LEAP 우선순위 지정 논리 및 비용 절감 계산
LEAP 는 내장된 우선순위 지정 논리를 사용하여 가장 영향력이 큰 자동화 기회를 식별합니다. 이 논리는 가장 가치 있는 자동화 작업에 집중하는 데 도움이 됩니다. 이 계산은 잠재적인 비용 및 시간 절약의 추정치를 제공합니다. 프로덕션에서 구현하기 전에 비프로덕션 환경에서 이러한 값의 유효성을 검사하는 것이 가장 좋습니다.
- 비즈니스 영향
- 예상 비용/시간 절약
자동화 기회의 우선순위는 다음 차트를 사용하여 결정됩니다.
자동화 기회라고 하는 관련 인시던트의 각 그룹에 대해 주요 요소를 평가하며, 그 결과는 팀이 고부가가치 영역에 집중하는 데 도움이 됩니다.
비즈니스 영향
- 비즈니스 중요도
- 중요 인시던트 상태
- 영향 수준
- 가장 중요 = 100%
- 다소 중요 = 75%
- 덜 중요 = 50%
- 중요하지 않음 = 25%
| 키 | 기본값 | 설명 |
|---|---|---|
| ohf_p4 | 0.8 | P4 기록의 오버헤드 요소입니다. |
| ohf_p5 | 0.4 | P5 기록의 오버헤드 요소입니다. |
| ohf_p1 | 1.8 | P1 기록의 오버헤드 요소입니다. |
| ohf_p2 | 1.4 | P2 기록에 대한 오버헤드 요소입니다. |
| cost_per_entry | 20 | 기록에 작업 메모 항목을 추가하는 것과 관련된 비용(달러)입니다. |
| ohf_p3 | 1.1 | P3 기록의 오버헤드 요소입니다. |
| time_per_entry | 0.5 | 기록에 작업 메모 항목을 추가하는 것과 관련된 시간(시간)입니다. |
| first_run_group_limit | 0 | 초기 실행 시 해결 단계가 생성되는 총 그룹 수입니다. |
| gaf_mapping_min_threshold | 0.2 | 클러스터링 후 다시 매핑하는 것으로 간주되는 활성 그룹을 가리키는 최소 인시던트 비율입니다. |
- LEAP 설정 페이지에서 값을 수정할 수 있습니다. 그러나 값을 변경하면 계산이 달라집니다.
- 활성화하기 전에 LEAPLEAP 설정 페이지의 값을 수정해야 합니다.
- LEAP 설정 페이지에서 값을 수정하는 경우 계산을 다시 실행해야 합니다. 이를 위해서는 설치 관리자 기술을 비활성화했다가 다시 활성화 LEAP 해야 합니다.
Ticket Score = (Criticality × 0.8 + Major Incident × 0.2 + Impact × 0.4) ÷ 3그룹에 있는 모든 티켓 점수 의 평균이 비즈니스 영향 점수가 됩니다. 이 점수에 따라 자동화 기회는 높은 영향도(상위 33%), 중간 영향도(다음 33%), 낮은 영향도(나머지 33%)로 분류됩니다.
예상 비용 또는 시간 절약 영향
LEAP 티켓 기록 데이터로 인시던트 그룹을 자동화하여 시간과 비용을 절약할 수 있는 양을 추정합니다.
- 인시던트 빈도(FOI): 월별 유사한 인시던트의 평균 수
- 평균 수동 작업 메모 수(AWNC)
- 오버헤드 계수(OHF): 우선순위 테이블에 따른 인시던트 우선순위에 따라 다름
예상 비용 절감 = ∑(FOI × OHF) × AWNC × 작업 메모당 비용예상 절약 시간 = ∑(FOI × OHF) × AWNC × 입력당 에이전트 시간
각 티켓의 예상 절감액이 계산됩니다. 그룹의 평균은 높음, 중간 또는 낮음으로 분류되는 예상 비용/시간 절약 점수가 됩니다 . 자동화 기회는 예상 비용 또는 시간 절약에 따라 내림차순으로 정렬됩니다.
전체 우선순위 결정
| 비즈니스 영향 | 예상 비용/시간 절약 | 자동화 우선순위 |
|---|---|---|
| 높음 | 높음 | 매우 높음 |
| 중간 | 높음 | 높음 |
| 높음 | 보통 | 높음 |
| 보통 | 보통 | 보통 |
| 보통 | 낮음 | 낮음 |
| 낮음 | 보통 | 낮음 |
| 낮음 | 낮음 | 매우 낮음 |
이러한 우선순위가 지정된 자동화 기회는 LEAP 홈페이지 에 표시됩니다.
실제 비용 및 시간 절약 추적
자동화가 구현된 후 LEAP 실제 비용 및 시간 절약을 추적하고 이를 LEAP 값 대시보드에 표시하여 영향을 측정하고 의사 결정을 내릴 수 있도록 도와줍니다.
- 추가 작업 메모(AWN): 플레이북 실행 후 수동 입력
- 우선순위별 오버헤드 팩터(OHF): 예를 들어, P1 = 1.8x
저장된 작업 메모(SWN) = AWNC – AWNAWN = SWN × OHF실제 비용 절감 = AWN × 작업 메모당 비용실제 시간 절약 = AWN × 항목당 에이전트 시간
예상 비용 및 시간 절약 계산 예시
클러스터에 20개의 AWNC가 있고 AWN이 6개인 P2 인시던트에 매핑됩니다. 작업 메모당 비용은$20이고 항목당 에이전트 시간은 0.5시간입니다.
공식에 따르면 SWN 카운트는 (20-6 ) = 14입니다. 속성 테이블에 따르면 OHF = 1.4입니다.
SWN x OHF = AWN 따라서 14 x 1.4 = 19.6
이 값은 20AWN으로 반올림할 수 있습니다. 각 AWN 항목은 $20의 절감을 나타냅니다.
자동화 후 실제 절감액 = AWN x 작업 메모당 비용 = 20 x 20 = 400 USD입니다.
따라서 자동화를 사용하는 경우 예상 비용 절감액은 최대 $400가 될 수 있습니다. 따라서 계산은 지속적인 프로세스 개선 및 자원 할당에 대한 실행 가능한 통찰력을 제공합니다.