SLO-burn алерти на Payments/Bets

Операційна дорожня карта

1) Навіщо це потрібно

Операційна дорожня карта (Ops Roadmap) перетворює розрізнені завдання SRE/платформи/підтримки і доменних команд в прозорий план: який ефект на SLO/вартість/інциденти ми отримаємо в кожному кварталі і якою ціною (люди, час, бюджет). Це знижує хаос, впорядковує технічний борг і прискорює поставку цінності бізнесу.

• Об'єднати ініціативи навколо вимірюваних результатів (SLO, MTTR, Cost/RPS, Risk).
• Узгодити пріоритети між платформою, доменами і зовнішніми провайдерами.
• Забюджетувати ресурси і зафіксувати «що не робимо» (явні trade-off'и).
• Тримати єдину правду про виконання і ризики.

2) Принципи дорожньої карти

1. Outcome-first: кожна ініціатива прив'язана до метрики результату (не «впровадити X», а «знизити MTTR на 20%»).
2. SLO-aware: ініціативи, що впливають на SLO критичних шляхів (депозит/ставка/ігри/КУС), вище в пріоритеті.
3. Data-driven: спираємося на інциденти, постмортеми, алерти, Capacity/FinOps-панелі.
4. Time-boxed & reversible: маленькі інкременти, перевірка гіпотез, швидкий відкат.
5. Single source of truth: єдиний артефакт, регулярні рев'ю і публічні статуси.
6. No hidden work: поза картою - тільки «пожежі» за регламентом.

3) Каркас Roadmap: рівні та артефакти

Бачення (12-18 міс): 3-5 операційних тем (Reliability, Scale, Cost, Security, Automation).
Стовпи (6-12 міс): блоки ініціатив за темами (напр. «SLO-покриття 100% критичних шляхів», «Active-Active в 2 регіонах»).
Квартальний план (Q): конкретні ініціативи з метриками, власниками, залежностями, бюджетом.
Ітерації (2-3 тижні): завдання/епіки та фактичний прогрес.

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: «Guardrails для канарок релізів»

theme: "Reliability"

quarter: "2025-Q1"

owner: "platform-release"

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

outcome: «Знизити регресії після релізів на 40%»

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

• name: «помилкові спрацьовування гейтів»
• mitigation: «baseline/тюнінг, пілот на 10% трафіку»

• 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 - Звіт

Підсумок по результатах: SLO Coverage 92% (+7 п.п.), MTTR −18%, Cost/RPS −9%

Виконано: 8/10 ініціатив (80%)

Зрушення: OPS-31 → Q2 (залежність від провайдера PSP-X)

Інциденти: P1 = 2 (−1 кв/кв), основні причини: ретраї на таймаутах провайдера

Follow-ups: тюнінг брейкерів, резервні квоти PSP-Y

14) Інтеграції з процесами

Інцидент-менеджмент: кожен постмортем → тікет ініціативи/поліпшення в Roadmap.
Зміни/релізи: великі ініціативи йдуть тільки з прапорами/канарками.
Capacity/FinOps: раз на місяць синхронізація за headroom і cost-тенденціями.
Безпека/комплаєнс: квартальні контрольні точки за вимогами та аудитами.

15) 30/60/90 (швидкий старт)

30 днів: зібрати інцидентну/метричну базу, сформувати теми, описати 10-15 ініціатив у форматі YAML, вибрати RICE/WSJF, зафіксувати Q-план.
60 днів: запустити панелі Outcome/Domain/Budget, провести перший мід-квартальний огляд, скорегувати пріоритети за даними.
90 днів: підбити Q-підсумки, оновити принципи і шкали, перерозмітити річні стовпи.

16) Комунікації та прозорість

Місячний огляд для стейкхолдерів: 30 хвилин, фокус на результатах і ризиках.
Асинхронні апдейти: короткі записи з метриками «до/після».
Єдиний канал Roadmap: статуси, зміни, рішення за пріоритетами.
Правило «червоної картки»: будь-яка команда може ініціювати перегляд пріоритету, додавши дані (SLO/інцидент/вартість).

17) FAQ

Q: Що робити, якщо все «горить» і немає часу на Roadmap?
A: Включити «пожежо-буфер» 15-20% і мінімальний Q-план з 3 ініціатив, що закривають основні причини інцидентів. Будь-яка нова «гаряча» робота - тільки через перезбірку пріоритетів.

Q: Як довести цінність «невидимих» ініціатив (спостережуваність, автогейти)?
A: Вважайте Change Failure Rate, MTTR, Pre-Incident Detect Rate, відкати і «нічні пейджі». Покажіть динаміку до/після.

Q: Як діяти з технічним боргом?
A: Борг - це теж ініціатива з outcome: "−X% інцидентів класу N", "−Y% cost/RPS", "+ Z п.п. SLO Coverage». Без вимірюваного результату борг не потрапляє в план.