John Allspaw, Adaptive Capacity Labs līdzdibinātājs

Kā jūsu sistēmas darbojas dienu pēc dienas

Pirmkārt, nedaudz par John Allspaw, Adaptive Capacity Labs līdzdibinātāju un bijušo Etsy tehnoloģiju vadītāju.

Būdams inženierzinātņu vadītājs un pētnieks ar vairāk nekā 20 gadu pieredzi programmatūras un sistēmu inženierijas veidošanā un vadīšanā, Allspaw pēdējo desmit gadu laikā ir pavadījis, apvienojot ieskatu no cilvēka faktoriem, kognitīvo sistēmu inženierijas un elastības inženierijas līdz programmatūras inženierijas un operācijas.

Arī divu grāmatu “Kapacitātes plānošanas māksla: tīmekļa resursu mērogošana” un “Web operācijas” (O’Reilly Media) autore, Allspaw turpina sniegt ieguldījumu IT un DevOps kopienās, runājot un sadarbojoties jauniem, aizraujošiem pētījumiem.

Mums bija paveicies uzņemt Jāni DevOps Uzņēmējdarbības samitā Sanfrancisko, kur viņš devās uz skatuves, lai runātu par “Kā sistēmas turpina darboties dienu pēc dienas”. Zemāk mēs esam pārrakstījuši viņa prezentācijas galvenos paņemšanas gadījumus un galvenos akcentus. .

Džons Allspaw pie DOES17 Sanfrancisko

Džons Allspaw

Kā jūsu sistēmas darbojas dienu pēc dienas

Tas, par ko es gribu runāt, ir jauns. Tas ir savādāk, un es to ļoti, ļoti izjūtu.

Lai palīdzētu noteikt posmu, mana disertācija par cilvēka faktoru un sistēmu drošību bija “Kompensācijas zem spiediena: to komandu heiristika un novērojumi, kuras risina interneta pakalpojumu pārtraukumus”.

Iespējams, ka daži no jums ir dzirdējuši par to, ko sauc par Stella ziņojumu.

Augstā līmenī šis ziņojums ir nozares partneru konsorcija gadu ilga projekta rezultāts. IBM, Etsy un IEX, tirdzniecības uzņēmums, tirdzniecības birža Manhetenā. Šajā gadā Ohaio štata universitātes Kognitīvo sistēmu inženierzinātņu laboratorijas pārstāvji, Deivids Vudss, Ričards Kuks un vēl virkne cilvēku dziļi apskatīja negadījumu katrā no šīm organizācijām.

Viņi atrada šīs sešas tēmas un bija kopīgas visās tajās.

Noteikti rezultāti ir diezgan svarīgi. Tas ir tas, kā tika veikts šis pētījums, un es vēlos, lai jūs visi to apskatītu.

Šeit ir manas galvenās ņemtās ziņas no ziņojuma:

  1. Mums jāsāk nopietni uztvert cilvēku sniegumu šajā nozarē. Ja to nedarīsim, mēs joprojām redzēsim trauslas sistēmas, kuru ietekme uz uzņēmumiem un sabiedrību arvien palielināsies.
  2. Mēs to varam izdarīt, apskatot incidentus, kas pārsniedz to, ko pašlaik darām postmortemos vai pārskatos pēc negadījumiem vai pārskatos pēc darbības.
  3. Citās jomās ir noturības pētījumu metodes un pieejas, taču tām ir nepieciešama patiesa apņemšanās. To darīt ir gan nepieciešams, gan grūti, taču tas izrādīsies konkurences priekšrocība uzņēmumiem, kuri to dara labi.

Pirmkārt, es vēlos sākt ar nelielu sākumstāvokli, mazliet vārdu krājumu, kas būs svarīgs, jo es kaut kā jums to parādīšu. Es aprakstīšu sava veida attēlu, attēlojumu, piemēram, jūsu organizāciju mentālo modeli, un tas būs izveidojis reģionu, kas ir virs līnijas un zem līnijas.

Ja iedomājaties, ko mēs šeit esam attēlojuši, tas ir jūsu produkts, jūsu pakalpojums, jūsu API vai kas cits, ko jūsu bizness iegūst no vērtībām un dod klientiem. Labi? Tur redzamais kods ir jūsu kods. Jūs redzat savu tehnoloģiju kaudzi. Jūs redzat datus un dažus dažādus veidus, kā to piegādāt, vai ne? Droši vien internetā vai kādā citā veidā. Bet, ja mēs paliksim šeit, tad neviens man neticēs, ka tieši to mēs saucam par sistēmu, jo tā ir laba, bet nav īsti pilnīga.

Tas, kas patiešām ir saistīts, un tas, par ko daudzi cilvēki ir runājuši šeit, DevOps Enterprise Summit kopienā, ir viss, ko mēs darām, lai manipulētu ar tur notiekošo, un tāpēc mums ir pārbaudes rīki. Mums ir uzraudzības rīki. Mums ir pieejami izvietošanas rīki un visa veida informācija, kas ir pieslēgta. Tās ir lietas, kuras mēs izmantojam. Jūs varētu teikt, ka šī ir sistēma, jo daudzi no mums savu laiku pavada, koncentrējoties uz tām lietām, kas neatrodas tajā mazajā burbulī, bet gan uz visām lietām, kas atrodas ap to, bet, ja mēs paliktu tikai pie tā, mēs nevarēs redzēt, kur notiek reāls darbs.

Tas, ko mēs šeit darīsim, ir tas, ka mēs novilksim līniju, kuru mēs saucam par attēlojuma līniju, un tad izraksimies mazliet dziļāk. Tas, ko mēs šeit redzam, ir jūs. Visi cilvēki, kuri gatavo materiālus, lai tos pievienotu sistēmai, mainītu sistēmu. Jūs veicat arhitektūras kadru izveidi. Jūs veicat uzraudzību. Jūs sekojat līdzi tam, ko tas dara, kā to dara un kā notiek ar viņiem.

Tagad jūs pamanīsit, ka katram no šiem cilvēkiem ir sava veida garīgais attēlojums par to, kas ir šī sistēma. Ja paskatīsities to mazliet tuvāk, redzēsit, ka neviens no tiem nav viens un tas pats. Starp citu, tas ir ļoti raksturīgi šiem lomu veidiem. Nevienam nav vienāds attēlojums tam, kas atrodas zem līnijas.

Rezumējot, tas ir mūsu pasaules modelis, un tas ietver ne tikai lietas, kas tur darbojas, bet arī jūs visus, darbības veidus, ko veicat, izziņas darbu, ko veicat, lai šī pasaule funkcionētu . Ja mēs spēlējam ar šo mazliet vairāk, mēs nonākam pie šāda veida modeļa. Šim modelim ir attēlojuma līnija, kas iet caur vidu, un jūs ar mijiedarbību ar pasauli atrodas zem līnijas, izmantojot reprezentāciju kopu.

Jūsu mijiedarbība nekad nav saistīta ar pašām lietām. Jūs faktiski nemaināt sistēmas.

Tas, ko jūs darāt, ir tas, ka jūs mijiedarbojaties ar attēlojumu, un šis attēlojums ir kaut kas saistīts ar to, kas notiek tālāk. Jūs varat domāt par tām zaļajām lietām kā ekrāni, kurus dienas laikā skatāties, taču vienīgā informācija, kas jums ir par sistēmu, nāk no šiem attēliem. Tās ir tikai mazs atslēgas caurums. Pa labi?

Svarīgi ir tas, ka visas jūsu veiktās darbības, visi novērojumi, secinājumi, paredzēšana, plānošana, labošana un visa šāda veida lietas ir jāveic caur šīm reprezentācijām, tāpēc tur ir pasaule virs līnijas un pasaule zem līnijas, un, lai gan jūs un mēs lielākoties runājam par pasauli, kas atrodas zem līnijas, it kā tā būtu ļoti reāla, it kā tā būtu ļoti konkrēta, it kā kaut kas tāds, lūk, pārsteigums.

Šeit ir liels darījums - jūs nekad to neredzat.

Tā neeksistē. Patiesībā nav zem līnijas, kurai jūs faktiski varētu pieskarties. Jūs nekad un nekad neredzat koda palaišanu. Jūs nekad, nekad neredzat, kā sistēma faktiski darbojas. Jūs nekad nepieskarieties tām lietām.

Tas, ko jūs darāt, ir tas, ka jūs manipulējat ar pasauli, kuru jūs nevarat redzēt, izmantojot reprezentāciju kopu, un tāpēc jums ir jāveido šie mentālie modeļi, šīs koncepcijas, šīs izpratnes par notiekošo. Tās ir lietas, kas virza šīs manipulācijas. Tā nav pasaule, kas atrodas zem līnijas, kas to dara. Tā ir jūsu konceptuālā spēja izprast lietas, kas ir notikušas pagātnē, lietas, ko jūs darāt tagad, un kāpēc jūs darāt šīs lietas, kas ir svarīgi un kāpēc vissvarīgākie ir svarīgi.

Kad esat pieņēmis šo perspektīvu un atkāpies no idejas, ka zem jums ir lieta, ar kuru jūs nodarbojaties, un saprotat, ka jūs patiešām strādājat virs līnijas, mainās visa veida lietas.

Tas, ko jūs redzat Stella ziņojumā un tajā projektā, kā arī citos projektos, ar kuriem mēs esam iesaistījušies, uztver šo viedokli un saprot, ko patiesībā nozīmē uztvert virslīgas pasauli nopietni. Tā ir liela atkāpe no daudz tā, ko jūs visi esat redzējuši pagātnē, bet es domāju, ka tas ir auglīgs virziens, kas mums jāveic.

Citiem vārdiem sakot, šīs izziņas aktivitātes (skat. Zemāk) gan indivīdos, gan kolektīvi komandās augšup un lejup no organizācijas ir tas, kas padara biznesu faktiski strādājošu. Tagad es šeit ilgu laiku esmu sīki izpētījis šo jautājumu un varu jums to pateikt. Tas nedarbojas tā, kā mēs domājam.

Visbeidzot, lai izveidotu šo ietvaru, šīs idejas vissvarīgākā daļa ir tā, ka tas viss laika gaitā mainās. Tas ir dinamisks process, kas turpinās. Šī ir analīzes vienība. Kad mēs būsim izvēlējušies šo ietvaru, mēs varam uzdot dažus jautājumus. Mēs varam uzdot dažus jautājumus par šādu līniju.

“Kā īsti darbojas mūsu programmatūra, salīdzinot ar to, kā tā aprakstīta wiki, dokumentācijā un diagrammās? Mēs zinām, ka tie nav visaptveroši, tie nav visaptveroši precīzi. ”

"Kā mūsu programmatūra patiešām sabojājas, salīdzinot ar to, kā mēs domājām, ka tā sabojājas, izstrādājot aizsardzības pasākumus un slēdžus un margas?"

"Ko mēs darām, lai tas viss darbotos?"

Jautājums: Iedomājieties savu organizāciju. Kas notiktu, ja šodien pulksten sešos visi jūsu uzņēmumi atņemtu rokas no klaviatūras? Viņi neatbild uz nevienu lapu. Viņi neskatās nevienu brīdinājumu. Viņi nepieskaras nevienai tā daļai, lietojumprogrammas kodam vai tīkliem vai kādam no tiem. Vai esat pārliecināts, ka jūsu pakalpojums tiks izveidots un darbosies pēc dienas?

Tad jautājums ir, kā atklāt, kas notiek virs līnijas. Ir arī dažas lietas. Mēs varam mācīties no citu domu ar augstu tempu un lielām sekām izpētes, un, ja mēs to darām, mēs redzam, ka mēs varam pētīt starpgadījumus. (Piezīme: kad es saku “negadījumi”, es domāju pārtraukumus, stāvokļa pasliktināšanos, pārkāpumus, negadījumus, gandrīz notikušas kļūdas un kļūmes - būtībā nevēlamus vai negaidītus notikumus).

Kas starpgadījumus padara interesantus? Acīmredzami zaudētie ieņēmumi un reputācija ietekmē konkrētu biznesu. Es gribu apgalvot pāris citus iemeslus, kāpēc starpgadījumi ir interesanti. Viens ir tas, ka negadījumi veido jaunu komponentu apakšsistēmu un arhitektūru dizainu. Citiem vārdiem sakot, vakardienas gadījumi informē rītdienas arhitektūru. Tas ir, starpgadījumi palīdz uzkurināt mūsu iztēli par to, kā uzlabot mūsu sistēmas, un tāpēc es domāju, ka starpgadījumi zem līnijas maina pār līniju.

Tā ir lieta. Tas var maksāt reālu naudu. Incidentiem dažreiz var būt gandrīz kluss vai neredzams efekts, dažreiz nozīmīgs. Pašlaik ļoti daudz cilvēku sadala monolītu mikropakalpojumos. Daudzi cilvēki to dara, jo tas nodrošina zināmu izturību, kāda jums nav. Kur tu to dabū?

Jūs esat informēts par starpgadījumiem.

Vēl viens iemesls apskatīt starpgadījumus ir tas, ka tie mēdz radīt jaunus noteikumu, politikas, normu, atbilstības, audita, ierobežojumu utt. Veidus. Vēl viens veids, kā pateikt, ir tas, ka vakardienas negadījumi informē par rītdienas likumiem, kas ietekmē personālu , budžeti, plānošana, ceļa kartes un daudz kas cits. Ļaujiet man sniegt jums piemēru: Finanšu tirdzniecībā SEC ir ieviesusi SCI regulu. SCI, iespējams, ir visplašākais un detalizētākais atbilstības paraugs mūsdienu programmatūras laikmetā. SEC ir aizgājusi un ir izteikta ļoti skaidri. Mums tas ir kā reakcija uz 2010. gada zibatmiņu Knight Capital, BATS IPO, Facebook IPO. Tā ir reakcija uz incidentiem.

Pat ja jūs atgriežaties mazliet tālāk, bieži tiek minēts, ka PCI DSS radās, kad MasterCard un Visa salīdzināja piezīmes, saprata, ka 10 gadu laikā viņi ir zaudējuši apmēram $ 750 miljonus, tāpēc starpgadījumiem ir ievērojams raksturs, un, starp citu, es varu kā bijušais valsts uzņēmuma CTO, es varu jums apliecināt, ka tas ir ļoti dārgs, novērš uzmanību un neizbēgami rada apgrūtinājumus visām jūsu organizācijām. Starpgadījumi ir nozīmīgi arī šādā veidā, bet, ja mēs domājam par incidentiem kā iespējām, ja mēs domājam par incidentiem kā ziņojumiem, kodētus ziņojumus, kas zem līnijas sūta virs līnijas, un jūsu uzdevums ir tos atšifrēt, ja domājat par incidentiem kā lietas, kas aktīvi mēģina pievērst jūsu uzmanību tām sistēmas daļām, kuras, jūsuprāt, jums bija pietiekama izpratne, bet kuras jūs to nesapratāt, tie ir atgādinājumi, ka jums ir nepārtraukti jāpārdomā, cik pārliecināts esat par to, kā tas viss darbojas.

Tagad, ja jūs uztverat šo viedokli, paveras vesela virkne lietu. Ir iespēja jaunām apmācībām, jauniem instrumentiem, jaunām organizatoriskām struktūrām, jaunai finansēšanas dinamikai un, iespējams, ieskatam, kāda jūsu konkurentiem nav.

Incidenti palīdz mums noteikt deltu starp jūsu sistēmas darbību un to, kā mēs domājam, kā darbojas jūsu sistēma, un šī deltas gandrīz vienmēr ir lielāka, nekā mēs iedomājamies. Es gribu apgalvot, ka varētu būt citāds pieņēmums, pie kā jūs varētu būt pieradis, un tas ir tas. Incidenti ir neplānoti ieguldījumi uzņēmumā, jūsu uzņēmuma izdzīvošanā. Tās ir ļoti vērtīgas iespējas saprast, kā darbojas jūsu sistēma, kādas uzmanības nepilnības pastāv un kādas konkurences priekšrocības jūs neizmantojat.

Ja domājat par starpgadījumiem, tie patērē naudu, laiku, reputāciju, personālu utt. Šīs ir nenovēršamas neatgūstamās izmaksas. Tomēr kaut kas ir interesants par šāda veida ieguldījumiem. Jūs nekontrolējat ieguldījuma lielumu, tāpēc paliek jautājums, kā jūs maksimāli palielināsit šī ieguldījuma IA?

Kad mēs skatāmies uz starpgadījumiem, tie ir dzirdami jautājumi, un tas diezgan saskan ar to, ko pētnieki atrod citās sarežģītās sistēmās, domēnos. Ko tas dara? Kāpēc tā rīkojas? Ko tā darīs tālāk? Kā tas nonāca šajā stāvoklī? Kas notiek? Ja mēs darīsim Y, vai tas mums palīdzēs izdomāt, kā rīkoties? Vai tas pasliktinās? Izskatās, ka tas ir fiksēts, bet vai tā ir? Ja mēs darīsim X, vai tas to pasliktinās, vai arī pasliktinās? Kam vēl mums vajadzētu piezvanīt, kas mums varētu palīdzēt? Vai šī ir mūsu problēma, vai arī mums uzbrūk? Tas saskan ar daudzām citām jomām. Aviācija, gaisa satiksmes kontrole, jo īpaši jomās, kas bagātas ar automatizāciju.

Vēl viena ievērojama lieta ir tā, ka jebkura incidenta sākumā bieži vien nav skaidrības vai neviennozīmības par to, vai šis ir tas, kas mūs gremdē. Incidenta sākumā mēs vienkārši nezinām, it īpaši, ja tajā ir milzīgas neskaidrības un milzīgas neskaidrības. Ja tas ir neskaidrs un neviennozīmīgs, tas nozīmē, ka mēs esam izsmēluši savus mentālos modeļus. Tie neatbilst mūsu redzētajam, un rodas šie jautājumi. Tikai tālredzība mums pateiks, vai tas bija notikums, kas mazināja uzņēmumu, vai arī tas bija grūts otrdienas pēcpusdiena.

Incidenti nodrošina kalibrēšanu par to, kā tiek koncentrēti lēmumi, par to, kā tiek koncentrēta uzmanība, par to, kā tiek koncentrēta koordinācija, par to, kā tiek koncentrēta eskalācija. Laika spiediena ietekme, nenoteiktības ietekme, neskaidrības ietekme un seku sekas. Pētījumi apstiprina šīs iespējas.

“Mums vajadzētu nopietni aplūkot incidentus kā“ ikdienišķus izaicinošus notikumus, jo šiem sarežģītajiem gadījumiem ir vislielākais potenciāls atklāt ekspertīzes elementus un ar tiem saistītās izziņas parādības. ”
- Gerijs Kleins, naturālistisku lēmumu pieņemšanas pētījumu iniciators.

Ir ļoti labi izmantotas metodes, pieejas un paņēmieni. Kognitīvo uzdevumu analīze. Procesa izsekošana. Sarunvalodas analīze. Kritiskā lēmuma metode. Kā mēs domājam, vai pēcnāves ir vērtīgas, izskatās mazliet šādi:

Notiek negadījums. Varbūt kāds saliks laika grafiku. Mums ir mazliet sanāksme. Varbūt jums ir veidne, un jūs to aizpildāt, un tad kāds var sastādīt ziņojumu vai nē, un tad beidzot esat ieguvis, jā, darbības elementus. Mēs domājam, ka vislielākā, varbūt varbūt visiecienītākā vērtība ir tā, kur atrodaties pārskatā un cilvēki staigā pa laika līniju, un jūs domājat: “Ak, mans Dievs. Mēs to visu zinām. ”

Tas nav tas, uz ko attiecas pētījums. Pētījumā norādīts, ka, ja mēs no dažādām vietām apkopojam subjektīvus un objektīvus datus, uzvedības datus, ko cilvēki teica, ko cilvēki darīja, kur skatījās, kādus diagnozes veidus viņi sekoja un vai tie nebija auglīgi? Labi organizēti pārskati liek cilvēkiem pretstatīties un salīdzināt savus mentālos modeļus, kas noteikti ir kļūdaini. Jūs varat iegūt dažādus rezultātus, ieskaitot tādas lietas kā bootcamp, borta materiāli, jaunas īres apmācības. Jums var būt atgriezeniskā saite, ja veidojat programmu, lai apmācītu koordinatorus. Jūs, iespējams, veiksit ceļa kartes izmaiņas, patiešām būtiskas izmaiņas, pamatojoties uz to, ko jūs uzzinājāt.

To es jums varu pateikt no kādas pieredzes. Jaunajam inženierim vai inženierim, kurš tikko sāk savu karjeru, nav nekas vairāk kā ieskaujošs, nekā atrasties telpā kopā ar inženieri veterānu, kurš zina visus skaņdarbus un šķembas, izskaidrojot lietas, kuras viņi, iespējams, nekad nav teikuši skaļi. Viņiem ir zināšanas. Viņi var uzzīmēt attēlus un diagrammas, kuras viņi nekad agrāk nav uzzīmējuši, jo viņi domā, ka visi citi to zina. Uzmini kas? Viņi to nedara. Vislielākā vērtība patiesībā ir šeit, jo šo iznākumu kvalitāte ir atkarīga no šīs pārkalibrēšanas kvalitātes. Šī ir pieeja garīgo modeļu atkārtotai kalibrēšanai.

No Stella ziņojuma tas “informē un pārkalibrē cilvēku modeļus par sistēmas darbību, viņu izpratni par to, cik tā ir neaizsargāta un kādas ir izpētes iespējas”.

Daudzos pētījumos, visos Stella ziņojumā ietvertajos pētījumos, un tas saskan ar manu pieredzi arī Etsy, vienā no refleksijām, kas ir visspēcīgākā no cilvēkiem, kuri to dara atvieglotā veidā, salīdzinot un kontrastējoši. “Es nezināju, ka tas darbojas šādā veidā.” Tad vienmēr ir citi jautājumi: “Kā tas kādreiz darbojās?”, Kas ir smieklīgi, līdz tu saproti, ka tas ir nopietni. Tas nozīmē, ka ne tikai es domāju, ka tas darbojas savādāk. Tagad es pat nevaru iedomāties, es pat prātā nevaru uzzīmēt attēlu, kā tas varētu būt varējis darboties. Tam vajadzētu būt satraucošākam. Starp citu, es gribu teikt, ka tā nav izlīdzināšana. Kā es teicu, izmantojot reprezentācijas, mums obligāti ir nepilnīgi mentālie modeļi. Ideja nav vienādi mentālie modeļi, jo tie vienmēr ir nepilnīgi, tāpēc, ka lietas vienmēr mainās, un tāpēc, ka tie būs kļūdaini. Mēs nevēlamies, lai visiem būtu vienāds mentālais modelis, jo tad visiem ir vienādi neredzamie punkti.

Nevainojams - atgriešanās pie emuāra ziņas, kuru es uzrakstīju 2012. gadā

“Nevainojams” ir galda likmes. Tas ir nepieciešams, bet tas nav pietiekami. Jūs varētu izveidot vidi, kultūru, aptverošu, sava veida viesmīlīgu organizāciju, kas atbalsta un ļauj cilvēkiem stāstīt stāstus visās neskaidrajās detaļās, dažreiz arī mulsinošajās detaļās, nebaidoties no nožēlas, lai jūs patiešām varētu progresēt, un izprotot notiekošo, jūs varat uzstādīt šo nosacījumu un joprojām nemācīties ļoti daudz. Tas nav pietiekami. Tas ir nepieciešams, bet nav pietiekams. Tas, par ko es runāju, ir daudz vairāk pūļu nekā tipiski pārskati pēc negadījuma. Pa labi? Šeit analītiķis vai koordinators var sagatavot, apkopot, sakārtot un analizēt uzvedības datus. Ko cilvēki saka, ko cilvēki dara. Pastāv daudz datu, kurus viņi var izmantot, lai sagatavotos apspriešanai, grupas pārskatam vai individuālai informācijai, kas pārsniedz… Postmortems norāda uz starpgadījumu bagātību. Turpmākie pasākumi prasa daudz darba.

Starp citu, visi parasti ir tik ļoti izsmelti pēc patiešām smaga stresa pārtraukuma vai starpgadījuma vai notikuma, ka dažreiz viss kļūst pilnīgi skaidrs. Tas ir pēcapziņas spēks, un tāpēc, ka tas šķiet tik kristāldzidrs, nešķiet produktīvs sniegt pārskatu, jo jūs domājat, ka jūs to jau zināt. Otra problēma ir tā, ka pēcnāves ziņojumus ierobežo arī laiks. Jums ir tikai konferenču telpa stundu vai divas. Visi patiešām ir aizņemti, un pulkstenis tikšķ, tāpēc tas ir izaicinājums, lai to izdarītu patiešām labi, pat ņemot vērā šīs pētījumu metodes.

Otra problēma, it īpaši, ja jūs veidojat pārskatu atvieglošanas apmācības programmu, piemēram, es to darīju Etsy, joprojām pastāv izaicinājumi. Man patīk to dēvēt: “Katram ir savs noslēpums, kas jāatrisina” vai “Netērējiet savu laiku detaļām, kuras es jau zinu.” Karikatūriskā veidā jūs varat domāt par to šādi:

Tā kā jums var būt tikai stunda, jums ir jāiegūst pēc iespējas vairāk mācību. Viss darbs ir kontekstuāls. Jūsu darbs, lai maksimizētu IA, ir atklāt, izpētīt un atjaunot kontekstu, kurā darbs tiek veikts negadījumā, kā strādā un kā cilvēki domāja virs robežas.

Novērtējumi ir kompromisi, un tie ir kontekstuāli.

Noslēgumā visi starpgadījumi var būt vēl sliktāki. Virspusējs uzskats ir jautāt: “Kas nogāja greizi? Kā tas salūza? Ko mēs labojam? ”Šie ir ļoti pamatoti jautājumi. Ja mēs ieņemtu dziļāku līmeni un mēs varētu jautāt: “Kādas ir lietas, kas pārvērtās par to, ka tas nemaz nav tik slikts, kā tas varēja būt?”, Jo mēs tām nepievēršam uzmanību un neidentificējam Mēs varētu pārtraukt atbalstīt šīs lietas.

Varbūt iemesls, kāpēc tas nepasliktinājās, ir tāpēc, ka kāds sauc Lizu, un Liza zina viņas lietas. Kaut kas no pētījumiem ir tāds, ka eksperti var redzēt to, kas tur nav. Ja jūs neatbalstāt Lizu un pat nezināt, ka iemesls, kāpēc tā nepasliktinājās, ir tas, ka Liza bija tur. Aizmirstiet par darbības priekšmetiem, lai kaut uz brīdi kaut ko nofiksētu. Iedomājieties pasauli, kurā Liza dodas jaunā darbā.

Labāks jautājums ir noderīgs stratēģiskā līmenī. “Kā mēs varam atbalstīt, iedrošināt, atbalstīt un finansēt nepārtrauktu izpratnes procesu mūsu sistēmās? Un tiešām ilgstoši izturieties “virs līnijas”?

Kurp mēs ejam no šejienes? Man ir daži izaicinājumi jums:

  1. Izplatiet Stella ziņojumu savā uzņēmumā un sāciet dialogu. Pat ja esat pārāk aizņemts vai nevarat to pats lasīt, dodiet to cilvēkiem, kuri to dara. Pajautājiet viņiem, kas rezonē. Pajautājiet viņiem, kam nav jēgas. Pajautājiet viņiem, sāciet dialogu.
  2. Padziļināti izpētiet, kā jūs strādājat ar pārskatiem pēc notikumiem. Vissvarīgākais ir tas, ka dodieties meklēt cilvēkus, kuri vislabāk pārzina nekārtīgās detaļas par paveikto darbu, un pajautājiet viņiem: “Kāda vērtība, jūsuprāt, ir mūsu pašreizējiem pārskatiem pēc negadījuma?” Un klausieties.
  3. Uzņemieties atbildību uzzināt vairāk un ātrāk no incidentiem nekā konkurenti. Vai nu jūs veidojat mācību organizāciju, vai arī zaudējat tam, kurš ir.
  4. Cilvēka sniegums ir jāuztver nopietni. Šī diskusija notiek. Tas notiek kodolenerģijā. Tas notiek medicīnā. Tas notiek aviācijā, gaisa satiksmes kontrolē, ugunsdzēsībā.

Mūsu sistēmu pieaugošā nozīme, pieaugošais ekonomisko, politisko un cilvēku zaudējumu potenciāls, ja tās nedarbojas pareizi, un atkarību palielināšanās un ar to saistītā nenoteiktība mani visu uztrauc. Ja skatāties uz savu sistēmu un tās problēmām, es domāju, ka jūs piekrītat, ka mums ir jādara daudz vairāk, nekā jāatzīst šī problēma. Mums tas ir jāuztver. Kā jūs varat man palīdzēt, lūdzu, izplatiet šo informāciju, šīs idejas un manu prezentāciju no DevOps Enterprise Summit San Francisco 2017.

Es gribu dzirdēt no jums. Kas ar tevi rezonēja šajā jautājumā? Ko ne? Ar kādiem izaicinājumiem jūs saskaraties jūsu organizācijā, ievērojot šos principus? Nāc man pateikt. Esmu Twitterī.

Sākotnēji tas tika publicēts vietnē itrevolution.com 2018. gada 30. aprīlī.