【障害報告書】再発防止が伝わる書き方|SE向けポストモーテム雛形

架空の事例として、金曜22時48分に障害が発生し、検知は23時05分、サービス復旧の確認は翌1時40分だったとします。障害報告書を書く際は、原因を推測で埋める前に、確認できた時刻と影響を整理します。影響や原因が調査中なら暫定報告として未確認事項を明示し、調査結果がそろった段階で関係者のレビューを経て確定します。
伝わる報告書の骨格は4つあります。タイムライン、影響範囲、原因(人ではなく仕組みの問題として)、担当と期限のある再発防止策。この記事では、GoogleのSRE(サイト信頼性エンジニアリング)の公開資料を下敷きに、そのまま使える雛形と、書き方の判定基準をまとめました。
ポストモーテムを書く基準を先に決めておく
Googleの書籍『Site Reliability Engineering』の「Postmortem Culture」の章では、報告書(ポストモーテム)を書くきっかけの例として、一定以上のユーザー影響、種類を問わないデータ損失、ロールバックなど当番の介入が必要だった場合、一定以上の復旧時間、監視が検知できなかった場合を挙げています。基準は障害が起きる前に決めておくべき、というのが同章の立場です(Google SRE Book:Postmortem Culture、2026年11月14日確認)。
チームに基準がない場合は、上の5項目をそのまま叩き台にして、次の定例で「この中のどれに当てはまったら書くか」を決めてしまうのが早道です。障害が起きた直後の動き方は障害対応の初動で差がつく確認順序にまとめています。
そのまま使える障害報告書の雛形
- 概要(3行):何が・いつからいつまで・誰に影響したか。暫定版か確定版かも記載する
- 影響範囲:対象機能、影響ユーザー数や件数、データ損失の有無。未確認事項は担当と確認予定を記録
- タイムライン:発生、検知、初動、暫定復旧、サービス復旧確認の時刻と行動。恒久対策は別途、完了日または予定日を記録
- 原因:直接の原因と、それを防げなかった仕組み上の要因
- うまくいったこと/いかなかったこと:検知や連絡の流れの評価
- 再発防止策:内容、担当者、期限、優先度、実施完了と効果確認の方法
- レビュー・共有:確認者、確認日、未解決の指摘、共有先を記録する
SREの同章も、報告書に残すべきものとして、障害と影響、緩和・解決のために取った行動、根本原因、再発防止のフォローアップを挙げています。5番目の欄は必須ではありませんが、検知や連絡の良かった点を書いておくと、次の障害で同じ動きを再現しやすくなります。影響範囲を数値で書く場合は、集計期間・対象機能・分母・集計単位をそろえます。例えば架空の決済障害で、対象時間帯の決済リクエスト10,000件のうち500件が失敗したなら、リクエスト単位の失敗率は5%です。再試行が含まれるため、失敗した利用者数や未成立の取引数が500件とは限りません。取引IDなどで重複を除いた件数は別に集計し、推計なら推計と明記します。Google SREの障害報告書の公開例でも、影響を推計した検索リクエスト数として記録しています(2026年11月15日確認)。
タイムラインから時間の指標を出す
冒頭の例(架空の事例)の時刻を表に落としたものが次です。
| 時刻 | 出来事 | 発生からの経過 |
|---|---|---|
| 22:48 | リリース後、決済APIのエラー率が上昇(後からログで判明) | 0分 |
| 23:05 | 監視アラートで検知 | 17分 |
| 23:12 | 当番が調査開始 | 24分 |
| 00:55 | 直前のリリースをロールバックし暫定復旧 | 127分 |
| 01:40 | 決済APIの正常動作を確認。データ影響の調査は継続 | 172分 |
この表では発生から検知まで17分、検知から暫定復旧まで110分、発生からサービス復旧確認まで172分です。単一障害の経過時間であり、複数障害の平均指標とは区別します。検知や復旧に時間を要した理由をログや対応記録で調べ、対策を決めてください。時刻には日付・タイムゾーンも記録し、推定値は明示します。 また、影響時間と復旧作業の時間は一致するとは限りません。例えばサービスが正常化しても、滞留した取引の再処理やデータ整合性の確認が残る場合は、利用者への影響が解消した時刻と残作業が完了した時刻を分けて記録します。Google SRE Workbookの障害報告例でも、主障害の時間と残存影響・復旧作業の期間を区別しています(2026年11月15日確認)。
「誰が」を「どの仕組みが」に書き換える
SREの同章は、特定の個人やチームを責めずに要因を明らかにすること(ブレームレス)を中心に置き、人は直せないが仕組みとプロセスは直せる、という考え方を示しています。報告書では次のように書き換えます。
| 避けたい書き方 | 仕組みに向けた書き方 |
|---|---|
| Aさんが設定値を誤った | 本番設定の変更に、レビュー必須のルールがなかった |
| 確認不足でリリースした | リリース手順に、エラー率を見る確認ステップがなかった |
| 担当者の気づきが遅れた | エラー率のアラートの閾値が高く、17分間通知されなかった |
右側は原因の仮説を具体化した例です。実際にレビューの仕組みがなかったか、閾値が適切だったかは記録で確認し、未確認なら仮説と明記します。個人を責めないことと、事実に基づく行動の記録を省くことは別です。
再発防止策の質を3つの質問で判定する
「今後は注意する」「関係者に周知する」だけでは、対策の実施状況や効果を評価しにくくなります。教育や周知も有効な対策になり得ますが、対象者・内容・実施期限・理解度の確認方法を決め、必要に応じて自動チェックや手順改善と組み合わせましょう。Google SREでも過去の障害を題材にした訓練を紹介しています(公式資料、2026年11月14日確認)。提出前に、各対策へ次の3つを当ててみてください。
- 責任を持つ担当者と期限が明確か
- 原因に対応した対策か(自動チェック・必須レビュー・アラート・教育など)
- 実施完了と効果をどう確かめるか(変更チケット、テスト結果、訓練での理解度確認など)
3つの質問は対策の具体性を確認するための目安です。実施完了と効果確認は分けて記録しましょう。例えば設定値の自動チェックを追加する場合、担当者・期限・変更チケットに加え、誤った設定値をテスト環境で投入するとリリースが拒否されることを確認し、結果を記録します。検知改善なら、障害を模擬してアラートが想定時間内に届くかを確認します。実施後の確認担当と確認日も決め、効果が不足していれば対策を見直します。Google SREのポストモーテムの考え方も、再発の可能性や影響を減らす有効な対策を重視しています(2026年11月14日確認)。さらに、報告書を確定しただけで対策を完了扱いにしないことも重要です。再発防止策は職場の課題管理表やチケットに登録し、報告書に管理番号を記載します。例えば架空の管理番号 INC-001-A1 に担当者・期限・優先度・検証結果をひも付け、定例で未完了や期限超過を確認します。GoogleのSRE Workbook:Postmortem Cultureでは、対策ごとの担当者、追跡番号、優先度、検証可能な完了条件と、課題管理によるフォローアップを紹介しています(2026年11月15日確認)。
| 項目 | 記入例(架空) |
|---|---|
| 概要 | 暫定版。決済APIのエラー率が金曜22:48から上昇。翌01:40にサービス復旧を確認。データ影響の調査は継続。 |
| 影響 | 決済失敗件数とデータ損失の有無は確認中。担当:決済運用担当。土曜10:00(JST)までに取引ログと処理結果を照合し、未確定なら次回報告時刻を明示する。 |
| タイムライン | 金曜22:48発生、23:05検知、23:12調査開始、翌00:55暫定復旧、01:40サービス復旧確認。時刻の根拠はログ・対応記録で照合する。 |
| 原因 | 仮説:直前のリリースが影響した可能性。担当:開発担当。土曜12:00(JST)までに変更差分とエラーログを照合し、再現試験の要否を判断する。確定原因は未確認。 |
| うまくいったこと/いかなかったこと | ロールバック後にサービス復旧を確認できた。検知まで17分を要した理由は調査中で、監視設定と通知履歴を確認する。 |
| 対策 | 原因確認後、設定値が要因なら異常設定を拒否するテストを追加。担当・期限・優先度を原因確認後に設定し、変更チケットと異常設定を拒否するテスト結果を別担当者が確認。 |
| レビュー | 記録の保存、影響評価の網羅性、原因分析の深さ、対策の優先度、関係者への共有を確認。確認者・確認日・未解決の指摘・共有先はレビュー時に記録する。 |
提出前のセルフチェック
- 概要だけで影響と復旧状況が伝わり、未確認事項が区別されているか
- タイムラインに日付・タイムゾーン・時刻の根拠があるか
- 原因欄で確認済み事実と仮説を区別し、個人への非難ではなく仕組み上の要因を分析しているか
- 再発防止策に担当者・期限・優先度・実施完了と効果の確認方法があるか
- 顧客を特定できる情報や機密情報の取り扱いが職場のルールに沿っているか
- 関係者によるレビューと指摘への対応状況を記録しているか
Google SREの公開資料では、報告書のレビューで影響評価・原因分析・対策・関係者への共有を確認し、指摘や議論を解消してから記録を確定することを重視しています。また、利用者を特定できる情報を含めない方針も示しています(2026年11月14日確認)。実際の共有範囲は職場の情報管理ルールに従ってください。資料の構成については、後任が迷わない引き継ぎ資料の書き方も参考になります。
次に障害が起きたら、復旧を優先しつつ、対応記録の担当者を決めて時刻・判断・根拠を残しましょう。記録は職場で承認された場所に保存し、機密情報の共有範囲にも注意します。復旧後は記録を照合し、影響や原因の未確認事項を整理して報告書に反映します。
情報時点:2026年11月14日。報告書の項目や提出基準は職場のルールが優先されます。本文の事例は説明用の架空のものです。

























