Управление цифровыми технологиями и цифровой трансформацией

Цифровая трансформация — это не ИТ-проект, а смена конкурентной логики. Модуль задаёт управленческую оптику: как из миссии выводится цифровая ценность и как под неё выстраивается архитектура предприятия.

Глава 1. Цифровая визия и конкурентная логика: формула ценности для клиента и акционера

Кейс: DBS Bank, Сингапур — «Best Digital Bank» как стратегия бизнеса, а не приложение;

Глава 2. Диагностика цифровой зрелости: где мы сейчас и куда идём

Кейс: Maersk, Дания — карта зрелости как основа портфеля изменений;

Глава 3. Целевая операционная модель (TOM) и бизнес-возможности (value streams)

Кейс: Schneider Electric, Франция — TOM под цифровые сервисы и энергоменеджмент;

Глава 4. Архитектура предприятия: бизнес-capabilities, процессы, ИТ-ландшафт;

Кейс: Unilever, UK/Нидерланды — каталог способностей как язык стратегических решений;Глава 5. Портфель трансформации: дорожная карта, бенефиты, риски

Кейс: Emirates Group, ОАЭ — волновое планирование и быстрая отдача;

Глава 6. Механика управления: роли CEO/CDO/CIO, комитеты, эскалация

Кейс: Siemens, Германия — «dual operating system» для устойчивых изменений.

Назначение

Перевести стратегию компании в операционную цифровую логику: от визии и конкурентной ценности к архитектуре предприятия и портфелю изменений.

Результаты обучения

• Формулировать цифровую визию и карту ценности для клиента/акционера;
• Проводить диагностику цифровой зрелости и определять целевые векторы роста;
• Проектировать целевую операционную модель (value streams, роли, метрики);
• Собирать архитектуру предприятия: бизнес-возможности, процессы, ИТ-ландшафт;
• Формировать портфель трансформации с дорожной картой и показателями выгод/рисков;
• Организовывать механизмы управления (комитеты, роли CEO/CDO/CIO).

Формы аттестации

• Аналитическая записка «Диагностика + TOM»;
• Стратегический бриф «Цифровая формула ценности»;
• Защита дорожной карты (10–12 слайдов).

Сквозные требования

Единый словарь стратегических метрик (OKR/KPI), реестр допущений, журнал архитектурных решений, матрица рисков.

Локализованные кейсы

• UK: Tesco — цифровая операционная модель ритейла;
• London Stock Exchange Group — цифровая стратегия платформы данных;
• Сингапур: DBS — стратегия «digital to the core»;
• Singapore Airlines — цифровые сервисы лояльности и операций;
• РФ: Сбер — экосистемная стратегия;
• Северсталь — цифровая стратегия производственной эффективности.

Облако — это операционная модель, а не дата-центр. Модуль о скорости, масштабируемости и экономике.

Глава 1. Стратегия облака: публичное, частное, гибрид, мульти-cloud

Кейс: Volkswagen, Германия — индустриальная облачная платформа;

Глава 2. Edge-вычисления и 5G: латентность как новый ресурс

Кейс: Foxconn, Тайвань — 5G-фабрики и машинное зрение;

Глава 3. Платформенная инженерия: внутренние платформы для команд (IDP)

Кейс: Spotify, Швеция — «золотые пути» разработчика;

Глава 4. Cloud FinOps: стоимость, бюджетирование, KPI

Кейс: Capital One, США — финансовая дисциплина облака;

Глава 5. Архитектурные паттерны: микросервисы, события, API

Кейс: Mercado Libre, ЛатАм — эволюция монолита в микро-сервисы;

Глава 6. Непрерывность и отказоустойчивость: Multi-AZ/Region-дизайн

Кейс: Grab, Сингапур — «актив-актив» для супераппа.

Назначение

Обеспечить скорость, масштаб и экономику вычислений через облачные и периферийные архитектуры.

Результаты обучения

• Выбирать целевую облачную стратегию (public/private/hybrid/multi);
• Проектировать edge-сценарии и 5G-контуры для низких задержек;
• Разворачивать внутренние платформы разработчика (IDP) и каталоги сервисов;
• Применять Cloud FinOps для контроля TCO и бюджетов;
• Проектировать отказоустойчивость (multi-AZ/region, active-active);
• Обосновывать экономику миграций и модернизаций.

Формы аттестации

• Расчёт TCO по трём сценариям;
• Архитектурный эскиз L0–L2;
• Меморандум по FinOps-политикам.

Сквозные требования

Модель угроз для облака, политика секретов/ключей, минимальные привилегии, журнал инцидентов доступности.

Локализованные кейсы

• UK: BT Group — облачная модернизация сетевых сервисов;
• Ocado — высокодоступная e-commerce-платформа;
• Сингапур: Grab — многорегиональная архитектура супераппа;
• Singtel — edge-сервисы и 5G-частные сети;
• РФ: Яндекс — масштаб облачных сервисов;
• МТС — частные LTE/5G и edge-кейсы.

Данные — стратегический актив, если ими управляют как продуктом.

Глава 1. Data governance: роли, политики, каталоги, MDM

Кейс: Nestlé, Швейцария — глобальные справочники;

Глава 2. Архитектуры данных: DWH, Lakehouse, стриминг

Кейс: Netflix, США — потоковая аналитика как стандарт;

Глава 3. Качество и наблюдаемость данных: доверие и SLA

Кейс: ING, Нидерланды — Data Quality Scorecards;

Глава 4. Знания и онтологии: таксономии, графы, поиск

Кейс: Airbus, Франция/Германия — граф знаний для инжиниринга;

Глава 5. Монетизация и «data products»: ценообразование, лицензирование

Кейс: Equifax, США — продукты на основе данных;

Глава 6. Метрики и ценность: OKR/KPI для данных

Кейс: Telefónica, Испания — бизнес-метрики вложений в данные.

Назначение

Сформировать «фабрику данных» и управлять знаниями как продуктом, связав их с бизнес-эффектом.

Результаты обучения

• Внедрять data governance, роли и каталоги;
• Выбирать архитектуры данных (DWH/Lakehouse/стриминг);
• Настраивать качество и наблюдаемость данных (SLA/SLO);
• Проектировать онтологии/графы знаний и корпоративный поиск;
• Создавать и масштабировать data products и модели монетизации;
• Строить систему метрик ценности данных.

Формы аттестации

• Паспорт домена данных;
• Прототип графа знаний;
• Бизнес-кейс монетизации данных.

Сквозные требования

Классификация и критичность данных, политика хранения/удаления, контроль lineage, реплицируемость расчётов.

Локализованные кейсы

• UK: BBC — каталоги контента и метаданные;
• HSBC — управление качеством клиентских данных;
• Сингапур: GovTech — каталоги открытых данных;
• SP Group — аналитика энергораспределения;
• РФ: Мосбиржа — продукты на базе рыночных данных;
• Почта Банк — управление мастер-данными.

От PoC к промышленному ИИ, который повышает маржу и снижает риск.

Глава 1. Карта применений ИИ по функциям: доход, издержки, риск

Кейс: Ping An, Китай — ИИ в страховании и медицине;

Глава 2. Генеративный ИИ и LLM-ассистенты: контент, код, знания

Кейс: KPMG, международно — корпоративные ассистенты консультанта;Глава 3. MLOps: фича-сторы, CI/CD моделей, мониторинг дрейфа

Кейс: Uber, США — Michelangelo как фабрика моделей;

Глава 4. Качество и безопасность моделей: атаки, токсичность, bias

Кейс: Microsoft, США — красные команды для ИИ;

Глава 5. Ответственный ИИ и аудит: объяснимость, оценка, документы

Кейс: BNP Paribas, Франция — контроль моделей в рисках;

Глава 6. Экономика ИИ-инициатив: ROI, эффекты, масштабирование

Кейс: Telefónica Tech — от пилотов к платформам.

Назначение

Перейти от пилотов к промышленному ИИ, который стабильно даёт маржу и снижает риски.

Результаты обучения

• Составлять карту применений ИИ по функциям;
• Проектировать LLM-ассистентов под роли/процессы;
• Строить MLOps: фича-сторы, CI/CD моделей, мониторинг дрейфа;
• Обеспечивать качество/безопасность модели и устойчивость к атакам;
• Проводить аудит ответственности и объяснимости;
• Считать ROI и масштабирование ИИ-портфеля.

Формы аттестации

• Демонстрация прототипа ассистента;
• Документ MLOps-процесса;
• Отчёт «Риски и контроль модели».

Сквозные требования

Реестр моделей, оценка bias/Robustness, human-in-the-loop, журнал датасетов и лицензий.

Локализованные кейсы

• UK: Barclays — ИИ-анализ транзакций и рисков;
• GSK — поддержка НИОКР данными и моделями;
• Сингапур: MAS-надзор за рисками c применением аналитики;
• Changi Airport — ИИ-операции обслуживания;
• РФ: Тинькофф — ИИ в клиентских процессах;
• Газпром нефть — предиктивные модели в добыче/логистике.

Финансовая функция становится цифровым «нервом» бизнеса.

Глава 1. Единый контур данных для FP&A 4.0

Кейс: Danone, Франция — оперативное планирование;

Глава 2. RPA/IPA в транзакциях: P2P, O2C, R2R

Кейс: Shell, Нидерланды/UK — роботизация бэк-офиса;

Глава 3. Сценарное моделирование и драйвер-бэйзд планирование

Кейс: Heineken, Нидерланды — стресс-тесты спроса;

Глава 4. Раннее предупреждение о рисках: аномалии и паттерны

Кейс: Santander, Испания — триггеры риска;

Глава 5. Антифрод и кибер-финбез

Кейс: Revolut, UK — проактивные детекторы;

Глава 6. Инвестиции в ИТ и обоснование выгоды

Кейс: BMW, Германия — портфель ИТ-инициатив.

Назначение

Превратить финансовую функцию в цифровой «нерв» организации.

Результаты обучения

• Выстраивать контур данных FP&A 4.0;
• Автоматизировать транзакции R2R/O2C/P2P (RPA/IPA);
• Проводить драйвер-бэйзд и сценарное моделирование;
• Внедрять ранние индикаторы рисков и антифрод;
• Оценивать инвестиции в ИТ-портфель и выгоды;
• Контролировать ИТ-затраты и оптимизировать TCO.

Формы аттестации

• Сценарная Финмодель реального кейса;
• Мини-проект антифрода;
• Устная защита.

Сквозные требования

Раздельный учёт CAPEX/OPEX, контроль доступа к финансовым данным, непрерывный аудит и журнал корректировок.

Локализованные кейсы

• UK: Aviva — сценарное моделирование рисков;
• Revolut — антифрод-аналитика;
• Сингапур: DBS — FP&A в реальном времени;
• Singtel — телеком-финансы и цифровые каналы;
• РФ: Норникель — риск-модели и стресс-тесты;
• X5 Group — сквозная торговая аналитика.

Там, где клиент, — там и ваша архитектура.

Глава 1. CRM/CDP и единый профиль клиента

Кейс: Sephora, Франция — персонализация;

Глава 2. Омниканальность и сквозная атрибуция

Кейс: Ocado, UK — e-grocery как система;

Глава 3. Маркетплейсы и партнёрства

Кейс: Alibaba, Китай — экосистема продавцов;

Глава 4. Рекомендации и цены в реальном времени

Кейс: Booking, Нидерланды — динамическое ценообразование;

Глава 5. Репутация и соцплатформы

Кейс: Hilton, США — управление отзывами;

Глава 6. Архитектура MarTech и интеграции

Кейс: L’Oréal, Франция — связанный стек.

Назначение

Управлять воронкой ценности от первого касания до LTV в омниканальной среде.

Результаты обучения

• Проектировать CRM/CDP и единый профиль клиента;
• Настраивать омниканальность и сквозную атрибуцию;
• Создавать архитектуру маркетплейсов и партнёрств;
• Реализовывать персонализацию и динамическое ценообразование;
• Управлять цифровой репутацией и контентом;
• Интегрировать MarTech-стек с корпоративными системами и BI.

Формы аттестации

• CJM + схема CDP;
• Бизнес-кейс маркетплейса;
• Эксперимент по прайс-алгоритму.

Сквозные требования

Согласия и управление идентификаторами, качество атрибуции, политика UGC и модерации, DPIA для маркетинга.

Локализованные кейсы

• UK: Tesco Clubcard — персонализация;
• ASOS — маркетплейсная модель;
• Сингапур: Lazada/Shopee — платформа продавцов;
• Singapore Airlines — цифровая лояльность;
• РФ: Ozon — динамическое ценообразование;
• СберМаркет — омниканальность доставки.

Производство и логистика становятся «прозрачными» и предиктивными.

Глава 1. IIoT и телеметрия: события, сенсоры, CEP

Кейс: ArcelorMittal, Люксембург — мониторинг сталеплавки;

Глава 2. Цифровые двойники: линии, объекты, цепочки

Кейс: Rolls-Royce, UK — цифровой двойник двигателя;

Глава 3. S&OP и APS: планирование end-to-end

Кейс: Procter & Gamble, США — глобальные цепи;

Глава 4. Роботизация и аддитивное производство

Кейс: GE Additive, США/Германия;

Глава 5. Предиктивное обслуживание и OEE

Кейс: Hitachi, Япония — отказоустойчивость;

Глава 6. Энергоэффективность и ESG-метрики в операциях

Кейс: Ørsted, Дания — цифровая энергетика.

Назначение

Сделать производство и логистику прозрачными, предиктивными и энергоэффективными.

Результаты обучения

• Строить контур IIoT и событийной обработки;
• Моделировать цифровые двойники активов/линий/узлов сети;
• Организовывать S&OP и APS для end-to-end видимости;
• Применять роботизацию и аддитив;
• Внедрять предиктивное обслуживание и повышать OEE;
• Управлять энергоёмкостью и ESG-метриками операций.

Формы аттестации

• Проект IIOT-телеметрии;
• Прототип цифрового двойника;
• Симуляция S&OP.

Сквозные требования

Разделение IT/OT, OT-безопасность, журнал изменений процессов, контроль калибровки датчиков.

Локализованные кейсы

• UK: Rolls-Royce — цифровые двойники;
• Unilever — планирование цепей поставок;
• Сингапур: PSA — логистика портов;
• ST Engineering — мониторинг производств;
• РФ: Северсталь — предиктивная эксплуатация;
• Русагро — цифровая логистика агроцепочек.

От проектной логики к «фабрике продуктов».

Глава 1. Продуктовый подход и трибы

Кейс: ING, Нидерланды — agile-перестройка организации;

Глава 2. DevSecOps: скорость без ущерба безопасности

Кейс: Atlassian, Австралия;

Глава 3. Платформенная инженерия и SRE

Кейс: Google, США — SRE-принципы;

Глава 4. Управление спросом на ИТ и портфелем

Кейс: Telstra, Австралия — прозрачность портфеля;

Глава 5. KPI цифровой функции: от аптайма к бизнес-ценности

Кейс: Commonwealth Bank, Австралия — дашборды для СЕО;

Глава 6. Культура эксперимента и «безопасные неудачи»

Кейс: Etsy, США — continuous learning

Назначение

Перевести разработку и эксплуатацию на масштабируемую «фабричную» логику.

Результаты обучения

• Внедрять продуктовые модели управления (трибы/домены);
• Организовывать DevSecOps и SRE-практики;
• Строить внутренние платформы (IDP) и «золотые пути»;
• Управлять спросом и портфелем ИТ (вэйвы/канбан);
• Формировать KPI цифровой функции от аптайма к бизнес-ценности;
• Развивать культуру эксперимента и обучения на инцидентах.

Формы аттестации

• Дорожная карта платформы;
• Пакет SLO/SLA;
• Отчёт «Эксперимент и выводы».

Сквозные требования

Политика секретов, минимальные привилегии, SBOM/цепочка поставки ПО, post-mortem без наказаний.

Локализованные кейсы

• UK: Sky — платформа разработчика;
• Monzo — инженерия надёжности банка;
• Сингапур: Grab — платформа для внутренних команд;
• GovTech — DevSecOps гос-сервисов;
• РФ: Яндекс — платформенная инженерия;
• Тинькофф — DevOps-культура финтеха.

Доверие — главный актив цифровой экономики.

Глава 1. Картирование угроз и риск-менеджмент

Кейс: Swiss Re, Швейцария — санкционные и комплаенс-риски;

Глава 2. Архитектура Zero Trust

Кейс: Microsoft — модель идентичностей;

Глава 3. SOC и реагирование на инциденты

Кейс: Airbus, ЕС — управление публичными рисками;

Глава 4. DLP, шифрование, анонимизация

Кейс: HSBC, UK/Гонконг — глобальные политики данных;

Глава 5. Приватность и регуляторика: GDPR/локализация

Кейс: Burberry, UK — бренд и приватность клиентов;

Глава 6. Непрерывность (BCP/DRP) и киберстрахование

Кейс: DSM, Нидерланды — устойчивость как стандарт.

Назначение

Сохранять темп изменений, не теряя контроля над рисками и доверием клиентов/регуляторов.

Результаты обучения

• Картировать угрозы и приоритизировать меры;
• Проектировать Zero Trust-архитектуру;
• Организовывать SOC и реагирование;
• Обеспечивать DLP/шифрование/анонимизацию;
• Соблюдать GDPR и локальные режимы приватности;
• Планировать BCP/DRP и страхование киберрисков.

Формы аттестации

• Tabletop-учения;
• Playbook инцидентов;
• Аудит приватности сервиса.

Сквозные требования

DPIA, журнал инцидентов, регулярные «красные команды», контроль третьих сторон и поставщиков.

Локализованные кейсы

• UK: National Grid — киберустойчивость критической инфраструктуры;
• Barclays — защита данных клиентов;
• Сингапур: GovTech — Bug Bounty и упреждающие тесты;
• MAS — требования к киберустойчивости;
• РФ: Ростелеком-Солар — SOC-практики;
• Мосэнерго — устойчивость энергосистем.

Как действовать в многоюрисдикционной среде и не потерять скорость.

Глава 1. Электронные сделки и доказательная база: подпись, смарт-контракты

Кейс: Estonia e-Residency — госуслуги и бизнес;

Глава 2. Трансфер и локализация данных: международная совместимость

Кейс: EU–UK — пост-Brexit режимы;

Глава 3. Санкции и экспортный контроль технологий

Кейс: Airbus Supply Chain — соответствие и устойчивость;

Глава 4. Финтех-инфраструктура и цифровая идентификация

Кейс: India Stack — массовая цифровизация платежей;

Глава 5. IP в цифровых продуктах и ИИ-артефактах

Кейс: ARM, UK — лицензирование IP-ядер;

Глава 6. Электронная ВЭД: таможня, тарифы, логистика данных

Кейс: Singapore TradeNet.

Назначение

Обеспечить юридическую состоятельность и скорость операций в многоюрисдикционной среде.

Результаты обучения

• Оформлять электронные сделки и доказательства (подписи, смарт-контракты);
• Управлять трансфером и локализацией данных;
• Учитывать санкционный/экспортный контроль технологий;
• Выстраивать финтех-инфраструктуру и e-ID;
• Защищать ИС в цифровых продуктах/ИИ;
• Оптимизировать электронную ВЭД и таможенные процедуры.

Формы аттестации

• Юридическое заключение по 2–3 юрисдикциям;
• Комплаенс-карта кейса;
• Шаблон договора/лицензии.

Сквозные требования

Реестр юрисдикций, матрица соответствия, договорные DPA/SLA, хранение аудита, прозрачность для регулятора.

Локализованные кейсы

• UK: Open Banking/PSR — требования к платёжным сервисам;
• HMRC — цифровые таможенные процедуры;
• Сингапур: TradeNet — электронная ВЭД;
• SingPass/MyInfo — eKYC;
• РФ: «Госуслуги ID» — цифровая идентичность;
• ФТС — электронное декларирование.

Побеждают не компании, а экосистемы.

Глава 1. Многосторонние платформы и сетевые эффекты

Кейс: Apple, США — App Store-экосистема;

Глава 2. API-монетизация и маркетплейсы API

Кейс: Twilio, США;

Глава 3. Корпоративные венчуры, акселераторы, CVC

Кейс: Intel Capital, США;

Глава 4. Блокчейн-реестры и токенизация активов

Кейс: MAS, Сингапур — Project Ubin;

Глава 5. IoT/edge-кейсы в реальном времени

Кейс: Deutsche Bahn, Германия — предиктивная эксплуатация;

Глава 6. Масштабирование инноваций: фабрика продуктов

Кейс: Tencent, Китай — суперапп-логика.

Назначение

Строить многосторонние платформы и управлять сетевыми эффектами, опираясь на портфель инноваций.

Результаты обучения

• Проектировать платформенные модели и токи ценности;
• Монетизировать API и разворачивать маркетплейсы;
• Организовывать CVC/акселераторы/венчурные студии;
• Оценивать блокчейн-реестры и токенизацию активов;
• Разрабатывать IoT/edge-кейсы реального времени;
• Масштабировать инновации до «фабрики продуктов».

Формы аттестации

• Бизнес-план API-продукта;
• Инвестиционный меморандум CVC;
• Пилот реестра/маркетплейса.

Сквозные требования

Версионирование API/контракты, политика открытых данных, оценка партнёрских рисков, антимонопольная гигиена.

Локализованные кейсы

• UK: ARM — лицензирование IP-ядер;
• Revolut — платформа партнёрских сервисов;
• Сингапур: MAS — «regulatory sandbox» для финтеха;
• DBS — открытая API-модель;
• РФ: Яндекс — экосистемные API;
• VK — партнёрская платформа.

Венец программы: от гипотезы ценности к защищённой модели изменений.

Глава 1. Аудит зрелости и постановка гипотез ценности

Кейс: региональная телеком-группа — портфель эффектов;

Глава 2. Дизайн-спринт: CJM, сервис-Blueprint, UX-артефакты

Кейс: национальная e-ID платформа;

Глава 3. Финансовая модель: CAPEX/OPEX, сценарии, риски

Кейс: промышленный холдинг — экономия и рост;

Глава 4. Архитектура решения и план индустриализации

Кейс: ретейл-экосистема — переход на платформу;

Глава 5. Управление изменениями: коммуникации, обучение, метрики

Кейс: крупный банк — академия цифровых ролей;

Глава 6. Защита проекта перед академической комиссией и стейкхолдерами бизнеса

Кейс: публичная компания — совет/инвесторы. (Композиция финального модуля соответствует логике вашего образца: разработка — сценарии — защита).

Назначение

Синтезировать компетенции программы в реальном проекте изменений и защитить промышленно состоятельную модель

Результаты обучения

• Выполнить аудит зрелости и собрать гипотезы ценности;
• Провести интервью и верификацию данных, построить базовую линию KPI;
• Собрать финансовую модель CAPEX/OPEX со сценариями и рисками;
• Спроектировать архитектуру решения и план индустриализации;
• Выстроить управление изменениями, обучение и коммуникации;
• Защитить проект перед академией и стейкхолдерами бизнеса.

Формы аттестации

Единый капстон-пакет: проектный устав, roadmap, архитектурная записка, финмодель, коммуникационный план; публичная защита.

Сквозные требования

Трассируемость артефактов к стратегии и данным, независимая проверка выгод, ретроспектива и план доработок.

Локализованные кейсы

• UK: промышленный производитель — переход на платформенную модель;
• NHS-подрядчик — цифровизация сервиса.
• Сингапур: телеком/финтех — масштабирование цифрового продукта: городской оператор — интеграция платформ умного города;
• РФ: промышленный холдинг — цифровой портфель эффективности; федеральный сервис — цифровая платформа массовых услуг.

Этот модуль превращает «зелёную повестку» из декларации в инженерно-финансовую дисциплину управляемых метрик.

Глава 1. Углеродный след ИТ-инфраструктуры

Методики учёта, границы Scope 1–3, фактор эмиссий и базовые линии;

Глава 2. Энергоэффективность ЦОД и облака

PUE/DCiE, тепловые карты, рекуперация тепла, гетерогенные вычисления;

Глава 3. «Зелёные» архитектуры и код

Карбоново-осознанные планировщики, нагрузочные профили, выбор стеков и языков;

Глава 4. Устойчивые данные и хранение

Политика TTL/архивов, дедупликация, жизненный цикл данных, «холодные» и «тёплые» классы;

Глава 5. ESG-отчётность для ИТ

Стандарты, аудит трассируемости, независимая верификация и цифровые доказательства;Глава 6. Экономика «зелёных» инициатив

TCO↔CO₂e, ценность для клиента и акционера, внутренняя цена углерода и портфель решений.

Назначение

Превращает ESG-повестку ИТ в управляемую экономику углеродного следа, эффективности инфраструктуры и «зелёных» архитектур.

Результаты обучения

• Рассчитывать углеродный след ИТ по Scope 1–3 и формировать базовую линию;
• Проектировать меры снижения PUE/DCiE для ЦОД/облака;
• Выбирать карбоново-осознанные паттерны архитектуры и кода;
• Настраивать политику жизненного цикла данных (TTL, архивы, классы хранения);
• Формировать ESG-метрики и их связь с TCO/ROI;
• Подготавливать доказательственную базу для внешнего аудита устойчивости.

Формы аттестации

• Аналитическая записка «TCO↔CO₂e»;
• Расчет PUE-улучшений и план внедрения;
• Мини-защита «портфеля зелёных инициатив».

Сквозные требования

Трассируемость измерений; независимая верификация; политика «минимума данных»; учет энерго- и водопотребления; контроль поставщиков (supply chain sustainability).

Локализованные кейсы

• UK: NHS Cloud — энергоэффективность облачной аналитики;
• UK Gov Digital Estates — «Greening ICT» на уровне ведомств;
• Сингапур: GovTech/NDI хостинг с PUE-оптимизацией: крупный оператор ЦОД — рекуперация тепла и свободное охлаждение в тропиках;
• РФ: Сбер/Яндекс — энергоэффективные ЦОД и классы хранения;
• «Госуслуги» — оптимизация инфраструктурных расходов и углеродного следа.

Город и государство как платформы данных и сервисов, где скорость — новая социальная справедливость.

Глава 1. Государственные реестры и обмен данными

X-Road-логика, межведомственные шины, онтологии публичных данных;

Глава 2. Цифровая идентичность и доверие

eID, атрибутные удостоверения, уровни надежности и «минимум данных»;

Глава 3. Городские платформы и двойники

Геоданные, сенсорика, симуляции трафика, коммунальные сервисы, управленческие панели;Глава 4. Безбумажное регулирование

Проактивные услуги, регтех-контуры, машинно-читаемое право и API государства;

Глава 5. Инклюзия и доступность

«Последняя миля» цифровых сервисов, офлайн-режимы, цифровые навыки населения;

Глава 6. Устойчивость критических сервисов

Кибер-и физическая безопасность, резервирование, взаимная помощь юрисдикций.

Назначение

Государство и город как платформы данных и услуг: скорость, доверие, устойчивость критических сервисов.

Результаты обучения

• Проектировать межведомственный обмен и онтологии публичных данных;
• Формировать контур цифровой идентичности и атрибутных удостоверений;
• Создавать городские платформы и цифровые двойники;
• Реализовывать «безбумажное» регулирование и machine-readable law;
• Обеспечивать цифровую инклюзивность и доступность;
• Планировать кибер- и физическую устойчивость гос/городских сервисов.

Формы аттестации

• Схема X-Road/шины данных;
• Проект «проактивной» услуги;
• Tabletop-учения по отказу городского сервиса.

Сквозные требования

• DPIA/приватность; классификация критичности;
• Доступ по ролям;
• Открытые данные и лицензии;
• Аудит API государства.

Локализованные кейсы

• UK: GOV.UK/One Login — консолидация идентичности;
• London Datastore — городские данные и сервисы.
• Сингапур: SingPass/MyInfo — NDI и атрибутные данные;
• Smart Nation — цифровые городские платформы.
• РФ: «Госуслуги» и МЭШ — массовые цифровые сервисы;
• Москва/ЦОДД — городская телематика и диспетчеризация.

Медицина как индустрия данных и протоколов, где риски жизни требуют инженерной строгости.

Глава 1. Интероперабельность HL7/FHIR

Модели ресурсов, профили, терминологии, совместимость и управление версиями;

Глава 2. Телемедицина и домой мониторинг

Устройства, потоковые данные, клиническая интеграция и SLA ухода;

Глава 3. ИИ в диагностике и триаже

Качество, чувствительность/специфичность, борьба с дрейфом и клиническая валидность;Глава 4. Безопасность медданных и приватность

Анонимизация, псевдонимизация, доступ по ролям, журнал контроля;

Глава 5. Регуляторика и этика

Медицинские изделия как софт, постмаркетинговое наблюдение, информированное согласие;Глава 6. Экономика и возмещение

Модели оплаты, доказательство клинической и экономической эффективности, масштабирование.

Назначение

Инженерия клинических данных: от FHIR-интеграций до валидации ИИ и экономической эффективности.

Результаты обучения

• Проектировать HL7/FHIR-интеграции и терминологии;
• Встраивать телемедицинские/домой-мониторинги в клинический контур;
• Валидировать ИИ-диагностику (чувствительность/специфичность, дрейф);
• Обеспечивать безопасность медданных (анонимизация/псевдонимизация);
• Учитывать регуляторные режимы и этику;
• Обосновывать модели возмещения и масштабирование сервисов.

Формы аттестации

• Архитектура FHIR-профилей;
• Отчёт «клиническая валидность ИИ»;
• Бизнес-кейс экономической эффективности телемониторинга.

Сквозные требования

HIPAA/GDPR-совместимость (в части приватности), журнал доступа, клиническая оценка, постмаркетинговое наблюдение, управление версиями терминологий.

Локализованные кейсы

• UK: NHS Spine/NHS App — FHIR-интеграции;
• NICE — оценка технологий;
• Сингапур: HealthHub/IHiS — национальные платформы: телемедицина в рамках регулятора MOH;
• РФ: ЕГИСЗ/ЕМИАС — интероперабельность и электронные медкарты: телемедицина в рамках нацпроектов.

От корреляций к причинности: аналитика, которая объясняет и меняет решения, а не только рисует графики.

Глава 1. Экспериментальный дизайн

A/B/n, кластеры, CUPED, этика и мощность тестов;

Глава 2. Причинно-следственные модели

DAG-подход, идентификация, инструментальные переменные, дифференц-в-дифференц;Глава 3. UPLIFT-моделирование

Индивидуальная приростная ценность, таргетинг и реальные ограничения данных;

Глава 4. Структурная эконометрика

Эластичности, ценообразование, каннибализация и канальные эффекты;

Глава 5. Репродукцируемость и научная дисциплина

Пайплайны, контроль версий данных/кода, независимые репликации;Глава 6. Внедрение в бизнес-контур

«Каузальный контракт» с владельцем процесса, метрики эффекта, апдейты политики.

Назначение

От корреляций к управленческой причинности, встроенной в продукт и процессы.

Результаты обучения

• Проектировать эксперименты (A/B/n, кластеры, CUPED);
• Строить причинные графы и идентификацию эффектов;
• Разрабатывать uplift-модели для таргетинга;
• Применять структурную эконометрику к ценам и канибализации;
• Обеспечивать воспроизводимость (данные/код/артефакты);
• Встраивать «каузальные контракты» в процессы принятия решений.

Формы аттестации

• Дизайн и запуск эксперимента с отчётом;
• Расчёт причинного эффекта по DAG;
• Меморандум по ценовой политике.

Сквозные требования

• Дисциплина версий данных/кода;
• Контроль ложноположительных;
• Guardrail-метрики;
• Этика экспериментов;
• Независимые репликации.

Локализованные кейсы

• UK: Deliveroo/Fintech UK — культура экспериментов;
• Ритейл — причинная оценка промо-акций;
• Сингапур: Grab/Shopee — uplift-таргетинг и ценообразование;
• Банки — причинность в андеррайтинге;
• РФ: Яндекс — экспериментальные платформы;
• Ozon — эксперименты в маркетплейсе.

Дизайн — это не «красиво», а управляемый производственный контур ценности сервиса.

Глава 1. Исследования и инсайты

Качественные/количественные методы, репозитории знаний, этика исследований;

Глава 2. Сервис-Blueprint и стандарты

Backstage/Frontstage, точки контакта, операционные процедуры;

Глава 3. Дизайн-системы

Токены, библиотеки компонентов, совместная разработка и контроль версий;

Глава 4. UX-метрики и качество

SUS, CES, NPS-в-разрезе сценариев, поведенческие метрики и корреляция с бизнес-KPI;Глава 5. Связка с DEV/QA/PM

Непрерывная поставка артефактов, «золотые пути», контроль технического долга дизайна;Глава 6. Операционная модель Designops

Роли, SLA дизайна, бюджет, «фабрика гипотез» и портфель экспериментов.

Назначение

Дизайн как производственная система: управляемые артефакты, метрики и поставка ценности.

Результаты обучения

Строить контур исследований и репозиторий инсайтов;

Проектировать service-Blueprint и стандарты;

Разворачивать дизайн-системы (токены/библиотеки);

Вести UX-метрики (SUS, CES, NPS-по-сценариям) и связывать их с бизнес-KPI;

Сшивать контуры Design–Dev–QA–PM;

Настраивать операционную модель DesignOps с SLA и бюджетами.

Формы аттестации

Service-Blueprint целевого сервиса; инвентарь дизайн-системы; отчёт «UX-метрики → бизнес-эффект».

Сквозные требования

• Единая система версий;
• Доступность (a11y) и инклюзия;
• Политика компонентов/паттернов;
• Непрерывная интеграция артефактов;
• Контроль техдолга дизайна.

Локализованные кейсы

• UK: BBC GEL — эталон дизайн-системы;
• GOV.UK Design System — стандарты гос-сервисов;
• Сингапур: GovTech Design System — публичные сервисы: банки — продуктовые дизайн-платформы;РФ: Сбер Design System — корпоративный стандарт;
• Госуслуги — массовые UX-паттерны.

Рост — это система, а не чудо. Продуктовые, маркетинговые и партнёрские механизмы объединяются в единую воронку ценности.

Глава 1. Архитектура роста и PLG

Активация, ретеншн, расширение, North Star Metric и роли в команде роста;

Глава 2. Виральность и рефералы

петли распространения, стимулы, защита от злоупотреблений и метрики качества;Глава 3. Монетизация и ценообразование

Тарифные сетки, тесты цен, willingness-to-pay и прайс-эластичности;

Глава 4. Партнёрские экосистемы

Каналы, маркетплейсы, API-дистрибуция и co-marketing;

Глава 5. LTV-ориентированное управление

Когортный анализ, маржинальность каналов, ограничение бюджета риском.Глава 6. Экспериментальная дисциплина роста

Дизайн, причинность, «guardrail»-метрики, гигиена данных.

Назначение

Системный рост: петли виральности, PLG, монетизация и партнёрские экосистемы.

Результаты обучения

• Строить архитектуру роста и North Star Metric;
• Проектировать реферальные/виральные механики и защиту от злоупотреблений;
• Проводить исследования willingness-to-pay и ценообразование;
• Разворачивать партнёрские каналы и API-дистрибуцию;
• Управлять LTV-прибыльностью по когортам;
• Вести дисциплину экспериментов и причинную оценку эффекта.

Формы аттестации

• Growth-доктрина продукта;
• Эксперименты на виральность/цены;
• План партнёрского канала и его P&L.

Сквозные требования

• Единый словарь метрик; атрибуция и антифрод;
• Приватность идентификаторов;
• Контроль платёжных рисков; прозрачность A/B.

Локализованные кейсы

• UK: Monzo/Starling — цифровой рост-маркетинг;
• Deliveroo — платёжные/партнёрские петли;
• Сингапур: Grab — суперапп-воронка;
• Sea/Shopee — партнёрские экосистемы;
• РФ: Ozon/Wildberries — маркетплейсная воронка;
• Tinkoff — PLG-механики в финтехе.

Когда кибер- и физический миры сшиваются, цена ошибки высока — нужна системная безопасность и прослеживаемость

Глава 1. OT-кибербезопасность

Сегментация сетей, инвентаризация активов, аномальные паттерны, управление уязвимостями;

Глава 2. Индустриальные стандарты и комплаенс

IEC/ISA, функциональная безопасность, сертификация и аудит;

Глава 3. Safety-Аналитика

Поведенческие и технические индикаторы, предиктивные сигналы, культура безопасности;Глава 4. Человек-машина и эргономика

HMI, когнитивные нагрузки, ошибки оператора и инженерные барьеры;

Глава 5. Цифровая прослеживаемость

Сериалиация, EPCIS, холодовые цепи, доказательства происхождения;

Глава 6. Непрерывность производств

Резервирование, BCP/DRP для OT, стресс-сценарии и учения.

Назначение

Сшивка кибер- и физического мира производств с приоритетом безопасности и прослеживаемости.

Результаты обучения

• Обеспечивать OT-кибербезопасность и сегментацию
• Выстраивать соответствие индустриальным стандартам
• Разворачивать safety-аналитику и культуру безопасности
• Проектировать человеко-машинные интерфейсы и барьеры
• Реализовывать цифровую прослеживаемость и сериализацию
• Планировать BCP/DRP для производств.

Формы аттестации

Аудит OT-рисков; проект прослеживаемости (EPCIS/серийность); сценарное учение по отказу линии.

Сквозные требования

Инвентаризация активов; сегментация сетей; журнал изменений; физическая безопасность; контроль поставщиков и запчастей.

Локализованные кейсы

• UK: Rolls-Royce — фабрика будущего/двойники;
• Jaguar Land Rover — прослеживаемость компонентов.
• Сингапур: ST Engineering — OT-безопасность;
• JTC smart-производства — цифровые линии.
• РФ: КАМАЗ — «цифровой завод»;
• Северсталь — data-driven производство и safety-аналитика.

Международное масштабирование — это про локализацию продуктов, данных и процессов без потери управляемости.

Глава 1. Карта юрисдикций и требований

РФ/ЕАЭС/ЕС/SEA: зоны риска, локализация данных, сроки и доказательства;

Глава 2. Локализация продукта и данных

Контент, UX-паттерны, языки, форматы идентификации и платежей;

Глава 3. Местные платежи и eID

Схемы, антифрод, KYC/AML, привязка к цифровой идентичности;

Глава 4. Санкционные режимы и экспорт технологий

Контроль, скрининг, техпроцедуры и контракты;

Глава 5. Управление партнёрами и данными

Договорные SLA, DPIA, трансграничные трансферы, ретенции;

Глава 6. Операционные модели мультиюрисдикционности

Центры компетенций, shared services, распределение ролей и ответственности.

Назначение

Масштабирование на множестве юрисдикций без потери управляемости, приватности и скорости.

Результаты обучения

• Картировать требования РФ/ЕАЭС/ЕС/SEA
• Локализовать продукт, контент, UX и форматы данных
• Встраивать местные платежи и eID (KYC/AML)
• Управлять санкционными/экспортными ограничениями
• Организовывать трансграничные трансферы и DPIA
• Проектировать операционные модели мультиюрисдикционности (центры компетенций/SSC).

Формы аттестации

Матрица соответствия для 2–3 стран; локализационный план продукта (данные/UX/платежи); юридическое заключение по трансферу данных.

Сквозные требования

Реестр юрисдикций и версий норм; договорные SLA и DPA; политика хранения/удаления; журнал трансферов; прозрачность для надзорных органов.

Локализованные кейсы

• UK: Open Banking/PSR — локальные платежные требования;
• One Login — идентичность;
• Сингапур: SingPass/MyInfo — eKYC и атрибутные данные;
• MAS-требования к платежам.