Payments/Bets SLO-burn

Операциялық жол картасы

1) Бұл не үшін қажет

Операциялық жол картасы (Ops Roadmap) SRE/платформаның/қолдаудың және домендік командалардың бытыраңқы тапсырмаларын мөлдір жоспарға айналдырады: SLO-ға қандай әсерді/құнды/инциденттерді әр тоқсанда және қандай бағамен аламыз (адамдар, уақыт, бюджет). Бұл хаосты азайтады, техникалық қарызды реттейді және бизнеске құндылықтарды жеткізуді жылдамдатады.

• Өлшенетін нәтижелер төңірегіндегі бастамаларды біріктіру (SLO, MTTR, Cost/RPS, Risk).
• Платформа, домендер және сыртқы провайдерлер арасындағы басымдықтарды келісу.
• Ресурстарды бюджеттеп, «не істемейтінімізді» белгілеу (анық trade-off).
• Орындау мен тәуекелдер туралы бірыңғай шындықты сақтау.

2) Жол картасының қағидаттары

1. Outcome-first: әрбір бастама нәтиженің метрикасына байланысты («X енгізу» емес, «MTTR-ді 20% -ға төмендету»).
2. SLO-aware: SLO сыни жолдарына әсер ететін бастамалар (депозит/мөлшерлеме/ойындар/АКҚ) жоғары басымдықта.
3. Data-driven: инциденттерге, постмортемдерге, алерттерге, Capacity/FinOps панельдеріне сүйенеміз.
4. Time-boxed & reversible: кішкентай инкременттер, гипотезаларды тексеру, жылдам кері қайтару.
5. Single source of truth: бірыңғай артефакт, тұрақты ревью және жария мәртебелер.
6. No hidden work: картадан тыс - тек регламент бойынша «өрт».

3) Roadmap қаңқасы: деңгейлер мен артефактілер

Пайымдауы (12-18 ай): 3-5 операциялық тақырып (Reliability, Scale, Cost, Security, Automation).
Бағандар (6-12 ай): тақырыптар бойынша бастамалар блоктары (мысалы, «SLO-100% сындарлы жолдарды жабу», «Active-Active 2 өңірде»).
Тоқсандық жоспар (Q): өлшемдермен, иелермен, тәуелділіктермен, бюджетпен нақты бастамалар.
Итерациялар (2-3 апта): міндеттер/эпиктер және нақты прогресс.

ID: OPS-23

4) Prioritization: How to compare the incomparable

4. 1 RICE (Reach, Impact, Confidence, Effort)

Reach: affected users/transactions/geo.
Impact: expected contribution to SLO/MTTR/Cost.
Confidence: Confidence in estimates (data/pilots).
Effort: man-weeks/calendar window/dependencies.

4. 2 WSJF (Scaled)

Cost of Delay = (SLO Risk + Revenue Impact + Compliance + Incident Rate)
/ Job Size = duration/force.
Suitable for mixed initiatives (technical debt, security, platform features).

The rule: initiatives with high SLO risk and high cost of delay come first, even if the effect is "invisible" on UI.

5) Relationship with OKR, SLO and incidents

Platform-level OKR:
KR1: "Reduce Change Failure Rate from 18% to 12% by the end of Q2."
KR2: "Increase Pre-Incident Detect Rate from 35% to 60%."
SLO-matrix: for each domain - target p95/p99/Success Rate/Availability.
Incident analytics: the top 3 reasons for the last quarter should have counteraction initiatives in the current one.

6) Resource and budget planning

FTE-matrix: by squads and competencies (SRE, Observability, Data, Integrations).
Provider calendar: maintenance/quota windows (impact on dates).
CapEx/OpEx: licenses/cluster extensions vs command hours.
Buffer: ~ 15-20% for unplanned "fires" and regulatory tasks.
What-don't-do policy: A list of rescheduled/postponed initiatives with reasons.

7) Managing dependencies and risks

Dependency map: who blocks whom (service/provider/data/command).
Risk register: risk, probability/impact, owner, mitigation plan/plan B.
Change freeze: periods of prohibition of major changes (prime time events/tournaments).
Ficheflags/canaries: Mandatory for initiatives affecting traffic.

8) Quarterly cycle (rhythms)

Q-0 (preparation, 2 weeks): data collection (SLO, incidents, costs), revision of topics, preliminary prioritization.
Q planning: protection of initiatives by owners, reconciliation of resources/risks, fixing the Q plan and "not doing" the list.
Weekly sync: status, blockers, adjustments; maximum 30 minutes.
Monthly review: checking effects on metrics, possible re-scope.
Q retro: compare plan/fact, update principles/patterns.

9) Roadmap view formats

Outcome View: grouped by purpose (SLO, Cost, Risk).
Domain View: Payments/Bets/Games/KYC/Platform.
Timeline View: quarterly, with dependency and frieze markers.
Budget View: FTE/CapEx/OpEx by Initiative and Topic.

Example of a quarterly slice (summary):
Initiative     Outcome              Metrics     Term     Owner     Risk
--------------------      -----------------------      --------------------      -----      -------------      -------
Active-Active Games     RTO≤5 min     Availability 99. 95%      Q1–Q2      platform-sre      High
SLO-burn на Payments     − 30% of late incidents     Pre-Incident↑, MTTR↓      Q1       observability      Average
Kafka Lag Guardrails     − 50% of lag storms     Lag p95↓, DLQ↑         Q1       streaming        Average
FinOps Right-sizing      −15% cost/RPS           Cost/RPS↓           Q2       finops         Low

10) Roadmap Success Metrics (KPIs)

Delivery Predictability: percentage of initiatives completed on time (target ≥ 80%).
SLO Coverage:% of critical paths with active SLOs/alerts.
Incident Trend: − X% of P1/P2 QoQ incidents
Change Failure Rate: Target decline by quarter.
Cost Efficiency: Cost/RPS, Cost/transaction - downward trend.
Risk Burn-down: the number of "red" risks and their total weight.
Stakeholder NPS: satisfaction of domain teams with the quality of the Roadmap.

11) Roadmap launch checklist

[] Defined themes/pillars and 3-5 target outcomes per year.
[] Catalog of initiatives linked to metrics and owners.
[] Prioritization methodology (RICE/WSJF) and scales adopted.
[] Checked resources: FTE, provider windows, budgets.
[] Fixed Q-plan + "not doing."
[] Set up Outcome/Domain/Budget panels, alerts by shifts.
[] Review Schedule: weekly/monthly/quarterly.

12) Anti-patterns

List of tasks without outcomes: "make X" instead of "achieve Y by metric."
Hidden initiatives and private arrangements outside of a single artifact.
Eternal epics: no time-box, no verifiable milestones.
Priority "in terms of volume": resources are spent on the "loudest" request, and not on the most valuable one.
No "what not to do": expectations are unmanageable, trust is falling.
Lack of a link with incidents/SLO: "cosmetic" improvements instead of real ones.

13) Templates (fragments)

Initiative Template (YAML):

yaml id: OPS-42 title: «Канарейка релиздері үшін Guardrails»

theme: "Reliability"

quarter: "2025-Q1"

owner: "platform-release"

stakeholders: ["payments", "bets", "games"]

outcome: «Релизден кейін регрессияны 40% -ға төмендету»

• name: change_failure_rate target: "<= 12%"
• name: post_deploy_regression_rate target: "-40% QoQ"
• slo_impact: ["api_p99 <= 300ms@99. 9", "availability >= 99. 95%"]

• reach: 5000000 # транзакция/кв impact: 3. 0 confidence: 0. 7 effort: 6 dependencies: ["observability-baseline", "feature-flags-core"]

• name: «гейттердің жалған іске қосылуы»
• mitigation: «baseline/тюнинг, трафиктің 10% -на ұшқыш»

• name: design eta: "2025-01-20"
• name: pilot-10%
• eta: "2025-02-10"
• name: rollout-100%
• eta: "2025-03-05"

Quarterly report template (Markdown):

Q1 Ops Roadmap - Есеп

Қорытындылар бойынша жиынтығы: SLO Coverage 92% (+ 7 ш.б.), MTTR − 18%, Cost/RPS − 9%

Орындалды: 8/10 бастамалар (80%)

Жылжулар: OPS-31 → Q2 (PSP-X провайдеріне тәуелділік)

Инциденттер: Р1 = 2 (1 кв/кв −), негізгі себептер: провайдер таймауттарындағы ретрациялар

Follow-ups: брейкерлердің тюнингі, PSP-Y резервтік квоталары

14) Процестермен интеграциялау

Инцидент-менеджмент: әрбір постмортем → Roadmap-тегі бастама/жақсарту тикеті.
Өзгерістер/релиздер: ірі бастамалар тек жалаулармен/канарейкалармен жүреді.
Capacity/FinOps: айына бір рет headroom және cost-үрдістері бойынша синхрондау.
Қауіпсіздік/комплаенс: талаптар мен аудиттер бойынша тоқсандық бақылау нүктелері.

15) 30/60/90 (жылдам бастау)

30 күн: инциденттік/метрикалық базаны жинау, тақырыптарды қалыптастыру, YAML форматында 10-15 бастамаларды сипаттау, RICE/WSJF таңдау, Q-жоспарын белгілеу.
60 күн: Outcome/Domain/Budget панельдерін іске қосу, бірінші сыртқы-тоқсандық шолу жүргізу, деректер бойынша басымдықтарды түзету.
90 күн: Q-қорытындыларын шығару, қағидаттар мен шкалаларды жаңарту, жылдық бағандарды қайта белгілеу.

16) Коммуникация және ашықтық

Стейкхолдерлер үшін айлық шолу: 30 минут, нәтижелер мен тәуекелдерге назар аудару.
Асинхронды апдейттер: «дейін/кейін» өлшемдерімен қысқа жазбалар.
Roadmap бірыңғай арнасы: мәртебелер, өзгерістер, басымдықтар бойынша шешімдер.
«Қызыл карточка» ережесі: кез келген команда деректерді (SLO/инцидент/құн) қоса отырып, басымдықты қайта қарауды бастай алады.

17) FAQ

Q: Егер бәрі «жанып» және Roadmap үшін уақыт болмаса не істеу керек?
A: «Өрт буфері» 15-20% және инциденттердің негізгі себептерін жабатын 3 бастаманың ең аз Q-жоспары. Кез келген жаңа «қызу» жұмыс - басымдықтарды қайта іріктеу арқылы ғана.

Q: «көзге көрінбейтін» бастамалардың (бақылау, автогейт) құндылығын қалай дәлелдеуге болады?
A: Change Failure Rate, MTTR, Pre-Incident Detect Rate, бас тарту және «түнгі пейдждер» деп санаңыз. Динамиканы алдында/кейін көрсетіңіз.

Q: Техникалық борышпен не істеу керек?
А: Борыш - бұл да outcome бастамасы: "− X% N сыныпты оқыс оқиғалар", "− Y% cost/RPS", "+ Z п.п. SLO Coverage». Өлшенетін нәтижесіз қарыз жоспарға кірмейді.