maj 2026

The Monoculture Premium

Når standardisering af IT-landskabet gør virksomheden mere skrøbelig, og hvor meget der i stedet bør standardiseres.

Resumé

At konsolidere en virksomheds systemer på færre platforme er ortodoks rådgivning, og det af gode grunde: færre platforme er billigere at drive, bemande og integrere. Vi argumenterer for, at rådet kun er rigtigt op til et vist punkt, og at punktet kan beregnes. Standardisering bytter mange små, uafhængige fejl for få store, korrelerede; hver gang skaden ved et nedbrud vokser hurtigere end dets rækkevidde, stiger det forventede tab fra nedbrud, efterhånden som platformene konsolideres, selv om ingen enkelt fejl bliver mere sandsynlig. Vi hos Nashua opstiller en minimal model af en virksomhed, der vælger, hvor mange platforme den vil drive, med en driftsomkostning, der falder med konsolidering, og et nedbrudstab, der er konvekst i den andel af virksomheden, der tages ned, og udleder i lukket form det antal platforme, der minimerer deres sum. Resultatet er ikke-monotont: fuld standardisering er optimal, når nedbrud er sjældne, billige eller lineære, og ellers er et indre antal platforme det, hvor forskellen er monokulturpræmien, som konsolideringsbusiness cases overser. Vi viser, at nominel diversitet overvurderer effektiv diversitet, hver gang platforme deler en komponent, og argumenterer for, at tæt koblede kæder bør standardiseres, mens løst koblede funktioner ikke bør. Forankret i den nederlandske situation og i reguleringerne DORA og NIS2 slutter denne teoretiske forskning med, hvordan den kunne måles.

Nøgleord: standardisering; IT-konsolidering; koncentrationsrisiko; korreleret fejl; monokultur; resiliens; porteføljediversificering; DORA; NIS2; Nederlandene; operationel risiko

1. Indledning

Ved standardisering forstår vi reduktionen af antallet af forskellige platforme, produkter, leverandører eller komponenter, som en virksomhed driver til et givet formål, således at en større del af virksomheden afhænger af hver af dem, der bliver tilbage. Det hører til de mindst kontroversielle anbefalinger inden for informationsteknologi. Færre platforme betyder færre licenser, færre kompetencer at vedligeholde, færre integrationer at bygge og færre ting at sikre; litteraturen om enterprise-arkitektur behandler en standardiseret kerne som et fundament for eksekvering (Ross, Weill & Robertson, 2006), og konsolideringsprogrammer er fast inventar i enhver omkostningsgennemgang. Vi hos Nashua anbefaler ofte standardisering, og denne artikel hævder ikke, at det er forkert. Den hævder, at det er ikke-monotont: godt op til et vist punkt, skadeligt derudover, og at punktet kan beregnes ud fra størrelser, som en virksomhed kan estimere.

Argumentet blev ført for os den 19. juli 2024, da en fejlbehæftet indholdsopdatering til et bredt udrullet endpoint-sikkerhedsprodukt satte anslået 8.5 millioner Windows-computere ud af drift inden for få timer (Weston, 2024; CrowdStrike, 2024). Produktet var valgt af tusindvis af organisationer af de bedste grunde: det var dygtigt, det var standard, og at køre én sikkerhedsagent overalt var enklere end at køre flere. Nedbruddet nåede flyselskaber, lufthavne, hospitaler, tv-stationer og ministerier samme formiddag, i Nederlandene som andre steder, fordi de alle havde standardiseret på den samme komponent. Ingen af dem havde hver for sig begået en fejl. Tilsammen havde de bygget en monokultur, og en monokultur fejler på én gang.

Den økologiske analogi er gammel (Geer et al., 2003) og er sædvanligvis blevet brugt om softwaresikkerhed: en population, der kører ét styresystem, er sårbar over for ét exploit. Denne artikel fremsætter en anden og bredere påstand. Skaden fra korreleret fejl afhænger ikke af en angriber; den afhænger alene af tabsfunktionens form, af om det er værre at miste hele virksomheden på én gang end at miste dens dele hver for sig. Vi argumenterer for, at det næsten altid er tilfældet, viser, at dette alene får det forventede nedbrudstab til at stige med konsolidering, og udleder, hvor mange platforme en virksomhed bør drive som funktion af dens nedbrudssandsynlighed, dens tabsskala, dens tabs konveksitet og omkostningen ved hver yderligere platform.

Artiklen spørger: under hvilke betingelser øger standardisering af IT-landskabet virksomhedens forventede tab i stedet for at mindske det, og hvor meget bør en virksomhed i stedet standardisere? Afsnit 2 placerer spørgsmålet blandt de litteraturer, der har besvaret det på andre felter. Afsnit 3 giver modellen og optimummet i lukket form. Afsnit 5 argumenterer for, hvor konveksiteten kommer fra, og hvor den er fraværende. Afsnit 7 viser, hvorfor nominel diversitet overvurderer den reelle diversitet. Afsnit 9 læser den nederlandske situation gennem modellen. Afsnit 10 følger en konstrueret bank. Afsnit 12 til 16 giver regler, begrænsninger og konklusioner.

Den nederlandske ramme er bevidst. Nederlandene driver en national digital identitet, gennem hvilken de fleste borgere når det offentlige, sygeforsikringsselskaber og pensionskasser, og den er et single point of failure efter design. Landets finansielle sektor har siden januar 2025 været underlagt en europæisk forordning, der kræver, at institutioner vurderer koncentrationen af deres IKT-afhængigheder og indberetter større hændelser; dets kritiske sektorer er ved at komme under den nederlandske gennemførelse af en anden regulering, der udvider pligten. Koncentrationsrisiko er i Nederlandene blevet en størrelse under tilsyn. Denne artikel er et forsøg på at sætte en pris på den.

2. Baggrund

2.1 Argumentet for standardisering

Fordelene ved konsolidering er reelle og veldokumenterede. Ross, Weill og Robertson (2006) viste, at virksomheder med en standardiseret, integreret kerne eksekverede strategi mere pålideligt; Weill og Ross (2004) fandt, at de bedst præsterende begrænsede lokale valg af infrastruktur. Praktikerlitteraturen om total cost of ownership hviler på den samme økonomi: hver enkelt platform bærer faste omkostninger i licenser, kompetencer, værktøjer, integration og sikkerhed, som i vidt omfang er uafhængige af, hvor stor en del af virksomheden den betjener, så omkostningen pr. enhed af service falder, efterhånden som platforme konsolideres. Alt dette tager vi for givet. Modellen i afsnit 3 indeholder en driftsomkostning, der falder med konsolidering, og artiklens påstand handler om, hvad der bør sættes op imod den.

2.2 Korreleret fejl på andre felter

Andre felter lærte for længst, at koncentration og skrøbelighed følges ad. I finansverdenen viste Markowitz (1952), at en porteføljes risiko ikke afhænger af dens enkelte positioners risiko, men af hvordan de bevæger sig sammen, og at diversificering på tværs af ufuldkomment korrelerede aktiver sænker risikoen uden omkostning i forventet afkast; indsigten er feltets fundament. I økologien viste May (1972), at større og mere forbundne systemer, alt andet lige, er mindre stabile, og Tilman, Reich og Knops (2006) påviste eksperimentelt, at diverse økosystemer er mere stabile i deres produktivitet end monokulturer. Haldane og May (2011) førte det økologiske argument ind i bankvæsenet og viste, at et system af institutioner, der holder lignende aktiver og er forbundet gennem lignende eksponeringer, er tilbøjeligt til den samtidige fejl, som 2008 udviste. Inden for forsyningskædeledelse dokumenterede Sheffi (2005), hvordan redundans og fleksibilitet, ikke effektivitet alene, afgør, hvilke virksomheder der overlever en forstyrrelse, og litteraturen om resiliensteknik (Hollnagel, Woods & Leveson, 2006) har fremført det samme argument for sociotekniske systemer i almindelighed. Inden for sikkerhedsteknik argumenterede Perrow (1984) for, at tæt koblede, interaktivt komplekse systemer frembringer ulykker, der er normale snarere end exceptionelle, og Leveson (2011) for, at sikkerhed er en egenskab ved systemets struktur snarere end ved dets komponenter. Inden for IT-sikkerhed argumenterede Geer et al. (2003) for, at en softwaremonokultur er en national sårbarhed, fordi ét exploit når alle.

Hver af disse litteraturer indeholder denne artikels påstand i et andet ordforråd. Det, enterprise-IT-litteraturen mangler, er det skridt, som finansverdenen tog i 1952: en model, hvor fordelen ved koncentration og omkostningen ved korrelation optræder i den samme ligning, så afvejningen kan beregnes i stedet for at blive postuleret. Afsnit 3 er et forsøg på det skridt.

2.3 Koncentrationsrisiko som en størrelse under tilsyn

Den europæiske forordning om digital operationel modstandsdygtighed (forordning (EU) 2022/2554), der finder anvendelse på finansielle enheder fra januar 2025, kræver, at institutioner identificerer og vurderer IKT-koncentrationsrisiko, der opstår ved afhængighed af tredjepartsudbydere, og indberetter større IKT-relaterede hændelser til deres tilsynsmyndighed, i Nederlandene centralbanken. Det andet direktiv om net- og informationssikkerhed (direktiv (EU) 2022/2555) udvider pligterne til hændelsesindberetning og risikostyring til væsentlige og vigtige enheder på tværs af kritiske sektorer, gennem den nederlandske gennemførelseslov. Begge behandler koncentration som en risiko, der skal måles og styres, og ingen af dem siger, hvor meget koncentration der er for meget. Modellen nedenfor tilbydes som ét svar, og de hændelsesdata, som indberetningspligterne vil ophobe, er, som afsnit 15 argumenterer, midlet, hvormed den kunne kalibreres.

3. En minimal model

3.1 Opstilling

En virksomhed har NN forretningsfunktioner, som hver skal køre på en platform. Den vælger, hvor mange forskellige platforme den vil drive, mm, med 1≤m≤N1 \le m \le N; m=1m = 1 er fuld standardisering, og m=Nm = N er én platform pr. funktion. For klarhedens skyld antager vi, at funktionerne er fordelt jævnt, N/mN/m pr. platform; ujævne fordelinger behandles i afsnit 7.

At drive platforme koster penge. Hver enkelt platform bærer en omkostning c1c_1 pr. periode, som er uafhængig af, hvor mange funktioner den betjener: licenser, kompetencerne til at drive den, dens værktøjer, dens integration med resten, dens sikkerhed. Driftsomkostningen er

R(m)=c0+c1 m,(1)R(m) = c_0 + c_1 \, m, \tag{1}

Ligning 1. IT-landskabets driftsomkostning: en fast del plus en omkostning pr. platform.

hvor c0c_0 er den omkostning, der ikke afhænger af antallet af platforme. Dette er argumentet for standardisering: RR falder med c1c_1 for hver platform, der fjernes.

Platforme fejler. I hver periode rammes hver platform af et lammende nedbrud med sandsynlighed pp, uafhængigt af de andre; når det sker, er hver funktion på den nede i nedbruddets referencevarighed. Tabet fra et nedbrud afhænger af den andel ff af virksomhedens funktioner, der er nede samtidig:

L(f)=ℓ fγ,(2)L(f) = \ell \, f^{\gamma}, \tag{2}

Ligning 2. Tabet fra et nedbrud som en konveks funktion af den andel af funktionerne, der er nede samtidig.

hvor ℓ\ell er tabet, hvis hele virksomheden er nede, og γ\gamma er tabets konveksitet. Hvis γ=1\gamma = 1, er tabet proportionalt med den andel, der er nede: at miste halvdelen af virksomheden koster halvt så meget som at miste det hele. Hvis γ>1\gamma > 1, er tabet konvekst: at miste det hele koster mere end det dobbelte af at miste halvdelen. Afsnit 5 argumenterer for, at γ>1\gamma > 1 er normaltilfældet, og siger, hvor det ikke er.

3.2 Forventet tab og totalen

Med mm platforme, der hver bærer en andel 1/m1/m af funktionerne, er det forventede nedbrudstab pr. periode

E(m)=m⋅p⋅ℓ(1m)γ=p ℓ m 1−γ(3)E(m) = m \cdot p \cdot \ell \left(\tfrac{1}{m}\right)^{\gamma} = p \, \ell \, m^{\,1-\gamma} \tag{3}

Ligning 3. Forventet nedbrudstab pr. periode for mm lige belastede platforme.

Udtrykket rummer artiklens påstand. Når γ=1\gamma = 1, er E(m)=p ℓE(m) = p\,\ell for ethvert mm: det forventede tab afhænger ikke af, hvor mange platforme der er, og kun driftsomkostningen afgør, så fuld standardisering er optimal. Når γ>1\gamma > 1, falder E(m)E(m), når mm stiger: flere platforme, der hver bærer mindre, betyder mindre forventet tab, fordi konveksiteten straffer de store nedbrud, som få platforme frembringer. Konsolidering hæver det forventede tab, ikke fordi fejl bliver mere sandsynlige, pp er uændret, men fordi hver fejl bliver større, og store fejl koster mere end deres størrelse.

Virksomheden minimerer totalen

T(m)=c0+c1 m+p ℓ m 1−γ(4)T(m) = c_0 + c_1 \, m + p \, \ell \, m^{\,1-\gamma} \tag{4}

Ligning 4. Samlet omkostning: driftsomkostning plus forventet nedbrudstab, den størrelse virksomheden minimerer.

Behandles mm som kontinuert, og sættes den afledede lig nul, fås optimummet i lukket form:

m∗=(p ℓ (γ−1)c1)1/γ(5)m^{*} = \left( \frac{p \, \ell \, (\gamma - 1)}{c_1} \right)^{1/\gamma} \tag{5}

Ligning 5. Det optimale antal platforme i lukket form.

Det optimale antal platforme stiger med nedbrudssandsynligheden pp, tabsskalaen ℓ\ell og konveksiteten γ\gamma, og falder med omkostningen ved en platform c1c_1. Når udtrykket er under én, er fuld standardisering optimal; det ortodokse råd holder. Når det er over én, minimerer et indre antal platforme den samlede omkostning, og forskellen T(1)−T(m∗)T(1) - T(m^{*}) er det, vi kalder monokulturpræmien: det beløb, hvormed fuld standardisering koster mere end optimummet, pr. periode, når nedbrudstabet tælles med.

3.3 To regimer

Ligning (5) deler virksomheder i to regimer, og artiklens praktiske indhold ligger i at skelne dem fra hinanden. Tabel 1 viser begge med illustrative parametre, og figur 1 tegner det andet.

Tabel 1. Modellens to regimer med illustrative parametre. Omkostninger og tab i EUR millioner pr. år; c0c_0 udeladt, da den ikke påvirker optimummet.

Lav indsats Høj indsats
Nedbrudssandsynlighed pp (pr. platformår) 0.02 0.10
Tab hvis alt er nede ℓ\ell 20 60
Omkostning pr. platform c1c_1 1.0 1.0
Konveksitet γ\gamma 2 2
p ℓp\,\ell 0.4 6.0
m∗m^{*} fra (5) 0.63 →\to 1 2.45 →\to 2–3
T(1)T(1): én platform 1.4 7.0
T(2)T(2): to platforme 2.2 5.0
T(3)T(3): tre platforme 3.1 5.0
Monokulturpræmie T(1)−T(m∗)T(1) - T(m^{*}) 0 2.0

I lavindsatsregimet er nedbrud sjældne og billige, p ℓp\,\ell er lille i forhold til omkostningen ved en platform, og m∗m^{*} er under én: standardisér fuldt ud, som ortodoksien siger. I højindsatsregimet, med ét lammende nedbrud pr. platformårti og et tab på EUR 60 millioner ved et fuldt nedbrud, hvilket ikke er eksotisk for en bank, et flyselskab eller en hospitalsgruppe, er m∗m^{*} omkring to en halv, at drive én platform koster EUR 2 millioner om året mere end at drive to eller tre, og den ortodokse konsolideringsbusiness case, som kun tæller c1c_1, har forkert fortegn.

Figur 1. Højindsatsregimet fra tabel 1 (p = 0.10, ℓ = 60, c₁ = 1). Driftsomkostningen stiger med antallet af platforme; det forventede nedbrudstab falder, når tabet er konvekst; deres sum har et indre minimum. Med γ = 2 ligger optimummet mellem to og tre platforme, og én platform koster EUR 2 millioner om året mere; med γ = 1.5 er optimummet to og præmien mindre. Med γ = 1 ville tabslinjen være flad og én platform optimal.
Figur 1. Højindsatsregimet fra tabel 1 (p = 0.10, ℓ = 60, c₁ = 1). Driftsomkostningen stiger med antallet af platforme; det forventede nedbrudstab falder, når tabet er konvekst; deres sum har et indre minimum. Med γ = 2 ligger optimummet mellem to og tre platforme, og én platform koster EUR 2 millioner om året mere; med γ = 1.5 er optimummet to og præmien mindre. Med γ = 1 ville tabslinjen være flad og én platform optimal.

3.4 Forventningen er ikke hele historien

Ligning (5) handler om forventet tab, og forventet tab undervurderer argumentet mod monokultur. Betragt højindsatsregimet med γ=1\gamma = 1, hvor det forventede tab er EUR 6 millioner om året, uanset hvad mm er. Med én platform taber virksomheden intet i ni år ud af ti og EUR 60 millioner i det tiende. Med tre platforme taber den EUR 20 millioner i omkring hvert fjerde år, EUR 40 millioner i omkring tre år ud af hundrede og EUR 60 millioner i ét år ud af tusind. Forventningerne er lige store; fordelingerne er det ikke. Virksomheden med én platform har hvert år én chance ud af ti for et tab, der kan overstige en regulatorisk indberetningstærskel, en kapitalbuffer eller en omdømmetolerance; virksomheden med tre platforme har én chance ud af tusind. En bestyrelse, der ikke er ligeglad med størrelsen af sit værste år, hvilket vil sige enhver bestyrelse, bør foretrække fordelingen med tre platforme, selv hvor forventningerne er lige store, og præferencen lægger sig til konveksitetsargumentet frem for at afhænge af det. Bilag A giver haletallene.

4. Udvidelser af modellen

Den minimale model gør fire forenklinger, som en praktiker vil ønske lempet, før han stoler på dens tal: platforme fejler uafhængigt, funktioner er fordelt jævnt, et nedbruds tab afhænger ikke af dets varighed, og konsolidering i sig selv er gratis. Hver kan lempes uden at miste den lukkede forms lære, og hver lempelse flytter optimummet i en retning, der er værd at kende.

4.1 Fælles chok

Antag, at der ud over hver platforms uafhængige fejl med sandsynlighed qq pr. periode indtræffer et fælles chok, der sætter alle platforme ud af drift på én gang: en delt komponent fejler, en cyberhændelse spreder sig, en udbyders region går ned. Det forventede tab bliver

E(m)=q ℓ+(1−q) p ℓ m 1−γ(6)E(m) = q\,\ell + (1-q)\,p\,\ell\,m^{\,1-\gamma} \tag{6}

Ligning 6. Forventet tab med et fælles chok, der sætter alle platforme ud af drift på én gang med sandsynlighed qq.

Det fælles chok tilføjer et gulv, q ℓq\,\ell, som intet antal platforme fjerner, og det nedskalerer fordelen ved diversificering med (1−q)(1-q). Optimummet er som i ligning (5) med pp erstattet af (1−q) p(1-q)\,p: færre platforme er værd at drive, når fælles chok dominerer, fordi diversificering ikke kan røre dem. Den praktiske læsning er den, afsnit 7 udvikler: de første penge bør gå til at sænke qq ved at fjerne delte komponenter, og først derefter til at hæve mm, fordi en platform, der tilføjes under en delt komponent, intet køber mod det chok, der betyder mest.

4.2 Ujævne fordelinger og kerne-og-satellit-designet

Funktioner er sjældent fordelt jævnt. Det almindelige design er en kerneplatform, der bærer det meste af virksomheden, og satellitter, der bærer resten, og spørgsmålet er, om satellitterne er deres omkostning værd. Med andele s1,…,sms_1, \dots, s_m, der summer til én, er det forventede tab p ℓ∑jsjγp\,\ell \sum_j s_j^{\gamma}, som for et givet mm minimeres af lige store andele, fordi sγs^{\gamma} er konveks; enhver ujævnhed hæver det forventede tab over det jævne tilfælde. En kerne, der bærer ni tiendedele, med to satellitter på hver en tyvendedel har ved γ=2\gamma = 2 et forventet tab på p ℓ (0.81+0.0025+0.0025)=0.815 p ℓp\,\ell\,(0.81 + 0.0025 + 0.0025) = 0.815\,p\,\ell, knap under den enkelte platforms p ℓp\,\ell, mens der betales for tre platforme. Satellitterne koster næsten lige så meget som reel diversificering og leverer næsten ingen af den. Det design, der betaler sig, er det, der deler belastningen, hvilket er grunden til, at banken i afsnit 10 skiller privatkundebank fra erhvervsbank i stedet for at skære en lille satellit af en dominerende kerne.

4.3 Varighed

Et nedbruds tab vokser med, hvor længe det varer, og varigheden afhænger af antallet af platforme på to modsatrettede måder. Genopretningskapaciteten er begrænset, så et større nedbrud tager længere tid at genoprette, hvis de samme teams skal gendanne alt serielt; dette er en af kilderne til konveksitet i afsnit 5 og ligger allerede i γ\gamma. Heroverfor har et landskab med flere platforme flere forskellige ting, der kan gå i stykker, og flere forskellige genopretningsprocedurer at vedligeholde, så enhver enkelt genopretning kan være langsommere af mangel på øvelse. Den anden effekt taler for at holde mm beskedent og for at øve genopretning på hver platform, der beholdes, og den er en af grundene til, at reglerne i afsnit 12 foretrækker den mindre konsolidering frem for den større diversificering.

4.4 Omkostningen ved at konsolidere

Konsolidering er en migrering, og migreringer er i sig selv en kilde til nedbrud: data flyttes, grænseflader genopbygges, medarbejdere omskoles, og der er en periode med dobbeltdrift, hvor virksomheden afhænger af både det gamle og det nye. En konsolideringsbusiness case bør bære et engangsrisikoled, det forventede tab fra migreringshændelser, ved siden af den løbende besparelse, og bør anerkende, at leddet stiger med antallet af platforme, der fjernes. Modellen prissætter det ikke, fordi det er et engangsbeløb, og modellen er pr. periode, men det flytter beslutningen i samme retning som præmien: mod den mindre konsolidering.

4.5 Optimummets følsomhed

Figur 2 tegner optimummet fra ligning (5) mod forholdet p ℓ/c1p\,\ell / c_1, indsatsen i forhold til omkostningen ved en platform, for tre værdier af γ\gamma. Under et forhold på omkring én er optimummet én platform uanset konveksiteten, og det ortodokse råd er sikkert. Over det stiger optimummet, langsomt, med indsatsen: et forhold på seks, bankens tilfælde, giver to til tre platforme; et forhold på tyve, en hospitalsgruppe eller en børs, giver tre til fem. Kurverne er flade nok til, at de præcise parametre betyder mindre end regimet: en virksomhed behøver kun at vide nogenlunde, om dens forhold er under én eller godt over det, for at vide, om den er i det ortodokse regime eller i præmieregimet, og bilaget giver det fulde gitter.

Figur 2. Det optimale antal platforme mod indsatsratioen p ℓ/c₁ for tre konveksiteter. Under et forhold på omkring én er fuld standardisering optimal; over det stiger optimummet langsomt med indsatsen. Kurverne krydser hinanden, fordi højere konveksitet hæver tabet fra store nedbrud, men også hæver fordelen ved den første opdeling mere end ved de senere.
Figur 2. Det optimale antal platforme mod indsatsratioen p ℓ/c₁ for tre konveksiteter. Under et forhold på omkring én er fuld standardisering optimal; over det stiger optimummet langsomt med indsatsen. Kurverne krydser hinanden, fordi højere konveksitet hæver tabet fra store nedbrud, men også hæver fordelen ved den første opdeling mere end ved de senere.

5. Hvor konveksiteten kommer fra

Modellens resultat hviler på γ>1\gamma > 1: på påstanden om, at det koster mere at miste hele virksomheden på én gang end summen af at miste dens dele hver for sig. Påstanden bør argumenteres, ikke antages, og det bør siges, hvor den svigter, for hvor den svigter, er det ortodokse råd rigtigt.

5.1 Fem kilder til konveksitet

Gensidig dækning. Når én funktion er nede, dækker andre for den: en filial tager et opkald, som appen ikke kan, et lager sender det, som portalen ikke kan sælge, medarbejdere arbejder på papir. Dækning er kun mulig, hvis den dækkende funktion er oppe. Et delvist nedbrud absorberes af dækning; et totalt nedbrud har ingen til at dække. Tabet fra den sidste funktion, der går ned, er derfor større end tabet fra den første, hvilket er konveksitet.

Begrænset nødløsningskapacitet. En virksomhed har et begrænset antal mennesker, der kan køre manuelle nødløsninger, et begrænset antal telefonlinjer og en begrænset tolerance hos sine kunder. Et lille nedbrud holder sig inden for den kapacitet; et stort overskrider den, og overskuddet går tabt uden videre.

Tærskler. Regulatorisk indberetning, kontraktlige servicekreditter, omdømmemæssig opmærksomhed og mediedækning har alle tærskler. Et nedbrud under tærsklen koster sit direkte tab; et over den koster sit direkte tab plus tærsklens konsekvenser. Tærskler får tabsfunktionen til at springe opad med størrelsen, hvilket er konveksitet i det aggregerede.

Parallelitet i genopretning. Genopretning udføres af teams med begrænset kapacitet. To uafhængige nedbrud på forskellige platforme kan genoprettes parallelt af forskellige teams; ét nedbrud på tværs af alt genoprettes serielt af de samme mennesker, så dets varighed, og dets tab, vokser med dets størrelse.

Afhængighedssmitte. Funktioner afhænger af hinanden. En funktion, der er oppe, men afhænger af en, der er nede, er forringet; når andelen nede stiger, stiger andelen forringet hurtigere, fordi hvert yderligere nedbrud fjerner en afhængighed for flere overlevende.

Hver kilde er velkendt for enhver, der har håndteret en hændelse, og tilsammen gør de γ>1\gamma > 1 til normaltilfældet for en virksomhed af løst koblede funktioner. Værdien af γ\gamma er et empirisk spørgsmål; vi bruger 1.5 og 2 som illustrationer, og afsnit 15 siger, hvordan den kunne måles.

5.2 Hvor konveksiteten er fraværende: tæt kobling

Argumentet vendes om, hvor funktioner er så tæt koblede, at det er lige så slemt at miste en enkelt af dem som at miste alle. En betalingskæde, hvor autorisation, clearing og afvikling alle skal virke, for at nogen betaling kan gennemføres, er et sådant tilfælde: et nedbrud i ét trin standser kæden, og tabet fra ét trin nede er tabet fra kæden nede. Inden for en sådan kæde er γ≤1\gamma \le 1, diversificering på tværs af platforme køber intet, fordi enhver platform, der fejler, standser alt, og standardisering er korrekt: én platform, én fejltilstand, én genopretning. Perrows (1984) tætte kobling er betingelsen, og den giver artiklen dens første regel: standardisér inden for tæt koblede kæder, diversificér på tværs af løst koblede funktioner. Diversificeringens enhed er ikke funktionen, men kæden, og en virksomhed bør kortlægge sine kæder, før den tæller sine platforme.

Den samme logik besvarer en indvending. At drive flere platforme hjælper ikke, hvis en fejl på den ene forplanter sig til de andre; forplantning er kobling, og koblede platforme er én platform i modellens forstand. Diversitet tæller kun, hvor platformene fejler uafhængigt, hvilket er emnet for næste afsnit.

6. Måling af konveksiteten

Alt i modellen hviler på γ\gamma, og γ\gamma er en størrelse, som ingen virksomhed registrerer. Den kan måles, og dette afsnit viser hvordan med et konstrueret eksempel, så en risikofunktion kan gøre det samme med sit eget hændelsesregister.

6.1 Data

For hvert nedbrud i registret kræves to tal: den andel af virksomhedens funktioner, det nåede, ff, og det tab, det forårsagede, LL, i samme enheder som ℓ\ell. Andelen kan som regel genfindes i hændelsesrapporten, der nævner de berørte systemer; tabet er sværere, fordi virksomheder registrerer en hændelses direkte omkostning og sjældent dens tabte forretning, kompensation eller omdømmemæssige konsekvens, og konveksiteten ligger i høj grad i dem. Et register, der kun registrerer direkte omkostninger, vil undervurdere γ\gamma. Målingen begynder derfor med en engangsøvelse: for de ti eller tyve største nedbrud i registret rekonstrueres det fulde tab sammen med forretningen, inklusive hvad der blev reddet gennem dækning og nødløsninger, og hvad der ikke blev.

6.2 Tilpasningen

Med tabsfunktionen L=ℓfγL = \ell f^{\gamma} giver logaritmer log⁡L=log⁡ℓ+γlog⁡f\log L = \log \ell + \gamma \log f, en ret linje, hvis hældning er γ\gamma. Tabel 2 giver et konstrueret register over otte nedbrud for en virksomhed med tolv funktioner, og tilpasningen. De nedbrud, der nåede én funktion, kostede omkring en tyvendedel af tallet for et fuldt nedbrud, ikke en tolvtedel; de, der nåede halvdelen af virksomheden, kostede omkring en tredjedel, ikke halvdelen; hældningen er omkring 1.8. Tallet er illustrativt, men dets størrelse er pointen: en virksomhed, hvis små nedbrud absorberes af dækning, og hvis store ikke gør, vil finde γ\gamma et godt stykke over én, og tilpasningen gør fundet til et tal i stedet for et indtryk.

Tabel 2. Et konstrueret hændelsesregister for en virksomhed med tolv funktioner, og den konveksitet, der er tilpasset til det. Tab i EUR millioner, rekonstrueret til at omfatte tabt forretning og kompensation. Den tilpassede hældning af log⁡L\log L på log⁡f\log f er γ≈1.8\gamma \approx 1.8; skæringspunktet giver ℓ≈58\ell \approx 58.

Nedbrud Funktioner Andel ff Tab LL L/ℓL/\ell
A 1 0.08 0.7 0.012
B 1 0.08 1.1 0.019
C 2 0.17 2.4 0.041
D 3 0.25 4.9 0.084
E 4 0.33 8.0 0.138
F 6 0.50 17.0 0.293
G 9 0.75 36.0 0.621
H 12 1.00 58.0 1.000

6.3 Læsning af residualerne

Tilpasningens residualer er lige så informative som dens hældning. Nedbrud, der kostede mere, end linjen forudsiger for deres størrelse, er dem, hvor dækningen svigtede, nødløsningerne var udtømt, eller en tærskel blev krydset; deres rapporter siger hvilket, og det udpeger de kilder fra afsnit 5, der er aktive i denne virksomhed. Nedbrud, der kostede mindre end forudsagt, er dem, hvor dækningen virkede, og de udpeger de manuelle og gensidige kapaciteter fra afsnit 7, som er værd at beholde. En virksomhed, der tilpasser linjen og læser residualerne, lærer både sit γ\gamma og grundene til det, hvilket er mere, end modellen beder om, og præcis hvad konsolideringsbeslutningen har brug for.

6.4 Elicitering af γ\gamma uden data

Hvor registret er tyndt, kan γ\gamma afgrænses ved elicitering. Spørg forretningen, for et lille nedbrud og et stort, hvor længe dækningen holder, og hvilken brøkdel af værdien den opretholder; spørg, hvor indberetnings-, kontrakt- og omdømmetærsklerne ligger, og hvad det koster at krydse hver af dem; spørg, hvordan genopretning skalerer med antallet af systemer nede. Hvert svar giver et punkt på tabskurven, og tre eller fire punkter giver en hældning. Eliciteringen er grov, men den er grov det rigtige sted: beslutningen mellem én platform og to afhænger af, om γ\gamma er nær én eller nær to, og en elicitering kan som regel skelne dem fra hinanden.

7. Skjulte monokulturer

7.1 Nominel og effektiv diversitet

Modellen tæller platforme, der fejler uafhængigt. En virksomhed, der kører tre applikationsplatforme på ét styresystem, autentificerer alle tre gennem én identitetsudbyder, patcher alle tre gennem én agent og hoster alle tre i én cloudregion, har tre platforme set fra licensregningen og én set fra en fejl i enhver af de delte komponenter. Dens nominelle diversitet er tre; dens effektive diversitet, over for en fejl i en delt komponent, er én. Nedbruddet i juli 2024 var præcis dette: organisationer med diverse applikationslandskaber opdagede, at de delte én enkelt sikkerhedsagent, og agenten var den platform, der fejlede.

To mål gør skelnen operationel. For ujævne fordelinger, hvor platform jj bærer en andel sjs_j af funktionerne, er det effektive antal platforme den inverse af summen af de kvadrerede andele,

meff=1∑jsj2,(7)m_{\text{eff}} = \frac{1}{\sum_j s_j^{2}}, \tag{7}

Ligning 7. Effektivt antal platforme ved ujævne andele: den inverse af summen af de kvadrerede andele.

det inverse Simpson-indeks (Simpson, 1949), i økonomi kendt som det inverse Herfindahl-indeks (Hirschman, 1964). Tre platforme, der bærer halvdelen, tre tiendedele og en femtedel af virksomheden, har meff=2.6m_{\text{eff}} = 2.6, ikke tre; én, der bærer ni tiendedele, med to små andre har meff≈1.2m_{\text{eff}} \approx 1.2. Virksomhedens forventede tab styres af meffm_{\text{eff}}, og ligning (5) bør læses som et mål for den.

For delte komponenter, hvor platformenes fejl er korrelerede med parvis korrelation ρ\rho, er det effektive antal

meff=m1+(m−1) ρ,(8)m_{\text{eff}} = \frac{m}{1 + (m-1)\,\rho}, \tag{8}

Ligning 8. Effektivt antal platforme, når fejlene er korrelerede med parvis korrelation ρ\rho.

som falder fra mm ved ρ=0\rho = 0 til én ved ρ=1\rho = 1. Tre platforme med en korrelation på en halv er effektivt halvanden; med en korrelation på ni tiendedele er de effektivt én. En delt komponent, som alle platforme afhænger af, sætter ρ=1\rho = 1 for fejl i den komponent, uanset hvor diverse platformene ellers er.

7.2 En fortegnelse over delte komponenter

Tabel 3 oplister de komponenter, gennem hvilke virksomheder oftest deler en fejltilstand uden at bemærke det, fordi ingen af dem optræder som en platform i applikationsfortegnelsen. Fællestrækket er, at hver vælges én gang, for hele virksomheden, af en funktion, der ikke tæller platforme: sikkerhed vælger agenten, infrastruktur vælger hypervisoren og regionen, identitet vælger udbyderen, netværk vælger DNS. Hvert valg er lokalt fornuftigt, og hvert tilføjer en afhængighed med ρ=1\rho = 1.

Tabel 3. Komponenter, gennem hvilke nominelt diverse platforme deler en fejltilstand, og den funktion, der typisk vælger dem uden at tælle platforme.

Delt komponent Valgt af, og hvorfor den er usynlig
Endpoint-sikkerhedsagent Sikkerhed; udrullet til hver enhed ved politik
Styresystem og patchkanal Infrastruktur; »standardopsætningen«
Identitetsudbyder, single sign-on Identitet; hver applikation autentificerer gennem den
Hypervisor, cloududbyder, region Infrastruktur; hostingbeslutningen
DNS, certifikater, content delivery Netværk; ingen andre ser dem
Integrationsbus, API-gateway Arkitektur; hver integration passerer igennem
Én enkelt SaaS-leverandør til flere produkter Indkøb; én kontrakt, én leverandøransvarlig
Én enkelt integrator eller managed-service-udbyder Sourcing; ét sted at placere ansvaret
Netværkskerne, firewalls Netværk; én arkitektur

Fortegnelsen giver artiklens anden regel: tæl effektiv diversitet, ikke nominel diversitet. En konsolideringsbusiness case bør angive meffm_{\text{eff}} før og efter, beregnet over de delte komponenter såvel som applikationsplatformene, og en diversificeringsbeslutning bør kontrollere, at de platforme, der holdes adskilt, ikke deler en komponent, der gør dem til én.

7.3 Diversitet som sidste udvej

Én platform er altid tilgængelig og tælles næsten aldrig med: den manuelle proces. En filial, der kan tage en betaling på papir, et lager, der kan plukke fra en udskrevet liste, et sengeafsnit, der kan føre journal i hånden, er en anden platform med en høj driftsomkostning pr. transaktion, en korrelation nær nul med alt digitalt og en kapacitet, der er begrænset og forfalder, hvis den ikke øves. I modellen er den en platform med stort c1c_1 og ρ=0\rho = 0, det vil sige den dyreste og den mest værdifulde slags. Virksomheder, der har konsolideret til én digital platform og ladet den manuelle kapacitet forfalde, har meff=1m_{\text{eff}} = 1 i strengeste forstand, og de organisationer, der klarede sig bedst i juli 2024, var efter de fleste beretninger dem, der stadig kunne arbejde uden deres skærme.

8. Diversitet, der koster lidt

At drive en ekstra platform er den dyre måde at købe diversitet på, og modellen prissætter den til c1c_1. Flere designs køber noget af den samme beskyttelse for langt mindre, og modellen viser, hvorfor de virker: hvert sænker den andel ff, som en enkelt fejl kan nå, eller sænker korrelationen ρ\rho mellem de ting, der kan fejle, uden at tilføje en platform.

8.1 Diversitet i tid: ringe og kanariefugle

En ændring, der rulles ud til alle instanser på én gang, når f=1f = 1, hvis den er dårlig. Den samme ændring rullet ud i RR ringe, hvor hver ring holdes tilbage, indtil den forrige har kørt fejlfrit i en periode, når højst f=1/Rf = 1/R, før den standses, så tabet fra en dårlig ændring falder fra ℓ\ell til ℓ (1/R)γ\ell\,(1/R)^{\gamma}: med fire ringe og γ=2\gamma = 2 til en sekstendedel. Ringvis udrulning er diversitet i tid snarere end i platform, den koster forsinkelse snarere end penge, og den er tilgængelig for hver delt komponent i tabel 3. Det er også, hvad leverandøren i centrum af nedbruddet i juli 2024 bagefter indførte for de indholdsopdateringer, der forårsagede det (CrowdStrike, 2024): den første ring er kanariefuglen, og kanariefuglen er den billigste platform, en virksomhed kan drive. Modellens forbehold er, at ringe kun beskytter mod fejl, der viser sig inden for tilbageholdelsesperioden; en defekt, der ligger i dvale, når hver ring, og dvalende defekter er et fælles chok.

8.2 Diversitet i sted: regioner og lokationer

At hoste den samme platform i to regioner eller på to lokationer tilføjer ikke en platform, men det sænker ρ\rho for de fejl, der er lokale for en region: strøm, netværk, en udbyders regionale hændelse. Det gør intet for fejl i platformens egen software, som når begge regioner, og en virksomhed, der tæller en anden region som en anden platform, har forvekslet de to. Modellens læsning er, at regional diversitet sænker qq for én klasse af fælles chok og bør prissættes som sådan, ikke som m=2m = 2.

8.3 Degraderede tilstande

En platform, der kan falde tilbage til en reduceret tilstand, skrivebeskyttet, cachet, kø-og-videresend, når en afhængighed fejler, omdanner et totalt nedbrud til et delvist: den andel ff, som et nedbrud når, bliver den andel af funktionen, som den degraderede tilstand ikke kan opretholde. Degraderede tilstande er billige, hvor de er designet ind, og umulige, hvor de ikke er, og modellen tæller dem ved at sænke ff for afhængighedens fejl. Den manuelle proces fra afsnit 7 er grænsetilfældet, den degraderede tilstand, der ikke behøver software.

8.4 Diversitet i leverandører, ikke produkter

To produkter fra én leverandør deler leverandørens fejltilstande: dens opdateringsproces, dens identitetstjeneste, dens økonomiske sundhed. En virksomhed, der ønsker leverandørdiversitet i et lag, hvor et ekstra produkt er for dyrt, kan undertiden opnå den i lagets afhængigheder i stedet, en ekstra identitetsudbyder som fallback, en ekstra DNS, en ekstra certifikatmyndighed, til en brøkdel af en platforms omkostning. Disse sænker ρ\rho for afhængighedens fejl og lader platformantallet være uændret.

8.5 Hvad de har til fælles

Hvert af disse designs er billigt, fordi det ikke tilføjer en ting at drive; det ændrer, hvordan en eksisterende ting fejler. Modellen er indifferent mellem et lavere ff, et lavere ρ\rho og et højere mm, fordi alle tre sænker det forventede tab, og en virksomhed bør købe dem i rækkefølge efter omkostning pr. enhed af reduktion. Ringe og degraderede tilstande kommer som regel først, regional diversitet og afhængighedsdiversitet dernæst, og en ekstra platform sidst, hvilket er den omvendte rækkefølge af den, hvori konsolideringsgennemgange overvejer dem.

9. Den nederlandske situation

9.1 En formiddag i juli

Nedbruddet den 19. juli 2024 nåede Nederlandene, som det nåede alle andre steder. Fly i den nationale lufthavn blev forsinket og aflyst, da flyselskabernes og jordtjenesternes systemer svigtede; hospitaler meldte om forstyrrelser i systemer på berørte arbejdsstationer og udskød behandling; offentlige og private tjenester blev afbrudt. De berørte organisationer havde ikke valgt de samme applikationsplatforme; de havde valgt den samme sikkerhedsagent, som kørte med privilegeret adgang på hver Windows-computer, de ejede. I modellens termer var deres applikationsdiversitet irrelevant: agenten var en delt komponent med ρ=1\rho = 1, nedbruddet nåede en andel ff nær én i hver berørt organisation, og konveksiteten gjorde resten. Omkostningen blev båret af organisationer, der hver for sig intet uforsigtigt havde gjort, hvilket er en monokulturs kendetegn.

9.2 Et single point of failure efter design

Den nationale digitale identitet, DigiD, der drives af regeringens styrelse for digitale tjenester, er det middel, hvormed de fleste indbyggere når skattemyndigheden, kommunerne, sygeforsikringsselskaberne, pensionsadministratorerne og hospitalerne online. Den er et single point of failure efter design, valgt for den konsistens og bekvemmelighed, som én identitet bringer, og valget er forsvarligt på præcis den standardiseringsøkonomi, som denne artikel tager for givet. Modellen siger, hvad valget koster: for hver tjeneste, der afhænger af den, er identitetslaget en delt komponent med ρ=1\rho = 1, og et nedbrud, som denial-of-service-angreb har forårsaget flere af, fjerner adgangen til dem alle på én gang. De afbødninger, der findes, en særskilt identitetsordning for virksomheder, den kommende europæiske digitale identitetstegnebog og tjenesternes egne fallbackkanaler, er diversificering i modellens forstand, og deres værdi kan udtrykkes i dens termer: hver sænker ρ\rho for en vis andel af de afhængige tjenester. Vi hævder ikke, at den nationale identitet bør duplikeres; vi hævder, at de virksomheder, der afhænger af den, bør tælle den med i meffm_{\text{eff}} og holde en fallbackkanal øvet.

9.3 Regulering, der tæller koncentration

DORA kræver, at nederlandske finansielle enheder vurderer deres IKT-koncentrationsrisiko og indberetter større hændelser til centralbanken; den nederlandske gennemførelse af NIS2 udvider pligterne til indberetning og risikostyring til de kritiske sektorer. Begge gør koncentration til en størrelse, der skal kendes. Modellen tilbyder tilsynsmyndigheden og de tilsynsbelagte det samme ordforråd: meffm_{\text{eff}} er koncentrationen, ligning (5) er det niveau, hvor den holder op med at være forsvarlig, og monokulturpræmien er omkostningen ved at overskride det. De hændelsesindberetninger, som begge reguleringer nu kræver, er, som afsnit 15 argumenterer, de data, hvorfra pp, ℓ\ell og frem for alt γ\gamma omsider kunne måles i stedet for at antages.

9.4 Hospitalernes formiddag

Hospitaler er den sektor, hvor konveksiteten fra afsnit 5 er mest synlig, fordi tærsklerne er kliniske. Et sengeafsnit, der mister sin elektroniske journal, falder tilbage på papir og klarer sig; et hospital, der mister alle sengeafsnits journaler på én gang, sammen med laboratoriet, apoteket og de billeddiagnostiske systemer, der afhænger af de samme arbejdsstationer, klarer sig ikke og udskyder behandling. Flere nederlandske hospitaler meldte om præcis dette den 19. juli 2024, og de, der kom sig hurtigst, var efter deres egne beretninger dem med øvede papirprocedurer, hvilket i modellens termer er diversitet som sidste udvej. Sektorens konsolidering på et lille antal elektroniske journalplatforme, forsvarlig på ethvert standardiseringsgrundlag, er også en monokultur på tværs af hospitaler: en defekt i én platform når hvert hospital, der kører den, hvilket er et fælles chok på sektorniveau, som intet enkelt hospitals diversificering kan imødegå, og som NIS2-gennemførelsesloven, ved at udpege sektoren som væsentlig, nu forpligter sektoren til at overveje.

9.5 Hvad reguleringerne beder om, i modellens termer

DORA’s krav oversættes direkte til modellens størrelser. Det register over IKT-tredjepartsaftaler, som den kræver, at hver finansiel enhed fører, er fortegnelsen over delte komponenter fra tabel 3 i regulatorisk form, og meffm_{\text{eff}} kan beregnes ud fra det. Den koncentrationsrisikovurdering, den kræver, er spørgsmålet om, hvorvidt meffm_{\text{eff}} er forsvarlig, hvortil ligning (5) er ét svar. Og dens klassifikation af større hændelser, som bruger tærskler for berørte kunder, varighed, geografisk udbredelse og økonomisk påvirkning, er en kilde til konveksitet i sig selv: et nedbrud, der krydser tærsklerne, medfører indberetningsmæssige, tilsynsmæssige og omdømmemæssige konsekvenser, som et under dem ikke gør, så reguleringen selv gør tabskurven stejlere over tærsklen. En institution, der estimerer sit γ\gamma, bør medregne reguleringens tærskler blandt kilderne, hvilket betyder, at DORA både måler koncentration og hæver dens omkostning.

9.6 Suverænitetsspørgsmålet

Den nederlandske offentlige debat om afhængighed af et lille antal ikke-europæiske cloududbydere er i modellens termer en debat om qq: et fælles chok, juridisk, politisk eller kommercielt, som ville nå hver arbejdsbyrde hostet hos én udbyder på én gang. Modellen afgør ikke debatten, som afhænger af sandsynligheden for et sådant chok, men den fastlægger dens termer: en ekstra udbyder er en platform til omkostning c1c_1, som sænker qq for én klasse af chok, og om den er værd at drive, afhænger af qq, ℓ\ell og γ\gamma på sædvanlig vis. Virksomheder på begge sider af debatten ville argumentere mere nyttigt med disse tre tal end uden dem.

10. Et konstrueret tilfælde

Tilfældet er konstrueret, ikke observeret. Det er ikke en beretning om nogen bank, og dets tal er illustrative; det findes for at køre modellen på en beslutning af den slags, som konsolideringsgennemgange frembringer.

10.1 Forslaget

Bank K er en mellemstor nederlandsk bank, som efter to fusioner driver fire kernebankplatforme, én pr. tidligere enhed, der hver bærer omtrent en fjerdedel af dens funktioner. En omkostningsgennemgang foreslår konsolidering til én, hvilket sparer EUR 3 millioner om året i licenser, kompetencer, værktøjer og integration: fjernelsen af tre platforme til c1=c_1 = EUR 1 million hver. Business casen tæller besparelsen og migreringsomkostningen og intet andet, og den godkendes i princippet.

10.2 Modellens læsning

Bankens risikofunktion estimerer, ud fra sin egen hændelseshistorik og sine ligestilledes, at et lammende nedbrud af en kerneplatform indtræffer omkring én gang pr. årti pr. platform, p=0.10p = 0.10; at et fuldt nedbrud af referencevarigheden ville koste omkring EUR 60 millioner i kompensation, tabt forretning, regulatorisk konsekvens og omdømme; og, ud fra formen på dens tidligere delvise nedbrud, som kostede langt mindre end deres proportionale andel, at γ≈2\gamma \approx 2. Dette er højindsatsparametrene fra tabel 1, og modellens læsning af forslaget står i tabel 4.

Tabel 4. Bank K: driftsomkostning, forventet nedbrudstab og total for den nuværende systemportefølje, forslaget og modellens optimum. EUR millioner pr. år; c0c_0 udeladt. Haletal fra bilag A.

4 (nu) 1 (plan) 2 3
Driftsomkostning c1mc_1 m 4.0 1.0 2.0 3.0
Forventet tab E(m)E(m) 1.5 6.0 3.0 2.0
Total T(m)T(m) 5.5 7.0 5.0 5.0
Værste år ud af 20 (VaR 95%) ≈\approx30 60 30 20

Forslaget sparer EUR 3 millioner i driftsomkostning og tilføjer EUR 4.5 millioner i forventet nedbrudstab. Dets total er EUR 1.5 millioner om året dårligere end den systemportefølje, det erstatter, og dets værste år ud af tyve fordobles fra omkring EUR 30 millioner til EUR 60 millioner. Konsolidering til to platforme sparer derimod EUR 2 millioner i driftsomkostning, tilføjer EUR 1.5 millioner i forventet tab og sænker totalen med en halv million med det værste år uændret; konsolidering til tre sænker totalen med det samme beløb og halverer det værste år. Det ortodokse skridt har forkert fortegn; det rigtige skridt er en mindre konsolidering, end gennemgangen foreslog.

10.3 Designet

Banken konsoliderer til to platforme og anvender artiklens regler på opdelingen. Den kortlægger først sine tæt koblede kæder: betalingskæden, fra autorisation til afvikling, placeres samlet på én platform, fordi γ≤1\gamma \le 1 inden for den, og diversitet intet ville købe. De resterende funktioner deles langs den løseste kobling, banken har, privatkundebank på den ene platform og erhvervsbank på den anden, så et nedbrud af den ene lader den anden betjene sine kunder og kunne dække, hvilket er der, konveksiteten kommer fra. Banken kontrollerer dernæst den effektive diversitet: de to platforme gives forskellige patchkanaler og forskellige endpoint-agenter, hostes i forskellige cloudregioner og autentificeres gennem et identitetslag, hvis fallback øves kvartalsvis, så korrelationen gennem delte komponenter er lav snarere end én. Den manuelle kapacitet i filialnettet for privatkunder beholdes og øves. Bankens mm er to; dens meffm_{\text{eff}}, beregnet over delte komponenter, er tæt på to; og dens konsolideringsbusiness case bærer nu en linje for nedbrudstab, som gennemgangens ikke gjorde.

11. Et andet konstrueret tilfælde: en hospitalsgruppe

Bankens tilfælde handler om platforme. Det andet handler om delte komponenter, hvor modellen siger, at den større risiko som regel ligger. Det er konstrueret, ikke observeret, og er ikke en beretning om noget hospital.

11.1 Systemporteføljen

Hospitalsgruppe G driver tre hospitaler på én elektronisk patientjournal, ét laboratoriesystem, ét billeddiagnostisk system og ét apotekssystem: fire platforme, hver en sektorstandard, hver valgt med omhu. Hver arbejdsstation på de tre hospitaler kører den samme styresystemopsætning, den samme endpoint-sikkerhedsagent og den samme patchkanal; hver kliniker autentificerer gennem én identitetsudbyder; alle fire platforme hostes i ét datacenter med en varm standby i et andet. Nominelt er m=4m = 4. Gruppens register, opbygget til NIS2-gennemførelsesloven, viser, at alle fire platforme afhænger af arbejdsstationsopsætningen, agenten, identitetsudbyderen og datacentrets netværk, og at standbyen deler agenten og identitetsudbyderen med det primære.

11.2 Effektiv diversitet

For fejl i platformenes egen software er meffm_{\text{eff}} omkring fire, og gruppen er godt diversificeret: en defekt i apotekssystemet lader journalen, laboratoriet og billeddiagnostikken køre, og det kliniske tab er afgrænset. For fejl i arbejdsstationsopsætningen, agenten, identitetsudbyderen eller netværket er ρ=1\rho = 1 på tværs af alle fire platforme og meff=1m_{\text{eff}} = 1: en defekt i enhver af dem når hver kliniker på hvert hospital på én gang, og standbyen, som deler to af dem, hjælper ikke. Gruppens reelle diversitet er én platform for de fejltilstande, som historien siger er mest tilbøjelige til at være korrelerede, og juli 2024 var en fejl af præcis den slags.

11.3 Tallene

Gruppens risikofunktion estimerer en lammende fejl i en delt komponent til p=0.08p = 0.08 pr. år på tværs af sættet, et tab ved fuldt nedbrud på omkring EUR 40 millioner for referencevarigheden, i udskudt behandling, omdirigering, overarbejde og regulatorisk konsekvens, og, ud fra hospitalernes egne delvise nedbrud, et γ\gamma på omkring 2.2, stejlt fordi et delvist nedbrud absorberes af papir, og et totalt ikke gør. For fejltilstanden med delte komponenter giver p ℓ/c1p\,\ell / c_1 med c1c_1 på omkring EUR 0.8 millioner et forhold på fire, og ligning (5) giver m∗≈2m^{*} \approx 2: gruppen bør drive sine delte komponenter i to uafhængige sæt, ikke ét.

11.4 Designet

At drive to elektroniske patientjournaler ville være ruinerende, og modellen beder ikke om det; den beder om to uafhængige sæt af de delte komponenter, der i dag gør de fire platforme til én. Gruppen deler sine arbejdsstationer i to opsætninger med to agenter fra forskellige leverandører og to patchkanaler, tildeler hver hospitalsafdeling til én opsætning, så hvert sengeafsnit har kolleger på den anden, tilføjer en ekstra identitetssti som fallback, der øves månedligt, og flytter standby-datacentret til et netværk og en agent, som det primære ikke deler. Platformene forbliver fire. Den effektive diversitet for fejl i delte komponenter stiger fra én til omkring to, hvilket er, hvad modellen bad om, til en omkostning et godt stykke under en ekstra platforms: den anden opsætning og agent koster en brøkdel af c1c_1, den anden identitetssti er en afhængighed snarere end en platform, og den ringvise udrulning fra afsnit 8 anvendes på begge opsætninger, så en dårlig opdatering højst når en fjerdedel af systemporteføljen. Papirfallbacken beholdes, finansieres og øves kvartalsvis, fordi den for gruppen er den eneste platform med en korrelation på nul til alt andet.

11.5 Hvad tilfældet viser

Bankens tilfælde viste, at den ortodokse konsolidering kan have forkert fortegn. Hospitalets viser noget mere almindeligt: en virksomhed, der er diversificeret i sine platforme og en monokultur i sine komponenter, hvor præmien betales, uden at en konsolidering nogensinde er blevet foreslået, og hvor afhjælpningen koster lidt, fordi den er diversitet i komponenter, tid og afhængigheder snarere end i platforme. De fleste virksomheder ligger tættere på hospitalet end på banken, og det register, som DORA og NIS2 nu kræver, er det instrument, der viser dem det.

12. Regler

Standardisér inden for kæder, diversificér på tværs af funktioner. Kortlæg de tæt koblede proceskæder; inden for hver, én platform. På tværs af løst koblede funktioner gælder modellens optimum. Diversificeringens enhed er kæden.

Tæl effektiv diversitet. Beregn meffm_{\text{eff}} over delte komponenter såvel som applikationsplatforme, før og efter enhver konsolidering. Tre platforme på én agent er én platform.

Prissæt præmien. Tilføj til hver konsolideringsbusiness case en linje for forventet nedbrudstab, p ℓ m1−γp\,\ell\,m^{1-\gamma} før og efter, med virksomhedens egne estimater. En case, der ikke kan angive pp, ℓ\ell og γ\gamma, er ikke en case om risiko, og konsolidering er en beslutning om risiko.

Tjek halen. Angiv det værste år ud af tyve før og efter, og sammenlign det med virksomhedens indberetningstærskler, kapitalbuffere og kontraktlige eksponeringer. Lige store forventninger med forskellige haler er forskellige beslutninger.

Bevar diversiteten som sidste udvej. Behandl den manuelle kapacitet som en platform: finansiér den, øv den, og tæl den med. Den er den eneste platform med en korrelation på nul.

Foretræk den mindre konsolidering. Hvor modellen giver et indre optimum, er tabet ved at standse én platform før det lille, og tabet ved at gå én platform forbi det stort, fordi kurven for forventet tab er stejl nær én. I tvivlstilfælde, behold en platform.

13. Prissætning af præmien i en business case

Reglerne i afsnit 12 beder om, at præmien prissættes. Dette afsnit viser, hvordan linjen ser ud i det dokument, hvor konsolidering faktisk besluttes, fordi en risiko, der ikke står på business casens side, ikke er med i beslutningen. Tabel 5 opstiller en konsolideringscase i den form, de fleste økonomifunktioner bruger, med de linjer, modellen tilføjer, markeret, for banken fra afsnit 10.

Tabel 5. En konsolideringsbusiness case for Bank K med modellens linjer tilføjet (markeret ⋆\star). Årlige tal i EUR millioner bortset fra engangslinjerne for migrering. Den ortodokse case viser, at forslaget sparer 3.0 om året; den fulde case viser, at det koster 1.5 om året mere end i dag og 2.0 mere end alternativet med to platforme, med et fordoblet værste år.

Linje I dag (m=4m=4) Forslag (m=1m=1) Alternativ (m=2m=2) Kilde
Driftsomkostning for platforme, c1mc_1 m 4.0 1.0 2.0 Licenser, kompetencer, værktøjer, integration
Driftsomkostning, øvrig (c0c_0) 12.0 12.0 12.0 Uændret af mm
Ortodoks årlig total 16.0 13.0 14.0
⋆\star Forventet nedbrudstab, p ℓ m1−γp\,\ell\,m^{1-\gamma} 1.5 6.0 3.0 p=0.10p=0.10, ℓ=60\ell=60, γ=2\gamma=2
⋆\star Heraf henførbart til delte komponenter (q ℓq\,\ell) 0.6 0.6 0.6 q=0.01q=0.01; uændret, medmindre komponenter diversificeres
Fuld årlig total 17.5 19.0 17.0
⋆\star Værste år ud af tyve (VaR 95%) ≈\approx30 60 30 Bilag A
⋆\star Krydser DORA’s tærskler for større hændelser i værste år sandsynligt sikkert sandsynligt Berørte kunder, varighed
Engangsomkostning til migrering – 18.0 9.0 Programestimat
⋆\star Engangsrisiko for nedbrud under migrering – 2.4 1.0 Forventet tab fra migreringshændelser
⋆\star Effektiv diversitet meffm_{\text{eff}} efter delte komponenter 3.6 1.0 1.9 Fra registret

Tre træk ved den fulde case er værd at fremhæve. For det første er den ortodokse case og den fulde case ikke uenige om besparelsens størrelse, men om dens fortegn: forslagets besparelse på EUR 3 millioner i driftsomkostning er reel, og den er mindre end de EUR 4.5 millioner i nedbrudstab, det tilføjer. En økonomifunktion, der kun ser den øverste blok, godkender forslaget; en, der ser hele siden, foretrækker alternativet, og begge læser de samme tal. For det andet er linjen for delte komponenter uændret på tværs af kolonnerne, hvilket er modellens måde at sige, at konsolideringsbeslutningen ikke rører virksomhedens største korrelerede risiko; den risiko imødegås af designet fra afsnit 8, ikke af platformantallet, og en case, der viser linjen uændret, inviterer til spørgsmålet om, hvad der ville ændre den. For det tredje er halelinjerne ikke additive med resten og bør ikke modregnes i besparelsen; de vises, så bestyrelsen kan se, hvad den accepterer, og de er de linjer, som en tilsynsmyndighed, der læser casen under DORA, vil spørge til først.

Skabelonen generaliserer. Enhver konsolideringscase kan bære de fire stjernemarkerede årlige linjer, de to stjernemarkerede engangslinjer og linjen for effektiv diversitet, og en virksomhed, der ikke kan udfylde dem, har endnu ikke estimeret pp, ℓ\ell og γ\gamma, hvilket bilag B viser, hvordan man gør. Øvelsen tager som regel en risikofunktion nogle få uger, hvilket er kort mod de år, en konsolidering tager, og det årti, over hvilket dens præmie betales.

14. Implikationer for tilsynsmyndigheder

De reguleringer, der nu kræver, at nederlandske virksomheder vurderer koncentrationsrisiko, siger ikke, hvor meget koncentration der er for meget, og en tilsynsmyndighed, der vurderer en institutions vurdering, har brug for en standard. Modellen tilbyder tre spørgsmål, som en tilsynsmyndighed kan stille til enhver institutions konsolideringsbeslutning eller koncentrationsvurdering, og som hver har et tal som svar.

Det første er systemporteføljens effektive diversitet, beregnet ud fra registret over delte komponenter såvel som platforme, og om den overhovedet er blevet beregnet. En institution, der indberetter sit platformantal uden sine delte komponenter, har indberettet nominel diversitet, og juli 2024 er den stående demonstration af, at nominel diversitet ikke er den størrelse, der fejler. Det andet er institutionens eget estimat af sin tabskonveksitet, med de hændelsesdata eller den elicitering, der understøtter det, fordi en institution, der ikke har estimeret γ\gamma, ikke kan have prissat sin koncentration, og en institution, hvis γ\gamma er nær én, efter egen opgørelse har lidt at vinde ved at diversificere og bør kunne sige hvorfor. Det tredje er, om de seneste års konsolideringsbeslutninger bar linjerne fra tabel 5, og hvis ikke, hvad præmien på hver ville have været. Ingen af disse spørgsmål kræver, at tilsynsmyndigheden foreskriver et antal platforme, hvilket modellen heller ikke gør; de kræver, at institutionen viser, at den kender den afvejning, den har foretaget, hvilket er, hvad en koncentrationsrisikovurdering er til for.

En tilsynsmyndighed kan også bruge modellen på sektorniveau, hvor dens fælles-chok-form gælder. En sektor, hvor de fleste institutioner kører den samme platform, den samme agent eller den samme udbyder, har et qq, som ingen institutions egen diversificering sænker, og sektorens modstandsdygtighed er da en egenskab ved leverandøren snarere end ved de tilsynsbelagte. Modellen giver tilsynsmyndigheden ordforrådet til at sige det, og registerdataene giver den midlerne til at se det før den formiddag, hvor det bliver demonstreret.

15. Begrænsninger og forskningsdagsorden

Dette er teoretisk forskning. Fire begrænsninger følger, hver med en test.

For det første er γ\gamma umålt. Den er modellens afgørende parameter og den, som ingen virksomhed i dag registrerer. Den kunne estimeres ud fra hændelseshistorikker ved at regressere hvert nedbruds tab på den andel af virksomheden, det nåede, inden for en virksomhed eller på tværs af en sektor; den hændelsesindberetning, som DORA og NIS2 nu kræver, vil for første gang frembringe stikprøven. Vi forudsiger, at γ\gamma er over én for de fleste virksomheder og sektorer, et godt stykke over én, hvor tærskler er fremtrædende, og på eller under én inden for tæt koblede kæder. Et fund af γ≤1\gamma \le 1 over hele linjen ville gendrive artiklens praktiske påstand og kun efterlade dens haleargument.

For det andet tager modellen platformfejl som uafhængige og behandler korrelation gennem meffm_{\text{eff}}. En fyldigere model ville give den simultane fordeling af fejl over en afhængighedsgraf, og fortegnelsen over delte komponenter fra afsnit 7 er det første skridt mod en sådan. Testen er, om meffm_{\text{eff}} beregnet ud fra en fortegnelse forudsiger den observerede korrelation mellem nedbrud.

For det tredje er driftsomkostningen lineær i platforme, og tabet er en potens af andelen nede. Begge er forenklinger; faste omkostninger pr. platform kan falde med skala, og tab kan springe snarere end krumme. Det kvalitative resultat, et indre optimum, hver gang tabet er konvekst, og p ℓp\,\ell er stort i forhold til c1c_1, overlever enhver omkostningsfunktion, der stiger med platforme, og enhver tabsfunktion, der er konveks; den lukkede form gør ikke.

For det fjerde er tilfældet konstrueret, og den nederlandske læsning er fortolkende. Begivenhederne i juli 2024 og designet af den nationale identitet er offentlige; påstanden om, at virksomheder, der afhænger af dem, bør tælle dem med i meffm_{\text{eff}}, er vores. Et feltstudie, der beregnede meffm_{\text{eff}} for en stikprøve af nederlandske finansielle enheder ud fra deres DORA-koncentrationsvurderinger og sammenlignede den med ligning (5) ved hjælp af deres egne tabsestimater, ville vise, hvor langt sektoren er fra modellens optimum og i hvilken retning.

16. Konklusion

Standardisering af IT-landskabet sænker dets driftsomkostning og hæver dets skrøbelighed, og de to udligner ikke hinanden. Færre platforme betyder større nedbrud, og når skaden ved et nedbrud vokser hurtigere end dets størrelse, hvilket den gør, hver gang funktioner kan dække for hinanden, nødløsninger er begrænsede, og tærskler findes, stiger det forventede nedbrudstab, efterhånden som platforme konsolideres, selv om ingen fejl bliver mere sandsynlig. Det antal platforme, der minimerer summen af driftsomkostning og nedbrudstab, har en lukket form: det stiger med nedbruds sandsynlighed og skala og med tabets konveksitet, og falder med omkostningen ved en platform. Under én holder det ortodokse råd; over én betaler den virksomhed, der standardiserer fuldt ud, en monokulturpræmie, som dens konsolideringsbusiness case ikke viser.

Vi hos Nashua har argumenteret for, at præmien er reel, at den er størst, hvor virksomheder mindst venter den, i nominelt diverse landskaber, der deler en komponent, og at den bør prissættes ind i enhver konsolideringsbeslutning ved siden af besparelserne. Reglerne er få: standardisér inden for tæt koblede kæder, og diversificér på tværs af løst koblede funktioner; tæl effektiv diversitet, ikke nominel; prissæt præmien; tjek halen; og bevar den manuelle kapacitet som den ene platform, der fejler sammen med intet andet. Den konveksitet, som argumentet hviler på, er den størrelse, der er mest værd at måle, og de reguleringer, der nu får nederlandske virksomheder til at indberette deres hændelser, vil for første gang gøre den målelig. Vi vil hellere have den målt end troet.

Bilag A. Haletal

For mm lige belastede platforme, der hver fejler uafhængigt med sandsynlighed pp pr. år og hver bærer en andel 1/m1/m, er antallet af platforme nede i et år binomialfordelt med parametre mm og pp, og tabet er ℓ (j/m)γ\ell\,(j/m)^{\gamma}, når jj er nede. Tallene nedenfor bruger p=0.10p = 0.10 og ℓ=60\ell = 60; 95%-value at risk (VaR) er det mindste tab, hvis overskridelsessandsynlighed er under 5%.

Tabel 6.

m=1m=1 m=2m=2 m=3m=3 m=4m=4
P(intet nedbrud) 0.900 0.810 0.729 0.656
P(én platform nede) 0.100 0.180 0.243 0.292
P(to nede) – 0.010 0.027 0.049
P(tre eller flere nede) – – 0.001 0.004
Tab, én nede (γ=1\gamma=1) 60 30 20 15
Forventet tab (γ=1\gamma=1) 6.0 6.0 6.0 6.0
Forventet tab (γ=2\gamma=2) 6.0 3.0 2.0 1.5
VaR 95% (γ=1\gamma=1) 60 30 20 ≈\approx30

Value at risk for m=4m = 4 er omtrent 30, fordi sandsynligheden for, at to eller flere platforme fejler i samme år, omkring 5.2%, ligger lige over 5%-niveauet; med lidt lavere pp ville den være 15. Tabellens pointe er den første og den sidste række: det forventede tab under γ=1\gamma = 1 er identisk på tværs af kolonnerne, og det værste år ud af tyve er det ikke.

Bilag B. Estimering af parametrene

Nedbrudssandsynlighed pp. Fra virksomhedens hændelsesregister: lammende nedbrud pr. platformår over det længste tilgængelige vindue, puljet med data fra ligestillede eller sektoren, hvor virksomhedens egen historik er kort. Tæl nedbrud, der satte platformen ud af drift i referencevarigheden eller længere; kortere nedbrud hører til en anden tabsskala.

Tabsskala ℓ\ell. Tabet ved, at hele virksomheden er nede i referencevarigheden: tabt omsætning eller service, kompensation og servicekreditter, regulatorisk konsekvens, genopretningsomkostning og et omdømmeestimat. De fleste virksomheder har dette tal i deres beredskabsplanlægning under et andet navn.

Konveksitet γ\gamma. Fra hændelsesregistret: for hvert nedbrud den andel af funktioner, det nåede, og det tab, det medførte; tilpas log⁡(loss)=log⁡ℓ+γlog⁡(share)\log(\text{loss}) = \log \ell + \gamma \log(\text{share}). Hvor registret er tyndt, eliciteres γ\gamma fra kilderne i afsnit 5: spørg, hvor længe dækning og nødløsninger holder, hvor tærsklerne ligger, og hvordan genopretning skalerer, og afgræns γ\gamma ud fra svarene.

Platformomkostning c1c_1. Fra konsolideringsbusiness casen selv: den besparelse, der hævdes pr. fjernet platform, er pr. konstruktion c1c_1.

Effektiv diversitet meffm_{\text{eff}}. Fra applikationsfortegnelsen og fortegnelsen over delte komponenter fra tabel 3: beregn det andelsbaserede mål over platforme, og registrér dernæst for hver delt komponent, hvilke platforme der afhænger af den, og sæt deres parvise korrelation til én for den komponents fejltilstand.

Bilag C. Følsomhedsgitter

Tabel 7 giver m∗m^{*} fra ligning (5) for et gitter af indsatsratioen p ℓ/c1p\,\ell / c_1 og konveksiteten γ\gamma. Værdier under én betyder fuld standardisering.

Tabel 7. Optimalt antal platforme m∗m^{*} efter indsatsratio og konveksitet.

p ℓ/c1p\,\ell / c_1 0.5 1 2 4 8 16
γ=1.25\gamma = 1.25 0.19 0.33 0.57 1.00 1.74 3.03
γ=1.5\gamma = 1.5 0.40 0.63 1.00 1.59 2.52 4.00
γ=2\gamma = 2 0.71 1.00 1.41 2.00 2.83 4.00
γ=2.5\gamma = 2.5 0.92 1.18 1.55 2.05 2.70 3.56
γ=3\gamma = 3 1.00 1.26 1.59 2.00 2.52 3.17

Bilag D. Forventet tab med korrelerede fejl

Lad de mm platforme fejle med marginal sandsynlighed pp hver og parvis korrelation ρ\rho mellem fejlindikatorerne. Det forventede antal platforme nede er m pm\,p uanset ρ\rho, så med lineært tab (γ=1\gamma = 1) ændrer korrelation ikke forventningen; den ændrer kun fordelingen og koncentrerer det samme forventede tab i færre, større hændelser. Med konvekst tab hæver korrelation forventningen, fordi den hæver sandsynligheden for det store ff, som konveksiteten straffer. For fælles-chok-formen fra afsnit 4, hvor et chok med sandsynlighed qq sætter alle platforme ud af drift, og fejl ellers er uafhængige, er det forventede tab præcis q ℓ+(1−q) p ℓ m1−γq\,\ell + (1-q)\,p\,\ell\,m^{1-\gamma}, og det effektive antal platforme, der reproducerer det i den uafhængige model, er meff=(q/p+(1−q) m1−γ)1/(1−γ)m_{\text{eff}} = \left(q/p + (1-q)\,m^{1-\gamma}\right)^{1/(1-\gamma)} for γ≠1\gamma \neq 1. Den parvise korrelationsform meff=m/(1+(m−1)ρ)m_{\text{eff}} = m / (1 + (m-1)\rho) fra afsnit 7 er den tilsvarende reduktion for variansen af andelen nede og er det bedre mål, når korrelationen er diffus snarere end et enkelt chok.

Referencer

CrowdStrike (2024, 6 August). Channel File 291 incident: Root cause analysis. CrowdStrike Holdings. https://www.crowdstrike.com/wp-content/uploads/2024/08/Channel-File-291-Incident-Root-Cause-Analysis-08.06.2024.pdf

European Parliament and Council (2022). Regulation (EU) 2022/2554 on digital operational resilience for the financial sector (DORA). Official Journal of the European Union, L 333, 27 December 2022. https://eur-lex.europa.eu/eli/reg/2022/2554/oj

European Parliament and Council (2022). Directive (EU) 2022/2555 on measures for a high common level of cybersecurity across the Union (NIS 2). Official Journal of the European Union, L 333, 27 December 2022. https://eur-lex.europa.eu/eli/dir/2022/2555/oj

Geer, D., Bace, R., Gutmann, P., Metzger, P., Pfleeger, C. P., Quarterman, J. S., & Schneier, B. (2003, 24 September). CyberInsecurity: The cost of monopoly. Computer & Communications Industry Association. https://www.schneier.com/essays/archives/2003/09/cyberinsecurity_the.html

Haldane, A. G., & May, R. M. (2011). Systemic risk in banking ecosystems. Nature, 469, 351–355. https://doi.org/10.1038/nature09659

Hirschman, A. O. (1964). The paternity of an index. American Economic Review, 54(5), 761–762.

Hollnagel, E., Woods, D. D., & Leveson, N. (Eds.) (2006). Resilience engineering: Concepts and precepts. Ashgate. (Reissued by CRC Press, 2017. https://doi.org/10.1201/9781315605685)

Leveson, N. G. (2011). Engineering a safer world: Systems thinking applied to safety. MIT Press. https://doi.org/10.7551/mitpress/8179.001.0001

Markowitz, H. (1952). Portfolio selection. Journal of Finance, 7(1), 77–91. https://doi.org/10.1111/j.1540-6261.1952.tb01525.x

May, R. M. (1972). Will a large complex system be stable? Nature, 238, 413–414. https://doi.org/10.1038/238413a0

Perrow, C. (1984). Normal accidents: Living with high-risk technologies. Basic Books.

Ross, J. W., Weill, P., & Robertson, D. C. (2006). Enterprise architecture as strategy: Creating a foundation for business execution. Harvard Business School Press. ISBN 978-1-59139-839-4.

Sheffi, Y. (2005). The resilient enterprise: Overcoming vulnerability for competitive advantage. MIT Press.

Simpson, E. H. (1949). Measurement of diversity. Nature, 163, 688. https://doi.org/10.1038/163688a0

Tilman, D., Reich, P. B., & Knops, J. M. H. (2006). Biodiversity and ecosystem stability in a decade-long grassland experiment. Nature, 441, 629–632. https://doi.org/10.1038/nature04742

Weill, P., & Ross, J. W. (2004). IT governance: How top performers manage IT decision rights for superior results. Harvard Business School Press. ISBN 978-1-59139-253-8.

Weston, D. (2024, 20 July). Helping our customers through the CrowdStrike outage. The Official Microsoft Blog. https://blogs.microsoft.com/blog/2024/07/20/helping-our-customers-through-the-crowdstrike-outage/