# OPS11-BP02 在意外事件发生后执行分析
<a name="ops_evolve_ops_perform_rca_process"></a>

 审查影响客户的事件，确定这些事件的成因和预防措施。利用这些信息来制定缓解措施，限制或防止再次发生同类事件。制定程序，以便迅速有效地做出响应。根据目标受众，适当传达事件成因和纠正措施。

 **期望结果：**
+  已建立包括意外事件后分析在内的事件管理流程。
+  已制定可观测性计划来收集事件数据。
+  利用这些数据，可以了解并收集指标，用于支持意外事件后分析流程。
+  从意外事件中吸取教训，以便改善以后的结果。

 **常见反模式：**
+  管理应用程序服务器。大约每 23 小时 55 分钟，所有活动会话都会终止。已尝试找出应用程序服务器上出现的问题。曾怀疑可能是网络问题，但由于网络团队工作繁忙无法提供支持，因此无法与他们合作。由于缺乏可遵循的预定义流程，因此难以获取支持并收集必要的信息，来确定发生了什么情况。
+  工作负载中出现了数据丢失的情况。这是第一次发生，原因不明。您认为数据丢失不重要，因为可以重新创建数据。数据丢失变得愈发频繁，并对客户造成影响。还原丢失的数据时，这也会增加运营负担。

 **建立此最佳实践的好处：**
+  建立了预定义流程，可确定导致意外事件发生的要素、条件、操作和事件，有助于找到改进机会。
+  可以使用来自意外事件后分析的数据进行改进。

 **在未建立这种最佳实践的情况下暴露的风险等级：**高 

## 实施指导
<a name="implementation-guidance"></a>

 通过流程来确定事件成因。审查所有影响客户的意外事件。设置流程来确定并记录导致意外事件的因素，以便制定缓解措施来限制或防止事件再次发生，并且还可以据此制定及时有效的响应程序。酌情传达造成意外事件的根本原因，并针对目标受众量身定制传达内容。在组织内公开分享经验教训。

### 实施步骤
<a name="implementation-steps"></a>

1.  收集各种指标，例如部署更改、配置更改、意外事件开始时间、警报时间、参与时间、缓解措施开始时间和意外事件解决时间。

1.  在时间表上描述关键时间点，用于了解意外事件。

1.  提出以下问题：

   1.  能否缩短检测时间？ 

   1.  是否更新了可以更快地检测到事件的指标和警报？ 

   1.  能否缩短诊断时间？ 

   1.  您的响应计划或上报计划是否有更新，可以更快地与正确的响应者进行互动？ 

   1.  能否缩短缓解时间？ 

   1.  可以添加或改进哪些运行手册或行动手册步骤？ 

   1.  未来能否防止意外事件再次发生？ 

1.  创建检查清单和操作。跟踪并交付所有操作。

 **实施计划的工作量级别：**中 

## 资源
<a name="resources"></a>

 **相关最佳实践：**
+  [OPS11-BP01 设置持续改进流程](ops_evolve_ops_process_cont_imp.md) 
+ [OPS4 – 实施可观测性](https://docs.aws.amazon.com/wellarchitected/latest/operational-excellence-pillar/implement-observability.html)

 **相关文档：**
+  [Performing a post-incident analysis in Incident Manager](https://docs.aws.amazon.com/incident-manager/latest/userguide/analysis.html) 
+  [Operational Readiness Review](https://docs.aws.amazon.com/wellarchitected/latest/operational-readiness-reviews/iteration.html)