Apa sing kotindakake kanggo nyegah jinis incident sing padha kedadeyan kaping pindho?

Question

Accepted Answer

Nglakokake **postmortem blameless** sing nemokake panyebab sistemik, banjur ngowahi dadi action item sing **konkret, diduweni, lan dilacak** — lan verifikasi yen pancen dikirim. Tujuane dudu nemokake sapa sing kudu disalahake; nanging ngowahi sistem supaya kelas kegagalan sing padha dadi mokal utawa ndeteksi awake dhewe.

## Loop inti

1. **Postmortem blameless.** Mbangun timeline sing jujur: apa sing kedadeyan, kapan kita ndeteksi, kepiye kita nanggepi, apa dampake. Salah matekake bebener sing kowe butuhake.
2. **Gali menyang panyebab sistemik**, dudu pemicu. "Engineer nyurung config sing ala" yaiku pemicu; "ora ana validasi utawa staged rollout kanggo config" yaiku panyebabe. Gunakake **Lima Kenapa** nanging mandheg ing sistem, ora tau ing wong.
3. **Ngasilake lapisan pencegahan**, dudu siji perbaikan:
   - **Nyegah** — nggawe kegagalan mokal (validasi, jinis, guardrail).
   - **Ndeteksi** — nyekel luwih awal (alert, SLO, pamriksan sintetis).
   - **Mitigasi** — watesi radius ledhakan (rollback, flag, circuit breaker).
4. **Menehi owner lan tanggal jatuh tempo.** Action item tanpa owner yaiku pepinginan. Lacak kaya karya nyata ing backlog.
5. **Verifikasi lan nutup loop.** Apa perbaikane dikirim? Apa iku bakal nyekel sing asli? Apa MTTR lan deteksi pancen ningkat?

## Trade-off lan jebakan

- **Postmortem sing ngasilake dokumen, dudu owah-owahan** — kegagalan paling umum. Ora ana tindak lanjut tegese kowe bakal ketemu incident sing padha maneh.
- **Over-ndandani gejala spesifik** nalika kelas bug tetep mbukak. Ndandani kategori, dudu mung instance iki.
- **Kesel alert** saka numpuk deteksi tanpa nyetel; alert rame diabaikan lan incident sabanjure mlumpat.
- **Budaya salah** ndhelikake pelaporan menyang ngisor; kowe kelangan near-miss sing dadi pelajaran paling murah.
- Anggep **incident bola-bali minangka sinyal kegagalan proses**, dudu nasib ala — lacak pengulangan minangka metrik.

## Kenapa iki penting

Incident yaiku biaya sekolah sing wis kowe bayar; siji-sijine sing kebuwang yaiku ora sinau saka iku. Tim sing kanthi sistematis nyegah pengulangan dadi luwih andal saben kuartal, dene tim sing mung firefighting ngalami maneh outage sing padha salawase. Mbangun loop sinau iki — lan keamanan kanggo jujur ing kono — yaiku salah siji perkara paling lestari sing bisa ditinggalake Tech Lead.