maj 2026

The Monoculture Premium

När standardisering av IT-landskapet gör företaget skörare, och hur mycket som i stället bör standardiseras.

Sammanfattning

Att konsolidera ett företags system på färre plattformar är ortodoxt råd, och av goda skäl: färre plattformar kostar mindre att driva, bemanna och integrera. Vi hävdar att rådet är riktigt bara upp till en viss punkt, som kan beräknas. Standardisering byter många små, oberoende fel mot få stora, korrelerade; närhelst skadan av ett avbrott växer snabbare än dess räckvidd stiger den förväntade avbrottsförlusten när plattformar konsolideras, trots att inget enskilt fel blir mer sannolikt. Vi på Nashua skriver ned en minimal modell av ett företag som väljer hur många plattformar det ska driva, med en driftkostnad som faller med konsolidering och en avbrottsförlust som är konvex i den andel av företaget som slås ut, och härleder i sluten form det antal plattformar som minimerar deras summa. Resultatet är icke-monotont: full standardisering är optimal när avbrott är sällsynta, billiga eller linjära, och annars är ett inre antal plattformar det, där skillnaden är monokulturpremien som konsolideringars business case förbiser. Vi visar att nominell diversitet överskattar effektiv diversitet närhelst plattformar delar en komponent, och hävdar att tätt kopplade kedjor bör standardiseras medan löst kopplade funktioner inte bör det. Förankrad i den nederländska situationen och förordningarna DORA och NIS2 avslutas denna teoretiska forskning med hur den skulle kunna mätas.

Nyckelord: standardisering; IT-konsolidering; koncentrationsrisk; korrelerade fel; monokultur; resiliens; portföljdiversifiering; DORA; NIS2; Nederländerna; operativ risk

1. Introduktion

Med standardisering avser vi minskningen av antalet distinkta plattformar, produkter, leverantörer eller komponenter som ett företag driver för ett givet ändamål, så att en större del av företaget blir beroende av var och en av dem som återstår. Det hör till de minst kontroversiella rekommendationerna inom informationsteknik. Färre plattformar innebär färre licenser, färre kompetenser att underhålla, färre integrationer att bygga och färre saker att säkra; litteraturen om enterprise-arkitektur behandlar en standardiserad kärna som ett fundament för genomförande (Ross, Weill & Robertson, 2006), och konsolideringsprogram är ett stående inslag i varje kostnadsöversyn. Vi på Nashua rekommenderar ofta standardisering, och denna artikel hävdar inte att den är fel. Den hävdar att den är icke-monoton: bra upp till en viss punkt, skadlig bortom den, och att punkten kan beräknas ur storheter som ett företag kan uppskatta.

Argumentet fördes för vår räkning den 19 juli 2024, när en felaktig innehållsuppdatering till en brett utrullad produkt för endpoint-säkerhet inom några timmar satte uppskattningsvis 8.5 miljoner Windows-datorer ur spel (Weston, 2024; CrowdStrike, 2024). Produkten hade valts av tusentals organisationer av de bästa skäl: den var kapabel, den var standard, och att köra en säkerhetsagent överallt var enklare än att köra flera. Avbrottet nådde flygbolag, flygplatser, sjukhus, mediebolag och ministerier samma morgon, i Nederländerna liksom på andra håll, därför att alla hade standardiserat på samma komponent. Ingen enskild av dem hade begått ett misstag. Tillsammans hade de byggt en monokultur, och en monokultur fallerar på en gång.

Den ekologiska analogin är gammal (Geer et al., 2003) och har vanligen gjorts om programvarusäkerhet: en population som kör ett operativsystem är sårbar för en exploit. Denna artikel framför ett annat och bredare påstående. Skadan av korrelerade fel beror inte på någon angripare; den beror endast på förlustfunktionens form, på huruvida det är värre att förlora hela företaget på en gång än att förlora dess delar var för sig. Vi hävdar att det nästan alltid är det, visar att detta ensamt får den förväntade avbrottsförlusten att stiga med konsolidering, och härleder hur många plattformar ett företag bör driva som en funktion av dess avbrottssannolikhet, dess förlustskala, konvexiteten i dess förlust och kostnaden för varje ytterligare plattform.

Artikeln frågar: under vilka villkor ökar standardisering av IT-landskapet företagets förväntade förlust i stället för att minska den, och hur mycket bör ett företag i stället standardisera? Avsnitt 2 placerar frågan bland de litteraturer som har besvarat den på andra områden. Avsnitt 3 ger modellen och optimum i sluten form. Avsnitt 5 argumenterar för var konvexiteten kommer ifrån och var den saknas. Avsnitt 7 visar varför nominell diversitet överskattar verklig diversitet. Avsnitt 9 läser den nederländska situationen genom modellen. Avsnitt 10 följer en konstruerad bank. Avsnitten 12 till 16 ger regler, begränsningar och slutsatser.

Den nederländska inramningen är avsiktlig. Nederländerna driver en nationell digital identitet genom vilken de flesta medborgare når myndigheter, sjukförsäkringsbolag och pensionsfonder, och den är en single point of failure genom sin konstruktion. Landets finanssektor har sedan januari 2025 omfattats av en europeisk förordning som kräver att instituten bedömer koncentrationen i sina IKT-beroenden och rapporterar allvarliga incidenter; dess kritiska sektorer kommer under den nederländska implementeringen av ett andra regelverk som utvidgar skyldigheten. Koncentrationsrisk har i Nederländerna blivit en storhet under tillsyn. Denna artikel är ett försök att sätta ett pris på den.

2. Bakgrund

2.1 Argumenten för standardisering

Fördelarna med konsolidering är verkliga och väl dokumenterade. Ross, Weill och Robertson (2006) visade att företag med en standardiserad, integrerad kärna genomförde sin strategi mer tillförlitligt; Weill och Ross (2004) fann att de bäst presterande begränsade lokala val av infrastruktur. Praktikerlitteraturen om total ägandekostnad vilar på samma ekonomi: varje distinkt plattform bär fasta kostnader i licenser, kompetens, verktyg, integration och säkerhet som i stort sett är oberoende av hur stor del av företaget den betjänar, så att kostnaden per enhet tjänst faller när plattformar konsolideras. Allt detta tar vi för givet. Modellen i avsnitt 3 innehåller en driftkostnad som faller med konsolidering, och artikelns påstående handlar om vad som bör ställas mot den.

2.2 Korrelerade fel på andra områden

Andra områden lärde sig för länge sedan att koncentration och skörhet följs åt. Inom finans visade Markowitz (1952) att en portföljs risk inte beror på risken i dess innehav utan på hur de rör sig tillsammans, och att diversifiering över ofullständigt korrelerade tillgångar sänker risken utan kostnad i förväntad avkastning; insikten är fältets grund. Inom ekologi visade May (1972) att större och mer sammankopplade system, allt annat lika, är mindre stabila, och Tilman, Reich och Knops (2006) demonstrerade experimentellt att diversa ekosystem är stabilare i sin produktivitet än monokulturer. Haldane och May (2011) förde det ekologiska argumentet in i bankväsendet och visade att ett system av institut som håller likartade tillgångar och är sammankopplade genom likartade exponeringar är benäget för den samtidiga kollaps som 2008 uppvisade. Inom supply chain management dokumenterade Sheffi (2005) hur redundans och flexibilitet, inte effektivitet ensam, avgör vilka företag som överlever en störning, och litteraturen om resilience engineering (Hollnagel, Woods & Leveson, 2006) har fört samma argument för sociotekniska system i allmänhet. Inom säkerhetsteknik hävdade Perrow (1984) att tätt kopplade, interaktivt komplexa system producerar olyckor som är normala snarare än exceptionella, och Leveson (2011) att säkerhet är en egenskap hos systemets struktur snarare än hos dess komponenter. Inom IT-säkerhet hävdade Geer et al. (2003) att en programvarumonokultur är en nationell sårbarhet därför att en exploit når alla.

Var och en av dessa litteraturer innehåller den föreliggande artikelns påstående i ett annat ordförråd. Vad enterprise-IT-litteraturen saknar är det steg som finansområdet tog 1952: en modell där nyttan av koncentration och kostnaden för korrelation uppträder i samma ekvation, så att avvägningen kan beräknas i stället för att hävdas. Avsnitt 3 är ett försök till det steget.

2.3 Koncentrationsrisk som en storhet under tillsyn

Den europeiska förordningen om digital operativ motståndskraft (förordning (EU) 2022/2554), tillämplig på finansiella enheter från januari 2025, kräver att instituten identifierar och bedömer IKT-koncentrationsrisk som uppstår ur beroende av tredjepartsleverantörer, och att de rapporterar allvarliga IKT-relaterade incidenter till sin tillsynsmyndighet, i Nederländerna centralbanken. Det andra direktivet om nät- och informationssäkerhet (direktiv (EU) 2022/2555) utvidgar skyldigheterna om incidentrapportering och riskhantering till väsentliga och viktiga entiteter i kritiska sektorer, genom den nederländska genomförandelagen. Båda behandlar koncentration som en risk som ska mätas och hanteras, och ingendera säger hur mycket koncentration som är för mycket. Modellen nedan erbjuds som ett svar, och de incidentdata som rapporteringsskyldigheterna kommer att ackumulera är, som avsnitt 15 hävdar, det medel genom vilket den skulle kunna kalibreras.

3. En minimal modell

3.1 Uppställning

Ett företag har NN verksamhetsfunktioner, som var och en måste köras på en plattform. Det väljer hur många distinkta plattformar det ska driva, mm, med 1≤m≤N1 \le m \le N; m=1m = 1 är full standardisering och m=Nm = N är en plattform per funktion. För tydlighetens skull antar vi att funktionerna är jämnt fördelade, N/mN/m per plattform; ojämna fördelningar behandlas i avsnitt 7.

Att driva plattformar kostar pengar. Varje distinkt plattform bär en kostnad c1c_1 per period som är oberoende av hur många funktioner den betjänar: licenser, kompetensen att driva den, dess verktyg, dess integration med resten, dess säkerhet. Driftkostnaden är

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

Ekvation 1. Driftkostnaden för landskapet: en fast del plus en kostnad per plattform.

där c0c_0 är den kostnad som inte beror på antalet plattformar. Detta är argumentet för standardisering: RR faller med c1c_1 för varje plattform som tas bort.

Plattformar fallerar. I varje period drabbas varje plattform av ett utslående avbrott med sannolikhet pp, oberoende av de andra; när det sker är varje funktion på den nere under avbrottets referensvaraktighet. Förlusten av ett avbrott beror på den andel ff av företagets funktioner som är nere samtidigt:

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

Ekvation 2. Förlusten av ett avbrott som en konvex funktion av andelen funktioner som är nere samtidigt.

där ℓ\ell är förlusten om hela företaget är nere och γ\gamma är förlustens konvexitet. Om γ=1\gamma = 1 är förlusten proportionell mot andelen nere: att förlora halva företaget kostar hälften så mycket som att förlora hela. Om γ>1\gamma > 1 är förlusten konvex: att förlora hela företaget kostar mer än dubbelt så mycket som att förlora hälften. Avsnitt 5 argumenterar för att γ>1\gamma > 1 är normalfallet och säger var det inte är det.

3.2 Förväntad förlust och totalen

Med mm plattformar som var och en bär en andel 1/m1/m av funktionerna är den förväntade avbrottsförlusten per period

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}

Ekvation 3. Förväntad avbrottsförlust per period för mm jämnt belastade plattformar.

Uttrycket rymmer artikelns påstående. När γ=1\gamma = 1 är E(m)=p ℓE(m) = p\,\ell för varje mm: den förväntade förlusten beror inte på hur många plattformar det finns, och bara driftkostnaden avgör, så full standardisering är optimal. När γ>1\gamma > 1 faller E(m)E(m) när mm stiger: fler plattformar, som var och en bär mindre, innebär lägre förväntad förlust, därför att konvexiteten straffar de stora avbrott som få plattformar ger upphov till. Konsolidering höjer den förväntade förlusten inte därför att fel blir mer sannolika, pp är oförändrat, utan därför att varje fel blir större, och stora fel kostar mer än sin storlek.

Företaget minimerar 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}

Ekvation 4. Totalkostnad: driftkostnad plus förväntad avbrottsförlust, den storhet som företaget minimerar.

Om mm behandlas som kontinuerligt och derivatan sätts till noll fås optimum i sluten form:

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

Ekvation 5. Det optimala antalet plattformar, i sluten form.

Det optimala antalet plattformar stiger med avbrottssannolikheten pp, förlustskalan ℓ\ell och konvexiteten γ\gamma, och faller med kostnaden för en plattform c1c_1. När uttrycket är under ett är full standardisering optimal; det ortodoxa rådet håller. När det är över ett minimerar ett inre antal plattformar totalkostnaden, och skillnaden T(1)−T(m∗)T(1) - T(m^{*}) är vad vi kallar monokulturpremien: det belopp med vilket full standardisering kostar mer än optimum, per period, när avbrottsförlusten räknas med.

3.3 Två regimer

Ekvation (5) delar in företag i två regimer, och artikelns praktiska innehåll ligger i att skilja dem åt. Tabell 1 visar båda med illustrativa parametrar, och figur 1 ritar den andra.

Tabell 1. Modellens två regimer, med illustrativa parametrar. Kostnader och förluster i EUR miljoner per år; c0c_0 utelämnat eftersom det inte påverkar optimum.

Låga insatser Höga insatser
Avbrottssannolikhet pp (per plattformsår) 0.02 0.10
Förlust om allt är nere ℓ\ell 20 60
Kostnad per plattform c1c_1 1.0 1.0
Konvexitet γ\gamma 2 2
p ℓp\,\ell 0.4 6.0
m∗m^{*} enligt (5) 0.63 →\to 1 2.45 →\to 2–3
T(1)T(1): en plattform 1.4 7.0
T(2)T(2): två plattformar 2.2 5.0
T(3)T(3): tre plattformar 3.1 5.0
Monokulturpremie T(1)−T(m∗)T(1) - T(m^{*}) 0 2.0

I regimen med låga insatser är avbrott sällsynta och billiga, p ℓp\,\ell är litet i förhållande till kostnaden för en plattform, och m∗m^{*} ligger under ett: standardisera fullt ut, som ortodoxin säger. I regimen med höga insatser, ett utslående avbrott per plattformsdecennium och en förlust på EUR 60 miljoner för ett fullständigt avbrott, vilket inte är exotiskt för en bank, ett flygbolag eller en sjukhusgrupp, är m∗m^{*} ungefär två och en halv, att driva en plattform kostar EUR 2 miljoner om året mer än att driva två eller tre, och det ortodoxa konsolideringscaset, som räknar enbart c1c_1, har fel tecken.

Figur 1. Regimen med höga insatser i tabell 1 (p = 0.10, ℓ = 60, c₁ = 1). Driftkostnaden stiger med antalet plattformar; den förväntade avbrottsförlusten faller när förlusten är konvex; deras summa har ett inre minimum. Med γ = 2 ligger optimum mellan två och tre plattformar och en plattform kostar EUR 2 miljoner om året mer; med γ = 1.5 är optimum två och premien mindre. Med γ = 1 skulle förlustlinjen vara platt och en plattform optimal.
Figur 1. Regimen med höga insatser i tabell 1 (p = 0.10, ℓ = 60, c₁ = 1). Driftkostnaden stiger med antalet plattformar; den förväntade avbrottsförlusten faller när förlusten är konvex; deras summa har ett inre minimum. Med γ = 2 ligger optimum mellan två och tre plattformar och en plattform kostar EUR 2 miljoner om året mer; med γ = 1.5 är optimum två och premien mindre. Med γ = 1 skulle förlustlinjen vara platt och en plattform optimal.

3.4 Väntevärdet är inte hela historien

Ekvation (5) handlar om förväntad förlust, och förväntad förlust underskattar argumentet mot monokultur. Betrakta regimen med höga insatser med γ=1\gamma = 1, där den förväntade förlusten är EUR 6 miljoner om året oavsett vad mm är. Med en plattform förlorar företaget ingenting nio år av tio och EUR 60 miljoner det tionde. Med tre plattformar förlorar det EUR 20 miljoner ungefär vart fjärde år, EUR 40 miljoner ungefär tre år av hundra och EUR 60 miljoner ett år av tusen. Väntevärdena är lika; fördelningarna är det inte. Företaget med en plattform har varje år en chans på tio för en förlust som kan överskrida ett regulatoriskt rapporteringströskelvärde, en kapitalbuffert eller en anseendetolerans; företaget med tre plattformar har en chans på tusen. En styrelse som inte är likgiltig inför storleken på sitt värsta år, vilket är varje styrelse, bör föredra fördelningen med tre plattformar även där väntevärdena är lika, och den preferensen adderas till konvexitetsargumentet snarare än att bero på det. Bilaga A ger svansvärdena.

4. Utvidgningar av modellen

Den minimala modellen gör fyra förenklingar som en praktiker vill se lättade innan hon litar på dess siffra: plattformar fallerar oberoende av varandra, funktionerna är jämnt fördelade, ett avbrotts förlust beror inte på dess varaktighet, och konsolideringen i sig är gratis. Var och en kan lättas utan att den slutna formens lärdom går förlorad, och varje lättnad flyttar optimum i en riktning som är värd att känna till.

4.1 Gemensamma chocker

Antag att, utöver varje plattforms oberoende fel, en gemensam chock med sannolikhet qq per period slår ut alla plattformar på en gång: en delad komponent fallerar, en cyberincident sprider sig, en leverantörs region går ned. Den förväntade förlusten blir

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}

Ekvation 6. Förväntad förlust med en gemensam chock som slår ut alla plattformar på en gång med sannolikhet qq.

Den gemensamma chocken lägger till ett golv, q ℓq\,\ell, som inget antal plattformar tar bort, och den skalar ned nyttan av diversifiering med (1−q)(1-q). Optimum är som i ekvation (5) med pp ersatt av (1−q) p(1-q)\,p: färre plattformar är värda att driva när gemensamma chocker dominerar, därför att diversifiering inte kan röra dem. Den praktiska läsningen är den som avsnitt 7 utvecklar: de första pengarna bör gå till att sänka qq, genom att ta bort delade komponenter, och först därefter till att höja mm, därför att en plattform som läggs till under en delad komponent inte köper något skydd mot den chock som betyder mest.

4.2 Ojämna fördelningar och designen med kärna och satelliter

Funktioner är sällan jämnt fördelade. Den vanliga designen är en kärnplattform som bär större delen av företaget och satelliter som bär resten, och frågan är om satelliterna är värda sin kostnad. Med andelar s1,…,sms_1, \dots, s_m som summerar till ett är den förväntade förlusten p ℓ∑jsjγp\,\ell \sum_j s_j^{\gamma}, som för ett givet mm minimeras av lika andelar, därför att sγs^{\gamma} är konvex; varje ojämnhet höjer den förväntade förlusten över det jämna fallet. En kärna som bär nio tiondelar med två satelliter på en tjugondel vardera har, vid γ=2\gamma = 2, en förväntad förlust på p ℓ (0.81+0.0025+0.0025)=0.815 p ℓp\,\ell\,(0.81 + 0.0025 + 0.0025) = 0.815\,p\,\ell, knappt under den enda plattformens p ℓp\,\ell, samtidigt som den betalar för tre plattformar. Satelliterna kostar nästan lika mycket som verklig diversifiering och levererar nästan ingen av den. Den design som lönar sig är den som delar lasten, vilket är skälet till att banken i avsnitt 10 skiljer privatbank från företagsbank i stället för att skära en liten satellit ur en dominerande kärna.

4.3 Varaktighet

Ett avbrotts förlust växer med hur länge det varar, och varaktigheten beror på antalet plattformar på två motverkande sätt. Återställningskapaciteten är ändlig, så ett större avbrott tar längre tid att återställa om samma team måste återställa allt seriellt; detta är en av konvexitetens källor i avsnitt 5 och ingår redan i γ\gamma. Mot detta har ett landskap med fler plattformar fler distinkta saker som kan gå sönder och fler distinkta återställningsprocedurer att underhålla, så att varje enskild återställning kan gå långsammare i brist på övning. Den andra effekten talar för att hålla mm måttligt och för att öva återställning på varje plattform som behålls, och den är ett skäl till att reglerna i avsnitt 12 föredrar den mindre konsolideringen framför den större diversifieringen.

4.4 Kostnaden för att konsolidera

Konsolidering är en migrering, och migreringar är i sig en källa till avbrott: data som flyttas, gränssnitt som byggs om, personal som utbildas om, och en period av dubbel drift under vilken företaget är beroende av både det gamla och det nya. Ett business case för konsolidering bör bära en engångsriskpost, den förväntade förlusten från migreringsincidenter, vid sidan av den återkommande besparingen, och bör erkänna att posten stiger med antalet plattformar som tas bort. Modellen prissätter den inte, eftersom den är en engångspost och modellen är per period, men den flyttar beslutet i samma riktning som premien: mot den mindre konsolideringen.

4.5 Optimums känslighet

Figur 2 ritar optimum i ekvation (5) mot kvoten p ℓ/c1p\,\ell / c_1, insatserna i förhållande till kostnaden för en plattform, för tre värden på γ\gamma. Under en kvot på ungefär ett är optimum en plattform oavsett konvexitet, och det ortodoxa rådet är säkert. Över den stiger optimum, långsamt, med insatserna: en kvot på sex, bankens fall, ger två till tre plattformar; en kvot på tjugo, en sjukhusgrupp eller en börs, ger tre till fem. Kurvorna är flacka nog för att de exakta parametrarna ska betyda mindre än regimen: ett företag behöver bara veta ungefär om dess kvot ligger under ett eller väl över det för att veta om det befinner sig i den ortodoxa regimen eller i premieregimen, och bilagan ger hela rutnätet.

Figur 2. Det optimala antalet plattformar mot insatskvoten p ℓ/c₁, för tre konvexiteter. Under en kvot på ungefär ett är full standardisering optimal; över den stiger optimum långsamt med insatserna. Kurvorna korsar varandra därför att högre konvexitet höjer förlusten från stora avbrott men också nyttan av den första uppdelningen mer än av senare.
Figur 2. Det optimala antalet plattformar mot insatskvoten p ℓ/c₁, för tre konvexiteter. Under en kvot på ungefär ett är full standardisering optimal; över den stiger optimum långsamt med insatserna. Kurvorna korsar varandra därför att högre konvexitet höjer förlusten från stora avbrott men också nyttan av den första uppdelningen mer än av senare.

5. Var konvexiteten kommer ifrån

Modellens resultat hänger på γ>1\gamma > 1: på påståendet att det kostar mer att förlora hela företaget på en gång än summan av att förlora dess delar var för sig. Påståendet bör argumenteras, inte antas, och det bör sägas var det fallerar, därför att där det fallerar har det ortodoxa rådet rätt.

5.1 Fem källor till konvexitet

Ömsesidig täckning. När en funktion är nere täcker andra för den: ett kontor tar ett samtal som appen inte kan, ett lager skickar vad portalen inte kan sälja, personal arbetar på papper. Täckning är möjlig bara om den täckande funktionen är uppe. Ett partiellt avbrott absorberas av täckning; ett totalt avbrott har ingen som täcker. Förlusten från den sista funktionen som går ned är därför större än förlusten från den första, vilket är konvexitet.

Ändlig nödlösningskapacitet. Ett företag har ett ändligt antal personer som kan köra manuella nödlösningar, ett ändligt antal telefonlinjer och en ändlig tolerans hos sina kunder. Ett litet avbrott ryms inom den kapaciteten; ett stort överskrider den, och överskottet går förlorat rakt av.

Tröskelvärden. Regulatorisk rapportering, avtalade servicekrediter, uppmärksamhet kring anseende och mediebevakning har alla tröskelvärden. Ett avbrott under tröskelvärdet kostar sin direkta förlust; ett över det kostar sin direkta förlust plus tröskelvärdets konsekvenser. Tröskelvärden får förlustfunktionen att stega uppåt med storleken, vilket är konvexitet i aggregatet.

Parallellitet i återställning. Återställning utförs av team med ändlig kapacitet. Två oberoende avbrott på olika plattformar kan återställas parallellt av olika team; ett avbrott över allting återställs seriellt av samma personer, så att dess varaktighet, och dess förlust, växer med dess storlek.

Beroendesmitta. Funktioner är beroende av varandra. En funktion som är uppe men beroende av en som är nere är degraderad; när andelen nere stiger, stiger andelen degraderad snabbare, därför att varje ytterligare avbrott tar bort ett beroende för flera överlevande.

Varje källa är bekant för var och en som har hanterat en incident, och tillsammans gör de γ>1\gamma > 1 till normalfallet för ett företag med löst kopplade funktioner. Värdet på γ\gamma är en empirisk fråga; vi använder 1.5 och 2 som illustrationer, och avsnitt 15 säger hur det skulle kunna mätas.

5.2 Där konvexiteten saknas: tät koppling

Argumentet vänds där funktioner är så tätt kopplade att det är lika illa att förlora vilken som helst av dem som att förlora alla. En betalningskedja där auktorisation, clearing och avveckling alla måste fungera för att någon betalning ska slutföras är ett sådant fall: ett avbrott i ett steg stoppar kedjan, och förlusten från ett steg nere är förlusten från kedjan nere. Inom en sådan kedja är γ≤1\gamma \le 1, diversifiering över plattformar köper ingenting, därför att vilken plattform som helst som fallerar stoppar allt, och standardisering är korrekt: en plattform, en felmod, en återställning. Perrows (1984) täta koppling är villkoret, och det ger artikeln dess första regel: standardisera inom tätt kopplade kedjor, diversifiera över löst kopplade funktioner. Diversifieringens enhet är inte funktionen utan kedjan, och ett företag bör kartlägga sina kedjor innan det räknar sina plattformar.

Samma logik besvarar en invändning. Att driva flera plattformar hjälper inte om ett fel på en sprider sig till de andra; spridning är koppling, och kopplade plattformar är en plattform för modellens ändamål. Diversitet räknas bara där plattformarna fallerar oberoende av varandra, vilket är ämnet för nästa avsnitt.

6. Att mäta konvexiteten

Allt i modellen hänger på γ\gamma, och γ\gamma är en storhet som inget företag registrerar. Den kan mätas, och detta avsnitt visar hur med ett konstruerat exempel, så att en riskfunktion kan göra detsamma med sitt eget incidentregister.

6.1 Data

För varje avbrott i registret behövs två tal: den andel av företagets funktioner det nådde, ff, och den förlust det orsakade, LL, i samma enheter som ℓ\ell. Andelen kan vanligen återvinnas ur incidentposten, som namnger de berörda systemen; förlusten är svårare, därför att företag registrerar en incidents direkta kostnad och sällan dess förlorade affärer, kompensation eller konsekvenser för anseendet, och konvexiteten bor till stor del i dessa. Ett register som enbart registrerar direkt kostnad kommer att underskatta γ\gamma. Mätningen börjar därför med en engångsövning: rekonstruera, för de tio eller tjugo största avbrotten i registret, den fulla förlusten tillsammans med verksamheten, inklusive vad som räddades genom täckning och nödlösningar och vad som inte gjorde det.

6.2 Anpassningen

Med förlustfunktionen L=ℓfγL = \ell f^{\gamma} ger logaritmering log⁡L=log⁡ℓ+γlog⁡f\log L = \log \ell + \gamma \log f, en rät linje vars lutning är γ\gamma. Tabell 2 ger ett konstruerat register över åtta avbrott för ett företag med tolv funktioner, och anpassningen. De avbrott som nådde en funktion kostade ungefär en tjugondel av siffran för ett fullständigt avbrott, inte en tolftedel; de som nådde halva företaget kostade ungefär en tredjedel, inte hälften; lutningen är ungefär 1.8. Talet är illustrativt, men dess storlek är poängen: ett företag vars små avbrott absorberas av täckning och vars stora inte gör det kommer att finna γ\gamma väl över ett, och anpassningen gör fyndet till ett tal snarare än ett intryck.

Tabell 2. Ett konstruerat incidentregister för ett företag med tolv funktioner, och den konvexitet som anpassats till det. Förlust i EUR miljoner, rekonstruerad så att förlorade affärer och kompensation ingår. Den anpassade lutningen för log⁡L\log L mot log⁡f\log f är γ≈1.8\gamma \approx 1.8; interceptet ger ℓ≈58\ell \approx 58.

Avbrott Funktioner Andel ff Förlust 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 Att läsa residualerna

Anpassningens residualer är lika informativa som dess lutning. Avbrott som kostade mer än vad linjen förutsäger för deras storlek är de där täckningen fallerade, nödlösningarna uttömdes eller ett tröskelvärde passerades; deras poster säger vilket, och det sagda identifierar de källor i avsnitt 5 som är aktiva i detta företag. Avbrott som kostade mindre än förutsagt är de där täckningen fungerade, och de identifierar de manuella och ömsesidiga förmågor i avsnitt 7 som är värda att behålla. Ett företag som anpassar linjen och läser residualerna lär sig både sitt γ\gamma och skälen till det, vilket är mer än modellen begär och exakt vad konsolideringsbeslutet behöver.

6.4 Att elicitera γ\gamma utan data

Där registret är tunt kan γ\gamma avgränsas genom elicitering. Fråga verksamheten, för ett litet avbrott och ett stort, hur länge täckningen håller och vilken andel av värdet den upprätthåller; fråga var tröskelvärdena för rapportering, avtal och anseende ligger och vad det kostar att passera vart och ett; fråga hur återställningen skalar med antalet system som är nere. Varje svar ger en punkt på förlustkurvan, och tre eller fyra punkter ger en lutning. Eliciteringen är grov, men den är grov på rätt ställe: beslutet mellan en plattform och två hänger på om γ\gamma ligger nära ett eller nära två, och en elicitering kan vanligen skilja dem åt.

7. Dolda monokulturer

7.1 Nominell och effektiv diversitet

Modellen räknar plattformar som fallerar oberoende av varandra. Ett företag som driver tre applikationsplattformar på ett operativsystem, autentiserar alla tre genom en identitetsleverantör, patchar alla tre genom en agent och hostar alla tre i en molnregion har tre plattformar för licensfakturans ändamål och en för ändamålet ett fel i någon av dessa delade komponenter. Dess nominella diversitet är tre; dess effektiva diversitet, mot ett fel i en delad komponent, är ett. Avbrottet i juli 2024 var precis detta: organisationer med diversa applikationslandskap upptäckte att de delade en enda säkerhetsagent, och agenten var den plattform som fallerade.

Två mått gör distinktionen operativ. För ojämna fördelningar, där plattform jj bär en andel sjs_j av funktionerna, är det effektiva antalet plattformar inversen av summan av kvadrerade andelar,

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

Ekvation 7. Effektivt antal plattformar vid ojämna andelar: inversen av summan av kvadrerade andelar.

det inversa Simpson-indexet (Simpson, 1949), inom ekonomi känt som det inversa Herfindahl-indexet (Hirschman, 1964). Tre plattformar som bär hälften, tre tiondelar och en femtedel av företaget har meff=2.6m_{\text{eff}} = 2.6, inte tre; en som bär nio tiondelar med två små andra har meff≈1.2m_{\text{eff}} \approx 1.2. Företagets förväntade förlust styrs av meffm_{\text{eff}}, och ekvation (5) bör läsas som ett mål för det.

För delade komponenter, där plattformarnas fel är korrelerade med parvis korrelation ρ\rho, är det effektiva antalet

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

Ekvation 8. Effektivt antal plattformar när felen är korrelerade med parvis korrelation ρ\rho.

som faller från mm vid ρ=0\rho = 0 till ett vid ρ=1\rho = 1. Tre plattformar med en korrelation på en halv är effektivt en och en halv; med en korrelation på nio tiondelar är de effektivt en. En delad komponent som alla plattformar är beroende av sätter ρ=1\rho = 1 för fel i den komponenten, hur diversa plattformarna än är i övrigt.

7.2 En inventering av delade komponenter

Tabell 3 listar de komponenter genom vilka företag oftast delar en felmod utan att märka det, därför att ingen av dem uppträder som en plattform i applikationsinventeringen. Den gemensamma egenskapen är att var och en väljs en gång, för hela företaget, av en funktion som inte räknar plattformar: säkerhet väljer agenten, infrastruktur väljer hypervisorn och regionen, identitet väljer leverantören, nätverk väljer DNS. Varje val är lokalt förnuftigt och varje val lägger till ett beroende med ρ=1\rho = 1.

Tabell 3. Komponenter genom vilka nominellt diversa plattformar delar en felmod, och den funktion som typiskt väljer dem utan att räkna plattformar.

Delad komponent Vald av, och varför den är osynlig
Säkerhetsagent för slutpunkter Säkerhet; utrullad till varje enhet enligt policy
Operativsystem och patchkanal Infrastruktur; ”standardbygget”
Identitetsleverantör, single sign-on Identitet; varje applikation autentiserar genom den
Hypervisor, molnleverantör, region Infrastruktur; hostingbeslutet
DNS, certifikat, innehållsleverans Nätverk; ingen annan ser dem
Integrationsbuss, API-gateway Arkitektur; varje integration passerar genom
En enda SaaS-leverantör för flera produkter Inköp; ett avtal, en leverantörsansvarig
En enda integratör eller managed-service-leverantör Sourcing; en hals att strypa
Nätverkskärna, brandväggar Nätverk; en arkitektur

Inventeringen ger artikelns andra regel: räkna effektiv diversitet, inte nominell diversitet. Ett business case för konsolidering bör ange meffm_{\text{eff}} före och efter, beräknat över de delade komponenterna såväl som applikationsplattformarna, och ett diversifieringsbeslut bör kontrollera att de plattformar som hålls åtskilda inte delar en komponent som gör dem till en.

7.3 Diversitet i sista hand

En plattform är alltid tillgänglig och räknas nästan aldrig: den manuella processen. Ett kontor som kan ta emot en betalning på papper, ett lager som kan plocka från en utskriven lista, en avdelning som kan föra journal för hand, är en andra plattform med hög driftkostnad per transaktion, en korrelation nära noll med allt digitalt, och en kapacitet som är ändlig och förfaller om den inte övas. I modellen är den en plattform med stort c1c_1 och ρ=0\rho = 0, det vill säga det dyraste och det mest värdefulla slaget. Företag som har konsoliderat till en digital plattform och låtit den manuella förmågan förfalla har meff=1m_{\text{eff}} = 1 i strängaste mening, och de organisationer som klarade sig bäst i juli 2024 var, enligt de flesta vittnesmål, de som fortfarande kunde arbeta utan sina skärmar.

8. Diversitet som kostar lite

Att driva en andra plattform är det dyra sättet att köpa diversitet, och modellen prissätter det till c1c_1. Flera designer köper en del av samma skydd för mycket mindre, och modellen visar varför de fungerar: var och en sänker den andel ff som ett enskilt fel kan nå, eller sänker korrelationen ρ\rho mellan de saker som kan fallera, utan att lägga till en plattform.

8.1 Diversitet i tid: ringar och kanariefåglar

En ändring som rullas ut till varje instans på en gång når f=1f = 1 om den är felaktig. Samma ändring utrullad i RR ringar, där varje ring hålls tills den föregående har gått rent under en period, når högst f=1/Rf = 1/R innan den stoppas, så att förlusten från en felaktig ändring faller från ℓ\ell till ℓ (1/R)γ\ell\,(1/R)^{\gamma}: med fyra ringar och γ=2\gamma = 2, till en sextondel. Ringad utrullning är diversitet i tid snarare än i plattform, den kostar fördröjning snarare än pengar, och den är tillgänglig för varje delad komponent i tabell 3. Det är också vad leverantören i centrum av avbrottet i juli 2024 efteråt införde för de innehållsuppdateringar som orsakade det (CrowdStrike, 2024): den första ringen är kanariefågeln, och kanariefågeln är den billigaste plattform ett företag kan driva. Modellens förbehåll är att ringar skyddar bara mot fel som ger sig till känna inom hållperioden; en defekt som ligger vilande når varje ring, och vilande defekter är en gemensam chock.

8.2 Diversitet i rum: regioner och anläggningar

Att hosta samma plattform i två regioner eller på två anläggningar lägger inte till en plattform, men det sänker ρ\rho för de fel som är lokala för en region: ström, nätverk, en leverantörs regionala incident. Det gör ingenting för fel i plattformens egen programvara, som når båda regionerna, och ett företag som räknar en andra region som en andra plattform har förväxlat de två. Modellens läsning är att regional diversitet sänker qq för en klass av gemensamma chocker och bör prissättas som sådan, inte som m=2m = 2.

8.3 Degraderade lägen

En plattform som kan falla tillbaka till ett reducerat läge, skrivskyddat, cachat, köa-och-vidarebefordra, när ett beroende fallerar omvandlar ett totalt avbrott till ett partiellt: den andel ff som ett avbrott når blir den andel av funktionen som det degraderade läget inte kan upprätthålla. Degraderade lägen är billiga där de är inbyggda i designen och omöjliga där de inte är det, och modellen räknar dem genom att sänka ff för beroendets fel. Den manuella processen i avsnitt 7 är gränsfallet, det degraderade läge som inte behöver någon programvara.

8.4 Diversitet i leverantörer, inte produkter

Två produkter från en leverantör delar leverantörens felmoder: dess uppdateringsprocess, dess identitetstjänst, dess finansiella hälsa. Ett företag som vill ha leverantörsdiversitet i ett lager där en andra produkt är för dyr kan ibland få den i lagrets beroenden i stället, en andra identitetsleverantör som reserv, en andra DNS, en andra certifikatutfärdare, till en bråkdel av en plattforms kostnad. Dessa sänker ρ\rho för beroendets fel och lämnar plattformsantalet oförändrat.

8.5 Vad dessa har gemensamt

Var och en av dessa designer är billig därför att den inte lägger till något att driva; den ändrar hur något befintligt fallerar. Modellen är likgiltig mellan ett lägre ff, ett lägre ρ\rho och ett högre mm, därför att alla tre sänker den förväntade förlusten, och ett företag bör köpa dem i ordning efter kostnad per enhet minskning. Ringar och degraderade lägen kommer vanligen först, regional diversitet och diversitet i beroenden därnäst, och en andra plattform sist, vilket är den omvända ordningen mot den i vilken konsolideringsöversyner överväger dem.

9. Den nederländska situationen

9.1 En morgon i juli

Avbrottet den 19 juli 2024 nådde Nederländerna som det nådde alla andra. Flyg på den nationella flygplatsen försenades och ställdes in när flygbolagens och markhanteringens system fallerade; sjukhus rapporterade störningar i system på berörda arbetsstationer och sköt upp vård; offentliga och privata tjänster avbröts. De berörda organisationerna hade inte valt samma applikationsplattformar; de hade valt samma säkerhetsagent, som kördes på en privilegierad nivå på varje Windows-dator de ägde. I modellens termer var deras applikationsdiversitet irrelevant: agenten var en delad komponent med ρ=1\rho = 1, avbrottet nådde en andel ff nära ett i varje berörd organisation, och konvexiteten gjorde resten. Kostnaden bars av organisationer som var för sig inte hade gjort något oförsiktigt, vilket är monokulturens kännetecken.

9.2 En single point of failure genom sin konstruktion

Den nationella digitala identiteten, DigiD, som drivs av statens myndighet för digitala tjänster, är det medel genom vilket de flesta invånare når skattemyndigheten, kommuner, sjukförsäkringsbolag, pensionsförvaltare och sjukhus online. Den är en single point of failure genom sin konstruktion, vald för den konsekvens och bekvämlighet som en identitet ger, och valet är försvarbart på exakt den standardiseringsekonomi som denna artikel tar för given. Modellen säger vad valet kostar: för varje tjänst som är beroende av den är identitetslagret en delad komponent med ρ=1\rho = 1, och ett avbrott, av vilka överbelastningsattacker har orsakat flera, tar bort åtkomsten till alla på en gång. De lindringar som finns, ett separat identitetssystem för företag, den kommande europeiska plånboken för digital identitet, och tjänsternas egna reservkanaler, är diversifiering i modellens mening, och deras värde kan uttryckas i dess termer: var och en sänker ρ\rho för någon andel av de beroende tjänsterna. Vi hävdar inte att den nationella identiteten bör dubbleras; vi hävdar att de företag som är beroende av den bör räkna in den i meffm_{\text{eff}} och hålla en reservkanal övad.

9.3 Regelverk som räknar koncentration

DORA kräver att nederländska finansiella enheter bedömer sin IKT-koncentrationsrisk och rapporterar allvarliga incidenter till centralbanken; den nederländska implementeringen av NIS2 utvidgar skyldigheterna om rapportering och riskhantering till de kritiska sektorerna. Båda gör koncentration till en storhet som måste vara känd. Modellen erbjuder tillsynsmyndigheten och den tillsedda samma ordförråd: meffm_{\text{eff}} är koncentrationen, ekvation (5) är den nivå där den upphör att vara försiktig, och monokulturpremien är kostnaden för att överskrida den. De incidentrapporter som båda regelverken nu kräver är, som avsnitt 15 hävdar, de data ur vilka pp, ℓ\ell och framför allt γ\gamma äntligen skulle kunna mätas i stället för att antas.

9.4 Sjukhusens morgon

Sjukhus är den sektor där konvexiteten i avsnitt 5 är mest synlig, därför att tröskelvärdena är kliniska. En avdelning som förlorar sin elektroniska journal faller tillbaka på papper och klarar sig; ett sjukhus som förlorar varje avdelnings journal på en gång, tillsammans med laboratoriet, apoteket och de bilddiagnostiska system som är beroende av samma arbetsstationer, klarar sig inte, och skjuter upp vård. Flera nederländska sjukhus rapporterade exakt detta den 19 juli 2024, och de som återhämtade sig snabbast var, enligt egna uppgifter, de med övade pappersrutiner, vilket är diversiteten i sista hand i modellens termer. Sektorns konsolidering på ett litet antal journalplattformar, försvarbar på varje standardiseringsgrund, är också en monokultur över sjukhusen: en defekt i en plattform når varje sjukhus som kör den, vilket är en gemensam chock på sektornivå som inget enskilt sjukhus diversifiering kan hantera, och som genomförandelagen för NIS2, genom att utpeka sektorn som väsentlig, nu ålägger sektorn att beakta.

9.5 Vad regelverken begär, i modellens termer

DORA:s krav översätts direkt till modellens storheter. Det register över IKT-tredjepartsarrangemang som förordningen kräver att varje finansiell enhet upprätthåller är inventeringen av delade komponenter i tabell 3 i regulatorisk form, och meffm_{\text{eff}} kan beräknas ur det. Den bedömning av koncentrationsrisk som den kräver är frågan om huruvida meffm_{\text{eff}} är försiktigt, på vilken ekvation (5) är ett svar. Och dess klassificering av allvarliga incidenter, som använder tröskelvärden för berörda kunder, varaktighet, geografisk spridning och ekonomisk påverkan, är en källa till konvexitet i sig själv: ett avbrott som passerar tröskelvärdena medför rapporterings-, tillsyns- och anseendekonsekvenser som ett under dem inte gör, så att regelverket självt gör förlustkurvan brantare ovanför tröskelvärdet. Ett institut som uppskattar sitt γ\gamma bör räkna regelverkets tröskelvärden bland källorna, vilket innebär att DORA både mäter koncentration och höjer dess kostnad.

9.6 Suveränitetsfrågan

Den nederländska offentliga debatten om beroendet av ett litet antal icke-europeiska molnleverantörer är, i modellens termer, en debatt om qq: en gemensam chock, juridisk, politisk eller kommersiell, som på en gång skulle nå varje arbetslast som hostas hos en leverantör. Modellen avgör inte debatten, som hänger på sannolikheten för en sådan chock, men den anger dess termer: en andra leverantör är en plattform till kostnaden c1c_1 som sänker qq för en klass av chocker, och om den är värd att driva beror på qq, ℓ\ell och γ\gamma på vanligt sätt. Företag på båda sidor av debatten skulle argumentera mer fruktbart med de tre talen än utan dem.

10. Ett konstruerat fall

Fallet är konstruerat, inte observerat. Det är inte en rapport om någon bank och dess siffror är illustrativa; det finns för att köra modellen på ett beslut av det slag som konsolideringsöversyner producerar.

10.1 Förslaget

Bank K är en medelstor nederländsk bank som efter två fusioner driver fyra kärnbanksplattformar, en per tidigare enhet, som var och en bär ungefär en fjärdedel av dess funktioner. En kostnadsöversyn föreslår konsolidering till en, vilket sparar EUR 3 miljoner om året i licenser, kompetens, verktyg och integration: borttagandet av tre plattformar à c1=c_1 = EUR 1 miljon vardera. Business caset räknar besparingen och migreringskostnaden och inget annat, och det godkänns i princip.

10.2 Modellens läsning

Bankens riskfunktion uppskattar, ur sin egen incidenthistorik och ur jämförbara aktörers, att ett utslående avbrott på en kärnplattform inträffar ungefär en gång per decennium per plattform, p=0.10p = 0.10; att ett fullständigt avbrott av referensvaraktigheten skulle kosta ungefär EUR 60 miljoner i kompensation, förlorade affärer, regulatoriska konsekvenser och anseende; och, ur formen på dess tidigare partiella avbrott, som kostade långt mindre än sin proportionella andel, att γ≈2\gamma \approx 2. Detta är parametrarna för höga insatser i tabell 1, och modellens läsning av förslaget finns i tabell 4.

Tabell 4. Bank K: driftkostnad, förväntad avbrottsförlust och total för det nuvarande IT-beståndet, förslaget och modellens optimum. EUR miljoner per år; c0c_0 utelämnat. Svansvärden från bilaga A.

4 (nu) 1 (plan) 2 3
Driftkostnad c1mc_1 m 4.0 1.0 2.0 3.0
Förväntad förlust 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
Värsta året av 20 (VaR 95%) ≈\approx30 60 30 20

Förslaget sparar EUR 3 miljoner i driftkostnad och lägger till EUR 4.5 miljoner i förväntad avbrottsförlust. Dess total är EUR 1.5 miljoner om året sämre än det IT-bestånd det ersätter, och dess värsta år av tjugo fördubblas från ungefär EUR 30 miljoner till EUR 60 miljoner. Att konsolidera till två plattformar sparar däremot EUR 2 miljoner i driftkostnad, lägger till EUR 1.5 miljoner i förväntad förlust och sänker totalen med en halv miljon med det värsta året oförändrat; att konsolidera till tre sänker totalen med samma belopp och halverar det värsta året. Det ortodoxa steget har fel tecken; det rätta steget är en mindre konsolidering än den översynen föreslog.

10.3 Designen

Banken konsoliderar till två plattformar och tillämpar artikelns regler på uppdelningen. Den kartlägger först sina tätt kopplade kedjor: betalningskedjan, från auktorisation till avveckling, placeras hel på en plattform, därför att inom den är γ≤1\gamma \le 1 och diversitet skulle inte köpa något. De återstående funktionerna delas längs den lösaste koppling banken har, privatbank på en plattform och företagsbank på den andra, så att ett avbrott i endera lämnar den andra betjänande sina kunder och i stånd att täcka, vilket är där konvexiteten kommer ifrån. Banken kontrollerar därefter den effektiva diversiteten: de två plattformarna ges olika patchkanaler och olika endpoint-agenter, hostas i olika molnregioner och autentiseras genom ett identitetslager vars reserv övas kvartalsvis, så att korrelationen i delade komponenter är låg snarare än ett. Den manuella förmågan för privatbankens kontorsnät behålls och övas. Bankens mm är två; dess meffm_{\text{eff}}, beräknat över delade komponenter, är nära två; och dess business case för konsolideringen bär nu en post för avbrottsförlust som översynens inte gjorde.

11. Ett andra konstruerat fall: en sjukhusgrupp

Bankens fall handlar om plattformar. Det andra handlar om delade komponenter, där modellen säger att den större risken vanligen ligger. Det är konstruerat, inte observerat, och är inte en rapport om något sjukhus.

11.1 IT-beståndet

Sjukhusgruppen G driver tre sjukhus på en elektronisk patientjournal, ett laboratoriesystem, ett bilddiagnostiksystem och ett apotekssystem: fyra plattformar, var och en en sektorstandard, var och en väl vald. Varje arbetsstation i de tre sjukhusen kör samma operativsystembygge, samma säkerhetsagent för slutpunkter och samma patchkanal; varje kliniker autentiserar genom en identitetsleverantör; alla fyra plattformarna hostas i ett datacenter med en varm reserv i ett andra. Nominellt är m=4m = 4. Gruppens register, uppbyggt för genomförandelagen för NIS2, visar att alla fyra plattformarna är beroende av arbetsstationsbygget, agenten, identitetsleverantören och datacentrets nätverk, och att reserven delar agenten och identitetsleverantören med den primära.

11.2 Effektiv diversitet

För fel i plattformarnas egen programvara är meffm_{\text{eff}} ungefär fyra, och gruppen är väl diversifierad: en defekt i apotekssystemet lämnar journalen, laboratoriet och bilddiagnostiken i drift, och den kliniska förlusten är begränsad. För fel i arbetsstationsbygget, agenten, identitetsleverantören eller nätverket är ρ=1\rho = 1 över alla fyra plattformarna och meff=1m_{\text{eff}} = 1: en defekt i någon av dem når varje kliniker på varje sjukhus på en gång, och reserven, som delar två av dem, hjälper inte. Gruppens verkliga diversitet är en plattform för de felmoder som historien säger är mest sannolikt korrelerade, och juli 2024 var ett fel av exakt det slaget.

11.3 Siffrorna

Gruppens riskfunktion uppskattar ett utslående fel i en delad komponent till p=0.08p = 0.08 per år över hela uppsättningen, en förlust vid fullständigt avbrott på ungefär EUR 40 miljoner för referensvaraktigheten, i uppskjuten vård, omdirigering, övertid och regulatoriska konsekvenser, och, ur sjukhusens egna partiella avbrott, ett γ\gamma på ungefär 2.2, brant därför att ett partiellt avbrott absorberas av papper och ett totalt inte gör det. För felmoden i delade komponenter ger p ℓ/c1p\,\ell / c_1 med c1c_1 på ungefär EUR 0.8 miljoner en kvot på fyra, och ekvation (5) ger m∗≈2m^{*} \approx 2: gruppen bör driva sina delade komponenter i två oberoende uppsättningar, inte en.

11.4 Designen

Att driva två elektroniska patientjournaler vore ruinerande, och modellen begär det inte; den begär två oberoende uppsättningar av de delade komponenter som för närvarande gör de fyra plattformarna till en. Gruppen delar upp sina arbetsstationer i två byggen med två agenter från olika leverantörer och två patchkanaler, tilldelar varje sjukhusavdelning ett bygge så att varje vårdavdelning har kollegor på det andra, lägger till en andra identitetsväg som reserv som övas månatligen, och flyttar reservdatacentret till ett nätverk och en agent som det primära inte delar. Plattformarna förblir fyra. Den effektiva diversiteten för fel i delade komponenter stiger från ett till ungefär två, vilket är vad modellen begärde, till en kostnad väl under en andra plattforms: det andra bygget och agenten kostar en bråkdel av c1c_1, den andra identitetsvägen är ett beroende snarare än en plattform, och den ringade utrullningen i avsnitt 8 tillämpas på båda byggena så att en felaktig uppdatering når högst en fjärdedel av IT-beståndet. Pappersreserven behålls, finansieras och övas kvartalsvis, därför att den för gruppen är den enda plattformen med en korrelation på noll till allt annat.

11.5 Vad fallet visar

Bankens fall visade att den ortodoxa konsolideringen kan ha fel tecken. Sjukhusets visar något vanligare: ett företag som är diversifierat i sina plattformar och en monokultur i sina komponenter, där premien betalas utan att någon konsolidering någonsin har föreslagits, och där botemedlet kostar lite därför att det är diversitet i komponenter, tid och beroenden snarare än i plattformar. De flesta företag ligger närmare sjukhuset än banken, och det register som DORA och NIS2 nu kräver är det instrument som visar dem det.

12. Regler

Standardisera inom kedjor, diversifiera över funktioner. Kartlägg de tätt kopplade processkedjorna; inom var och en, en plattform. Över löst kopplade funktioner gäller modellens optimum. Diversifieringens enhet är kedjan.

Räkna effektiv diversitet. Beräkna meffm_{\text{eff}} över delade komponenter såväl som applikationsplattformar, före och efter varje konsolidering. Tre plattformar på en agent är en plattform.

Prissätt premien. Lägg till varje business case för konsolidering en post för förväntad avbrottsförlust, p ℓ m1−γp\,\ell\,m^{1-\gamma} före och efter, med företagets egna uppskattningar. Ett case som inte kan ange pp, ℓ\ell och γ\gamma är inte ett case om risk, och konsolidering är ett beslut om risk.

Granska svansen. Ange det värsta året av tjugo före och efter, och jämför det med företagets rapporteringströskelvärden, kapitalbuffertar och avtalsexponeringar. Lika väntevärden med olika svansar är olika beslut.

Behåll diversiteten i sista hand. Behandla den manuella förmågan som en plattform: finansiera den, öva den och räkna den. Den är den enda plattformen med en korrelation på noll.

Föredra den mindre konsolideringen. Där modellen ger ett inre optimum är förlusten av att stanna en plattform före det liten och förlusten av att gå en plattform förbi det stor, därför att kurvan för förväntad förlust är brant nära ett. I tveksamma fall, behåll en plattform.

13. Att prissätta premien i ett business case

Reglerna i avsnitt 12 begär att premien prissätts. Detta avsnitt visar hur posten ser ut i det dokument där konsolidering faktiskt beslutas, därför att en risk som inte står på business casets sida inte finns i beslutet. Tabell 5 ställer upp ett konsolideringscase i den form de flesta ekonomifunktioner använder, med de poster modellen lägger till markerade, för banken i avsnitt 10.

Tabell 5. Ett business case för konsolidering för Bank K med modellens poster tillagda (markerade ⋆\star). Årliga belopp i EUR miljoner utom engångsposterna för migrering. Det ortodoxa caset visar att förslaget sparar 3.0 om året; det fullständiga caset visar att det kostar 1.5 om året mer än i dag och 2.0 mer än alternativet med två plattformar, med ett fördubblat värsta år.

Post I dag (m=4m=4) Förslag (m=1m=1) Alternativ (m=2m=2) Källa
Driftkostnad för plattformar, c1mc_1 m 4.0 1.0 2.0 Licenser, kompetens, verktyg, integration
Driftkostnad, övrigt (c0c_0) 12.0 12.0 12.0 Oförändrad av mm
Ortodox årlig total 16.0 13.0 14.0
⋆\star Förväntad avbrottsförlust, 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 Varav hänförligt till delade komponenter (q ℓq\,\ell) 0.6 0.6 0.6 q=0.01q=0.01; oförändrad om inte komponenterna diversifieras
Fullständig årlig total 17.5 19.0 17.0
⋆\star Värsta året av tjugo (VaR 95%) ≈\approx30 60 30 Bilaga A
⋆\star Passerar DORA:s tröskelvärden för allvarlig incident i värsta år sannolikt säkert sannolikt Berörda kunder, varaktighet
Engångskostnad för migrering – 18.0 9.0 Programmets uppskattning
⋆\star Engångsrisk för avbrott vid migrering – 2.4 1.0 Förväntad förlust från migreringsincidenter
⋆\star Effektiv diversitet meffm_{\text{eff}} efter delade komponenter 3.6 1.0 1.9 Från registret

Tre drag i det fullständiga caset är värda att lyfta fram. För det första är det ortodoxa caset och det fullständiga caset oense inte om besparingens storlek utan om dess tecken: förslagets besparing i driftkostnad på EUR 3 miljoner är verklig, och den är mindre än de EUR 4.5 miljoner i avbrottsförlust som det lägger till. En ekonomifunktion som bara ser det översta blocket godkänner förslaget; en som ser hela sidan föredrar alternativet, och båda läser samma siffror. För det andra är posten för delade komponenter oförändrad över kolumnerna, vilket är modellens sätt att säga att konsolideringsbeslutet inte rör företagets största korrelerade risk; den risken hanteras av designen i avsnitt 8, inte av plattformsantalet, och ett case som visar posten oförändrad inbjuder till frågan om vad som skulle ändra den. För det tredje är svansposterna inte additiva med resten och bör inte nettas mot besparingen; de visas så att styrelsen kan se vad den accepterar, och de är de poster som en tillsynsmyndighet som läser caset under DORA kommer att fråga om först.

Mallen generaliserar. Varje konsolideringscase kan bära de fyra stjärnmarkerade årliga posterna, de två stjärnmarkerade engångsposterna och posten för effektiv diversitet, och ett företag som inte kan fylla i dem har ännu inte uppskattat pp, ℓ\ell och γ\gamma, vilket bilaga B visar hur man gör. Övningen tar vanligen en riskfunktion några veckor, vilket är kort mot de år en konsolidering tar och det decennium under vilket dess premie betalas.

14. Implikationer för tillsynsmyndigheter

De regelverk som nu kräver att nederländska företag bedömer koncentrationsrisk säger inte hur mycket koncentration som är för mycket, och en tillsynsmyndighet som bedömer ett instituts bedömning behöver en måttstock. Modellen erbjuder tre frågor som en tillsynsmyndighet kan ställa om vilket instituts konsolideringsbeslut eller koncentrationsbedömning som helst, och var och en har ett tal som svar.

Den första är IT-beståndets effektiva diversitet, beräknad ur registret över delade komponenter såväl som plattformar, och huruvida den över huvud taget har beräknats. Ett institut som rapporterar sitt plattformsantal utan sina delade komponenter har rapporterat nominell diversitet, och juli 2024 är den stående demonstrationen av att nominell diversitet inte är den storhet som fallerar. Den andra är institutets egen uppskattning av sin förlustkonvexitet, med de incidentdata eller den elicitering som stöder den, därför att ett institut som inte har uppskattat γ\gamma inte kan ha prissatt sin koncentration och ett institut vars γ\gamma ligger nära ett har, enligt egen utsago, lite att vinna på diversifiering och bör kunna säga varför. Den tredje är huruvida de senaste årens konsolideringsbeslut bar posterna i tabell 5, och om de inte gjorde det, vad premien på vart och ett skulle ha varit. Ingen av dessa frågor kräver att tillsynsmyndigheten föreskriver ett antal plattformar, vilket modellen inte heller gör; de kräver att institutet visar att det känner den avvägning det har gjort, vilket är vad en bedömning av koncentrationsrisk är till för.

En tillsynsmyndighet kan också använda modellen på sektornivå, där dess form med gemensam chock gäller. En sektor där de flesta instituten kör samma plattform, samma agent eller samma leverantör har ett qq som inget instituts egen diversifiering sänker, och sektorns resiliens är då en egenskap hos leverantören snarare än hos de tillsedda. Modellen ger tillsynsmyndigheten ordförrådet att säga det, och registerdata ger den medlen att se det före den morgon då det demonstreras.

15. Begränsningar och forskningsagenda

Detta är teoretisk forskning. Fyra begränsningar följer, var och en med ett test.

För det första är γ\gamma omätt. Det är modellens avgörande parameter och den som inget företag för närvarande registrerar. Den skulle kunna uppskattas ur incidenthistorik genom att regressera varje avbrotts förlust på den andel av företaget det nådde, inom ett företag eller över en sektor; den incidentrapportering som DORA och NIS2 nu kräver kommer för första gången att producera urvalet. Vi förutsäger att γ\gamma ligger över ett för de flesta företag och sektorer, väl över ett där tröskelvärden är framträdande, och vid eller under ett inom tätt kopplade kedjor. Ett fynd av γ≤1\gamma \le 1 över hela linjen skulle vederlägga artikelns praktiska påstående och lämna kvar endast dess svansargument.

För det andra tar modellen plattformsfel som oberoende och behandlar korrelation genom meffm_{\text{eff}}. En fullständigare modell skulle ge den simultana fördelningen av fel över en beroendegraf, och inventeringen av delade komponenter i avsnitt 7 är det första steget mot en sådan. Testet är huruvida meffm_{\text{eff}} beräknat ur en inventering förutsäger den korrelation i avbrott som observeras.

För det tredje är driftkostnaden linjär i plattformar och förlusten en potens av andelen nere. Båda är förenklingar; fasta kostnader per plattform kan falla med skala och förluster kan stega snarare än kröka. Det kvalitativa resultatet, ett inre optimum närhelst förlusten är konvex och p ℓp\,\ell är stort i förhållande till c1c_1, överlever varje kostnadsfunktion som stiger med plattformar och varje förlustfunktion som är konvex; den slutna formen gör det inte.

För det fjärde är fallet konstruerat och den nederländska läsningen tolkande. Händelserna i juli 2024 och den nationella identitetens konstruktion är offentliga; påståendet att företag som är beroende av dem bör räkna in dem i meffm_{\text{eff}} är vårt. En fältstudie som beräknade meffm_{\text{eff}} för ett urval nederländska finansiella enheter ur deras DORA-koncentrationsbedömningar, och jämförde det med ekvation (5) med deras egna förlustuppskattningar, skulle visa hur långt sektorn ligger från modellens optimum och i vilken riktning.

16. Slutsats

Att standardisera IT-landskapet sänker dess driftkostnad och höjer dess skörhet, och de två tar inte ut varandra. Färre plattformar innebär större avbrott, och när skadan av ett avbrott växer snabbare än dess storlek, vilket den gör närhelst funktioner kan täcka för varandra, nödlösningar är ändliga och tröskelvärden finns, stiger den förväntade avbrottsförlusten när plattformar konsolideras trots att inget fel blir mer sannolikt. Det antal plattformar som minimerar summan av driftkostnad och avbrottsförlust har en sluten form: det stiger med avbrottens sannolikhet och skala och med förlustens konvexitet, och faller med kostnaden för en plattform. Under ett håller det ortodoxa rådet; över ett betalar det företag som standardiserar fullt ut en monokulturpremie som dess business case för konsolideringen inte visar.

Vi på Nashua har hävdat att premien är verklig, att den är störst där företag minst väntar sig den, i nominellt diversa landskap som delar en komponent, och att den bör prissättas in i varje konsolideringsbeslut vid sidan av besparingarna. Reglerna är få: standardisera inom tätt kopplade kedjor och diversifiera över löst kopplade funktioner; räkna effektiv diversitet, inte nominell; prissätt premien; granska svansen; och behåll den manuella förmågan som den enda plattform som fallerar tillsammans med inget annat. Den konvexitet som argumentet vilar på är den storhet som är mest värd att mäta, och de regelverk som nu får nederländska företag att rapportera sina incidenter kommer för första gången att göra den mätbar. Vi ser hellre att den mäts än att den tros.

Bilaga A. Svansvärden

För mm jämnt belastade plattformar, som var och en fallerar oberoende med sannolikhet pp per år och var och en bär en andel 1/m1/m, är antalet plattformar nere under ett år binomialfördelat med parametrarna mm och pp, och förlusten är ℓ (j/m)γ\ell\,(j/m)^{\gamma} när jj är nere. Siffrorna nedan använder p=0.10p = 0.10 och ℓ=60\ell = 60; 95% value at risk (VaR) är den minsta förlust vars överskridandesannolikhet ligger under 5%.

Tabell 6.

m=1m=1 m=2m=2 m=3m=3 m=4m=4
P(inget avbrott) 0.900 0.810 0.729 0.656
P(en plattform nere) 0.100 0.180 0.243 0.292
P(två nere) – 0.010 0.027 0.049
P(tre eller fler nere) – – 0.001 0.004
Förlust, en nere (γ=1\gamma=1) 60 30 20 15
Förväntad förlust (γ=1\gamma=1) 6.0 6.0 6.0 6.0
Förväntad förlust (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 för m=4m = 4 är ungefär 30 därför att sannolikheten för att två eller fler plattformar fallerar samma år, ungefär 5.2%, ligger strax över 5%-nivån; med något lägre pp skulle den vara 15. Tabellens poäng är den första och den sista raden: den förväntade förlusten under γ=1\gamma = 1 är identisk över kolumnerna, och det värsta året av tjugo är det inte.

Bilaga B. Att uppskatta parametrarna

Avbrottssannolikhet pp. Ur företagets incidentregister: utslående avbrott per plattformsår över det längsta tillgängliga fönstret, sammanslaget med data från jämförbara aktörer eller sektorn där företagets egen historik är kort. Räkna avbrott som slog ut plattformen under referensvaraktigheten eller längre; kortare avbrott hör till en annan förlustskala.

Förlustskala ℓ\ell. Förlusten av att hela företaget är nere under referensvaraktigheten: förlorade intäkter eller tjänster, kompensation och servicekrediter, regulatoriska konsekvenser, återställningskostnad och en uppskattning för anseendet. De flesta företag har denna siffra i sin kontinuitetsplanering under ett annat namn.

Konvexitet γ\gamma. Ur incidentregistret: för varje avbrott, den andel funktioner som nåddes och den förlust som uppstod; anpassa log⁡(loss)=log⁡ℓ+γlog⁡(share)\log(\text{loss}) = \log \ell + \gamma \log(\text{share}). Där registret är tunt, elicitera γ\gamma ur källorna i avsnitt 5: fråga hur länge täckning och nödlösningar håller, var tröskelvärdena ligger och hur återställningen skalar, och avgränsa γ\gamma ur svaren.

Plattformskostnad c1c_1. Ur business caset för konsolideringen självt: den besparing som hävdas per borttagen plattform är, per konstruktion, c1c_1.

Effektiv diversitet meffm_{\text{eff}}. Ur applikationsinventeringen och inventeringen av delade komponenter i tabell 3: beräkna det andelsbaserade måttet över plattformar, registrera därefter för varje delad komponent vilka plattformar som är beroende av den och sätt deras parvisa korrelation till ett för den komponentens felmod.

Bilaga C. Känslighetsrutnät

Tabell 7 ger m∗m^{*} enligt ekvation (5) för ett rutnät över insatskvoten p ℓ/c1p\,\ell / c_1 och konvexiteten γ\gamma. Värden under ett betyder full standardisering.

Tabell 7. Optimalt antal plattformar m∗m^{*} efter insatskvot och konvexitet.

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

Bilaga D. Förväntad förlust med korrelerade fel

Låt de mm plattformarna fallera med marginell sannolikhet pp vardera och parvis korrelation ρ\rho mellan felindikatorerna. Det förväntade antalet plattformar nere är m pm\,p oavsett ρ\rho, så med linjär förlust (γ=1\gamma = 1) ändrar korrelation inte väntevärdet; den ändrar bara fördelningen, genom att koncentrera samma förväntade förlust till färre, större händelser. Med konvex förlust höjer korrelation väntevärdet, därför att den höjer sannolikheten för de stora ff som konvexiteten straffar. För formen med gemensam chock i avsnitt 4, där en chock med sannolikhet qq slår ut alla plattformar och felen i övrigt är oberoende, är den förväntade förlusten exakt q ℓ+(1−q) p ℓ m1−γq\,\ell + (1-q)\,p\,\ell\,m^{1-\gamma}, och det effektiva antal plattformar som reproducerar den i den oberoende modellen är 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)} för γ≠1\gamma \neq 1. Formen med parvis korrelation meff=m/(1+(m−1)ρ)m_{\text{eff}} = m / (1 + (m-1)\rho) i avsnitt 7 är motsvarande reduktion för variansen i andelen nere, och är det bättre måttet när korrelationen är diffus snarare än en enskild chock.

Referenser

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/