این مقاله نقش، مسئولیت‌ها و معیارهای عملکرد (KPI) یک مدیر مرکز عملیات شبکه (NOC Manager) را از منظر فنی، عملیاتی و مدیریتی تشریح می‌کند. هدف ارائه یک مرجع عملی برای راه‌اندازی، هدایت و بهینه سازی عملیات 24x7 شبکه و Serviceها با تکیه بر روی بهترین شیوه‌ها، فرآیندها و شاخص‌های قابل اندازه‌گیری است.

1- جایگاه و هدف کلی نقش

مدیر NOC مسئول تضمین دسترس‌پذیری، پایداری و کیفیت Serviceهای شبکه و زیرساخت‌های مرتبط است. این نقش پل بین عملیات روزمره، تیم‌های مهندسی، مدیریت فنآوری و ذینفعان کسب  و کار است و باید ساز و کارهایی ایجاد کند تا رخدادها به  سرعت شناسایی، ارزیابی، رفع و گزارشی شوند.

2- حوزه‌های مسئولیت (خلاصه)

- نظارت و کنترل: طراحی و پیاده‌سازی چارت نظارت (Monitoring) و هشدارها، مدیریت Dashboardهای سلامت (Availability/Performance).

- مدیریت رخداد (Incident Management): تعریفSLA، فرآیند اولویت  گذاری، Monitoring وضعیت رخدادها، کاهش MTTR.

- مدیریت تعمیر و نگهداشت (Maintenance & Change): هماهنگی تغییرات، نگهداری پیشگیرانه، برنامه‌ریزی Plan‌های نگهداری.

- Escalation و هماهنگی بین  تیمی: ایجاد Matrix ارجاع و روال‌های ارتباطی بین NOC و تیم‌های L2/L3، امنیت، Application و ارائه  دهندگان خدمات.

- خدمات مشتری و گزارش  دهی: تولید گزارش‌های هفتگی/ماهانه SLA/KPI و اطلاع  رسانی به ذینفعان.

- مدیریت تیم و شیفت‌ها: استخدام، آموزش، برنامه ریزی شیفت، PDP/ONCALL.

- درمان ریسک و امنیت: نظارت بر تهدیدات، واکنش اولیه به حوادث امنیتی و هماهنگی با تیم SOC در صورت وجود.

- بهبود مستمر: تحلیل ریشه‌ای علت (RCA)، اصلاح فرآیندها، پیاده‌سازی Automation.

3- شرح وظایف فنی (جزئیات)

3.1- طراحی و نگهداری سامانه‌های Monitoring

- انتخاب ابزارها (NMS, APM, SIEM)، سیستم‌های Log Aggregation و طراحی پوشش Monitoring برای لایه‌های زیرساخت، شبکه لایه 2/3، دستگاه‌های امنیتی و Serviceهای مبتی بر Application.

- تعریف Thresholdها، Suppression Rules و الگوهای هشدار هوشمند (Avoid Alert Fatigue)

- اطمینان از صحت داده‌ها (availability of collectors, Time Zone Sync, NTP).

3.2- مدیریت رخداد (Incident Lifecycle)

- شناسایی (Detect): از طریق Alert یا تماس مشتری.

- ثبت (Record): ثبت کامل در سیستم ITSM (Ticketing) با Tagging مناسب.

-اولویت  بندی (Triage): براساس SLA، تاثیر کسب  و کاری و تعداد کاربران.

- تحلیل اولیه (Initial Diagnosis): اجرای Playbookها برای موارد متداول.

- Escalation: انتقال به L2/L3 یا Vendor طبق Matrix.

- رفع یاWorkaround : حل موقت یا دائمی.

- بستن و RCA: تهیه گزارش علت و اقدامات پیشگیرانه.

- KPI مرتبط: MTTR, MTTA, Incident Volume by Priority

3.3- مدیریت تغییر (Change Management)

- ارزیابی ریسک تغییرات، هماهنگی زمان‌بندی با ذینفعان و اطلاع رسانی کاربران.

- اجرای Pre/Post-Change Checks و Rollback Plans

- ثبت تغییرات و تحلیل تاثیر در Dashboard سلامت.

3.4- پایداری و ظرفیت (Resiliency & Capacity)

- پایش ظرفیت Link‌ها،CPU/Memory، Serviceها، ذخیره‌سازی و برنامه  ریزی ظرفیت.

- طراحی و آزمون سناریوهای Failover و DR

- تعریف RPO/RTO به همراه تیم‌های برنامه  ریزی کسب  و  کار.

4- وظایف مدیریتی و سازمانی

- تدوین اهداف سالانه و KPIهای تیم NOC.

- برنامه  ریزی نیروی انسانی: شیفت بندی 24x7، On-Call Rota، Plan جایگزینی (Backup).

- آموزش و توسعه: برگزاری Drills، Tabletop Exercises، مستند سازی Playbookها.

- بودجه  بندی و انتخاب ابزارها و قراردادهای پشتیبانی (Support Contracts, SLAs with Vendors).

- نظارت بر کیفیت خدمات مشتری و پیمایش رضایت مشتری (CSAT) برای پشتیبانی فنی.

5- فرآیندها و استانداردهای کلیدی

- ITIL-Inspired Processes: Incident, Problem, Change, Service Level Management

- SLA & OLA: تعریف SLAs با کسب و کار و OLAs بین تیم‌های فنی.

- Runbooks/Playbooks: برای رخدادهای پرتکرار (مثلا (Packet Loss, Link Down, DB-High-Latency

- Escalation Matrix: شرایط، افراد، زمانی که باید ارجاع انجام شود.

- Security Coordination: هماهنگی با SOC، استفاده از SIEM برای Alert Correlation.

6- KPIهای عملیاتی و فرمول‌ها (مثال‌ها)

- MTTA (Mean Time to Acknowledge)= مجموع زمان از Alert تا اولین Acknowledgement / تعداد Alerts.

- MTTR (Mean Time to Resolve) = مجموع زمان از ثبت Incident تا Resolution / تعداد Incidents.

- Availability (%) = (Total Time − Downtime) / Total Time × 100

- First Contact Resolution (FCR) = تعداد موارد حل  شده در تماس اول / کل تماس‌ها × 100.

- Incident Volume by Priority: پایش روند افزایشی که نشان از مشکلات زیرساختی دارد.

- هدف گذاری نمونه:Availability 99.95% برای Serviceهای حیاتی،MTTR زیر30 دقیقه برایP1 .

7- Matrix اولویت و پاسخ (نمونه)

Priority	Business Impact	Response SLA	Action by NOC
P1 (Critical)	سرویس Down برای همه کاربران/داده‌های حیاتی	Acknowledge ≤ 5 min, Resolve/Workaround ≤ 1 hr	فوری :Escalation به L2/L3 و Vendor, Crisis Call
P2 (High)	قطعی قابل توجه Degradation برای بخش عمده	Acknowledge ≤ 15 min, Resolve ≤ 4–8 hr	Triage، Workaround و Scheduled Fix
P3 (Medium)	Impact محدود /Partial	Acknowledge ≤ 1 hr, Resolve ≤ 24–72 hr	Queue to L2, Maintenance Window
P4 (Low)	Request/Change با کمترین ریسک	Acknowledge ≤ 24 hr, SLA حسب قرارداد	Normal Change Process

8- ابزارها، آینه‌کاری و  Automation (پیشنهادات عملی)

- ابزارهای Monitoring :NMS/Observability برای شبکه و Serverها، APM برای Applicationها، Log Aggregation/ELK.

- سیستم Ticketing :ITSM قابلیت Workflow، SLA Tracking،Integrations با Monitoring و Chat Appها.

- Automation :Runbook Automation برای اقدامات تکراری) مثلا Auto-Remediation برای Serviceهایی که با Restart حل می‌شوند).

- اتصالات و گزارش‌دهی: API برای استخراج داده‌ها به BI (Power BI/Looker) جهت Dashboardهای مدیریتی.

- ارتباطات: ابزارهای Conferencing و Incident Bridge برای مدیریت بحران (Zoom/Teams + Dedicated Phone Bridge).

نکته عملیاتی: هر ابزار باید قابلیت Integration دوطرفه با سیستم Ticketing و Notification Channels (SMS, Email, PagerDuty) داشته باشد تا چرخه تشخیص تا حل به کمترین زمان برسد.

9- نمونه Check List روزانه/شیفتی برای مدیر NOC

- بررسی Dashboard سلامت Serviceها وAlertهای Unresolved.

- مرور P1/P2 باز و وضعیت Escalation‌ها.

- نشست کوتاه با تیم شیفت برای Handover و نقاط حساس.

- تائید عملیات نگهداری زمان بندی  شده و اطلاع  رسانی به کاربران.

- بررسی گزارش‌های امنیتی و Coordination با SOC.

- به  روزرسانی KPI Dashboard و ارسال گزارش کوتاه به مدیریت.

10- مدیریت بحران و تمرین‌های آماده‌سازی

- ایجاد Playbook بحران (Incident Commander, Communications Lead, Spokespeople).

- برگزاری Exercises حداقل هر شش ماه: DR Run, Failover Test, Tabletop.

- ثبت Lessons Learned و به روزرسانی مستندات پس از هر حادثه.

11- تعامل با ذینفعان (Stakeholder Management)

- گزارش‌های سطح مدیریتی (Executive Summary) ماهانه: Availability, Top Incidents, RCA highlights Trending Risks,

- گزارش‌های فنی هفتگی به تیم مهندسی: Incident Trends, Recurring Alerts, Capacity Warnings

- قرارداد SLA review با کسب  و کار و مذاکرات تغییر سطح سرویس در صورت نیاز.

12- چالش‌های رایج و راه‌حل‌های توصیه‌شده

- Alert Fatigue: استفاده از Deduplication، Suppressionو Alert Correlation.

- Knowledge Silos: مستند سازی، جلسات Cross-Training و اشتراک Runbook.

- On-Call Burnout: چرخش منصفانه شیفت، سیاست‌های Overtime، رزرو Backfill.

- Vendor Dependency: تعریف Clear Escalation SLAs و Regular Vendor Review.

13- شاخص‌های بلوغ و Roadmap عملیاتی (نمونه)

- سطح 1 (Reactive): Monitoring پایه، بسیاری از Incidents به صورت دستی حل می‌شوند.

- سطح 2 (Stable): Dashboards، Playbookهای استاندارد، SLA Tracking.

- سطح 3 (Proactive): Predictive Alerts،Automation برای Remediation، .Capacity Forecasting

- سطح 4 (Optimized): Full Observability، End-to-End Service Maps، .SRE/DevOps Integration

راهکار: هدف گذاری ارتقاء از سطح 1 به 3 در 12الی 18 ماه با پروژه‌های محوری:  Automation، Observability و آموزش.

جمع بندی:

مدیر NOC در نقش کلیدی برای تضمین تداوم Service و رضایت کسب و کار قرار دارد. ترکیب مهارت‌های فنی Monitoring، Troubleshooting شبکه (با مهارت‌های مدیریتی) فرآیند، KPI، مربیگری تیم و تمرکز بر Automation و بهبود مستمر، موجب کاهش زمان خاموشی، بهبود کیفیت خدمات و کاهش هزینه‌های عملیاتی خواهد شد.