返回本章节索引       阅读下一章

文档信息

版本记录

1.文档介绍

本文档描述了问题管理的设计方案。内容包括在XX电力实现问题管理模块的流程设计和部分平台实现时的代码设计。

1.1.文档用途

本文档一方面作为本次ITSM项目的问题管理流程的设计方案交付物，也可作为XX电力实行问题管理流程的蓝本，读者对象为与问题管理流程相关的所有技术与管理人员。

本文档所描述的流程在IT服务管理中有许多作用，举例如下：

• 找出事件的根本原因，从而防止同类事件的再次发生；
• 根据合适的优先级，合理调整资源分配，降低支持成本；
• 确保问题有责任人负责，并对问题有跟踪、评估和回顾；
• 协助突发事件处理总结与共享，支持事件管理流程；
• 提高客户的满意度；
• 改进问题预防流程。

1.2.文档结构

文档内容具体如下：

• 第一章 文档介绍

对文档目的和内容进行简单介绍，同时描述文档中用到的ITIL中的术语。

• 第二章 问题管理流程概述

简单描述问题流程，明确目的、范围、内容以及流程政策等。

• 第三章 问题管理流程设计 

描述流程设计内容，如：具体流程、流程代码等。

• 第四章 报表

1.3.ITIL相关术语

下面是ITIL中问题管理相关的术语：

• 问题管理：即Problem Management

是负责解决重大紧急问题或具有相同特征的一组问题的运维流程。它的目的是找出产生这些问题的根本原因，并通过永久性解决方案防止类似问题的再次发生，同时问题管理流程也通过主动式管理降低问题发生的数量。

• 问题

问题是存在某个未知的潜在原因的一种情形，这种原因会导致一起或多起突发事件发生。问题管理经常是分析多个呈现相同症状的事件后发现的某种情形。问题也可从单个重要的事件中确认以表示一项错误。这种错误产生的原因虽然未知，但其产生的影响却可能是非常严重的

• 错误

指问题经过诊断分析后找到突发事件产生的根本原因但并未找出可能的解决方案时所处的状态。

• 已知错误

已知错误是指问题经过诊断分析后找到突发事件产生的根本原因并制定出可能的解决方案时所处的状态。

• 变通方法（Workaround, 有时也称临时规避措施，应对措施）

“变通方法”是相对“根本解决方法”而言的，是指没有根本解决一个问题引起的故障，但恢复了问题影响的服务（或业务）的方法。“变通方法”定义本身也说明了：事件管理流程的目的是在规定时间内恢复服务（或业务），而不完全是针对问题本身。问题管理流程目的是找到根本原因，并尽可能根本解决

• 问题控制

问题控制是对发现的问题进行归类、调查和分析从而提出解决方案或应急措施的流程

• 错误控制

错误控制是对已知错误进行处理和控制的流程。在问题控制将已知错误转交给错误控制之后，错误控制需要向变更管理提交变更请求，再由变更管理实施变更后最终消除已知错误

• 主动问题管理

根据对IT基础架构进行的分析，问题管理可以找到可能出现问题的薄弱环节，在突发事件发生前发现和解决有关问题和已知错误，尽量减少问题和已知错误对业务的影响

2.问题管理流程概述

2.1.什么是问题管理流程

问题管理流程分析发生在生产环境的事件，确定最常发生或具有最大影响的事件，找出根本原因，然后生成变更请求（RFC）、变通方法或建议的预防性措施来防止事件的再次发生。所以问题管理流程可能需要和变更管理流程一起来实施找出的解决方案以从根本上解决问题。

问题的来源：

• 已发生的一个或多个有共同征兆的事件
• 系统运行期间发生的重要突发事件
• 系统的运行趋势分析中发现的问题

问题管理的输入有：

• 从事件管理中得到的故障详细信息
  • 故障现象
  • 故障的处理方法和解决方案
  • 故障发生的频率和影响程度及紧急程度
• 从配置管理数据库中得到的配置详细信息
  • 相关的配置信息
  • 配置项之间的关联关系
• 从故障管理中得到的替代方法

问题管理流程的输出有：

• 解决方案
• 变通方法
• 变更请求
• 预防性措施

问题管理的输出可以被当作知识内容用于支持前端的事件管理过程，使事件管理操作者能够通过查询历史问题的解决方案，快速的完成事件的处理，同时，问题管理还应配合事件管理，集中优势资源为没有变通方法的疑难突发事件处理提供解决支持。

2.2.流程目的

问题管理流程的根本目的是消除或减少生产环境中事件发生的数量和严重程度，提高IT服务的可用性。其目的包括：

• 分析并确定事件的根本原因，找到最终解决方案，以防止此类事件再次发生
• 确保问题分派了正确支持人员，提高解决率
• 根据问题优先级合理分派IT资源
• 对事件记录做趋势性分析，主动提供预防性措施
• 提高服务的可靠性
• 降低支持成本

2.3.管理范围

问题管理主要针对湖南电力服务运营过程中遇到的所有问题的记录、跟踪、评估、处理、回顾，以及知识共享。其范围与事件管理中事件管理范围一致。

问题管理负责处理的范围包括：

• 来自于事件管理的重要突发事件，未能解决且无变通方法
• 来自于事件管理的重要突发事件，有变通方法
• 来自于阶段性事件总结，多个呈现相同症状的突发事件提取出的问题
• 来自于定期的系统分析报告的问题

2.4.主要内容

问题管理流程主要涉及问题控制、错误控制和主动问题管理三种活动。其流程内容如下：

问题控制：

• 发现和记录问题

问题控制的第一步是要发现和记录问题。所有导致突发事件产生的未知原因都可以称为问题，但我们通常只将那些重复发生的或非常严重的突发事件归类为问题。问题记录与突发事件记录类似但并不完全相同。突发事件记录强调是受影响的用户数量、影响度等信息，而问题记录则更侧重于突发事件症状、与突发事件相关的基础架构的运行情况等信息。问题记录应与相关事件关联

• 问题归类

在查明和记录问题后，为了评估问题可能对服务级别产生的影响，应首先对问题进行归类。问题归类应当根据问题涉及的领域、影响度和紧迫性等因素进行确定，与事件管理不同，问题归类不是静态的，它在问题生命周期内可能发生调整，如，应急措施可以降低问题的紧迫性，而新出现的突发事件却可能会提高问题的影响度。

• 调查和分析问题

问题调查是要找出问题存在的根源，因此问题调查比突发事件调查要更加全面深入，对导致突发事件的未知原因展开调查后，需要对这些原因进行分析和测试，以确定其是否是问题产生的最主要和最根本的原因。问题分析可通过多种分析方法进行，如：鱼骨图法、头脑风暴法等。

错误控制

• 发现和记录错误

在问题控制流程查明了问题产生的根本原因，问题就转化为错误，如果同时针对这些错误提出了相关的应急措施，错误就进一步升级为已知错误，问题管理人员需要将问题标记为已知错误存放在问题管理数据库中，以便与事件管理人员共享处理信息和继续问题处理

• 评价错误

在发现和记录错误后，问题管理人员应与其他支持人员一起对解决错误的可能方法进行初步评估，并根据对错误评价的结果制定相应的解决方案

• 记录错误解决过程

在问题管理人员提出解决错误的方案后，错误控制流程应详细记录每个已知错误的解决过程，特别是与已知错误有关的配置项、症状和解决方案，记录的信息可保存于已知错误数据库中备查

• 提出变更请求

发现的已知错误消除时需要改变IT基础架构时，应向变更管理流程提出变更请求，由变更管理处理变更过程

• 问题解决评估

在实施错误解决方案或变更后，问题管理人员需要继续跟踪和监督错误解决过程，必要时应进行实施后评审来确认问题的解决效果

• 问题终止

在确认问题和已知错误得到较好的解决后，问题管理可以终止错误控制流程。同时需要将有关问题的更新信息存入问题数据库中

主动问题管理

• 趋势分析

趋势分析的目的是为了能够主动采取措施提高服务质量，它可以从以下几个方面进行：

1. 找出基础架构中不稳定的组件
2. 跟踪分析已发生的突发事件和问题，研究趋势
3. 通过其它方式和途径分析，如：系统管理工具、用户反馈、座谈会和用户调查

• 制定预防措施

在确定服务支持人员应重点关注的问题之后，问题管理人员就应当采取适当的行动以预防其发生。这些行动包括：

1. 提交变更请求（RFC）
2. 对服务支持人员、客户教育和培训
3. 改进相关的流程或程序

2.5.业务价值

问题管理流程将在多方面对湖南电力的IT服务产生积极作用，具体表现在：

• 提高服务可用性 

通过把单个事件的影响最小化和减少事件的总体数量（预防问题），更多的用户有更多的时间可以使用服务。 

• 提高服务质量 

在解决事件／问题时，遵循相关的已知错误记录下来的解决方案或信息可以提高服务质量。同样，潜在的故障消除后，执行的服务也更和客户的服务期望相一致。

• 总结经验 

问题管理分析历史事件资料以找出可能不被发现的趋势。

• 提高突发事件记录的质量

问题管理通过引入突发事件记录和分类标准，能够更容易发现突发事件、描述突发事件症状，从而提高突发事件报告质量

• 提高IT员工的工作效率 

问题分析员所做的工作可以被一线支持人员所学习、采纳，从而可以处理更多的事件故障，并可以大大提高首次修复率。

2.6.政策与建议

XX电力认识到建立以ITIL为指导的IT服务管理流程对公司IT运维的重要性和必要性，并能够支持所必要的IT服务流程、角色职责和服务质量考核的变革工作。

XX电力在具体的问题管理流程执行过程中，应能够遵守如下的流程政策：

• 规定1：问题管理流程和事件管理流程应相互独立，但具有紧密关系。
  • 必须确定问题根源
  • 事件管理和问题管理具有不同目的，必须分开独立管理
  • 问题管理流程需要和事件管理建立接口

• 规定2：问题管理资源应分配给对业务影响最大的问题或事件
  • 问题必须进行影响度和优先级分类
  • 问题必须被分配给最合适的资源
  • 对影响度最大的问题必须优先分配资源

• 规定3：问题管理流程需对从事件管理系统中采集的数据和其他数据源（如事件日志）数据进行根本原因分析和趋势分析并给出问题的长期性解决方案或建议
  • 应用和系统问题必须优先被检测出来
  • 问题必须进行分类以便于找出潜在原因
  • 问题的解决方案需进行测试并通过变更管理流程实施

• 规定4：对问题必须进行事后回顾，目的是为了预防问题再次发生和发现改进流程的机会
  • 问题或事件必须一直被跟踪直到被解决
  • 问题必须有问题结束代码
  • 对于重大问题进行回顾分析，以找出改进机会

• 规定5：负责管理已知错误/知识库，向湖南电力其他管理流程或部门提供关于问题及其建议方案的信息（如培训，发布公告等方式）
  • 问题的解决方案必须被记录下来
  • 所有事件必须进行登录
  • 事件管理流程的报表必须分发、分析和采取行动
  • 事件管理流程记录事件的形式和分类方法必须允许问题管理能有效运行

• 规定6：问题管理人员定期组织会议，对所处理事件记录进行分析，确定主动性问题的管理趋势
  • 会议参加者至少包括事件管理经理及问题管理经理
  • 会议可每月定期组织一次

对某一类事件数量增长达30%以上者，可作为问题分析

2.7.与其它流程的关系

• 和事件管理流程的关系
  • 问题管理流程需要来自事件管理流程的详细、精确的记录信息来定位问题及分析问题的趋势
  • 通过问题管理流程找到产生事件及问题的根本原因，并进行解决，从而大大降低重复事件的发生
• 和配置管理流程的关系
  • 需要从配置管理数据库中查询配置项的属性和配置项间的关联关系
• 和变更管理流程的关系
  • 为了从根本上解决已知错误，往往需要通过变更才能实现，问题管理将提出变更请求提交到变更管理流程

注：

1. 考虑到问题调查时间会因为问题的难易程度波动较大，利用流程信息项中的计划开始和计划结束时间，实际开始和实际结束时间来按问题的实际情况加以计划和监控。监控主要由问题协调员负责。
2. 问题记录单本身可以作为一种知识进行查询和参考。是否需要将有价值的问题记录单按统一的格式整理成知识参照知识管理流程的要求进行。

3.问题管理流程设计

3.1.问题管理流程角色和职责

3.1.1.流程角色和职责

根据XX电力实际情况，在问题管理的过程中我们定义了三种角色：问题经理、问题协调员和问题分析员，定义如下：

3.1.1.1.问题经理

职责：

• 确保制定清晰有效的工作流程和准则
• 提供关于IT服务和客户支持的正确有效的管理信息，生成有效的管理报表
• 对问题协调员注册的问题设置优先级并对其进行计划。
• 如果需要，与利益相关者沟通。
• 如果需要，通知变更经理。
• 如果需要，延迟问题。
• 根据已知错误的调查结果作出决定。
• 注册变更请求或服务请求来解决已知错误。
• 执行问题审核并记录所获经验。
• 关闭问题并通知利益相关者。
• 监控问题和已知错误解决进度并执行必要的操作。

主要技能：

• 深刻了解问题管理流程
• 熟悉各个业务系统的运维
• 较强的流程规划和制定能力
• 较强的组织和协调能力
• 具备一定企业管理知识

主要考核指标：

• 流程的有效性

3.1.1.2.问题协调员

职责：

• 定期执行分析以确定是否需要注册新问题。
• 注册问题。
• 将工作分配给问题分析员并协调根本原因分析。
• 确认问题的根本原因并标记为已知错误。
• 通知问题经理。
• 将已知错误分配给问题分析员。
• 确认建议的已知错误解决方案。
• 确认关闭变更的结果并关闭已知错误。
• 确认是否已解决问题。

主要技能：

• 熟悉技术平台和技术环境
• 较强的客户沟通和口头表达能力
• 决策的能力
• 深刻熟悉问题管理流程
• 熟悉问题管理流程和其他流程之间的关系

主要考核指标：

• 问题成功解决的百分比（问题解决和未解决的比值）
• 资源的有效使用（问题解决过程中人员的分派，相关人力、物力的协调）
• 控制系统的使用情况（通过报表统计问题生成、解决的过程，及时了解一定时期内问题管理状况）
• 问题处理的效率（问题平均处理时间等）

3.1.1.3.问题分析员

职责：

• 调查、诊断和验证已分配问题的应对措施和/ 或根本原因。
• 审核和接受或拒绝已分配的已知错误。
• 调查、诊断和验证分配的已知错误和建议的解决方案及应对措施。
• 实施修正操作并关闭已知错误。

主要技能：

• 很强的问题解决能力， 能够对问题进行分析并给出解决方案
• 较强的专业知识
• 较强的分析问题的能力和技巧
• 较好的沟通和表达能力

主要考核指标：

• 解决的问题个数（包括升级的事件和主动发现事件）
• 处理升级的事件的个数（升级事件产生的问题基本上是紧要的，需要尽快处理）
• 解决方案修改次数（解决方案能够彻底解决根本的原因，而不是不断的出现递进的变通的方法）
• 未解决问题数

问题管理中的问题分析员角色与事件分析员角色理论上最好由不同人员担当，以增强问题处理的有效性和逻辑性，但在XX电力当前的情况下角色重合是不可避免的问题，那么在当前状况下问题管理对XX电力的现实意义何在呢?

当前的问题分析员目前的岗位说明他有较强的专业能力，能够解决各自专业内的问题，同时，他们也与其他部门或厂商保持较好的关系。问题管理和事件管理的分离使得身兼事件分析员和问题分析员的人员能够获得更充足的时间和资源对问题的根源进行分析挖掘，协调、管理第三方资源进行问题的分析，评估和应对。当然这也要求问题协调员能够与内外部建立良好的合作关系，以突破问题分析时资源的局限性。

3.1.2.XX电力角色与人员映射

根据当前所属专职不同分配如下，具体如下表：

3.2.问题流程代码定义

流程代码是问题管理流程不可或缺的一部分，是对问题管理流程关键环节的详细描述的必要准备。本章节后续将详细描述：问题信息项、问题来源、问题分类、问题影响度、问题优先级、问题状态、问题结束、问题原因等代码，这些内容将在流程的具体描述中使用。

3.2.1.问题信息项

问题单包含如下信息项：

未解决的、变通方法解决的突发事件，可以直接做为问题管理流程的输入，对于未解决事件事件的优先级通常为最高和高，这部分问题我们在处理过程中要以提出变通方法并解决为目标，是事件管理流程的扩展，也需要对处理时间严格控制。

重复的事件通过报表分析获得，可以把排名靠前的事件分批输入到问题管理流程。

有增加趋势的事件通过报表分析获得（如：某系统故障：上月20个，本月30个），应该尽快输入到问题管理流程中处理。

在突发事件管理流程中，定义了与事件发生趋势的报表IM-006至 IM-011, 问题管理人员也可以根据需要定义更多的报表，如某一重要配置项上发生的突发事件趋势图

需要强调的是，问题管理为事件管理提供变通方法和解决方案，这并不意味着可以在事件管理周期中不做处理。事件管理在处理过程中应尽力从知识库和个人经验中寻找事件的解决方法，以保证事件处理的可控性。任何一个关闭的事件，至少具备变通方法。未解决且没有变通方法的事件，建议根据实际需要决定是否升级成问题，以便多方寻求变通方法以尽快恢复服务。下图说明了问题管理和事件管理间处理的界限

3.3.问题管理流程概要设计

问题管理概要流程是根据XX电力的具体情况，结合HP ITSM的最佳经验，并通过与XX电力人员的共同讨论最终确定的。问题管理概要流程主要从整体上描述问题的处理过程，不会体现具体的细节和涵盖所有的人员，但能够体现当前可能输入和输出。

问题管理概要流程描述如下：

3.4.问题管理流程详细设计

问题管理详细流程设计如下：

3.4.1.（SO4.1）问题检测、记录和分类

详细流程描述如下:

3.4.2.（SO4.2）问题优化和计划

详细流程描述如下:

3.4.3.（SO4.3）查找问题根本原因

详细流程描述如下：

3.4.4.（SO4.4）已知错误记录和计划

详细流程描述如下：

3.4.5.（SO4.5）查找已知错误解决方案

详细流程描述如下：

3.4.6.（SO4.6）确认已知错误解决方案

详细流程描述如下:

注：问题经理在本子流程里负责所有的工作，在实际的操作上，如准备RFC等，可以委托相关人员在工具里提交

3.4.7.（SO4.7）协助/实施并记录解决方案的实施

详细流程描述如下:

3.4.8.（SO4.8）问题的关闭和审核

详细流程描述如下：

4.报表和KPI

有了有效的、适合使用的流程，还要加强相应的管理才能获得最佳效果。建议的报表如下：