Pedir orçamento
Urgência Setores Carreiras Sobre nós Blog Contactos
Auscultadores numa secretária diante de um monitor com janelas de chat

Gestão de incidentes graves: quem liga a quem, e a matriz de escalamento definida antes

Na gestão de incidentes, um incidente grave (major incident) é a falha em que metade da empresa fica parada e toda a gente liga a alguém ao mesmo tempo. O que corre mal raramente é a técnica: é ninguém saber quem decide, quem liga ao fornecedor e quando a direção é informada. É assim que se define isto numa terça-feira tranquila, para estar pronto quando for preciso.

7 min de leitura Escrito pela equipa da ITproposal
Resposta curta

Um incidente grave é uma falha com tanto impacto que o modo de trabalho habitual não chega. Os critérios definem-se de antemão, para que ninguém tenha de os discutir durante a falha.

Uma pessoa lidera o incidente, um ticket é o principal, e as atualizações saem a um ritmo fixo, mesmo sem novidades.

A matriz de escalamento diz quem liga a quem e ao fim de quanto tempo, incluindo outros fornecedores. As decisões sobre a operação e sobre o que os clientes ouvem continuam a ser da organização.

Quando uma falha é um incidente grave

Um incidente grave não é uma palavra forte para uma falha incómoda. É uma falha em que o tratamento habitual, um ticket na fila e um técnico a trabalhar nele, deixa de chegar porque o impacto é demasiado grande ou cresce demasiado depressa. Passa-se então a outro modo de trabalho: um líder, uma linha de conferência fixa, atualizações a um ritmo.

Os critérios definem-se de antemão, em forma de lista. Durante uma falha, ninguém quer discutir se isto é «grave que chegue». Critérios úteis são:

  • um processo crítico para o negócio está parado (caixas, registo de encomendas, processo clínico, linha de produção) e não há alternativa viável;
  • um local inteiro ou grande parte dos utilizadores não consegue trabalhar;
  • a falha é visível para os clientes ou há um compromisso externo em risco;
  • há dúvidas sobre a exatidão ou a disponibilidade dos dados.

Se se tratar de um ataque, ou da suspeita de um, aplicam-se outras regras: aí importa mais o que não se toca. Disso trata o nosso artigo sobre ransomware. Este artigo trata de falhas.

Quem declara o incidente, e quem o pode encerrar

Combina-se quem pode declarar um incidente grave, e esse limiar deve ser baixo. Um incidente declarado cedo demais e reduzido ao fim de vinte minutos custa meia hora a algumas pessoas. Um incidente declarado uma hora tarde demais custa uma manhã a toda a gente.

Depois há alguns papéis, que numa organização pequena podem ser duas pessoas a acumulá-los:

  • O líder do incidente (no ITIL, o major incident manager). Coordena, vigia o tempo, decide o passo seguinte. Não resolve nada pessoalmente, e é esse o ponto: quem tem as mãos no sistema não vê o relógio.
  • O líder técnico. Dirige o trabalho de recuperação e garante que não há duas pessoas a alterar o mesmo sistema ao mesmo tempo.
  • A comunicação. Escreve as atualizações e mantém as perguntas longe da equipa.
  • O decisor da própria organização. Alguém que possa dizer: fechamos a loja, adiamos a entrega, ligamos ao cliente.

Regista-se também quem encerra o incidente. Não é o momento em que o técnico acha que funciona, mas aquele em que um utilizador o confirma.

A matriz de escalamento: quem liga a quem, e ao fim de quanto tempo

Uma matriz de escalamento é uma tabela que cabe numa página impressa. Num eixo estão as prioridades, no outro o tempo desde o aviso, e em cada célula quem é informado ou chamado nesse momento. Há dois tipos de escalamento, e ambos fazem parte da tabela:

  • Funcional: para mais conhecimento. A primeira linha chama o especialista, o especialista chama o fornecedor do sistema.
  • Hierárquico: para mais autoridade. Ao fim de um tempo acordado, o responsável de TI é informado, depois a direção, porque podem ser precisas decisões que a técnica não pode tomar.

O que torna a matriz utilizável são os pormenores aborrecidos: um nome e um substituto por célula, números de telefone que se encontrem fora dos sistemas afetados, e as horas em que cada pessoa está contactável. Uma matriz que remete para um livro de endereços no email que acabou de cair não é matriz nenhuma.

A definição das prioridades pelo impacto e os tempos de resposta associados fazem parte da gestão de serviços; veja o nosso artigo sobre ITSM para PME. A matriz de escalamento assenta nisso.

A primeira meia hora de um incidente grave

Os primeiros trinta minutos determinam como corre o resto. O que tem de acontecer nesse tempo é pouco:

  • Um ticket principal. Todos os avisos dos utilizadores ficam ligados a ele, para se ver a dimensão sem ler cinquenta tickets soltos.
  • Uma linha de conferência que fica aberta até o incidente fechar. Quem tem de estar, liga-se; quem não é necessário, sai.
  • Uma cronologia em que cada observação e cada intervenção consta com a hora. Será precisa para a revisão e, durante o incidente, evita que alguém repita um passo.
  • Primeiro uma alternativa, depois a causa. Se as pessoas puderem voltar a trabalhar por outra via, uma linha de reserva ou uma versão anterior, isso vem primeiro. A causa procura-se depois com calma.

E uma regra que prolonga mais falhas do que qualquer outra: não alterar duas coisas ao mesmo tempo. Quem tenta três soluções em simultâneo não sabe depois qual funcionou, nem o que reverter se o problema voltar.

Atualizações a ritmo fixo, mesmo sem novidades

Num incidente grave, o silêncio é o que de mais caro se pode comunicar. Quem não ouve nada começa a telefonar, e cada telefonema tira alguém do trabalho de recuperação. Por isso combina-se um ritmo e cumpre-se, mesmo que a atualização seja que nada mudou.

Uma atualização que funciona responde sempre às mesmas quatro perguntas: o que não funciona, para quem, o que estamos a fazer agora e quando voltam a ter notícias nossas. Prepara-se um modelo de antemão, em linguagem corrente e sem nomes de sistemas que só a TI conhece.

Mantêm-se dois canais separados: a linha técnica para quem está a recuperar, e um canal próprio para todos os que têm de ser informados. E esse segundo canal escolhe-se de forma a não depender do que está avariado. Se o Microsoft 365 cair, um email sobre a falha não chega a ninguém.

Quando a causa está noutro fornecedor

Grande parte dos incidentes graves começa fora do próprio ambiente: no operador de internet, numa plataforma cloud, no sistema de caixa ou no fornecedor de uma aplicação setorial. Ganha a organização que sabe de antemão como lá chegar.

  • Cada fornecedor crítico consta da matriz, com o número de avarias, o número de cliente ou de contrato e quem pode ligar em nome da organização.
  • Regista-se se o parceiro de TI pode fazer o aviso em nome do cliente. Muitos fornecedores só aceitam avisos de um contacto conhecido, e é melhor não o descobrir durante a falha.
  • Anota-se o que o contrato desse fornecedor promete. Assim sabe-se quando se pode escalar e quando só resta esperar.

Entretanto, continua-se a liderar. Mesmo que a causa esteja noutro lado, a condução das alternativas, das atualizações e das decisões fica do lado da organização.

Encerrar, rever e o que fica por resolver

Um incidente grave só está fechado quando os utilizadores voltaram a trabalhar e o confirmaram. Depois vêm duas coisas, que muitas vezes se saltam porque a pressão passou.

A revisão, em poucos dias úteis, enquanto toda a gente se lembra. Põe-se a cronologia em cima da mesa e fazem-se três perguntas: quando soubemos, quando agimos e o que nos atrasou. Não se procura um culpado; procura-se o ponto do modo de trabalho que custou tempo. Uma matriz com um número errado é uma descoberta, não um erro de alguém.

O problema que fica. A alternativa parou a falha, mas a causa muitas vezes continua lá. Segue como problema separado, com responsável e data, para que a mesma falha não volte daqui a um mês.

Por fim, atualiza-se a matriz com o que não estava certo e ensaia-se uma vez por ano com uma falha fictícia. Uma matriz nunca usada contém sempre alguém que já saiu há muito.

Onde termina o nosso trabalho

O que fazemos. Num incidente grave num ambiente que gerimos, lideramos a parte técnica: declaramo-lo segundo os critérios acordados, mantemos o ticket principal e a cronologia, coordenamos o trabalho de recuperação e o escalamento para outros fornecedores e enviamos as atualizações do estado da TI ao ritmo combinado. Com engenheiros próprios em todos os países, deslocamo-nos quando não se resolve à distância, em caso de falha em poucas horas. Depois entregamos a revisão e seguimos o problema até a causa desaparecer.

O que não fazemos. As decisões sobre a operação, como fechar uma loja ou adiar uma entrega, são do cliente. O que os clientes, a imprensa ou uma autoridade de supervisão ficam a saber é definido e enviado pelo cliente; não somos uma agência de comunicação e não avaliamos obrigações de notificação. E se a causa estiver numa plataforma de um terceiro, escalamos em nome do cliente, mas não reparamos essa plataforma: isso só o respetivo fornecedor o pode fazer.

Perguntas frequentes

Perguntas que recebemos sobre este tema

As cinco mais frequentes.

O que é um incidente grave?

É uma falha com tanto impacto que o tratamento habitual não chega, por exemplo porque um processo crítico está parado ou um local inteiro não consegue trabalhar. Passa-se a um modo de trabalho próprio com um líder, um ticket principal e atualizações a ritmo fixo. Os critérios definem-se de antemão, para ninguém os discutir durante a falha.

Qual é a diferença entre um incidente grave e um incidente de prioridade 1?

Um incidente de prioridade 1 é uma classificação por impacto e urgência, que determina o tempo de resposta. Um incidente grave é a decisão de mudar o modo de trabalho, porque um técnico e um ticket já não chegam. A maioria dos incidentes graves é de prioridade 1, mas nem todos os de prioridade 1 têm de se tornar graves.

O que consta de uma matriz de escalamento?

Diz, por prioridade, quem é informado ou chamado e ao fim de quanto tempo. Tem dois tipos de escalamento: funcional, para mais conhecimento, e hierárquico, para mais autoridade. Por célula há um nome, um substituto e um telefone que continue acessível se os sistemas afetados caírem, e também os outros fornecedores com o seu número de avarias.

Quem é o major incident manager?

É a pessoa que lidera o incidente: coordena, vigia o tempo e decide o passo seguinte, mas não resolve nada pessoalmente. É deliberadamente alguém diferente do técnico que recupera, porque esse não vê o relógio. Num service desk subcontratado, o papel cabe normalmente ao parceiro de TI, com um decisor do lado da própria organização.

Também fazem a comunicação para os nossos clientes?

Não. Enviamos as atualizações do estado da TI ao ritmo combinado às pessoas indicadas. O que os clientes, a imprensa ou uma autoridade de supervisão ficam a saber é definido e enviado pelo cliente, e não avaliamos obrigações de notificação. Fornecemos, sim, os factos e a cronologia.

Serviços relacionados

Para ler a seguir

Onde se liga um incidente grave.

Comparamos a sua matriz de escalamento com a prática?

Envie-nos o que tem hoje, mesmo que seja uma lista de telefones. Dizemos que critérios, papéis e fornecedores faltam e como fica se formos nós a operar o service desk.

Conhecimento prático de TI na sua caixa de correio

Novos guias sobre gestão, segurança e postos de trabalho, escritos por quem faz o trabalho. Sem conversa comercial, e pode cancelar a subscrição com um clique.

Usamos o seu endereço apenas para a newsletter. Consulte a nossa política de privacidade.

Orçamento Ligar