「オンコールは組織全体で対応が必要」~世界のインシデント管理~incident.io-Part1

はじめに

英国のスタートアップ企業であるPineapple Technology Ltd様が運営するincident.ioに関連したブログ　The Practical Guide to Incident Management　のポイントと解説

ポイント!!

• オンコールは企業にとって不可欠で、インシデント発生時に迅速な対応を取ることがカギとなります。
• オンコールはエンジニアだけでなく、すべてのチームにとって重要であり、オンコールを組織全体に分散させることでインシデントの解決と改善が促進される。
• オンコーラーは責任とエスカレーションの理解が不可欠であり、新しいオンコーラーのオンボーディングは成功のカギとなる。

参考：Every company needs on-call

解説

　一番のポイントは2番にある「オンコールはエンジニアだけではなく、組織全体で対応が必要」という点です。記事の中ではstripeの例を出して、広報やコンプライアンス部門の関わりなども書いてあります。
システム障害対応はエンジニアに責任の所在があるように見えやすいせいか、エンジニアだけが孤立して対応している場合があります。顧客・エンドユーザーへの影響を最小限にすることを目指して、犯人捜しをしないことがおすすめです。

　組織全体で対応するためには「システム障害対応時に、誰がどこまでやるかの役割（責任）」を明確にすることは大事です。決して、障害が発生した責任ではなく、システム障害が発生してしまった際の役割です。

システム障害対応時の難所は、この役割が明確になっていたとしても「その時々で対応できるメンバーが違うこと」で、今動けるメンバーでどのように影響を最小限にするかがマネージャー・インシデントコマンダーの腕の見せ所です。

用語

• オンコーラー：問題が発生した際に最初に連絡を受ける人。
• エスカレーション：さらに上のレベルや上級者に問題やタスクを委譲すること。
• オンボーディング：新しい従業員やシステムを組織に統合するプロセス。