Framework of the VisiCalc Analytical Model for Technical Risk Assessment of API Services Using Real Operational Data in a Banking Integration Platform

Tato bakalářská práce se zabývá návrhem analytického modelu VisiCalc, jehož cílem je systematické a konzistentní hodnocení rizikovosti API služeb vystavených na integrační platformě banky. Potřeba takového nástroje vznikla v důsledku neustálého rozšiřování portfolia bankovních služeb, které přináší rostoucí počet a komplexitu API závislostí, přičemž dosavadní rozhodování o rizikovosti služeb probíhalo subjektivně a nekonzistentně. Model hodnotí rizikovost ze dvou pohledů – technické rizikovosti a rizikovosti z pohledu závislých systémů. Technická rizikovost je vypočítána jako vážený kvadratický průměr parciálních skóre pěti metrik: objemu volání, mediánu délky volání, relativního podílu na výpočetním zatížení platformy, variability latence a velikosti payloadu. Rizikovost z pohledu závislých systémů odráží kritičnost nejvýznamnějšího backendového a subscriberského systému navázaného na dané API. Vstupní data jsou získávána z monitorovacího nástroje Kibana pomocí dotazovacího jazyka ESQL, z interní databáze nástroje Visibler, který představuje centrální katalog API služeb, prostřednictvím SQL dotazů, a z Centrálního aplikačního registru, který slouží jako centrální katalog bankovních aplikací. Výstupem práce je funkční prototyp modelu navržený v prostředí Microsoft Excel, který byl otestován na reálných provozních datech pokrývajících téměř 8 600 API služeb. Na základě tohoto prototypu bylo připraveno zadání pro vývojáře, podle něhož byl model implementován přímo do nástroje Visibler. Implementovaný model je dostupný v detailu každé API služby a umožňuje jejím vlastníkům a vývojářům objektivně posoudit, zda plánovaná změna vyžaduje notifikaci integračního týmu.

This bachelor's thesis deals with the design of the VisiCalc analytical model, aimed at systematically and consistently evaluating the risk level of API services exposed on a bank's integration platform. The need for such a tool arose due to the continuous expansion of the bank's service portfolio, which brings an increasing number and complexity of API dependencies, while previous risk assessment decisions were made subjectively and inconsistently. The model evaluates risk from two perspectives — technical risk and dependency risk. Technical risk is calculated as a weighted root mean square of partial scores across five metrics: call volume, median call duration, relative share of platform compute load, latency variability, and payload size. Dependency risk reflects the criticality of the most significant backend and subscriber system connected to the given API. Input data is retrieved from the Kibana monitoring tool using the ESQL query language, from the internal Visibler database, which is a central catalogue of API services, using SQL queries, and from the Central Application Registry, which is a central catalogue of bank applications. The output of this thesis is a functional model prototype designed in MS Excel, tested on real operational data covering nearly 8,600 API services. Based on this prototype, a specification was prepared for developers, according to which the model was implemented directly into the Visibler tool. The implemented model is available on the detail page of each API service and enables its owners and developers to objectively assess whether a planned change requires notification of the integration team.