यह क्यों मायने रखता है

घटना (incident) किसी सेवा में अनियोजित रुकावट या उसकी गुणवत्ता में कमी है। जब एक होती है, तो शामिल लोग दबाव में होते हैं, जानकारी अधूरी होती है, और घड़ी चल रही होती है। पहले दस मिनटों में लिए गए निर्णय अक्सर तय करते हैं कि घटना एक घंटा चलेगी या छह।

जो संगठन घटनाओं को अच्छी तरह सँभालते हैं वे नायकों पर निर्भर नहीं करते। उन्होंने तय किया है कि कितनी गंभीर है यह कैसे तय हो, कौन नेतृत्व करे, उपयोगकर्ताओं से कौन बात करे, एस्केलेट कैसे हो, और जाँच कब रोककर अस्थायी उपाय (workaround) लगाया जाए। उन्होंने अभ्यास किया है। जो संगठन घटनाओं को ख़राब ढंग से सँभालते हैं वे हर बार तात्कालिक रूप से काम चलाते हैं, घटना के दौरान प्राथमिकताओं पर बहस करते हैं, और पाते हैं कि प्रणाली को जानने वाला अकेला व्यक्ति छुट्टी पर है।

यह विषय घटना प्रबंधन को अभ्यास के रूप में वर्णित करता है: परिभाषाएँ, भूमिकाएँ, गंभीरता, संवाद और समीक्षा। वह बड़ी घटनाओं को अतिरिक्त संरचना के साथ लेता है, और समेटता है कि AI और स्वचालन कैसे मदद कर सकते हैं और कहाँ नुक़सान पहुँचा सकते हैं। वह समस्या प्रबंधन («विषय 3.3 — समस्या प्रबंधन»), जो अंतर्निहित कारण खोजता है, और निगरानी («विषय 3.10 — निगरानी और इवेंट प्रबंधन»), जो अक्सर घटना का पता लगाती है, के बगल में खड़ा है।

मूल अवधारणाएँ

घटना। ITIL 4 में, किसी सेवा में अनियोजित रुकावट या सेवा की गुणवत्ता में कमी। घटना प्रबंधन (incident management) पर Wikipedia का लेख IT सेवा प्रबंधन में इस अभ्यास का वर्णन करता है। घटना किसी उपयोगकर्ता के ध्यान देने से पहले भी मौजूद हो सकती है, उदाहरण के लिए जब निगरानी किसी विफल होती डिस्क को दिखाए।

पहले सेवा बहाल करें। उद्देश्य सेवा को सामान्य पर बहाल करना है, मूल कारण खोजना नहीं। जो अस्थायी उपाय सेवा बहाल कर दे वह अच्छा परिणाम है; मूल कारण समस्या प्रबंधन के लिए है। जो टीमें सेवा बंद रहते कारण खोदती हैं वे आउटेज लंबा खींचती हैं।

अस्थायी उपाय (workaround)। ऐसा समाधान जो घटना के कारण को सुलझाए बिना उसका प्रभाव घटाता या हटाता है, उदाहरण के लिए ट्रैफ़िक का मार्ग बदलना, किसी घटक को पुनः आरंभ करना, या हाथ की प्रक्रिया पर जाना। ज्ञात त्रुटियाँ और अस्थायी उपाय कैसे ट्रैक होते हैं इसके लिए «विषय 3.3 — समस्या प्रबंधन» देखें।

गंभीरता और प्राथमिकता। गंभीरता उपयोगकर्ताओं और व्यवसाय पर प्रभाव बताती है, जैसे कितने प्रभावित हैं और कितनी बुरी तरह। प्राथमिकता तात्कालिकता जोड़ती है, जैसे कोई समय-सीमा। कई संगठन छोटा पैमाना उपयोग करते हैं, उदाहरण के लिए चार स्तर, हर एक की परिभाषा और अपेक्षित प्रतिक्रिया के साथ। परिभाषाओं में भावनाओं की जगह देखने योग्य तथ्य होने चाहिए ("100 से अधिक उपयोगकर्ता भुगतान नहीं कर सकते")।

बड़ी घटनाएँ। बड़ी घटना का महत्त्वपूर्ण प्रभाव होता है और उसे मानक प्रक्रिया से तेज़, अधिक समन्वित प्रतिक्रिया चाहिए। संगठन अपनी सीमाएँ ख़ुद परिभाषित करते हैं। बड़ी घटनाओं में आमतौर पर नामित घटना-प्रमुख, संवाद-प्रमुख और अद्यतनों की नियमित लय होती है।

भूमिकाएँ। घटना-प्रमुख समन्वय करता और निर्णय लेता है; तकनीकी प्रतिक्रिया-कर्ता निदान और सुधार करते हैं; संवाद-प्रमुख हितधारकों और उपयोगकर्ताओं को सूचित रखता है; लेखक (scribe) दर्ज करता है कि क्या और कब किया गया। छोटी घटना में एक व्यक्ति कई भूमिकाएँ निभा सकता है। आपातकालीन प्रबंधन में उपयोग होने वाली और Wikipedia पर वर्णित Incident Command System कई तकनीकी संगठनों में उपयोग होने वाली संरचना पर प्रभाव है।

एस्केलेशन। अधिक कौशल या अधिक अधिकार लाना। कार्यात्मक एस्केलेशन घटना को सही विशेषज्ञता वाले लोगों तक ले जाता है। पदानुक्रमिक एस्केलेशन उन प्रबंधकों को लाता है जो निर्णय ले सकते हैं या संसाधन दे सकते हैं। स्पष्ट मानदंड, जैसे "गंभीरता एक पर 30 मिनट बाद कोई प्रगति नहीं", एस्केलेशन को विफलता का संकेत नहीं, नियमित बनाते हैं।

ऑन-कॉल। सामान्य घंटों के बाहर लोगों के उपलब्ध रहने की व्यवस्थाएँ। अच्छे ऑन-कॉल अभ्यास में बोझ की सीमाएँ, स्पष्ट रोटा, रनबुक और क्षतिपूर्ति शामिल हैं। देखें «विषय 2.6 — साइट रिलायबिलिटी इंजीनियरिंग»। अलार्म थकान (alarm fatigue), जिसका Wikipedia पर वर्णन है, लोगों को ऐसे अलर्ट अनदेखा करने की ओर ले जाती है जो बहुत बार आते हैं या कार्रवाई-योग्य नहीं हैं।

संवाद। उपयोगकर्ताओं और हितधारकों को जानना होता है कि क्या प्रभावित है, आप क्या कर रहे हैं, और उन्हें अगली बार कब पता चलेगा। बार-बार, सरल अद्यतन दोहराए गए संपर्क और चिंता घटाते हैं। संकट संवाद (crisis communication) पर Wikipedia का लेख सामान्य सिद्धांत देता है। स्टेटस पेज, आंतरिक चैनल और प्रमुख ग्राहकों को सीधे संदेश अलग-अलग श्रोताओं की सेवा करते हैं।

घटना रिकॉर्ड। आरंभ समय, लक्षण, कार्रवाइयों, निर्णयों और समाप्ति समय वाला टिकट या रिकॉर्ड। रिकॉर्ड समीक्षा का समर्थन करता है और सुधार के लिए डेटा देता है। घटना के दौरान रखी समयरेखा बाद में दोबारा बनाई गई समयरेखा से ज़्यादा सटीक होती है।

समीक्षा। महत्त्वपूर्ण घटना के बाद दोषारोपण-रहित समीक्षा करें जो देखे कि क्या हुआ, क्या मददगार रहा, किससे प्रतिक्रिया धीमी हुई, और क्या बदलना है। निष्कर्ष समस्या प्रबंधन और सुधार बैकलॉग में जाते हैं। देखें «विषय 3.3 — समस्या प्रबंधन»।

माप। पता लगाने का समय, प्रतिक्रिया का समय और बहाली का समय, जिन्हें अक्सर Wikipedia के वर्णन के अनुसार औसत बहाली समय (MTTR) में संक्षेपित किया जाता है, आम हैं। औसत घटनाओं के बीच बड़े अंतर छिपाते हैं, और शुरू और अंत का समय कैसे तय होता है इससे उनमें हेरफेर हो सकता है। वितरण उपयोग करें और अलग-अलग घटनाओं को देखें। देखें सेवा प्रबंधन मेट्रिक्स पुस्तक।

दृष्टियाँ कैसे फ़िट होती हैं। एजाइल अभ्यास हर समीक्षा को फ़ीडबैक मानता है और सुधार को छोटा और निरंतर रखता है। AI समयरेखाओं का सारांश दे सकता है, पिछली समान घटनाएँ सुझा सकता है, और अद्यतन का मसौदा बना सकता है, जवाबदेह व्यक्ति के साथ। स्वचालन पुनः आरंभ और फ़ेलओवर जैसे सुरक्षित, भली-भाँति समझे हुए चरण करता है। विश्लेषण पुनरावृत्ति के पैटर्न दिखाता है।

सर्वोत्तम अभ्यास

  1. गंभीरता के स्तर देखने योग्य तथ्यों से परिभाषित करें। लिखें कि हर स्तर का क्या अर्थ है, किसे सूचित किया जाता है, और कितनी तेज़ी से। जिन घटनाओं को वर्गीकृत करना कठिन था उनके बाद परिभाषाओं की समीक्षा करें।
  2. भूमिकाओं के नाम तय करें और उनका अभ्यास करें। तय करें कि नेतृत्व कौन करता है, संवाद कौन करता है, और दर्ज कौन करता है। अभ्यासों से पूर्वाभ्यास करें ताकि पहली बार वास्तविक संकट न हो। देखें «विषय 3.12 — सेवा निरंतरता प्रबंधन»।
  3. पहले बहाल करें, बाद में जाँच करें। नियम बनाएँ कि जब अस्थायी उपाय उपलब्ध और सुरक्षित हो तो लगाया जाए। समस्या प्रबंधन के लिए घटना दर्ज करें और आगे बढ़ें।
  4. जीवित समयरेखा रखें। कार्रवाइयाँ और निर्णय समय के साथ, जैसे ही होते हैं, साझा जगह पर दर्ज करें। यह बहसें रोकती है और समीक्षा को तेज़ करती है।
  5. जल्दी और बिना दोषारोपण के एस्केलेट करें। एस्केलेशन के ट्रिगर परिभाषित करें और उनका उपयोग करने को अच्छा अभ्यास मानें। जो लोग देर से एस्केलेट करते हैं वे आलोचना से डरते हैं, इसलिए उसे हटाएँ।
  6. लय पर संवाद करें। हर गंभीरता स्तर के लिए अद्यतन-अंतराल तय करें, और कुछ नया न होने पर भी अद्यतन भेजें, यह कहते हुए। सरल भाषा उपयोग करें।
  7. प्रतिक्रिया-कर्ताओं को वह दें जो उन्हें चाहिए। रनबुक, पहुँच, डैशबोर्ड और संपर्क-सूचियाँ बनाए रखें। जिस रात ज़रूरत पड़े उससे पहले पहुँच परखें।
  8. लोगों की रक्षा करें। ऑन-कॉल बोझ सीमित करें, लंबी घटनाओं में हस्तांतरण करें, और सुनिश्चित करें कि प्रतिक्रिया-कर्ता आराम करें। थके लोग बदतर निर्णय लेते हैं।
  9. बिना दोषारोपण के समीक्षा करें और पूरा करें। समयरेखा, योगदान देने वाले कारक, और स्वामियों तथा तारीख़ों वाली कार्रवाइयों के साथ छोटी रिपोर्ट लिखें। कार्रवाइयों को पूर्ण होने तक ट्रैक करें। देखें «विषय 3.3 — समस्या प्रबंधन»।
  10. सीख वापस पहुँचाएँ। रनबुक, निगरानी और डिज़ाइन अद्यतन करें। सीख को अन्य टीमों के साथ साझा करें, और जाँचें कि दोहराई गई घटनाएँ घटती हैं।

अपनी टीम के साथ चर्चा के प्रश्न

हम कैसे तय करते हैं कि घटना कितनी गंभीर है, और क्या कभी घटना के दौरान इस पर बहस हुई है? गंभीरता पर असहमति समय बर्बाद करती है। हाल के उदाहरण माँगें। आप सुन सकते हैं कि उत्तर इस पर निर्भर करता है कि कौन पूछ रहा है। फ़ॉलो-अप में एक स्तर की परिभाषा देखने योग्य तथ्यों से दोबारा लिखें।

रात 3 बजे घटना का नेतृत्व कौन करता है, और उन्हें कैसे पता कि वे प्रमुख हैं? अस्पष्ट नेतृत्व भ्रम का आम कारण है। पूछें कि पिछली बड़ी घटना में निर्णय किसने लिए। अलग-अलग उत्तरों की अपेक्षा रखें। फ़ॉलो-अप में तय करें कि प्रमुख कैसे चुना और घोषित किया जाता है।

घटना के दौरान उपयोगकर्ता हमसे क्या सुनते हैं, और कितनी बार? पिछली घटना में उपयोगकर्ताओं ने जो सुना उसकी तुलना उनकी चाहत से करें। लंबी चुप्पियों की अपेक्षा रखें। फ़ॉलो-अप में अद्यतन-अंतराल और चैनल चुनें, और टेम्पलेट का मसौदा बनाएँ।

हमने क्या देर से एस्केलेट किया, और क्यों? यह डर और आदत को टटोलता है। लोग अक्षम दिखने के डर से या किसी की नींद ख़राब करने के डर से देर कर सकते हैं। पूछें कि क्या एस्केलेशन को आसान बनाएगा। फ़ॉलो-अप में "30 मिनट में कोई प्रगति न हो तो एस्केलेट करें" जैसा नियम लिखें।

हमारी पिछली घटना की समीक्षा कहती है कि हमें क्या बदलना चाहिए, और वास्तव में क्या बदला? यह अनुवर्ती कार्रवाई को परखता है। कार्रवाइयाँ और उनकी स्थिति माँगें। कुछ के महीनों से खुले होने की अपेक्षा रखें। फ़ॉलो-अप में स्वामी और तारीख़ें सौंपें और एक महीने में उनकी समीक्षा करें।

घटना के दौरान AI कहाँ मदद कर सकता है, और कहाँ व्यक्ति को ही निर्णय लेना होगा? AI समयरेखा का सारांश दे सकता है, पिछली घटनाएँ खोज सकता है और अद्यतन का मसौदा बना सकता है। वह जवाबदेह नहीं हो सकता। पूछें कि AI बिना अनुमोदन के कौन-सी कार्रवाइयाँ कर सकता है, अगर कोई। फ़ॉलो-अप में एक कम जोखिम वाला उपयोग चुनें और तय करें कि उसके आउटपुट की जाँच कैसे होती है।

व्यवहार में: सेवा प्रबंधन का एक उदाहरण

एक राष्ट्रीय फ़ार्मेसी शृंखला की डिजिटल टीम एक ऐप चलाती है जिससे ग्राहक दोहराई जाने वाली दवाओं के पर्चे का ऑर्डर देते हैं। एक शुक्रवार शाम लगभग 30 प्रतिशत उपयोगकर्ताओं के लिए ऑर्डर विफल होने लगते हैं। ऑन-कॉल इंजीनियर डेटाबेस की त्रुटियाँ देखता है और रोटा के अनुसार घटना-प्रमुख को बुलाता है। प्रमुख गंभीरता-दो की घटना घोषित करती हैं क्योंकि उपयोगकर्ता मूल कार्य पूरा नहीं कर सकते, संवाद-प्रमुख तय करती हैं, और समयरेखा शुरू करती हैं।

15 मिनट के भीतर टीम को उस दोपहर तैनात किए गए डेटाबेस बदलाव पर संदेह होता है। प्रमुख पूछती हैं कि क्या उसे वापस लेना सुरक्षित है; जिस इंजीनियर ने बदलाव किया वह पुष्टि करता है कि है। टीम रोलबैक करती है, और ऑर्डर पाँच मिनट में बहाल हो जाते हैं। पहले अलर्ट से बहाली तक का कुल समय 47 मिनट है। संवाद-प्रमुख ने 20 मिनट पर स्टेटस पेज पर पोस्ट किया था, फिर 35 पर, और बहाली पर अंतिम अद्यतन, और ग्राहक सेवा टीम को बताया था कि क्या कहना है।

अगले सप्ताह टीम दोषारोपण-रहित समीक्षा करती है। समयरेखा दिखाती है कि पता लगाना उपयोगकर्ता की शिकायत पर निर्भर था, क्योंकि कोई अलर्ट विफल ऑर्डरों को नहीं समेटता था; बदलाव की समीक्षा हुई थी पर परीक्षण परिवेश में यथार्थवादी डेटा नहीं था; और पहला अद्यतन सहमत अंतराल से धीमा था क्योंकि संवाद-प्रमुख को अनिश्चितता थी कि स्टेटस पेज पर क्या कहने की अनुमति है। टीम ऑर्डर विफलता दर पर अलर्ट जोड़ती है, परीक्षण डेटा सुधारती है, और स्टेटस पेज का टेम्पलेट लिखती है।

क्या बदलता है: अगली ऐसी ही घटना का अलर्ट से तीन मिनट के भीतर पता चल जाता है। क्या कठिन रहता है: परीक्षण डेटा में अच्छे कारणों से कोई वास्तविक मरीज़ जानकारी नहीं है, जो उसकी यथार्थता को सीमित करता है; रोटा में अब भी कम इंजीनियर हैं जो डेटाबेस को सुरक्षित रूप से रोलबैक कर सकते हैं; और समीक्षा की कार्रवाई-सूची में बारह मदें हैं और टीम के पास पाँच के लिए समय है। वे जोखिम के आधार पर चुनते हैं और बाक़ी को तारीख़ों के साथ बैकलॉग पर रखते हैं।

चार दृष्टिकोण

उत्पाद और डिलीवरी टीमें

बहाली के लिए बनाएँ: बदलाव पलटने योग्य रखें, उपयोगकर्ता पर प्रभाव दिखाने वाले अलर्ट और लॉग जोड़ें, और चलते-चलते रनबुक लिखें। समीक्षाओं में भाग लें और डिज़ाइन में कारण ठीक करें।

सेवा और संचालन टीमें

अपनी भूमिका जानें, अभ्यास करें, और समयरेखा रखें। जल्दी एस्केलेट करें, लगातार संवाद करें, और एक-दूसरे की देखभाल करें। जो सीखें उसे समीक्षाओं में लाएँ और रनबुक और निगरानी सुधारने में उपयोग करें।

नेतृत्व और गवर्नेंस

गंभीरता की परिभाषाओं और अपेक्षाओं पर पहले सहमत हों, और दोष बाँटने का विरोध करें। बड़ी घटना के दौरान प्रमुख का समर्थन करें और अद्यतन केवल सहमत चैनल से माँगें। अनुवर्ती कार्रवाइयों का वित्तपोषण करें।

ग्राहक और उपयोगकर्ता

आपको तुरंत बताया जाना चाहिए कि क्या प्रभावित है, क्या किया जा रहा है, और आपको अगली बार कब पता चलेगा। जो आप देखते हैं, ब्योरे के साथ, रिपोर्ट करें। बड़ी घटना के बाद स्पष्ट विवरण की अपेक्षा रखें कि क्या बदला।

एजाइल, AI, स्वचालन और विश्लेषण

एजाइल

घटना-समीक्षाओं को वह छोटा फ़ीडबैक चक्र मानें जो सुधार को चलाता है: रनबुक, अलर्ट और डिज़ाइन में छोटे बदलाव, हितधारकों को सूचित रखते हुए जल्दी किए गए। सावधानी: लंबी कार्रवाई-सूची जिसे कोई पूरा नहीं करता, छोटी सूची से बदतर है जो पूरी होती है।

AI

AI अद्यतनों का मसौदा बना सकता है, समयरेखा और चैट का सारांश दे सकता है, और पहले की समान घटनाएँ खोज सकता है। घटना-प्रमुख जवाबदेह रहती है, और AI का आउटपुट सुझाव है। सावधानी: AI कारण या समय गढ़ सकता है, और बिना समीक्षा के भेजा गया स्वतः-मसौदा अद्यतन ग्राहकों को भ्रमित कर सकता है; भेजने से पहले हमेशा जाँचें। देखें «विषय 5.4 — घटनाओं, ज्ञान और परिवर्तनों के लिए जनरेटिव AI»।

स्वचालन

सुरक्षित, दोहराए जाने योग्य प्रतिक्रिया-चरण स्वचालित करें, जैसे निदान डेटा जुटाना, सही लोगों को पेज करना, और समीक्षित पुनः आरंभ चलाना, लॉग और सीमाओं के साथ। सावधानी: जो स्वचालन घटना के दौरान कार्य करता है वह उसे बदतर कर सकता है; हाथ का स्टॉप रखें और सुरक्षित परिवेश में परखें। देखें «विषय 6.6 — रनबुक स्वचालन और स्वतः-उपचार»।

विश्लेषण

पता लगाने, प्रतिक्रिया देने और बहाली का समय, हर एक का वितरण, और दोहराई गई घटनाएँ देखें। सावधानी: औसत सबसे बुरी घटनाएँ छिपाते हैं, शुरू और अंत की परिभाषाएँ भिन्न होती हैं, और टीमों को आँकने में उपयोग हुए माप टाइमस्टैम्प के साथ हेरफेर को न्योता देते हैं; अलग-अलग घटनाओं का भी अध्ययन करें। देखें सेवा प्रबंधन मेट्रिक्स पुस्तक और «विषय 7.3 — मापन और रिपोर्टिंग»।

आम विफलता के तरीके

  • घटना के दौरान गंभीरता पर बहस। समय खोता है। परिभाषाएँ देखने योग्य तथ्यों से लिखें।
  • कोई स्पष्ट प्रमुख नहीं। सब कार्य करते हैं और कोई निर्णय नहीं लेता। प्रमुख का नाम तय करें और घोषित करें।
  • सेवा बंद रहते जाँच करना। बहाली में देरी होती है। पहले सुरक्षित अस्थायी उपाय लगाएँ।
  • उपयोगकर्ताओं को चुप्पी। चिंता और दोहराए गए संपर्क बढ़ते हैं। लय पर अद्यतन दें।
  • समीक्षाओं में दोषारोपण। लोग ग़लतियाँ छिपाते हैं। दोषारोपण-रहित समीक्षाएँ करें और कार्रवाइयाँ ट्रैक करें।
  • नायक पर निर्भरता। एक व्यक्ति सब ठीक करता है। ज्ञान साझा करें और रनबुक लिखें।
  • सीमाओं के बिना स्वतः-कार्रवाइयाँ। स्वचालन घटना को बदतर करता है। सीमाएँ, लॉग और हाथ का स्टॉप जोड़ें।

परिपक्वता मॉडल

आयाम आरंभ विकास मानकीकरण प्रबंधन समन्वय
गंभीरता और प्रक्रिया तदर्थ अनौपचारिक स्तर प्रतिक्रिया-अपेक्षाओं के साथ परिभाषित स्तर डेटा से स्तरों की समीक्षा सेवाओं और भागीदारों में प्रक्रिया अनुकूलित
भूमिकाएँ और अभ्यास तात्कालिक कुछ भूमिकाएँ नामित भूमिकाएँ परिभाषित और पूर्वाभ्यासित अभ्यासों को मापा और सुधारा गया आपूर्तिकर्ताओं और ग्राहकों के साथ अभ्यास साझा
संवाद अनियमित याद आने पर अद्यतन हर गंभीरता के लिए अद्यतन की लय और चैनल संवाद की गुणवत्ता की समीक्षा टीमों, ग्राहकों और भागीदारों में एकरूप
सीखना दोषारोपण कभी-कभार समीक्षाएँ ट्रैक की गई कार्रवाइयों के साथ दोषारोपण-रहित समीक्षाएँ पुनरावृत्ति मापी और घटाई गई सीख पूरे संगठन में साझा

जाँच-सूची

  • गंभीरता के स्तर देखने योग्य तथ्यों और अपेक्षित प्रतिक्रियाओं से परिभाषित हैं।
  • घटना की भूमिकाएँ नामित और पूर्वाभ्यासित हैं।
  • एस्केलेशन के ट्रिगर लिखे हुए हैं।
  • महत्त्वपूर्ण घटनाओं के लिए जीवित समयरेखा रखी जाती है।
  • हर गंभीरता के लिए अद्यतन-अंतराल और चैनल तय हैं।
  • ऑन-कॉल बोझ सीमित और निगरानी में है।
  • समीक्षाएँ दोषारोपण-रहित हैं और कार्रवाइयाँ पूर्ण होने तक ट्रैक की जाती हैं।
  • घटनाओं में उपयोग होने वाले AI और स्वचालन का स्वामी, सीमाएँ और समीक्षा है।

AI प्रॉम्प्ट

समीक्षा के लिए घटना की समयरेखा का सारांश बनाएँ।

यह एक घटना के चैट संदेश और नोट्स हैं, समय और नाम हटाकर: [पाठ चिपकाएँ]।
प्रमुख घटनाओं की समयरेखा, निर्णयों की सूची और उन्हें किसने लिया (केवल भूमिका से), क्या मददगार रहा, किससे देरी हुई, और समीक्षा के लिए प्रश्न बनाएँ। केवल पाठ का उपयोग करें और जो अनिश्चित है उसे चिह्नित करें।
जिनके बारे में आप अनिश्चित हैं उनकी सूची दें।

समीक्षा के लिए स्थिति अद्यतन का मसौदा बनाएँ।

जो तथ्य हम जानते हैं: [पुष्ट तथ्य चिपकाएँ]। जो हम नहीं जानते: [सूची]। अगला अद्यतन: [समय] में।
सरल भाषा में 80 शब्दों से कम का स्थिति अद्यतन तैयार करें जो बताए कि क्या प्रभावित है, हम क्या कर रहे हैं, और अगला अद्यतन कब देय है। कारणों के बारे में अटकल न लगाएँ और बहाली का ऐसा अनुमान न दें जो तथ्यों में नहीं है।
जिनके बारे में आप अनिश्चित हैं उनकी सूची दें।

गंभीरता की परिभाषाएँ जाँचें।

हमारी गंभीरता की परिभाषाएँ: [चिपकाएँ]। यहाँ तीन पिछली घटनाएँ उनके प्रभाव के साथ हैं: [चिपकाएँ]।
हर घटना के लिए बताएँ कि परिभाषाएँ किस स्तर का सुझाव देती हैं, जो शब्द आपने उपयोग किए उन्हें उद्धृत करें, और ध्यान दें कि परिभाषाएँ कहाँ अस्पष्ट थीं। परिभाषाएँ न बदलें।
जिनके बारे में आप अनिश्चित हैं उनकी सूची दें।

AI कौशल

  • incident-response-plan: घटनाओं का उत्तर देने के लिए भूमिकाएँ, गंभीरता और चरण परिभाषित करने के लिए उपयोग करें।
  • postmortem: ट्रैक की गई कार्रवाइयों के साथ दोषारोपण-रहित समीक्षा चलाने के लिए उपयोग करें।
  • runbook: ज्ञात विफलताओं के लिए प्रतिक्रिया-चरण पकड़ने के लिए उपयोग करें।
  • crisis-communication-plan: उपयोगकर्ताओं और हितधारकों को अद्यतन की योजना बनाने के लिए उपयोग करें।
  • on-call-rotation: टिकाऊ ऑन-कॉल व्यवस्था डिज़ाइन करने के लिए उपयोग करें।

प्रमुख स्रोत

  • Betsy Beyer and others (eds.), Site Reliability Engineering (2016), घटना-प्रतिक्रिया और पोस्टमॉर्टम पर अध्याय, sre.google पर निःशुल्क: एक बड़े संचालक का व्यावहारिक मार्गदर्शन।
  • PeopleCert, ITIL certification pages: घटना प्रबंधन अभ्यास का स्वामी का वर्णन।
  • Wikipedia, "Incident management": अभ्यास का अवलोकन।
  • Wikipedia, "Incident Command System": आपातकालीन प्रबंधन मॉडल जिसने तकनीकी घटना-भूमिकाओं को प्रभावित किया।

संदर्भ

  1. Incident management — Wikipedia — https://en.wikipedia.org/wiki/Incident_management
  2. Incident Command System — Wikipedia — https://en.wikipedia.org/wiki/Incident_Command_System
  3. Mean time to recovery — Wikipedia — https://en.wikipedia.org/wiki/Mean_time_to_recovery
  4. Escalation — Wikipedia — https://en.wikipedia.org/wiki/Escalation
  5. Crisis communication — Wikipedia — https://en.wikipedia.org/wiki/Crisis_communication
  6. Alarm fatigue — Wikipedia — https://en.wikipedia.org/wiki/Alarm_fatigue
  7. Workaround — Wikipedia — https://en.wikipedia.org/wiki/Workaround
  8. Runbook — Wikipedia — https://en.wikipedia.org/wiki/Runbook
  9. Triage — Wikipedia — https://en.wikipedia.org/wiki/Triage
  10. Site Reliability Engineering: How Google Runs Production Systems — Google — https://sre.google/sre-book/table-of-contents/

सेवा प्रबंधन मार्गदर्शिका — एजाइल, AI, स्वचालन और विश्लेषण के साथ सेवा प्रबंधन।

स्रोत और योगदान: github.com/service-management-guide. इसके साथ बनाया गया Lily Design System™.

संचालन Joel Parker Henderson.