问题管理是什么
问题管理通过识别事件的实际与潜在根因，管理工作区与已知错误，降低事件再次发生或影响扩大的概率。它与事件管理的分工是：事件负责尽快恢复，问题负责不再复发。触发方式分两种，反应式是在重复事件或重大事件之后追根因，主动式是通过趋势与数据分析提前识别隐患。是否开单由打开条件决定，而不是把所有事件都变成问题单。
基本信息
| 目标 | 减少事件复发与影响扩大 |
|---|---|
| 输入 | 重复事件、重大事件、趋势分析 |
| 打开条件 | 重复发生、重大影响、异常趋势、处置成本高 |
| 输出 | 根因、临时方案、已知错误记录、永久修复 |
| 关键角色 | 问题经理与根因分析负责人 |
| 收尾条件 | 永久修复并验证复发率下降 |
典型使用场景
- 重复事件：同一告警每周出现，先给临时方案再找永久修复
- 重大事件之后：影响面大的故障必须追到机制与防线层面
- 趋势识别：错误率缓慢爬升、容量逐步逼近上限
- 已知错误管理：根因已知但短期无法修复，先记录并共享处置方法
- 临时方案固化：把有效的绕过手段写进知识库，减少一线重复排查
- 与研发联动：把根因转成需求或缺陷单，进入正常排期
问题记录要素
问题记录要素
问题描述 / 关联事件清单
根因分析（5 Whys / 鱼骨图）
临时方案 Workaround 及其适用范围
永久修复方案 + 验证方式 + 关闭条件
跟踪字段：负责人、期限、复发次数前后对比事件与问题分工
| 维度 | 事件管理 | 问题管理 |
|---|---|---|
| 目标 | 尽快恢复服务 | 消除根因防复发 |
| 时间压力 | 分钟到小时 | 天到周 |
| 输出 | 已恢复的服务与记录 | 根因分析与永久修复 |
| 开单方式 | 告警或报障即时创建 | 按打开条件筛选 |
| 成功标准 | 恢复时间达标 | 复发率下降、已知错误收敛 |
问题管理与研发侧的无责复盘同源：都以消除系统性根因作为结束条件，最好共用同一套记录格式与行动项台账。
没有打开条件的问题管理会淹没团队；反过来每个事件都开单，真正需要追的问题反而被稀释，两头都做不好。
根因分析方法与陷阱
- 5 Whys：连续追问为什么，直到落到可改的机制或流程
- 鱼骨图：按人、机、料、法、环分类找潜在原因，适合复杂故障
- 证据优先：每个假设都要有日志、指标或变更记录支撑，不靠推测
- 区分触发因素与根因：导火索往往只是让既有缺陷暴露出来的那一下
- 收敛到可执行项：根因要能转成改造、监控或测试的具体动作
问题关闭前要比对复发数据：修复上线后经过一个观察周期，同类事件不再出现，才算真正收敛。
已知错误清单要在一线可见：把症状、临时方案与适用条件写进知识库，服务台才能在根因修复前稳住用户。
问题优先级判断
- 复发频率高且影响面大的问题优先立项
- 有临时方案但处置成本高的排在中位，评估修复收益
- 仅发生一次且影响可控的先观察，不急于立项
- 与研发排期打通，避免根因修复长期挂起无人推进