基準設定の背景と目的
背景
ポストモーテムの頻度を適切にコントロールするためには、全インシデントを対象とするのではなく、影響の大きさや再発リスクを基準にすることが重要です。この分類は、リソースを最も効果的に配分し、価値のある学びを得るために役立ちます。
目的
- 貴重な時間や人員を無駄にしない。
- 必要な学びや改善策を漏れなく収集。
- チームの心理的安全性を守りつつ、実践的なプロセスを構築。
P3（軽微障害）でも例外的に実施するケース
通常はポストモーテムを実施しない軽微な障害（P3）でも、以下のようなケースでは実施を検討する価値があります。
再発リスクが高い場合: 軽微な障害が頻発しており、再発防止策を講じないと重大な問題に発展する可能性がある。 新しいシステムや運用に関連する場合: 新しい仕組みで発生した障害で、学びを得ることで他のプロジェクトに応用できる場合。 特定のチームやメンバーのトレーニング目的: 新人やオンボーディング中のメンバーが参加することで、ポストモーテムの進め方や障害対応の学習に役立つ場合。 インシデントの評価基準を具体化 「影響範囲」「緊急性」「再発リスク」「学びの可能性」の4つの軸でインシデントを評価するフレームワークを取り入れると、基準がさらに明確になります。
影響範囲
顧客影響（例: 影響を受けたユーザー数や範囲）。 ビジネス影響（例: 売上損失、ブランドイメージの低下）。
緊急性
インシデント対応が遅れた場合の影響拡大リスク。
再発リスク
同様の障害が再発する可能性の高さ。
学びの可能性
チームや組織全体の成長につながる新しい知見が得られるか。 小規模インシデントをまとめて評価する方法 P2やP3に該当するインシデントが多発する場合、それぞれ個別にポストモーテムを実施するのではなく、「まとめて評価」する方法を取り入れることが効果的です。
方法
月次や四半期ごとに、類似の小規模インシデントをまとめてレビュー。 共通の原因やパターンを抽出し、包括的な改善策を検討。 例: 「過負荷時のレスポンス遅延」に関連する複数のインシデントをまとめて分析。 これにより、効率的な再発防止策を一度に講じることが可能。 各レベルでの実施判断例 具体例を示すと、より理解しやすくなります。
P0（重大障害）の例:
APIゲートウェイの全停止により、全ユーザーがサービスを利用できなかった。 売上損失が1時間で100万円以上。 実施: 必須。 P1（重要障害）の例:
一部のデータベースが停止し、特定地域のユーザーがログインできなかった。 実施: 推奨。 P2（一般障害）の例:
ログの保存が一部失敗したが、システム全体には影響がなかった。 実施: 再発リスクがある場合に検討。
P3（軽微障害）の例:
内部モニタリングシステムのエラーで、サービスには影響がなかった。 実施: 通常は実施せず、定期レビューで対応。 ポストモーテム実施基準をドキュメント化 なぜ必要か: チーム間での理解を統一し、迷いや議論を減らす。 新メンバーや他チームがポストモーテム文化にすぐに適応できるようにする。
記載内容
- インシデント分類基準（P0〜P3）。
- 実施基準と例外条件。
- 各分類における具体例。
- 定期レビューのスケジュールと実施方法。
まとめ
ポストモーテムを効率的に行うには、P0〜P3の分類に加え、例外的なケースや評価フレームワークを活用して基準を柔軟に運用することが重要です。また、これらの基準をチーム全体で共有し、定期的に見直すことで、ポストモーテムの質を向上させることができます。
