を14日間無料で試してみる
を14日間700以上ものツールと連携。システム障害を自動的に検出・診断するだけでなく、適切な障害対応メンバーをアサインし、デジタル業務全体の修復ワークフローを自動化します。
昨今は、デジタル体験の実現に高い優先度を置いている業界が多くあります。
インシデント発生時に素早く対応し解決できれば、その企業のシステムの信頼性が高まり、顧客の支持を多く獲得できる可能性が高まるでしょう。
反対に、インシデント対応が遅れた場合には、さらに深刻な問題へと発展しかねません。
このような事態を回避するには、インシデント管理システムで適切なメトリクスをモニタリングしたり、KPIを設定したりするのが効果的です。
そのためには、モニタリングすべきメトリクスの理解を深めることも重要です。
この記事では、インシデント管理におけるメトリクスのモニタリングや、メトリクスと混同されやすいKPIについて解説します。
目次
インシデント管理におけるメトリクス・KPIとは？
「メトリクス」とは、システムと人材のパフォーマンスをモニタリングする際に使用される、さまざまなデータの測定値です。ビジネスは、これらの複数のメトリクスを追跡することで、SLA・目標・タイムラインを達成しているかを判断できます。
そして「KPI」は「重要業績評価指数」ともいい、目標達成に向けたプロセスの達成状況を分析・評価するための指標です。KPIを設定すれば、プロセスの可視化や評価基準の統一などに役立ちます。
メトリクスは、KPIのようにすべてが重要指数として扱われるわけではありません。つまり、KPIはメトリクスのなかの一つといえますが、メトリクスがすべてKPIになるとは限りません。
インシデント管理における一般的なプロセスなどを再確認したい場合は、こちらの記事もご覧ください。
関連記事：インシデント管理とは？〜システム障害を未然に防ごう〜
モニタリングすべきインシデント管理のメトリクスTop 10
ここでは、インシデント管理に役立つメトリクスTOP10を紹介します。
これらの数値について理解すると、KPIを設定する際に役立つでしょう。
第10位 ‐ 指定期間中のインシデント発生件数
- 数値の意味：指定した期間（例：1週間、1か月、3か月、1年）における平均インシデント件数
- 数値からわかること：期間中に発生したインシデントの件数を追跡することで、インシデント発生頻度の傾向を把握できます。この数値が上昇傾向または通常よりも高水準にあった場合、チームはその原因の調査を開始できます。
第9位 ‐ 平均確認時間（MTTA: Mean Time to Acknowledge）
- 数値の意味：システムアラートが発信されてからチームが問題を認知するまでの時間
- 数値からわかること：MTTAにより、新たに発生したアラートに対するチームの対応の速さと効率性がわかります。
第8位 ‐ 平均解決時間（MTTR: Mean Time to Resolution）
- 数値の意味：インシデントへの対応または解決に要する平均時間
- 数値からわかること：MTTRにより、新たに発生したインシデントに対するチームの対応または解決の速さがわかります。
第7位 ‐ 平均インシデント応答時間
- 数値の意味：インシデントを適切なチームメンバーに割り当てるのに要する時間
- 数値からわかること：このメトリクスを追跡することで、適切なチームメンバーがインシデントに取りかかるまでの速さがわかります。このメトリクスは、平均でインシデントの合計ライフサイクルの約73％を占めるといわれています。応答時間を短縮すれば、解決までの時間を劇的に縮められる可能性があるでしょう。
第6位 ‐ 初回接触解決率
- 数値の意味：アラートが繰り返されることなく、初回アラートで解決されるインシデントの割合
- 数値からわかること：このメトリクスでは、インシデント管理システムの有効性の変化がわかります。初回アラートで解決する割合が高い場合、システムが洗練され、効果的に設定されていると考えられます。
第5位 ‐ オンコール時間
- 数値の意味：担当の従業員や委託業社がオンコールに費やす時間
- 数値からわかること：このメトリクスは、オンコールローテーションを調整し、従業員の燃え尽き症候群や過労を防ぐ際に役立ちます。
第4位 ‐ エスカレーション率
- 数値の意味：チームの上長にインシデントがエスカレーションされる割合
- 数値からわかること：エスカレーション率が高い場合、チームメンバー間にスキルギャップが生じている、あるいはワークフローが効率的でないことが懸念されます。
第3位 ‐ サービスレベルアグリーメント（SLA）
- 数値の意味：サービスレベルアグリーメント（連続稼働時間や対応などの指標に関して、サービス提供者と顧客との間での合意事項を定めたもの）
- 数値からわかること：SLAは常にモニタリングされ、サービスの現状を正確に反映するようにアップデートされる必要があります。
第2位 ‐ チケット1件あたりのコスト
- 数値の意味：インシデント1件あたりの解決にかかったコスト
- 数値からわかること：インシデント解決に要するコストを把握すると、時間と予算的観点から最も効果的な方法を判断する際に役立ちます。
第1位 ‐ 連続稼働時間
- 数値の意味：システムが適切に機能している時間の割合
- 数値からわかること：このメトリクスは、サービスの信頼性を如実に表します。100％に近ければ近いほど、顧客の満足度が高まります。業界標準としては、連続稼働時間99.9％は非常に良いとされており、99.99％にいたっては極めて優良とされています。100％を達成するのはほぼ不可能とされていますが、常にできる限り高い数値を目指すことが大切です。
インシデント管理におけるメトリクスやKPIの重要性
デジタル化が進むなかで、インシデントを完全に防ぐことは難しいでしょう。このような場合、モニタリングしたメトリクスのうち、どれがKPIになり得るのか、どのKPIが製品・システムの成功に関与連するのかを知ることで、機能性の維持につながります。
さらに、自動化が進み学習が蓄積されることで、インシデント管理プロセスの効率向上も期待できるでしょう。KPIを適切にモニタリングすると、システム内の具体的な傾向や弱点を見つけやすくなり、今後起こり得る大規模なサービス停止の回避にもつながる可能性があります。
しかし、大規模で複雑性を極める現代のITシステムとインフラストラクチャについて、全体の状況を自力のみで把握することはほぼ不可能でしょう。
「連続稼働時間」や「インシデントチケット1件あたりのコスト」など、無数のメトリクスを収集・分析するためのツールは数多くあります。複雑なインフラストラクチャで収集されたあらゆるデータからアラートノイズをすべて排除するとなると、非常に多くの時間を消費し、結果としてインシデントの解決を遅延させることになりかねません。
インシデント管理の目標は、できる限り迅速にインシデントを検知・解決し、エンドユーザーへの影響を抑えることです。ここで説明した例の場合、警告サインを早く検知できれば、サービス停止を避けられるかもしれません。
インシデント管理でメトリクスをモニタリングするなら「PagerDuty」
直面する課題や顧客から寄せられる期待は、チームによってさまざまです。それを踏まえながらも、サービス・製品の信頼性を維持するためには、自社システムのパフォーマンスやインシデント管理の効率を考慮することが重要です。
重要メトリクスを使ってチームのパフォーマンスを追跡・モニタリングするなら「PagerDuty」の導入がおすすめです。
PagerDutyの導入により、問題や弱点が見えやすくなります。さらに、継続的なインシデント管理の成熟度向上が期待でき、想定外の機能停止やダウンタイムの防止につながるでしょう。
またPagerDutyは、モニタリングツールやコラボレーション、チケット管理ツールなど、700以上の外部サービスと連携することが可能です。
まとめ：インシデント管理によるメトリクスのモニタリングとKPIの選定は自社ビジネスの今後を左右し得る
デジタル体験を提供するビジネスでインシデント発生時に迅速な対応ができなければ、深刻な問題に発展する可能性があります。想定外の事態を回避するためにも、メトリクスのモニタリングとKPIの設定が重要です。
そのためには、まずどのようなメトリクスがあり、どのようなことに役立つのかを理解する必要があるでしょう。その上で、数あるメトリクスから、自社ビジネスに適したKPIを選定することが大切です。
近年では、大規模で複雑なITシステムや、インフラストラクチャによるサービス提供は珍しくありません。そのため、無数のメトリクスを収集・分析するツールのみでは、アラートノイズの排除に時間を要し、エンドユーザーに影響を 及ぼす可能性があります。
このような課題を解決するためには、700以上の外部サービスと連携できる「PagerDuty」がおすすめです。効率的であり、信頼性維持に効果的なインシデント管理を行なうためにも、導入を検討してみてはいかがでしょうか。
この記事が気になったら
PageDuty公式アカウントをフォロー
この記事の著者
関連ブログ記事
人気記事
検索
タグ目次
