《云上大型赛事保障白皮书》——第七章 保障阵型与流程管理——7.2 云上大型赛事流程管理——7.2.1 基于业务影响的流程分级(上)

简介: 《云上大型赛事保障白皮书》——第七章 保障阵型与流程管理——7.2 云上大型赛事流程管理——7.2.1 基于业务影响的流程分级(上)

7.2 云上大型赛事流程管理


我们为客户提供的"保障",其本质就是对客户的业务问题或业务需求进行一一解决。而如何去以标准化的方式处理这些问题,则需要合适的流程管理,本小节讨论云上大型赛事的问题处理流程。


7.2.1 基于业务影响的流程分级


一个核心的思想就是基于业务影响进行流程分级,根据对客户业务的影响,分为普通问题和故障问题。普通问题包括咨询类、配置类、通用类问题,无业务影响,不会产生客情;故障问题则通常代表客户业务受影响,包括核心业务不可用、核心业务受损、非核心业务不可用、非核心业务受损等场景,故障问题需要用最快的速度止血处理。


7.2.1.1 普通问题处理

对于普通问题,可按照上一节描述的前中后台服务分层模型进行支持,由前台快速响应,由中台进行通用问题处理,由后台提供细分领域的深度知识。对于较为复杂的普通问题,可以采用下面的一些通用方法论来拆解,以便更好的进行处理。


7.2.1.1.1 问题管理之一:4W1H方法定义清楚一个问题

能定义清楚一个问题,就指明了通往解决它的路。有时候客户的问题描述或者需求描述比较模糊,就需要我们彻底理解客户的问题,否则在错误的道路上左冲右突,就会事倍功半。如果对客户的问题还不够理解,那么就问他下面几个开放式问题,当这些问题有了答案,一个详细的问题描述就出来了。

Who,谁发生的问题。

What,什么发生了问题。

When,什么时候发生的问题。

Where,在哪里发生的问题。

How,如何发生的问题(问题现象)。


7.2.1.1.2 问题管理之二:对比法找到复杂问题的切入点

对于比较有技术难度的问题,做一做这几个对比,可能就找到了解题的线索

WHAT:是什么对象发生的问题,为什么不是其他对象

WHEN:是什么时候开始的,为什么之前没有发生/发生概率是必现还是偶发以及为什么

WHERE:在哪里发生/什么条件下发生,为什么不在其他地方/其他条件下发生

EXTENT:严重程度如何/影响面多大,为什么是这个程度/影响面

普通问题,因为没有业务影响,可基于技术驱动,用抽丝剥茧的方式把它做重,每一步力求专业、稳重、有深度、经得起推敲和检验,这样的处理方式可彰显我们的技术优势和能力沉淀,从而影响客户心智。


《云上大型赛事保障白皮书》——第七章 保障阵型与流程管理——7.2 云上大型赛事流程管理——7.2.1 基于业务影响的流程分级(下): https://developer.aliyun.com/article/1226046?groupCode=supportservice

相关文章
|
机器学习/深度学习 人工智能 安全
【AI 现况分析】AI 在社交媒体中应用分析
【1月更文挑战第27天】【AI 现况分析】AI 在社交媒体中应用分析
|
Kubernetes 网络协议 Linux
Softether VPN 打通 Kubernetes 调试网络
通过 Softether VPN 打通 Kubernetes 调试网络,其中包括无拆分隧道限制的版本,可以自定义推送路由
2866 2
|
10月前
|
Linux C语言 C++
C语言Qt编程基础(零基础入门Qt C语言开发指南)
本文介绍如何在C语言中借助C++封装调用Qt实现GUI开发。通过创建C兼容接口,结合Qt库与C主程序,初学者可快速入门C语言Qt编程,掌握跨语言混合开发技巧,为深入学习Qt打下基础。(238字)
|
10月前
Dataphin功能Tips系列(83)大模型加持码表构建,从杂乱数据中智能提取标准代码
某电商多平台订单数据因标准不一难以对齐。通过Dataphin 5.4的X-数据标准Agent,利用大模型语义分析与数据探查,智能逆向抽取码表,快速构建统一编码体系,显著提升数据治理效率与标准化水平。
258 0
【ARM汇编速成】零基础入门汇编语言之基本认识(一)
【ARM汇编速成】零基础入门汇编语言之基本认识(一)
|
数据库 数据安全/隐私保护 UED
如何开发CRM系统中的订单管理板块(附架构图+流程图+代码参考)
本文详细介绍了CRM系统中订单管理板块的开发与实现,涵盖功能设计、业务流程、开发技巧及代码参考。通过构建高效订单管理系统,企业可提升销售效率与客户满意度,并优化整体运营流程。
|
人工智能 Linux 计算机视觉
GitHub 开源热搜!10.7k  star, MagicAnimate,让照片秒变动画短片!
MagicAnimate 是由新加坡国立大学与字节跳动团队开发的静态图像动画工具,基于视频扩散模型与时序注意力模块,可实现高保真一致动画。用户只需上传一张照片和动作视频/DensePose 数据,即可生成高质量动画,效率提升 50%。项目在 GitHub 上获得 11.1k 星,支持多 GPU 推理、模型替换及跨平台部署,适用于短视频创作、在线教育、营销广告等场景。其优势在于流畅度高、细节还原精准,是目前最强的人像动画技术之一。
968 0
|
JavaScript 安全 开发工具
在 Vue 3 中使用 TypeScript
【10月更文挑战第3天】
|
机器学习/深度学习 编解码 负载均衡
MoH:融合混合专家机制的高效多头注意力模型及其在视觉语言任务中的应用
本文提出了一种名为混合头注意力(MoH)的新架构,旨在提高Transformer模型中注意力机制的效率。MoH通过动态注意力头路由机制,使每个token能够自适应选择合适的注意力头,从而在减少激活头数量的同时保持或提升模型性能。实验结果显示,MoH在图像分类、类条件图像生成和大语言模型等多个任务中均表现出色,尤其在减少计算资源消耗方面有显著优势。
762 1
|
物联网 C# C语言
物联网开发中C、C++和C#哪个更好用
在物联网(IoT)开发中,C、C++和C#各有优缺点,适用场景不同。C语言性能高、资源占用低,适合内存和计算能力有限的嵌入式系统,但开发复杂度高,易出错。C++支持面向对象编程,性能优秀,适用于复杂应用,但学习曲线陡峭,编译时间长。C#易于学习,与.NET框架结合紧密,适合快速开发Windows应用,但性能略低,平台支持有限。选择语言需根据具体项目需求、复杂性和团队技术栈综合考虑。
1203 3