在很多IT組織中，大家工作的重點往往專注于解決事件，但長期專注于此，會出現(xiàn)疲于應(yīng)對的現(xiàn)象，例如事件數(shù)量居高不下，工程師焦頭爛額疲于奔命。長此以往會使問題的數(shù)量持續(xù)增加，持續(xù)未解決的根本原因會導(dǎo)致更多事件。如果IT組織希望有效開展問題管理流程，同時兼顧事件管理，那在兩者之間需要找到平衡點。

01. 問題管理如何發(fā)揮作用

問題管理的唯一目標是識別并消除重復(fù)發(fā)生事件的根本原因。在無法預(yù)防事件的情況下，問題管理力求將發(fā)生的事件對業(yè)務(wù)的影響降至最低。

如果只關(guān)注“如何快速找到問題并恢復(fù)服務(wù)”，那并沒有進行問題管理，而是進行了事件管理，事件管理的核心目標是快速恢復(fù)服務(wù)。而問題管理是一個完全不同的流程，主要分為被動式和主動式兩種類型。

1）被動式問題管理

被動式問題管理是從事件中被動觸發(fā)的，許多IT組織會對重大事件進行事后審查，當(dāng)發(fā)現(xiàn)存在潛在問題時，就會開展被動式問題管理工作。

2）主動式問題管理

主動式問題管理是使用數(shù)據(jù)趨勢和歷史信息識別潛在的問題，可以是持續(xù)開展服務(wù)改進的活動，也可以是適當(dāng)?shù)厥褂脭?shù)據(jù)進行分析，甚至簡單依靠積累的經(jīng)驗和直覺。

無論是哪種方式，問題管理都需要根據(jù)對業(yè)務(wù)的價值定義優(yōu)先級。例如使用“業(yè)務(wù)影響分析”等方法，可以識別出優(yōu)先解決哪些問題可以給業(yè)務(wù)帶來更高的價值。

02. 不同規(guī)模的組織如何構(gòu)建問題管理

IT組織構(gòu)建問題管理應(yīng)根據(jù)IT組織的規(guī)模大小進行區(qū)別化設(shè)計，確定一個IT組織問題管理流程的模式應(yīng)該考慮以下幾個因素：

• 運維人員的數(shù)量
• 基礎(chǔ)設(shè)施的數(shù)量
• 基礎(chǔ)設(shè)施的穩(wěn)定性
• 重復(fù)事件的數(shù)量

如果無法有效衡量，可以參考以下內(nèi)容：

1）小型組織的問題管理

小型組織的問題管理通常不單獨設(shè)置流程經(jīng)理，主要通過定期的例會討論問題管理相關(guān)的內(nèi)容。會前，建議各領(lǐng)域的負責(zé)人基于上一周期的工作記錄，歸納匯總各自領(lǐng)域內(nèi)最為關(guān)鍵的幾個問題，并將這些問題在會上討論并確定后，在下一個周期進行調(diào)查處理和解決。

2）中大型組織的問題管理

在中大型組織中，涉及的業(yè)務(wù)領(lǐng)域較多，通常采取統(tǒng)一的問題管理模式，在這種模式下，重點在于找出解決方案并實施。主動性問題管理通常會定義問題來源的多種方式，例如，在某個特定階段，頻繁觸發(fā)的監(jiān)控告警、用戶頻繁反饋的重復(fù)事件或重大事件、日常巡檢中發(fā)現(xiàn)的潛在問題，以及偶然間發(fā)現(xiàn)的業(yè)務(wù)流程或服務(wù)中的關(guān)鍵缺陷。這種模式下，通常會由問題經(jīng)理進行定期收集、匯總、協(xié)調(diào)解決和跟蹤。

除了以上提到的問題構(gòu)建方式以外，在日常運營中，還應(yīng)該注意以下細節(jié)：

• 主動健康檢查，通過周期性健康檢查，分析應(yīng)用系統(tǒng)的運行情況，主動發(fā)現(xiàn)問題預(yù)防重大事件的發(fā)生和消除系統(tǒng)隱患；
• 對發(fā)現(xiàn)的問題進行持續(xù)跟蹤處理，向相關(guān)人員定期匯報問題解決進展；
• 由問題經(jīng)理或系統(tǒng)負責(zé)人持續(xù)優(yōu)化健康檢查的方法以及發(fā)現(xiàn)的問題和處理進展。

03. 如何做好問題管理

1）區(qū)分事件和問題以及管理職責(zé)

在前邊的內(nèi)容中提到，事件和問題管理的目標并不相同，事件管理的重點是及時處理事件恢復(fù)服務(wù)；而問題管理則更側(cè)重于預(yù)防性的措施，旨在識別和消除可能導(dǎo)致事件或其他不利影響的潛在問題。通過清晰地區(qū)分這兩者，IT團隊可以轉(zhuǎn)變其工作模式，從被動地應(yīng)對突發(fā)狀況，轉(zhuǎn)變?yōu)榉e極主動地尋找并消除潛在的風(fēng)險隱患，從而提升整體的服務(wù)質(zhì)量和穩(wěn)定性。

同樣對于事件經(jīng)理來說，重點是快速解決事件，而問題經(jīng)理的目標是預(yù)防。通過結(jié)合這兩個角色的共同努力，可以從根本上提升應(yīng)用系統(tǒng)的連續(xù)性和可用性。

2）充分分析問題

問題的分析方法有很多種，組織可以考慮在不同的場景下使用不同的方法，達到快速有效的問題分析。以下是在不同場景下的分析工具：

3）以結(jié)果為導(dǎo)向

許多IT組織在問題管理活動中往往過于關(guān)注問題的數(shù)量和解決時間，然而這些并非衡量問題管理成效的核心標準。真正有效的問題管理應(yīng)當(dāng)通過兩個關(guān)鍵維度來衡量：一是問題管理的關(guān)鍵績效指標，二是問題管理對業(yè)務(wù)運營的實際影響。可以參考以下示例：

4）發(fā)揮已知錯誤數(shù)據(jù)庫的作用

這一觀點也是知識管理的建議，為不同的團隊提供問題的已知錯誤數(shù)據(jù)庫的權(quán)限，以及相關(guān)的解決方案。這種方式可以讓團隊之間相互學(xué)習(xí)，節(jié)省事件和問題的處理時間，讓整個組織保持高效運行。

03. 結(jié)語

通過實施有效的問題管理，IT組織不僅可以從根本上解決反復(fù)出現(xiàn)的事件，還能顯著提升服務(wù)的穩(wěn)定性和客戶滿意度。區(qū)分事件管理和問題管理的職責(zé)，利用適當(dāng)?shù)姆治龉ぞ?，如頭腦風(fēng)暴、5WHY和魚骨圖，可以更快速地找到問題根源并采取有效的預(yù)防措施。定期審查和利用已知錯誤數(shù)據(jù)庫，進一步增強問題管理的效果。最終，問題管理的目標是通過持續(xù)改進，實現(xiàn)IT服務(wù)的高效、可靠和可持續(xù)性。