Vai al contenuto
~/leonardo.casoni

incident management

Incident Management: cosa fare quando qualcosa si rompe

Gli incidenti capitano a tutti. La differenza la fa il modo in cui li affrontiamo: con calma, ordine e la voglia di imparare.

Che cos’è

Un incidente è un evento non pianificato che interrompe un servizio o ne riduce la qualità. L’Incident Management è il processo che serve a ripristinare il servizio normale il prima possibile, limitando l’impatto su utenti e attività.

L’obiettivo non è non avere mai incidenti, perché è impossibile. L’obiettivo è accorgersene presto, rispondere bene e non ripetere lo stesso errore.

Da non confondere

Evento

Qualcosa che succede in un sistema: una riga di log, una metrica che cambia. Quasi sempre è normale.

Alert

Un evento che richiede attenzione e che avvisa qualcuno.

Incidente

Un disservizio reale o imminente che va gestito subito.

Problema

La causa di fondo di uno o più incidenti. Si studia per evitare che ritornino.

Il ciclo di vita di un incidente

  1. 01

    Rilevare

    Il problema emerge dal monitoraggio, da un alert o da una segnalazione degli utenti. Meglio se prima degli utenti.

  2. 02

    Classificare

    Si valutano impatto e urgenza e si assegna una priorità, che decide chi viene coinvolto e quanto in fretta.

  3. 03

    Rispondere

    Si chiamano le persone giuste, si apre un canale o un ticket e si nomina chi coordina.

  4. 04

    Mitigare e risolvere

    Prima si ripristina il servizio (un rollback, un riavvio, uno spostamento su un altro sistema), poi si indaga sulla causa.

  5. 05

    Comunicare

    Si aggiornano colleghi, clienti e responsabili con regolarità, anche quando la causa non è ancora chiara.

  6. 06

    Imparare

    Si fa una revisione senza colpe, si decidono azioni concrete e si controlla che vengano completate.

I ruoli durante un incidente

In un incidente serio avere ruoli chiari evita che tutti facciano tutto e nessuno coordini.

Incident Manager

Coordina, decide e tiene la visione d’insieme. Non è chi risolve in prima persona.

Responder

Gli esperti tecnici che indagano e applicano le correzioni.

Comunicazione

Aggiorna stakeholder e clienti con messaggi chiari e regolari.

Scriba

Tiene la cronologia di cosa succede e quando: oro per la revisione finale.

Un esempio di livelli di priorità

È solo un esempio: ogni azienda definisce i propri livelli e tempi di risposta.

PrioritàEsempioReazione tipica
P1 · CriticaIl servizio principale è fermo per tutti.Tutti subito, anche di notte, con aggiornamenti continui.
P2 · AltaUna funzione importante è degradata o ferma per molti utenti.Intervento immediato del reperibile.
P3 · MediaUn problema parziale, con una soluzione alternativa.Gestione in orario di lavoro.
P4 · BassaUn disagio minore, senza impatto sul servizio.Va nel backlog e si pianifica.

Come si misura

MTTD
Tempo medio per accorgersi del problema.
MTTA
Tempo medio per prendere in carico l’allarme.
MTTR
Tempo medio per ripristinare il servizio.
Incidenti per priorità
Quanti ne capitano, divisi per priorità, nel tempo.
SLA / error budget
Quanto disservizio ci si può permettere rispetto agli impegni presi.

Cosa funziona

  • Alert azionabili: ogni allarme deve portare a un’azione chiara.
  • Runbook aggiornati e facili da trovare.
  • Un’on-call sostenibile, con turni equi e passaggi di consegne ben fatti.
  • Comunicare presto, anche solo per dire “stiamo indagando”.
  • Mitigare prima, capire dopo: il servizio torna su, poi si cerca la causa.
  • Revisioni senza colpe, con azioni assegnate a qualcuno e a una data.
  • Esercitarsi: simulare gli incidenti (game day) prima che capitino davvero.

Errori comuni

  • Troppi alert, fino a smettere di leggerli (alert fatigue).
  • Nessun coordinatore: tutti intervengono insieme e nessuno ha il quadro.
  • Cercare il colpevole invece della causa.
  • Scrivere il post-mortem e poi non completare le azioni.
  • Comunicare solo quando l’incidente è finito.

Questa è una guida introduttiva, scritta come l’ho capita io lavorando sul campo. Ogni azienda si organizza a modo suo: prendila come un punto di partenza, non come un manuale.

Continua a leggere