Управление10 ноября · 6 мин чтения

Управление ИТ-инцидентами: порядок и пример

Управление инцидентами — это не поиск виноватых, а дисциплина быстрого восстановления работы с минимальными потерями. Разбираем полный цикл от регистрации до возврата сервиса, разводим приоритет, эскалацию и анализ причины, а также разбираем условный пример и типовые ошибки команд.

Управление ИТ-инцидентами: порядок и пример

Управление ИТ-инцидентами — это процесс, который возвращает работоспособность сервиса как можно быстрее и лишь потом разбирается, почему всё сломалось. Порядок простой: зарегистрировать инцидент, определить приоритет по влиянию на бизнес, назначить ответственного, эскалировать при отсутствии прогресса, восстановить сервис, и только после этого запустить анализ причины. Смешивать восстановление с расследованием — главная ошибка: пока ищете виноватого, бизнес простаивает.

Инцидент и проблема: сначала различить

Инцидент — событие, которое уже ухудшило или остановило работу: не грузится система, нет сети, не печатает принтер в отделе продаж. Проблема — скрытая причина, которая порождает инциденты повторно: изношенный диск, ошибка в обновлении, перегруженный канал. Различие принципиально: инцидент тушим немедленно, проблему расследуем планово. Если один и тот же инцидент повторяется второй-третий раз, это уже не набор инцидентов, а проблема, и ей нужен отдельный владелец и срок разбора. Компании, где это не различено, гасят одни и те же пожары годами, тратя на это львиную долю ресурсов поддержки.

Регистрация и первичная диагностика

Каждый инцидент регистрируется до начала работы — без исключений «мы уже чиним». Записываем: что случилось, кто пострадал, с какого времени, что уже пробовали. Первичная диагностика занимает пять-десять минут: инцидент у одного сотрудника и массовый сбой решаются разными путями, и время, потерянное на попытку «починить одному», при массовом сбое — прямой ущерб. Практичное правило: если за пятнадцать минут похожих обращений два и больше, объединяйте их в один инцидент с общим владельцем, а не гоняйте исполнителей по отдельным заявкам.

Если вам нужно организовать поток заявок и упростить работу оператора, пригодится материал «ИИ в техподдержке: какие заявки можно автоматизировать».

Если вам нужно связать сопровождение с разработкой и перейти на новые правила работы, пригодится материал «Автоматизация ИТ-процессов: с чего начать».

Приоритет: влияние, а не громкость

Приоритет определяется произведением двух факторов: сколько людей и какой части бизнеса затронуто, и насколько срочно нужно восстановление. Шкала из трёх уровней достаточна: критический — работа компании остановлена, высокий — остановлено подразделение, обычный — неудобство отдельного сотрудника. Каждому уровню соответствует целевое время реакции и восстановления, зафиксированное заранее. Важно: приоритет назначает процесс, а не заявитель и не исполнитель. Громкий руководитель с личным инцидентом не получает критический приоритет автоматически — иначе шкала превратится в отражение табеля о рангах.

Эскалация: по времени без прогресса

Эскалация — передача инцидента на следующий уровень компетенции или управления. Срабатывает она по двум условиям: истёк целевой срок восстановления без результата либо исполнитель понимает, что задача выше его компетенции. Второй случай честнее первого: ждать конца срока, зная, что не справишься, — прямой ущерб. Структура эскалации проста: первая линия — сбор информации и типовые решения, вторая — инженеры систем, третья — вендоры и архитекторы. У каждого перехода должен быть владелец и правило уведомления заявителей: молчание во время эскалации воспринимается как забвение.

Восстановление: цель и границы

Цель этапа — вернуть работу, а не починить идеально. Обходное решение — перенос виртуалки на другой узел, запасной канал, ручной режим — считается полноценным восстановлением, если бизнес работает. Фиксируйте в карточке, что применён обходной путь: это важно для анализа причины и для снятия обхода после окончательного ремонта. Границы этапа: восстановление не включает установку обновлений «заодно», изменение настроек без записи и любые действия, которые нельзя откатить. Всё, что улучшает систему, идёт отдельной заявкой на изменение после стабилизации.

Анализ причины: после восстановления

После возврата сервиса запускается разбор: что явилось первопричиной, почему не сработало раннее обнаружение, что изменить, чтобы не повторилось. Для критических инцидентов разбор назначается в течение недели, участвуют все, кто работал с инцидентом, формат — короткий документ из четырёх пунктов: хронология, причина, что помогло, что меняем. Главное правило: разбор без поиска виноватых. Первый вопрос «кто виноват» обрекает встречу на молчание; первый вопрос «почему система позволила это произойти» даёт действия. Если после разбора нет записанных изменений, встреча была терапией, а не управлением.

Пошаговый алгоритм

Шаг первый: зафиксировать инцидент в системе с временем начала и зоной влияния. Шаг второй: определить приоритет по шкале влияния. Шаг третий: назначить ответственного и сообщить заявителям ожидаемый срок. Шаг четвёртый: работать по известным решениям, фиксируя каждый шаг в карточке. Шаг пятый: при отсутствии прогресса к целевому сроку — эскалация на следующий уровень с уведомлением stakeholders. Шаг шестой: восстановить работу любым безопасным способом, включая обходной. Шаг седьмой: подтвердить у заявителя, что сервис работает, и закрыть инцидент. Шаг восьмой: для критических и повторных инцидентов — назначить разбор причины со сроком.

Условный пример с числами

Условная сеть аптек «Ромашка», 30 точек, кассовый софт работает через центральный сервер в офисе. Во вторник в 10:20 кассы в шести точках перестали проводить оплаты. Регистрация: один инцидент вместо шести заявок, приоритет — критический, влияние: порядка 40 кассиров и поток покупателей. Первая линия за десять минут выяснила, что сеть в офисе жива, а база не отвечает; эскалация на вторую линию через пятнадцать минут, так как типовые решения не помогли. Восстановление в 11:05: перевод базы на резервный узел, кассы заработали в обычном режиме. Разбор в четверг: причина — переполнение диска из-за отключённой ротации логов, изменение — автоматический контроль свободного места с алертом при пороге 20 процентов. Все цифры иллюстративные, но хронология и логика — типовые.

Исключения и ошибки

Первая ошибка — работа без регистрации «чтобы быстрее»: скорость иллюзорна, повторный инцидент наступит неизбежно. Вторая — приоритет по громкости заявителя: шкала должна переводить эмоции в цифры влияния. Третья — эскалация как наказание исполнителя: тогда уровни начнут скрывать проблемы. Четвёртая — «починка заодно» во время восстановления: увеличивает риск второго сбоя в разгар аварии. Исключение — саботаж и вредительство: если есть признаки целенаправленного вреда, порядок меняется, работает регламент информационной безопасности с изоляцией и сохранением следов. Другое исключение — инциденты безопасности: они живут по своему регламенту, где восстановление может подождать сбора доказательств.

Порядок работы с инцидентами лучше всего вырабатывается на разборах реальных случаев, включая чужие ошибки. На деловые мероприятия DELO.MBA выходят встречи про управление инцидентами, ITSM и порядок в ИТ, где такие кейсы разбирают по шагам — приходите со своей хронологией последнего крупного сбоя, и разговор будет предметным.

Руководство Google SRE по управлению инцидентами.

Афиша «Форума»2791 деловых событий Москвы

Конференции, форумы, нетворкинг и мастер-классы — с фильтрами по дате, формату и цене.

Открыть афишу →
Чек-листЧек-лист по инцидентам
  • ✓Регистрируйте каждый инцидент до начала работы, даже мелкий
  • ✓Назначайте приоритет по влиянию на бизнес, а не по громкости заявителя
  • ✓Определяйте эскалацию по времени без прогресса, а не по настроению
  • ✓Возвращайте сервис первым действием, разбор причины откладывайте
  • ✓Заводите проблему после повторного инцидента той же причины