自從我學習和通過了精益（Lean IT leadership）、敏捷（Scrum Master）、DevOps（DevOps Master）相關認證后，對運維管理和運維工作本身有了新的思考和啟發(fā)。本文我們將圍繞保障業(yè)務連續(xù)性、敏捷交付業(yè)務價值和提升員工滿意度3個階段進行探討，同時分享不同階段的實現(xiàn)思路供各位參考。

01. 運維管理的終極目標——BVSSH

運維管理的最重要的職責之一是保障業(yè)務連續(xù)性——負責系統(tǒng)的運行維護，保障業(yè)務安全穩(wěn)定地運行。時過境遷，在VUCA的數(shù)字化時代，運維管理僅關注業(yè)務連續(xù)性保障是遠遠不夠的。新的時代提出了新的要求——BVSSH，更快（Sooner）更安全（Safer）地交付更好（Better）的價值（Value）給到客戶，同時讓客戶和員工滿意（Happier）。

▲ 源自書籍《Sooner Safer Happier：Antipatterns and Patterns for Business Agility》如有侵權請聯(lián)系刪除

Better（更好）: 代表的是質(zhì)量，比如：更少的生產(chǎn)事故、更短的災難恢復時間、更少的產(chǎn)品缺陷和返工工作；

Value（價值）: 代表的是業(yè)務價值，如：增加營業(yè)額、增加利潤、增加客戶數(shù)量；

Safer（更安全）: 意味者持續(xù)合規(guī)（GRC）——治理（Governance）, 風險（Risk）和合規(guī)（Compliance）；

Sooner（更快）: 端到端的交付效率，也是精益和敏捷的核心。常用的度量指標有前置時間（Lead Time）、流動效率（Flow Efficiency）、吞吐量（Throughput）等；

Happier（更快樂）: 關于員工和客戶的滿意。這是一種更人性化、更吸引人的工作方式。

在本文中，我們將運維管理發(fā)展分為3個階段：

第一階段：保障業(yè)務連續(xù)性（Safer），保障業(yè)務安全穩(wěn)定的運行；

第二階段：敏捷交付業(yè)務價值（Sooner），快速響應市場變化交付業(yè)務價值；

第三階段：提升員工滿意度（Happier），提升員工和客戶滿意度。

02. 第一階段：保障業(yè)務連續(xù)性（Safer）

指通過事前預防、事中管控、事后處理的全過程管理，保障業(yè)務安全穩(wěn)定的運行。

1）如何度量業(yè)務連續(xù)性？

業(yè)務連續(xù)性比較常用的衡量指標有MTTR/MTBF、SLA/OLA和RTO/RPO，介紹如下：

① MTTR/MTBF：

平均恢復時間（MTTR，Mean Time To Repair）：指系統(tǒng)從發(fā)生故障到恢復結束之間的時間段的平均值；

平均故障間隔時間（MTBF ，Mean Time Between Failure）：指系統(tǒng)兩次故障發(fā)生時間之間的時間段的平均值。

② SLA/OLA：

服務水平協(xié)議（SLA， Service level Agreement）：是服務提供商與其客戶之間關于提供滿足客戶期望的服務的協(xié)議或合同。SLA都是關于滿足業(yè)務級別要求和管理業(yè)務期望的，例如，如果發(fā)生中斷，業(yè)務可以期望服務中斷多長時間；

操作級別協(xié)議（OLA, Operation Level Agreement）：是服務提供商為其內(nèi)部客戶建立的遵守SLA的承諾或協(xié)議。OLA用于監(jiān)視內(nèi)部服務協(xié)議，例如事件的響應時間、分配給IT組的問題、支持多個應用程序的服務器的可用性等。

③ RTO/RPO：

恢復時間目標（RTO，Recovery Time Objective）：當業(yè)務發(fā)生中斷后，從業(yè)務發(fā)生中斷時開始，到將業(yè)務恢復到正常所需要的時間，此兩點之間的時間段稱為RTO。

恢復點目標（RPO，Recovery Point Objective）：是指可接受的數(shù)據(jù)丟失的最大數(shù)據(jù)量，也就是容忍丟失的最大數(shù)據(jù)量。RPO表示為從丟失事件到最近一次備份的時間度量。

2）如何保障業(yè)務連續(xù)性？

關于業(yè)務連續(xù)性管理和保障方面業(yè)界都有成熟的標準體系和實踐了，這里不做詳細的闡述，僅列舉國際標準ISO 22301業(yè)務連續(xù)性管理體系和Google SRE 服務可靠度層級模型。ISO 22301業(yè)務連續(xù)性管理體系，能夠幫助企業(yè)制定一套一體化的管理流程計劃，使企業(yè)對潛在的災難加以辨別分析，幫助其確定可能發(fā)生的沖擊對企業(yè)運作造成的威脅，并提供一個有效的管理機制來阻止或抵消這些威脅，減少災難事件給企業(yè)帶來的損失。

書籍《SRE：Google運維解密》提出了Google SRE 服務可靠度的7層模型，包括：

03. 第二階段：敏捷交付業(yè)務價值（Sooner）

指通過優(yōu)化快速高效的價值流動，快速響應市場變化，快速迭代、反饋和學習，并將價值交付給客戶。

1）如何度量業(yè)務交付效率？

關于對業(yè)務端到端交付效率（Sooner），本文采用了精益的3個關鍵度量指標：

① 前置時間（Lead Time）：從用戶提出需求到最終將價值交付給客戶的端到端的時間。減少前置時間可以促進快速的反饋和學習；

② 流動效率（Flow Efficiency）：工作時間（如：軟件開發(fā)、測試、部署）除以前置時間得到的百分比，與工作時間（Working）相反的就是等待（Waiting）時間（如：流程審批）。需要特別注意的是，流動效率關注的是“事”，而資源利用率關注的是“人”；提升流動效率需要通過識別減輕流程的障礙，限制正在進行的并發(fā)工作，而不是增加人的工作。

 

▲ 源自書籍《Sooner Safer Happier：Antipatterns and Patterns for Business Agility》如有侵權請聯(lián)系刪除

 

③ 吞吐量（Throughput）：吞吐量是給定時間內(nèi)交付到客戶手中的有價值的項目的計數(shù)。

2）如何提高業(yè)務交付效率？

精益價值流映射方法可以幫助企業(yè)識別以客戶為視角的整個交付過程，同時有助于建立整體思維，避免局部優(yōu)化，提高端到端的交付效率。具體操作可以通過以下三個步驟：

① 通過價值流映射，確定優(yōu)化的價值流類型

主要價值流：從用戶提出需求到交付給客戶的全過程。如：從“需求-設計-開發(fā)-測試-部署-運營”的全過程。

價值流片段：是相對于主要價值流而言的，如：軟件設計、代碼編寫、功能測試、和應用投產(chǎn)等都是價值流片段。

支持價值流：為價值交付提供支持的，典型的例子有：招聘、員工培訓、預算處理等。

② 識別并消除不必要非增值活動

增值活動：直接為顧客創(chuàng)造價值的活動，如：功能開發(fā)；

必要非增值活動：不直接創(chuàng)造客戶價值但又是必要的，如：計劃變更、流程審批、人員培訓；

不必要非增值活動：即是浪費，應當優(yōu)先消除。最為明顯的浪費就是等待——比如醫(yī)院的排隊掛號、排隊看病、排隊繳費和排隊取藥。IT常見的就是等待流程審批和等待資源采購。

③ 識別并消除瓶頸

價值流思想是以客戶為中心的，識別瓶頸需要具備整體思維。只有當這個階段或步驟成為整個價值流瓶頸時，再優(yōu)化它才有價值，否則這只是一種局部優(yōu)化。這里我們以“應用發(fā)布“為例進行說明：

如上圖所示，我們在企業(yè)看到的做應用發(fā)布自動化項目，大體上可以分為三類：

① 發(fā)布執(zhí)行自動化（上圖綠色部分）：將發(fā)布步驟的人工操作交給工具執(zhí)行，實現(xiàn)發(fā)布操作的自動化；毋庸置疑這有利于提高發(fā)布過程的標準化和規(guī)范化。請思考：將發(fā)布執(zhí)行自動化能否明顯縮短端到端的交付效率呢？答案是不一定，有可能你的發(fā)布方案制定、發(fā)布排期和發(fā)布審批就花費了2個月的時間，那對于“發(fā)布執(zhí)行“手工操作從1小時提升到自動化執(zhí)行的5分鐘價值是不大的。如同醫(yī)院的例子，讓醫(yī)生看病的時間從3分鐘/每人縮短到2分鐘/每人，這省下來的1分鐘對于用戶半天的等待時間來說只是冰山一角。

② 發(fā)布過程自動化（上圖藍色部分）：實現(xiàn)從發(fā)布請求開始到發(fā)布方案關閉的過程自動化，能夠明顯提升應用發(fā)布過程效率，這個提升至少是在運維團隊能夠明顯感知到的。請思考：發(fā)布過程自動化是否會極大提升業(yè)務價值端到端的交付效率嗎？答案仍然是不一定。除非你的發(fā)布過程是整個全過程的瓶頸。

③ 全過程自動化（上圖灰色部分）：實現(xiàn)從需求到客戶的全過程自動化，可以顯著地提升交付效率，縮短產(chǎn)品上市周期，快速反饋和迭代。很顯然，全過程的優(yōu)化需要從傳統(tǒng)的部門思維和筒倉思維轉(zhuǎn)變?yōu)檎w思維和全局思維。

04. 第三階段：提升員工滿意度（Happier）

越來越多的企業(yè)開始關注客戶成功，然而客戶的成功來源于客戶的滿意，而客戶滿意的前提是內(nèi)部員工的滿意。

1）如何度量員工滿意度？

凈推薦值：NPS（Net Promoter Score），凈推薦值，亦可稱口碑，是一種計量某個客戶將會向其他人推薦某個企業(yè)或服務可能性的指數(shù)。NPS既可以用于度量產(chǎn)品服務，也可以用于度量員工的忠誠度。通過密切跟蹤凈推薦值，企業(yè)可以讓自己更加成功。

凈推薦值使用方式也比較簡單，可以向員工提問并在0－10之間打分，例如你是否愿意向朋友及同事推薦該公司，根據(jù)得分情況分為3個范疇：

推薦者（得分在9－10之間）：是具有狂熱忠誠度的人，他們會繼續(xù)將公司或產(chǎn)品引薦給其他人；

被動者（得分在7－8之間）：總體滿意但并不狂熱，一般不會向其他人引薦公司或產(chǎn)品；

貶損者（得分在0－6之間）：對公司不滿意或者沒有忠誠度，不會向其他人引薦公司或產(chǎn)品，甚至還進行貶低。

最終凈推薦值(NPS)=(推薦者數(shù)/總樣本數(shù))×100%-(貶損者數(shù)/總樣本數(shù))×100%

2）如何提升員工滿意度？

關于提升員工滿意度，當然方式有很多，本文中列舉3個思路：企業(yè)服務管理（ESM）、為運維人員賦能和應用精益持續(xù)交付實踐。

思路1：企業(yè)服務管理（ESM）

企業(yè)服務管理（Enterprise Service Management）是將IT服務管理應用到企業(yè)或組織的其他領域的實踐，包括但不局限于：HR、財務、法務、行政、市場、采購和安全等團隊，目的是提高效率、服務交付和用戶體驗。簡而言之，它將在IT服務管理(ITSM)中工作良好的東西應用到整個企業(yè)中。

 

▲ 來源于BMC官網(wǎng)，如有侵權請聯(lián)系刪除

正如BMC官網(wǎng)所展示的，應用ESM的六大好處之一——提升用戶滿意度（Increase user satisfaction）。隨著流程幫助定義角色和職責，內(nèi)部用戶將對請求期望更加滿意。（滿意的內(nèi)部用戶會影響到你的外部客戶，他們也會看到這種改進）

企業(yè)服務管理（ESM）平臺至少具備4個核心能力：

① 自服務門戶：提供多終端（手機、平板和PC）的用戶自助入口，讓用戶自助按需申請所需要的服務，顯然服務門戶的用戶體驗設計至關重要；

② 知識庫：用戶可以自助查找并解決一般性問題，同時對知識庫的知識沉淀和標準化提出了新的要求；

③ 自動化交付：用戶提交服務申請后，自動調(diào)度后臺系統(tǒng)完成服務的快速交付；

④ 服務編排能力：通過拖拽式免代碼或低代碼的服務流程編排引擎，快速組裝編排滿足各種不同場景的服務流程。

思路2：為運維人員能力賦能，減輕運維人員危機感

在2022年“時間的朋友“跨年演講中，羅胖提到《全球人力資本趨勢報告》中有一句話——“企業(yè)要為員工的生存能力負責“。在云原生時代，基礎設施都云化了，資源交付都自動化了，運維操作也都工具了，敢問運維人員未來的路在何方？作為運維團隊和IT部門需要為員工提供一個職業(yè)升級的平臺和賦能培訓。作為運維人員我認為至少有3個方向可以走：

運維開發(fā)：開發(fā)統(tǒng)一化、規(guī)范化和自動化的運維工具，將重復性手工操作和經(jīng)驗沉淀到工具平臺，提供運維效率；

運維經(jīng)理：統(tǒng)籌協(xié)調(diào)，并帶領運維團隊左移，提前參與項目團隊，與項目組討論非功能性需求和可運維性；

運維專家：運維技術棧的“定海神針“（如：DBA）

當然，運維開發(fā)的工具除了解決運維本身的需求，還可以間接賦能測試人員（如：測試環(huán)境資源開通）和開發(fā)人員（如：日志查詢），與此同時制定運維規(guī)范。

思路3：應用精益管理和持續(xù)交付實踐

書籍《Accelerate》根據(jù)多年研究發(fā)現(xiàn)，應用精益管理實踐、軟件開發(fā)實踐、持續(xù)交付和文化變革都會影響到員工的滿意度，具體細節(jié)可以閱讀原書。

本文結合個人多年工作經(jīng)驗和自身思考總結了運維工作的3個階段，其中第一、二階段更多還是聚焦在“事”本身，而到達第三階段需要回歸到“以人為本”，同時借助精益、敏捷和DevOps思想，讓員工滿意，讓客戶成功。