Ozon раскрывает внутреннюю кухню управления инцидентами и проблемами, демонстрируя зрелую культуру Site Reliability Engineering. Статья описывает, как компания выстраивает процессы инцидент-менеджмента: от автоматических алертов и приоритизации до открытых звонков и участия межфункциональных команд. Выделяются ключевые роли (911, Post, разработчики, представители клиентского опыта), формализованная структура постмортемов с ML-саммаризацией, таймлайнами и техникой "пяти почему", а также регулярный анализ влияния сбоев на бизнес (включая заказы, отправления и убытки).

Для обеспечения прозрачности и предотвращения повторных ошибок используются внутренние порталы, таск-трекеры и дашборды, а каждая проблема сопровождается тикетом и финализируется отчётом. Новые сотрудники проходят обязательный онбординг по инцидентам. Формируется единая инженерная и операционная культура реагирования, направленная не на поиск виноватых, а на системную устойчивость.