Problem Management: что делать, когда ИТ-сбой повторяется

2026-11-15 09:26:32 Время чтения 12 мин 151

После перезапуска сервис снова отвечает. Из очереди поддержки исчезают жалобы, но через несколько дней возвращаются. Чтобы расследование не пришлось начинать заново после каждого отказа, заведите отдельную запись о проблеме. В ней команда сможет собрать связанные инциденты, проверить версии и проследить, помогло ли исправление.

Попробовать Kaiten бесплатно

Когда восстановление сервиса — только первый шаг

В ITIL управлением проблемами называют работу с причинами произошедших и потенциальных инцидентов. Пока идёт сбой, управление инцидентами помогает восстановить услугу. После восстановления можно продолжить расследование в отдельной карточке. Если уязвимое место обнаружили при тестировании или по данным мониторинга, начать работу можно ещё до первого отказа.

Мониторинг даёт сигналы об отклонениях, управление изменениями помогает провести исправление с учётом риска, а база знаний сохраняет результаты для дежурных смен. Насколько готова команда к отказу, показывает практическая проверка: по опросу Linx Cloud и Global CIO в мае 2026 года среди более 100 ИТ-руководителей из России и СНГ 20% компаний регулярно тестировали план аварийного восстановления, обычно один-два раза в год. У 38% были базовые документы без практической проверки, у 42% плана не было.

В опросе отдельно учитывали наличие плана и его проверку на практике. Источник исследования.

Представим, что сотрудники теряют доступ к CRM, когда заполняется диск. Ручная очистка помогает на несколько дней. Изучив журнал заданий, команда обнаруживает, что после обновления перестала запускаться автоматическая очистка. На этом примере видно, как связаны инцидент и проблема.

В одном отказе могут сочетаться несколько причин: рост объёма файлов, остановка очистки и отсутствие предупреждения о заполнении диска. Ручное удаление ненужных файлов может служить обходным решением, пока команда исправляет автоматическую очистку.

Реактивное расследование начинается после серьёзного сбоя или группы похожих обращений. Проактивное — когда риск обнаруживают по мониторингу, тестам, истории изменений или сообщению поставщика. Для обоих случаев подходит один порядок работы.

Пять этапов: от первой версии до проверки исправления

Проблема проходит отдельный цикл работы, даже если сервис уже восстановили.

1. Соберите события и установите причины

Свяжите повторные инциденты с карточкой проблемы. Запишите, когда начались сбои, кого они затронули и какие изменения им предшествовали. Метод «Пять почему» из бережливого производства помогает пройти от симптома к проверяемой гипотезе. Каждый ответ подкрепляйте данными.

Сопоставьте временную линию с журналами, графиками нагрузки и состоянием зависимых сервисов. Если гипотез много, разложите их по категориям с помощью диаграммы Исикавы: настройки, код, оборудование, процессы, внешние зависимости.

Отмечайте в карточке, какие версии подтвердились и какие исключили. Если возможно, проверьте гипотезу на тестовом стенде. О том, как команда организовала тестирование, рассказывает кейс Dodo Engineering.

2. Дайте пользователям временный способ продолжить работу

Если вход после обновления перестал работать только в мобильном приложении, поддержка может предложить веб-версию. Запишите, для кого подходит обходной сценарий и как его применить. Он может понадобиться ещё до завершения расследования.

3. Внедрите изменение, которое устраняет причину

В зависимости от результатов расследования обновите настройку, код или оборудование. До внедрения проверьте исправление, оцените риск для зависимых сервисов и подготовьте откат, если изменение может затронуть пользователей.

4. Сделайте результаты доступными другим сменам

В базе известных ошибок (KEDB) сохраните симптомы, подтверждённую причину, временный способ работы и ссылки на исправление. Для этого подойдёт обычная база знаний с поиском. В Документах Кайтена рядом с описанием можно разместить таблицу связанных карточек и видеть их текущие статусы.

5. Проверьте, возвращается ли сбой

После внедрения сравните мониторинг и обращения при сопоставимой нагрузке. Срок проверки выбирайте по частоте отказов: если сбой возникал примерно раз в неделю, месяц наблюдения даёт несколько возможностей заметить повторение. Если симптомы вернулись, откройте прежнюю карточку: проверенные версии и решения уже записаны.

Кто отвечает за расследование и решение

  1. Служба поддержки связывает похожие обращения, оценивает охват и сообщает клиентам о временном решении.
  2. Инженеры проверяют гипотезы, готовят изменение и наблюдают за результатом.
  3. Владелец сервиса оценивает влияние на бизнес и определяет, когда остаточный риск можно принять.
  4. Менеджер проблем следит, чтобы запись появилась, у работы был ответственный, а решения дошли до проверки. В небольшой команде эту роль может взять технический лидер или руководитель поддержки.

Как измерить результат

Время восстановления показывает скорость реакции на отдельный сбой. Для работы с причинами смотрите, сколько отказов вернулось и сколько времени уходит на расследование и проверку решения.

Для расчёта доли повторений установите одинаковое окно, например 30 дней после исправления. Среди проблем, для которых наблюдение уже закончилось, посчитайте те, по которым в этом окне вернулись связанные инциденты. Разделите их число на общее количество проблем в этой группе и умножьте на 100%.

Как собрать процесс на доске Kaiten

В Kaiten создайте доску «Проблемы» с этапами «Новые», «Расследование», «Исправление», «Проверка» и «Закрыто». Поддержка, разработчики и инфраструктурная команда смогут работать с общей записью.

По колонкам видно, сколько проблем ожидают расследования, исправления и проверки.

В карточке зафиксируйте приоритет, срок, ответственного и ссылки на инциденты. Признак известной ошибки и временное решение можно вынести в поля, чтобы дежурный быстро нашёл их при повторном обращении.

В карточке видны данные об инцидентах и текущий план работы.

Поручения инженерам создавайте как дочерние карточки. По общей задаче будет видно, какие изменения готовы и какие ещё требуют проверки.

У задач на исправление могут быть разные исполнители при общей карточке проблемы.

Подключите автоматизации для повторяющихся действий, например назначения по правилу при переходе в расследование. Пример работы другой команды с платформой есть в обзоре Kaiten для маркетинга. Подтверждённые причины и инструкции сохраняйте в базе знаний.

Оставляйте проблему в «Проверке» до завершения наблюдения. Если работа регулярно останавливается на одном этапе, посмотрите накопительную диаграмму потока.

Накопительная диаграмма показывает, на каких этапах очередь растёт.

За основу можно взять шаблон разбора инцидентов с этапами, постмортемами и корректирующими мерами. Забрать шаблон · Попробовать Kaiten.

Где процесс чаще всего прерывается

  1. По каждому обращению заводят отдельную проблему. Сначала сопоставьте симптомы и время отказов.
  2. Карточку закрывают после восстановления. Выделите отдельное время на расследование и проверку.
  3. При разборе ищут виноватого. Проследите, какие условия позволили сбою возникнуть и остаться незамеченным.
  4. Инструкция остаётся в личном чате. Сохраните её в общей базе и добавьте ссылку к проблеме.
  5. Приоритет определяют только по частоте. Учитывайте также ущерб редких отказов.
  6. После разбора не создают поручения. Укажите исполнителя, срок и критерий проверки.
  7. Открытые проблемы перестают пересматривать. Сверяйте их с текущей нагрузкой и проверяйте обходные решения.

Для первого разбора возьмите один повторный или критичный случай. Назначьте ответственного, соберите связанные записи и доведите изменение до проверки. По итогам станет понятно, какие правила стоит закрепить для всей команды. Настройки Kaiten описаны в справке.