# インシデント影響測定 ## 定義 インシデント影響測定(Incident Impact Measurement)とは、発生したインシデントが顧客・ビジネスにどれだけの実害をもたらしたかを、担当者の主観や経験則ではなく統計的手法で定量化するプロセスである。[[PayPal]] の [[Ashish Patel]] と [[Sriram Srinivasan]] は SREcon22 APAC(2022-12-07)で、この定量化の中心指標として **FCI(Failed Customer Interactions、失敗した顧客とのやり取り数)** を提案した([[@2022__SREcon22APAC__The Math behind the Incident Aftermath]])。 FCI は次の2要素の合算として算出される: (1) 正常時のベースライン予測トラフィック(6週間トリム平均などの時系列モデルで推定)と実測トラフィックとの乖離から得られる「欠損した成功件数」、(2) インシデント中に明示的にエラーを受けた顧客のやり取り件数(Missed CI)。この FCI をベースライン件数で正規化すると Availability(可用性)指標が得られ、実例では Baseline 99.9990% に対し実測 Availability 99.6171%、FCI 33,322 件という結果が示された(p.26)。さらに国・製品・ビジネス指標・マーチャント・ユニーク顧客の5軸でセグメンテーションすることで、影響の内訳を特定できる(p.27)。 ## 横断的知見 - (1 ソース目のため、横断的知見は次の関連ソース追加時に育てる。) ## 未解決の問い - FCI のようなトラフィック乖離ベースの定量指標は、[[インシデント重大度評価]] が扱うフラグベーススコアリング(法的・財務・ユーザー信頼等の多次元評価)とどう補完し合えるか。FCI は「量」を、フラグスコアリングは「質」を測る指標として併用できる可能性がある。 - ベースライン予測モデル(6週間トリム平均等)の精度は、トラフィックパターンが不規則なサービス(季節性の強いEコマース等)でどこまで維持できるか。 - セグメンテーション(国・製品・マーチャント等)の粒度は、モデルが「分単位集計による近似誤差」を抱える中でどこまで信頼できるか(p.31 の Approximation 課題との関係)。 ## 関連 - ソース: [[@2022__SREcon22APAC__The Math behind the Incident Aftermath]] - エンティティ: [[Ashish Patel]]、[[Sriram Srinivasan]]、[[PayPal]] - 関連概念: [[インシデント重大度評価]](質的・フラグベースの重大度評価との対比)、[[ビジネスモニタリング]](ビジネス KPI による顧客影響把握という共通の問題意識)、[[インシデント管理]] - 関連 MOC: [[structures/000 Index.md|000 Index]] ## 出典 - [[@2022__SREcon22APAC__The Math behind the Incident Aftermath]](FCI 算出式・可用性測定実例・セグメンテーション・p.17-27)