KPIs do ITIL: os 11 indicadores de gerenciamento de disponibilidade e como calcular cada um

Medir disponibilidade parece simples até a primeira reunião de resultado. O painel mostra quase cem por cento no mês, a diretoria pergunta por que o faturamento parou na virada do trimestre e ninguém consegue explicar a distância entre o número e a percepção de quem usa o sistema.

Essa distância quase sempre nasce do indicador errado, ou de um indicador certo calculado sobre a base errada. Um percentual mensal de disponibilidade agregada esconde a parada de duas horas no pior momento possível, porque dilui o evento em setecentas e trinta horas de operação normal.

Este artigo reúne os onze indicadores da prática de gerenciamento de disponibilidade, com fórmula explícita, unidade, direção e a armadilha específica de cada um. Eles aparecem agrupados em quatro famílias, para que fique claro qual indicador mede resultado e qual apenas explica a causa.

O que o gerenciamento de disponibilidade mede no ITIL

O gerenciamento de disponibilidade é a prática que garante que os serviços de TI entreguem o nível acordado com o negócio. Ela responde a três perguntas: quanto tempo o serviço esteve utilizável dentro da janela combinada, o que causou cada interrupção e se o resultado cumpriu o compromisso assinado.

Vale um esclarecimento sobre a origem da lista abaixo. Os onze indicadores vêm de catálogos de KPIs consolidados em torno dessa prática, não de uma tabela oficial publicada pela organização responsável pelo framework.

Ainda assim, eles são amplamente adotados, porque cobrem bem o ciclo da prática: do resultado percebido pelo usuário até a cobertura do próprio monitoramento.

A prática não trata de arquitetura. Redundância, cluster e failover pertencem ao projeto técnico do serviço. Se o seu problema atual é de desenho, o caminho é entender como estruturar alta disponibilidade antes de discutir qual indicador acompanhar.

Se o framework em si ainda é novo para a equipe, vale começar pelo panorama de como funciona o ITIL 4. Aqui o pressuposto é outro: você já opera a prática e precisa do painel certo.

Como calcular disponibilidade sem enganar a si mesmo

A fórmula base é curta: disponibilidade = (tempo de funcionamento real ÷ tempo de funcionamento planejado) × 100. O denominador é onde mora toda a controvérsia, porque ele não é o mês inteiro.

Tempo de funcionamento planejado significa horas de serviço acordadas menos paradas agendadas. Um serviço com janela combinada de segunda a sexta, das 7h às 20h, tem 65 horas semanais de compromisso. Uma queda no domingo de madrugada não entra na conta.

Essa regra é justa quando a janela reflete o negócio. Ela vira maquiagem quando a equipe agenda manutenção sempre que precisa derrubar algo, porque toda parada passa a ser planejada e o indicador nunca piora. Antes de aceitar o número, verifique quantas janelas foram abertas no período.

O outro efeito que confunde gestores é a tradução do percentual em tempo. A tabela abaixo mostra quanto tempo de parada cada patamar autoriza.

Repare no salto de custo implícito. Sair de três para quatro noves reduz a folga anual de quase nove horas para menos de uma, o que costuma exigir redundância completa, automação de recuperação e plantão dedicado.

Esse esforço se justifica quando a parada custa caro. Segundo o levantamento anual da consultoria ITIC com mais de mil empresas, o custo médio de uma hora de parada supera US$ 300 mil em mais de 90% das companhias de médio e grande porte.

Indicadores de resultado: o que o usuário sentiu

Esta primeira família responde à pergunta do negócio. Ela mede o efeito percebido, sem explicar a origem do problema.

1. Disponibilidade do serviço, excluindo parada planejada

Percentual do tempo em que o serviço esteve utilizável dentro da janela acordada. É o indicador principal da prática, também chamado de service outage duration na forma complementar.

Fórmula: (tempo de funcionamento real ÷ tempo de funcionamento planejado) × 100. Unidade: percentual. Direção: maximizar. Armadilha: a média mensal dilui eventos curtos em momentos críticos, então acompanhe também o indicador 10.

2. Número de falhas em janela crítica

Contagem de interrupções ocorridas durante o tempo crítico do serviço. Tempo crítico é a faixa em que o serviço precisa estar no ar por razão de negócio: fechamento contábil, processamento de folha, pico de venda ou liquidação financeira.

Fórmula: soma das falhas ocorridas dentro das janelas críticas do período. Unidade: número absoluto. Direção: minimizar. Armadilha: sem a janela crítica declarada por serviço, este indicador simplesmente não existe.

3. Duração acumulada das falhas em janela crítica

Tempo total de indisponibilidade dentro das janelas críticas, em relação ao total de horas críticas do período. Este indicador complementa o anterior e resolve uma ambiguidade herdada de traduções antigas do catálogo original.

Fórmula: (soma da duração das falhas críticas ÷ total de horas críticas) × 100. Unidade: percentual. Direção: minimizar. Armadilha: dez falhas de um minuto e uma falha de duas horas têm contagens parecidas com impactos opostos.

4. Interrupções de negócio causadas por problemas

Contagem de interrupções cuja causa raiz foi registrada como problema conhecido, ou seja, falhas que a organização já tinha identificado antes de elas derrubarem o serviço de novo.

Fórmula: soma das interrupções de negócio atribuídas a problemas no período. Unidade: número absoluto. Direção: minimizar. Armadilha: o número depende inteiramente da disciplina de registro de causa raiz, então uma queda pode significar menos falhas ou menos registro.

Indicadores de causa: de onde vem a indisponibilidade

A segunda família reparte o tempo total de parada por origem. Ela não mede desempenho, mede diagnóstico. Sem estes três, a equipe discute a percepção de cada um sobre a causa das quedas.

5. Percentual da indisponibilidade causada por mudança planejada

Parcela da parada total decorrente de mudanças previstas, executadas dentro de janela. Uma fatia alta aqui não é necessariamente ruim: pode indicar um programa de atualização em andamento.

Fórmula: (parada por mudança planejada ÷ parada total) × 100. Unidade: percentual. Direção: minimizar com contexto. Armadilha: usar este indicador isolado incentiva a equipe a adiar manutenção necessária apenas para melhorar o painel.

6. Percentual da indisponibilidade causada por incidentes

Parcela da parada total originada em falhas não previstas do ambiente. É o espelho do indicador anterior e costuma ser o mais observado pela operação.

Fórmula: (parada por incidente ÷ parada total) × 100. Unidade: percentual. Direção: minimizar. Armadilha: acompanhar só o percentual esconde a tendência absoluta, porque a fatia pode cair enquanto o número de horas perdidas cresce.

7. Percentual da parada não planejada causada por mudanças

Parcela da indisponibilidade imprevista que teve origem em uma mudança. Em outras palavras, o estrago que a mudança causou sem estar previsto no plano de execução.

Fórmula: (parada não planejada por mudança ÷ parada não planejada total) × 100. Unidade: percentual. Direção: minimizar. Armadilha: este é o melhor termômetro de qualidade do processo de mudança, porém só funciona se o registro do incidente apontar a mudança de origem.

Indicadores de compromisso: SLA e canal de atendimento

A terceira família confronta o resultado com o que foi assinado. Ela traduz operação em linguagem contratual.

8. Disponibilidade da central de serviços

Percentual de tempo em que o canal de atendimento esteve operante no período. Parece secundário até o dia em que o portal de chamados cai junto com o serviço e o usuário fica sem forma de avisar.

Fórmula: (tempo operante da central ÷ tempo de atendimento acordado) × 100. Unidade: percentual. Direção: maximizar. Armadilha: medir apenas o portal e ignorar telefone, e-mail ou chat, que costumam ter disponibilidades bem diferentes.

9. Percentual de SLAs de disponibilidade atendidos

Proporção dos acordos de disponibilidade cumpridos no período, contados por acordo, não por serviço. Um mesmo serviço pode ter compromissos distintos por horário ou por região.

Fórmula: (SLAs de disponibilidade cumpridos ÷ total de SLAs de disponibilidade) × 100. Unidade: percentual. Direção: maximizar. Armadilha: acordos frouxos produzem cumprimento perfeito sem qualquer ganho para o usuário. Vale revisar o que o acordo de nível de serviço promete antes de comemorar.

Indicadores de cobertura: a maturidade da prática

A quarta família mede a própria capacidade de medir. Estes dois indicadores validam todos os anteriores, então analistas experientes costumam olhar para eles primeiro.

10. Percentual de componentes críticos com monitoramento automático

Proporção dos itens de configuração classificados como críticos que têm coleta automática de disponibilidade. Cobertura baixa aqui invalida o painel inteiro, porque os outros indicadores passam a medir apenas a parte visível do ambiente.

Fórmula: (componentes críticos com coleta automática ÷ total de componentes críticos) × 100. Unidade: percentual. Direção: maximizar. Armadilha: contar como coberto o componente que tem apenas ping configurado, sem verificação de serviço.

11. Percentual de processos críticos sem plano de disponibilidade

Proporção dos processos de negócio críticos que não possuem plano de disponibilidade formalizado. É o único indicador da lista cuja leitura ideal é zero.

Fórmula: (processos críticos sem plano ÷ total de processos críticos) × 100. Unidade: percentual. Direção: minimizar. Armadilha: exige que alguém tenha classificado quais processos de negócio são críticos, tarefa que costuma travar por falta de dono.

Tabela de referência dos 11 indicadores

Use o resumo abaixo ao montar o painel. A coluna de direção indica se o número deve subir ou descer.

Armadilhas que fazem o indicador mentir

Quatro erros aparecem com frequência em painéis de disponibilidade. Todos produzem números tecnicamente corretos que descrevem mal a realidade.

A primeira armadilha é confundir disponibilidade de componente com disponibilidade de serviço. Cinco servidores com boa disponibilidade individual podem compor uma cadeia bem pior, porque a falha de qualquer elo derruba o serviço inteiro. Meça a jornada do usuário, não a soma das peças.

A segunda é medir do lado errado. Um ping respondido pelo sistema operacional não prova que a aplicação processa transação. Prefira verificação sintética que execute a operação real de negócio, do ponto de vista de quem consome o serviço.

A terceira é a granularidade da coleta. Com verificação a cada cinco minutos, qualquer queda de noventa segundos passa despercebida. O intervalo de coleta define o menor evento que o seu painel consegue enxergar, então ele precisa ser compatível com a meta contratada.

A quarta é olhar só a duração. Tempo de recuperação e frequência contam histórias diferentes: vale acompanhar o tempo médio de resolução ao lado da contagem de eventos. Para entender o efeito completo, veja também o que caracteriza um período de indisponibilidade e como ele se propaga.

Como instrumentar esses indicadores na prática

Nenhum desses onze números sobrevive a coleta manual em planilha. O dado precisa nascer do próprio ambiente, com carimbo de tempo confiável e classificação consistente de causa.

Três fontes alimentam o painel. A verificação ativa fornece o estado do serviço minuto a minuto. A ferramenta de ITSM fornece a classificação de incidente, problema e mudança, que permite repartir a parada por origem. O catálogo de serviços fornece a janela acordada de cada serviço, sem a qual o denominador não existe.

Comece pequeno: cinco serviços críticos, janela declarada, verificação sintética e classificação obrigatória de causa no fechamento de cada chamado. Uma base estreita e correta vale mais que um painel amplo alimentado por estimativa.

Para a camada de coleta, o caminho natural é integrar a prática ao monitoramento de TI já existente, em vez de criar um processo paralelo de apuração. Métricas de atendimento complementam a leitura, conforme detalhado nas principais métricas de service desk.

Conclusão

Os onze indicadores de gerenciamento de disponibilidade formam um conjunto coerente quando você entende a função de cada família. Os de resultado dizem o que o usuário sentiu. Os de causa explicam de onde veio a parada. Os de compromisso confrontam o resultado com o contrato. Os de cobertura dizem se os outros nove merecem confiança.

Na prática, poucas equipes precisam dos onze desde o primeiro dia. Comece pelo indicador 1, pelo 3 e pelo 10: disponibilidade do serviço, duração das falhas em janela crítica e cobertura de monitoramento. Esse trio já revela a maior parte dos problemas e sustenta uma conversa honesta com o negócio.

Acima de tudo, desconfie do número redondo. Um painel que mostra o mesmo percentual excelente todo mês costuma indicar janela de manutenção generosa, cobertura incompleta ou coleta com intervalo grande demais para enxergar a falha.

Quer estruturar o painel de disponibilidade do seu ambiente com dado confiável? Fale com um especialista da OpServices e receba uma avaliação da sua cobertura atual.