、問題三種管理的最佳實踐都已出現(xiàn)，為了理清它們之間的關(guān)系，我們一起對照著日常工作實際來比較一下：

1.事件（Event）

一般是指某種IT 服務(wù)或是被監(jiān)控項到達了門限值，而引發(fā)的警告；或者是伴隨著某項操作所觸發(fā)的通知等。

例如，數(shù)據(jù)存儲的剩余空間小于已設(shè)定的百分比數(shù)值，對某個賬號的權(quán)限變更，或是用戶組的成員調(diào)整等。當然，正如我們在上面事件管理實踐中所討論過的那樣，事故也包括一些尚未產(chǎn)生影響的監(jiān)控項異常。例如，在做了RAID 5 的磁盤組，有一顆磁盤出現(xiàn)了故障，但整體所提供的服務(wù)尚未中斷。

2.事故（Incident）

是指計劃外的IT 服務(wù)中斷，或是服務(wù)質(zhì)量的驟降。

例如，由于專線出現(xiàn)問題，某個分公司失去了與總公司的網(wǎng)絡(luò)連接；或是某用戶利用公司內(nèi)網(wǎng)觀看在線視頻，而拖慢了整體的內(nèi)、外網(wǎng)訪問速度。

通常情況下，對于處理人員來說，能夠快速找到那些能夠所謂“能治標不治本”處置方法，可能會比花費更多的時間去研究癥結(jié)，更容易被用戶所接受和認可。

可見，對于事故的管理，我們主要是以止損、抑制不良影響、以及快速恢復為目標。

表4 問題跟蹤表格

3.問題（Problem）

如果說處理事故是利用應(yīng)急措施，去盡快地恢復IT服務(wù)的話，那么解決問題則是通過查找根源，預防中斷的再次發(fā)生，以及對于那些經(jīng)過分析仍無法解決的問題，通過變通方法來控制其影響的程度與范圍。相對于事故管理而言，它往往會涉及到更多的人員角色，也會耗費更長的時間。

例如，軟件開發(fā)部門協(xié)同運維部門一起，對其所發(fā)布的產(chǎn)品中所出現(xiàn)代碼的漏洞、以及不正確的配置進行安全加固，以消除攻擊隱患等。

因此，我們需要通過跟蹤那樣已知故障、診斷根本原因，引入變更控制，來防止同類問題在整個系統(tǒng)中的復發(fā)。

一般而言，由于問題管理主要致力于“治本”，因此企業(yè)可設(shè)立問題管理委員會來對問題的整個生命周期進行跟蹤與評估，其中涉及到的關(guān)鍵績效指標包括：

問題處置過程的平均耗時；

已確定根源、已解決、以及未關(guān)閉問題的占比；

問題解決所消耗的綜合成本；

管理前的數(shù)量與解決之后復發(fā)數(shù)量的對比。

實務(wù)

在本企業(yè)，為了留存在問題處理過程中產(chǎn)生的記錄，我們根據(jù)業(yè)界的處置標準，采用了如表4 所示的問題跟蹤表格。

根據(jù)上表，我們還制定了如圖2 所示問題管理的相關(guān)流程。

從管理的角度來說，上述流程的重點在于評估問題和分派問題：

1.在問題產(chǎn)生相關(guān)的通知之后，問題管理委員會根據(jù)該問題的特征和本團隊的經(jīng)驗，對需要人工干預的問題進行二次判斷與評估。他們往往會參考我們在變更管理中提到的矩陣列表，對問題的影響范圍與程度，進行審查或修正。當然，他們也會參考技術(shù)人員的工作量和實際處理能力。

圖2 問題管理的相關(guān)流程

2.為了將合適的問題分派給合適的處置人員，我們會直接讀取系統(tǒng)目錄（如：Active Dictionary）里IT角色和相關(guān)的組群信息，甚至會在必要時，引入各部門進行聯(lián)動“會診”。另外，為了保證始終有人去接手問題，問題管理委員會通過自動化跟蹤，來確保如果被分派到的處理人員不在崗，或是無法勝任時，能夠升級到其所在的技術(shù)團隊。而如果某個問題超出了企業(yè)內(nèi)部現(xiàn)有的處理能力，則需要添置相應(yīng)的專業(yè)技術(shù)與工具，或是及時轉(zhuǎn)呈給外部資源，以尋求援助。