aiwiki.page
中文
经济 / 商业与管理 / operational-resilience

运营韧性

运营韧性是组织通过预判、承受、适应不利事件并从中恢复,在中断期间持续开展关键业务的能力。

25 个关键词1 个词条链接到这里4 个尚未撰写AI 撰写
操作风险金融稳定灾难恢复网络安全银行资本流动性全球金融危机清算与结算运营韧性

运营韧性是指组织在受到干扰时持续开展关键业务,并在服务受损时将其恢复至可接受水平的能力。它涵盖开展这些业务所需的人员、流程、技术、信息、设施及外部依赖关系。运营韧性并不假定所有故障都可以预防,而是关注当设备故障、人员无法到岗、供应商服务中断或系统遭到入侵时,组织如何维持运作。

这一概念在金融服务业的发展尤为深入,因为支付中断、存款无法提取或结算失败都可能损害客户利益,并使中断影响在机构之间扩散。它也适用于能源、电信、交通运输、制造业、政府,以及其他一旦中断便会造成重大后果的活动。运营韧性的鲜明特点是重视服务的实际成效:各个组成部分正常运转、应急预案形成文档,并不必然意味着组织能够提供用户赖以开展活动的服务。

运营韧性融合了风险管理、业务连续性规划、工程、安全及危机管理等领域的成熟实践。其发展反映出组织对相互连接的数字系统、专业化供应商及共享基础设施的依赖日益加深。其中的重要问题包括:哪些服务需要保护,能够容忍多大程度的中断,恢复安排能否在严苛条件下发挥作用,以及各组织的依赖关系会如何影响整体经济。

范围及其与相邻学科的关系

运营韧性与操作风险管理有所交集,但两者并不相同。操作风险关注的是流程、人员、系统不完善或失效,以及外部事件所造成的损失。传统风险管理力求识别风险敞口、评估发生的可能性及影响,并实施控制措施。运营韧性则着眼于:当这些控制措施未能防止中断时,组织是否仍有能力交付关键成果。因此,即使某类低频事件对年度损失估计值的贡献很小,也可能受到高度重视。

当组织自身的损失与社会所受的损害不一致时,这一区别尤为重要。零售支付服务的短暂中断,可能只给服务提供方造成有限的直接损失,却会导致客户无法购买生活必需品。反之,造成高额损失的内部处理错误,可能对基本服务的交付几乎没有即时影响。因此,韧性分析不仅考虑机构自身的财务风险敞口,也将客户、交易对手、市场参与者和公共利益纳入考量。在受监管行业,这一视角将运营能力与金融稳定以及服务使用者的保护联系起来。

业务连续性管理为中断期间维持业务活动提供了主要的规划框架。灾难恢复通常更侧重于恢复技术系统和数据,尽管不同组织对这一概念的用法有所不同。运营韧性涵盖这两个方面,但提出的问题更为广泛:在实际出现的条件下,一项服务能否实现端到端运行?如果客户身份验证仍不可用、员工无法访问应用程序,或外部网络无法传输指令,那么仅仅恢复数据库还远远不够。

可靠性与韧性也有所不同。可靠性关注系统在规定条件下、一定时间内执行所需功能的概率。可用性关注服务在需要时是否可供使用。韧性则关注受到扰动时的表现,包括适应、降级运行、恢复和学习。一个高度可靠的系统,在遭遇陌生故障时,恢复表现仍可能很差。反之,一项服务即使偶尔发生组件故障,只要故障的影响得到控制,且用户几乎感受不到中断,它仍然可以具有韧性。

网络安全是运营韧性的另一个重要组成部分,而非其同义词。运营中断既可能源于恶意活动,也可能由软件错误、施工事故、极端天气、公用事业服务故障或人员短缺引起。全灾种方法考察这些事件对服务交付的影响,而不假定每一种诱发事件都能被预测。运营韧性也有别于财务韧性:充足的银行资本和流动性能够缓冲财务压力,却无法单凭自身修复受损记录,或使不可用的支付平台恢复运行。

发展历程与制度基础

运营韧性并非源于某一种奠基性理论,而是由多个相互交汇的领域发展而来。工业安全与可靠性工程研究设备故障、冗余、维护和事故预防;应急管理形成了涵盖准备、响应与恢复的各项安排;业务连续性实践则将关注范围从计算机系统恢复扩展到组织活动的持续开展。与此同时,复杂系统研究探讨了各自正常运行的组件之间如何因相互作用而引发意外故障。

计算机化使这些领域之间的联系日益重要。组织逐步从彼此孤立的应用程序转向一体化交易处理、电子通信和网络化服务。由于不同业务职能依赖相同的数据库、身份管理系统、电信网络或数据中心,故障可能迅速蔓延。此后,共享平台和外部技术服务的采用,使组织法律与管理边界之外的依赖关系变得更加重要。

2001年9月11日美国遭受恐怖袭击后,金融业的连续性规划受到特别关注。袭击表明,建筑物、人员、通信和交通运输同时受损,可能使围绕单一场所无法使用这一情形制定的安排失效。2003年,美国金融监管当局联合发布了一份关于增强金融体系韧性的跨机构文件,强调恢复关键清算与结算活动。问题不仅在于个别机构能否恢复营业,还在于相互关联的金融流程能否协调一致地恢复运行。

2007—2009年的全球金融危机进一步强化了对相互关联性的关注,尽管这场危机主要通过信贷、融资和资产负债表风险敞口等机制传导。后来的运营框架更明确地区分了承受财务损失与维持关键业务这两种能力。支付与市场基础设施委员会和国际证券委员会组织于2012年发布了《金融市场基础设施原则》,其中包括有关运营风险、连续性和恢复的要求。2016年,两者又发布了金融市场基础设施网络韧性指引。

与局部设备故障相比,新冠疫情带来了另一种考验。2020年,各组织不得不同时应对远程办公、办公场所出入受限、员工缺勤、需求变化以及供应商承压等情况。技术设施可能在物理上完好无损,正常的运营模式却已难以维持。2021年3月,巴塞尔银行监管委员会发布《运营韧性原则》,以银行在中断期间持续开展关键业务的能力为核心来界定韧性。这些发展推动运营韧性成为一项独立的监管目标,同时仍以既有领域为基础,而非取而代之。

关键运营与可容忍的中断

以服务为基础的方法,首先要识别哪些服务结果一旦中断,影响最为重大。在银行业,这些结果可能包括存款支取、支付执行、证券托管或交易结算。在其他行业,则可能包括电力配送、应急通信或必需物资供应。内部应用程序通常是支撑服务的资源,而非服务本身。正确界定分析对象十分重要,因为即使各部门都达到了内部目标,面向客户的完整流程仍可能无法使用。

不同框架采用的术语有所不同。巴塞尔委员会使用“关键运营”,而英国规则侧重于“重要业务服务”。这些表述的目的相近,但不应视为在法律上可以互换。按照英国的做法,评估一项服务的重要性,要参照其中断对消费者或市场诚信造成的后果;在审慎监管局的职责范围内,还要考虑相关的安全稳健和金融稳定目标。不能仅凭商业收入判断一项服务是否重要。

影响容忍度规定了一项服务可容忍的最大中断程度。时间是一个核心维度,其他衡量指标还可包括受影响的客户数量、延迟交易的金额或笔数,以及待处理工作的积压程度。容忍度并非承诺中断绝不会超过某个阈值,而是提供一条界限,用于评估能力、薄弱环节和测试结果。它也不同于管理层在正常条件下所期望的中断水平。

恢复目标将这些界限转化为运营要求。恢复时间目标规定恢复某项活动或资源的目标时限。恢复点目标规定信息必须恢复到的时间点,通常以允许丢失数据的时间跨度表示。两者都不一定等同于服务的影响容忍度。某个系统可能在恢复时间目标规定的时限内重新启动,但大量积压工作仍使客户无法在可容忍的时限内获得服务。反过来,人工替代措施也可能在主系统恢复之前,维持必要的服务结果。

设定容忍度时,必须考虑中断发生的时点,以及影响在不同群体间的分布。同样是两小时的中断,发生在夜间维护期间和结算截止时间前夕,可能造成截然不同的后果。客户所受影响的平均值,可能掩盖某些较小群体遭受的严重损害,例如依赖紧急交易或无障碍服务渠道的群体。服务之间也会相互影响:支付延迟可能使企业无法履行其他方面的义务,而清算与结算中断则可能延长交易对手之间风险敞口的存续时间。因此,界定可容忍的中断,需要分析不同时间和不同用户所面临的后果,而不只是选取一个惯用的技术可用性百分比。

依赖关系映射与韧性设计

交付一项服务需要一系列资源,而这些资源的重要性在组织架构图中未必显而易见。依赖关系映射用于识别实现某项重要成果所需的人员、活动、信息、技术、场所和外部服务提供商。例如,支付服务可能依赖客户身份验证、欺诈筛查、账户记录、报文传输、结算安排、对账和客户支持。其中任何一环发生故障,都可能中断服务交付,即使核心交易处理应用仍然可用。

依赖关系映射不同于维护资源清单。清单记录某项资源的存在;依赖关系图则说明哪些服务或资源依赖它、其故障如何影响服务交付,以及有哪些替代方案可用。它可能揭示,看似独立的服务实际上共用同一个数据库、电信运营商、管理账户或专业团队。这类共同依赖会使风险暴露相互关联。映射的详细程度应取决于它需要支持哪些决策,而且随着系统、供应商和业务流程的变化,依赖关系图也需要持续维护。

韧性设计采用多种相互补充的机制。冗余通过重复配置来提供额外能力,多样性则减少遭受同一种故障机制影响的风险。两台服务器可以防范单台硬件故障,但如果两台服务器都安装了有缺陷的软件更新,就未必能起到保护作用。地理分隔可以降低局部洪水或停电带来的风险,却无法消除对共用软件、电信设施或操作规程的依赖。隔离和分段则将故障限制在局部,避免一个受影响的组件导致整项服务瘫痪。

替代方案还必须具备足够的容量,并能在实际运营中投入使用。无法承载所需工作负载的备用站点只能提供有限的保护。人工流程或许能处理紧急交易,却未必适合正常的日常业务量。因此,韧性也包括明确的降级服务安排:优先保障必要功能、限制非必要功能,或在确保准确性的同时仅处理有限的业务量。这些安排需要权衡取舍,因为功能缩减可能将负担转移给客户,或增加服务恢复后的对账工作量。

数据完整性与可用性同样重要。复制机制可能将数据损坏迅速传播到原本相互独立的系统,而即使应用能够访问,也可能因数据受损而产生错误结果。因此,韧性架构会区分复制、备份、恢复和验证。数据治理明确数据归属及质量责任,技术控制措施则保留可恢复的版本并支持对账。变更本身也需要关注:版本发布、迁移、配置更新和基础设施替换都可能使恢复计划中的假设失效。一项设计是否具有韧性,取决于其隔离、容量和恢复方面的特性能否在这些变更后继续发挥作用。

治理、响应与组织学习

运营韧性要求组织跨部门作出决策。技术团队可能掌管基础设施,业务部门可能负责服务,采购部门可能管理供应商,而风险管理职能部门则可能评估风险敞口。如果问责机制不明确,各方就可能只顾优化自身职责范围内的工作,却使整体服务留下缺口。因此,治理需要将服务归属、资源决策、风险接受和高管监督衔接起来。在受监管的金融机构中,相关监管框架对董事会和高级管理层的责任有明确规定。

明确责任并不等于将所有任务都交给一位高管。服务负责人需要获取来自技术、安全、运营、设施、法务、沟通和供应商管理等职能部门的信息。独立的风险监督职能负责质疑相关假设,并评估接受已识别脆弱性的依据是否适当。内部控制和内部审计可提供额外保障,但不能替代运营责任主体。完成一份政策文件,只能证明相关安排已经制定,并不能证明组织在中断期间有能力付诸实施。

事件管理将这些安排转化为行动。有效响应需要明确识别事件、将决策上报更高层级、确立指挥权限,以及协调技术与业务活动的标准。决策可能涉及暂停交易、启用替代处理方式、限制访问,或推迟恢复运行直至数据完整性得到核查。这些选择往往需要权衡不同的损害。迅速重启可以缩短中断时间,但如果记录不一致,或攻击者仍保有访问权限,就可能加重损失。

事件发生期间,沟通是服务交付的一部分。客户和交易对手需要获得足够准确的信息,了解哪些功能受到影响、有哪些替代方案,以及预计何时会有最新消息。员工需要获得关于职责和操作限制的权威说明。监管机构和公共主管部门可能另有通报要求。沟通渠道本身也可能失效,尤其是当电子邮件、身份服务和协作平台与受影响服务依赖同一套基础设施时。因此,替代安排必须避免重现导致最初沟通故障的依赖关系。

组织学习有赖于审视组织实际采取了哪些行动,而不只是检查员工是否遵循预案。复盘时,需要区分触发事件与促成事件的条件,后者包括归属不清、访问权限过大、测试不足或恢复假设不切实际等。险些酿成事故的事件同样具有参考价值,因为成功控制事态可能掩盖严重的脆弱性。整改若能针对这些条件,而不是仅增加一道程序却不改变实际能力,就会更加有效。组织的激励机制也很重要:如果报告问题会受到惩罚,或者靠排除难以处理的案例来达成恢复目标,管理信息就可能呈现出表面上的韧性,而运营弱点依然没有得到解决。

情景测试与衡量

运营韧性测试考察的是,服务在遭遇中断时能否仍处于预先界定的容忍限度之内。这不同于检查某项控制措施是否存在,或备份是否成功完成。有效的测试会将严苛的情景与完整的服务交付链条联系起来,涵盖外部依赖、人员配置、沟通、客户影响及恢复等方面。情景规划提供结构化的情景叙述,而运营测试则检验拟议的应对措施是否可行。

测试情景通常被描述为严重但合理可信的情景,例如技术系统长时间停机、生产数据损坏、经营场所无法使用、主要供应商失效,或多名关键人员同时缺岗。合理可信并不要求某种具体的事件组合曾经发生过。测试的目的是探索可能出现、且会对现有安排构成挑战的运营条件。仅以熟悉的事件为基础设计情景,可能会忽视架构、集中度或业务依赖关系的变化。

不同测试方法的真实程度和风险各不相同。讨论式演练考察决策与协调;模拟演练按预定时间引入事态变化,并提供不完整的信息;技术恢复测试验证恢复程序和数据一致性;受控故障切换演练则考察能否将流量转移至备用容量。干预程度更高的测试能够揭示仅靠文档无法发现的薄弱环节,但也可能干扰生产运行。因此,测试设计需要在所能提供的证据价值与损害受测服务的可能性之间取得平衡。

压力测试可以考察,在异常严峻的条件下,人员配置、处理能力或恢复资源是否仍然充足。反向压力测试则从不可接受的结果出发,例如超出服务容忍限度,再反向推导可能导致该结果的故障组合。只有针对发现的不足开展整改、跟踪整改进展,并在适当情况下重新测试,测试结果才有价值。反复展示一条经过充分演练的恢复路径,所提供的信息不如测试尚不确定的依赖关系,或测试该路径无法使用时的情形。

衡量不能仅依赖单一的可用性统计指标。例如,一段时间内累积的服务缺口可以表示为

L=∫t0t1max⁡{0,qrequired(t)−qdelivered(t)} dt,L=\int_{t_0}^{t_1}\max\{0,q_{\mathrm{required}}(t)-q_{\mathrm{delivered}}(t)\}\,dt,

其中,q(t)q(t) 为服务交付速率。这一指标同时反映服务受损的程度和持续时间,但它并非通用的监管衡量指标,单凭这一指标也无法反映不同客户受到的不均等损害或交易的时限要求。其他指标包括失败交易数量、积压事项的滞留时间、恢复成功率,以及检测到事件并上报升级所需的时间。总体正常运行时间可能掩盖集中发生的中断:即使全年可用性达到99.9%,仍意味着约有8.8小时的不可用时间。将衡量与具体服务、受影响用户及明确说明的测试条件相联系,才能获得最有参考价值的结果。

第三方依赖与经济权衡

组织日益依靠外部服务商提供服务,包括电信公司、软件供应商、数据处理商、物流企业和云计算平台。外包可以带来专业知识、更大的处理能力和专业化管理的基础设施,从而增强韧性。但它也可能造成难以察觉或控制的依赖关系。即使重要环节由外部机构运营,服务提供者仍须对其服务负责。

相关依赖链往往不止于直接签约方。技术供应商可能依赖另一家服务商提供托管、身份管理、网络连接或支持服务。这些分包关系可能使看似多元化的安排存在共同故障点。从不同供应商采购的两个应用,最终可能运行在同一云区域,或依赖同一个身份验证平台。因此,供应商评估关注的是实际的运营依赖关系,而不只是合同数量。

合同权利有助于增强韧性,但仅凭这些权利并不能确保韧性。合同条款可以涵盖事件通报、信息获取、测试、恢复安排、分包及终止合作时的协助。其实际运营价值取决于危机期间能否获得所需信息,以及替代方案是否可用。当数据格式、软件接口、专业技能或合同限制导致供应商锁定和高昂的转换成本时,退出方案尤其难以制定。迁移一项复杂服务所需的时间,可能远远超过该服务可容忍的中断时长。

韧性投资也涉及经济权衡。备用容量、替代供应商、额外人员和独立恢复环境即使闲置,也会产生成本。它们的收益包括避免业务中断,以及在条件变化时保留调整的余地。传统的成本收益分析在此难以开展,因为严重事件并不常见,损失可能具有高度非线性,而未来的运营条件也存在不确定性。因此,正常情况下成本最低的运营安排,可能与中断期间最能维持关键服务成果的安排大相径庭。

个体激励也可能偏离集体需求。供应商扩大规模可以通过规模经济降低成本,但其服务被广泛采用又会形成集中依赖。企业可能未充分考虑自身故障给其他主体造成的中断,由此产生外部性。在系统层面,即使每家机构的供应商安排单独看来都很合理,共同的依赖关系仍可能引发系统性风险。反过来,要求大量重复配置也可能增加复杂性,带来新的维护负担。因此,经济分析不仅考察冗余的数量,还考察是否真正实现了多样化、替代方案是否可用,以及投资是否针对后果最严重的故障路径。

监管框架与全系统韧性

金融监管使运营韧性有了更明确的制度形式,但不同司法管辖区采用的术语和法律要求有所不同。巴塞尔委员会于2021年3月发布的原则围绕治理、操作风险管理、业务连续性规划与测试、依赖关系梳理、第三方依赖、事件管理,以及具备韧性的信息与通信技术展开。这些原则属于国际监管标准,而非可直接适用的法律;其实施取决于各国主管机关及法律框架。

在英国,金融行为监管局、审慎监管局和英格兰银行共同制定了协调一致的运营韧性监管方案。相关政策声明于2021年3月发布,规则于2022年3月31日生效。适用范围内的企业须识别重要业务服务、设定影响容忍度,并开展依赖关系梳理和测试。企业为具备将中断影响控制在容忍度以内的能力而获准的过渡期,于2025年3月31日结束。该框架强调防止中断造成不可容忍的损害,而非要求每一项内部活动都不间断地持续开展。

欧盟的《数字运营韧性法案》,简称DORA,即《欧盟第2022/2554号条例》,自2025年1月17日起适用。该条例为范围广泛的金融实体建立了统一的数字运营韧性框架,主要涵盖信息与通信技术风险管理、事件报告、韧性测试、第三方风险管理,以及信息共享安排。它还针对关键信息与通信技术第三方服务提供商建立了监督框架。DORA对数字领域的覆盖相当广泛,但不应将其等同于运营韧性的全部内容,因为运营韧性还涉及非数字化依赖关系。

在美国,美国联邦储备系统、货币监理署和联邦存款保险公司于2020年10月发布了《增强运营韧性的稳健实践》。该文件汇集了适用于特定大型复杂银行机构的现行法规、监管指引和行业实践,而非制定一项普遍适用的新规则。金融市场基础设施还须遵循专门的监管要求,这些要求反映了支付系统、证券结算系统和中央对手方发生中断所带来的后果。

不能仅靠将各家机构的能力相加来推断整个系统的韧性。危机期间,多家机构可能计划启用同一家替代供应商、退出同一个市场,或向同一个人员有限的专家群体寻求协助。一家参与机构的恢复可能有赖于另一家先行恢复。行业演练、监管协调以及对关键服务提供商的监督,旨在应对这些相互依赖关系。跨境运营还涉及信息共享、法定权限、事件分类和期限相互冲突等问题。监管的核心难点在于,如何获得可信证据,证明服务在罕见且相互关联的中断情形下仍能持续,同时避免将合规文件视为实际有效的运营能力的替代品。