   .  
 


   ,   ,        .

    ,          .         ,     ,  ,       ,    ,   .





   

 



  



   , 2026



ISBN 978-5-0070-8817-6

     Ridero




 






    .   :          ?      ?      1.  1    .   .    ?   .    ?  .  

 

  (T-shaped ).    .   ,    .      .     .      .   .  .      .     .       .      .      .      

  

   .   .   ,    .    .          ,   HR-.     ,   .      .       .       .     ,    .       .       .          .     

 ,    1

  .    .   .    .      .    .     .  ,   .        .      .     .          .      (MVES)   MVP .  -    .         -

     

     .    (, , ).        .  ,     .          - .       .      .       .         .    ,    1.      .    HR   .        .        .        

  

    .    .    .   .   .    .          .        1.       .       .         .         .        .      (MVES)   MVP .  -    .    

    

  .   .   .    .       .        .        .        .        .      .         .        (MVES)   MVP .    -    .     .     HR-   .       

    

      .      23 .        .          .         .      .       .       .      .         .     .             .        .         .       

      

  (13 ).   (612 ).   (12   )

  

    

    .    .   ,      .     .    ,   .   .     .     .     .       .       .        .    HR   .       

    

 ,    .     (on-the-job).    ,    .         .    ,  .          .      .        1.         .     ,     .       .       .        .           .      (MVES)   MVP 

   

  .   .    .   ,  .   .    .      .      .   ʻ    .       .       .        .       .        

   

  1.    .    .  .     .    .   .       .     .       .   ʻ    .      .     .     

     

    

  .  .    .   .       .    -  .     .       -.       .        HR- .       .        .    HR   .        (MVES)

    

 .    .   .  .   .         .   .      .        .      .    HR   .      -   .       .        

    

   .  .  .   .       .    -  .     .      .   HR-   .       .         .         - .        (MVES).   ʻ    



   1   ?     .   ,   ?   ,   ?  .    ?  

  

   ?      ?   







 ,        ,    ,      ,      HR.           ,   ,   .

 1      -    ,   ,     .      ,       .     ,             .       ,         .          ,     ,            .

 ,     ,         1.     ,  .     ,   ,     1   ,    ,         ,          ,    .    :   -?       ?          ?           .

     ,     ,        ,    .      ,          .  1    ,     :          ,    ,       .

          ,      2, 3  4    ,   .           ,    ,        .      1    ,   - ,       ,   .

     ,    .       ,  :

    ,    ;

      ,   ;

      ,    ,   .

    :   1   ,   ,  ,       .         ,  ,    ,    ,       .



    

           .



 ,              ,       ,   .



  ,    ,     : https://./kadri/ (https://ridero.ru/link/YeXiSybCrvc3z0DY-UKMb).








    .  .  ,     .


    

   ,      . ,     ,   ,        .  ,   ,  ,            ,     ,      .  ,    ,   ,   .

    ,   .

,         (),      , , ,    :

  1     - ;

  2       - ;

  3   - ;

  4  ,  ,      - .

             .

         ,            1     - .    .  -   ,      ,    ,      .       ,    . Ÿ   .        .     .         ,    ,    .

    .



  :          ?

     ,      .  -             ,    ,    ,      .        ,   .

        :  ,  ,  ,  .    .         .             ,   .        ,     ,      .

 ,             ,       .

 ,      1,  2,  3   4     ,       .

 1     -    -   ,       ,    . Ÿ   .        .     .        ,    ,    .  1    ,  ,        .

 2       -    .       .        ,   ,   .    , ,  ,   .  100    ,   1.         ,  .

 3   -         .       ,     .      ,         ,   ,   ,     ,      .

 4  ,  ,      -    .     .      ,         .      .    :           ,      1,     ,      ,   - .

 1, 2, 3  4      .       ,         .

            .



     ?

   HR-         :   N   M ,  ,  .        ,    ,   ,     .

   1        .

          .    ,   ,   .   ,       .    ,  ,   .    ,       .

  :     ,   ,    ,      .

    ,    .



     1

    1   ,     .      :            .         HR      .

 1     .    .          .

              1.    ,   ,    ,   .  ,   23  -       ( 2),    MVES [1]     .  ,   57     ( 3),         .  ,   1015      ( 4),   ,      .

 1     .     .             ,     2, 3  4,   .



 1    .   

    1     .        ,  ,        .      ,    :

    ,      .           ;

    ,    .   1        ;

    ,     .     :        ,      ;

      1     HR.    .     ,       .



   ?

         .        .         ,   ,          .

        1:

1.  .     1?    ,   ?  14       ?  T- ,  ,          ,    ?

2.  .    1    ?     ,     ?  ,        ,    ?

3.  . 14  ,   :                    .

4.   .        ,       .       .

5.  . 16 ,       ,      :      MVES (   )   -    .

6.   .        1    ,     ,   .   :        .

7.    .    .       ,   ?        ,        ?

8.  .      1   ,   ,   ,              .



  

    .          , ,     .

  1   ,          .  ,      ,        .

          ,      .     ,   ,           .



   ?

   :

    ,  ,        ,    ;

 HR-    ,           ;

     ,  :       ,   ;

      ,    1     ;

        ,     .



 

      .    :

         .

  :   DoE ( ) [2]  MVES       ;

     ,   , ,     ;

       ,    ,    ;

  ,          ,        1.



 

    ,    :        1       ?

        .

      1     .   :   ,   ,    ,      ,    ,   .

      .

    .       .   ,  ,     ,   .



:

[1] MVES (Minimum Viable Educational System)      .    ,        ,        ,    .

MVES      ,     ,                2 ().

[2] DoE (Design of Experiments,  )      ,        .        (  ), DoE  ,     ,       ,    .

 : ,     5  (, , pH, , ),     3 .     3? = 243 . DoE       1216 ,  .




 


 1     -          .    ,     .   ,   ,      .

       :         .              ,           ,     .

       1.         ,   ,       :



1.   (T-shaped ).

   1   - (T-shaped) :

  һ    [1]    (,     );

  һ      (, ,  , ).

       ,    ,        .   1      ,  T-    ,      .

         ,   ,    ,          .

                .

:      -  T-shaped :      ()         ().                 ,    .                4 .     ,   ,  ,      .



2.    .

   1     ,         :     .   :

      ?;

      ?;

   ?.

      -     : ,    (,    )      ,   .      ,           .

 () ,      ,   ,       ,     .        ,  , ,    .

              .

:       data scientist [2]             :     ,      ,          .         ,     ,    .      40%,         LTV  [3]  25%.     ,    ,      ,   :    -.



3.   ,    .

     1        .          ,     .         ,    .

    :

     ,  ,  ;

       ,   ;

   ,    .

    ,    :      ,        .   1,   ,    ,        .

 :    ,     .

:        4   in-silico                 3- .        : ,   ,  .  ( )    ,   .   : ,       ,    14 .    ,       .



4.      .

   1  ,    .       ,     .       ,   ,      .

      (,   Excel  Python   );

    ,    ;

     ,    .

         (unlearning)       ,    .   1    ,        ,        .

           .

:   ,     ,  6    ,  -             ,    :         .      ,      .      :      ,        ,        .



5.     .

  1   , , .    :   ,       (, ,   ),      ,  .

   ,      :     ,         .            ,       ,     .

    ,       ,   .

     ,           .

:       eVTOL- (      )         .      :  ,     ,      .     :       ,           .  8         :    ,     .     ,           ,  .



6.      .

   1    ,  ,     .  :     ,      ,         ,   .         ,     .

     ,    .    :    -,           ,     .

     ,     ,    KPI.

           .

:       50    ,         .       :   ,         .       ,    ,        .



7.   .

  1    .   :        ,         ,       .

       .     :      ,     .     ,   ,      .

      ,   ,    .      ,          .

     ,      .

:      ,    data- [4]            .       ,     .        6   10      ,        .    ,   .



8.  .

   1    :

    ;

    ,   ;

        ,        ;

     ,       ;

    ,     .

   ,   :      .     - ,  -   MVP (  )    .

     ,     .

          .

:             ,              .   .       ,       :       ,   ,    .         .



9.      .

      KPI,        .      ,        .

     ,   :

  ,    ;

        ,     ;

           .

          .      :         -,          .

          .

:       5+     ,  60%      :        ,     .             ,     2 .     ,   :              .     100   3    6          .



10.     .

   1     ,      .

    .   ,    ,    .    ,          ,         .

   ,     :       ,    ,        ,    .   1     --  ,     .

      ,     .       ,   :    .

        .

:     ,         ,        .      ,      ,      ,     18%    .       ,        :   -    ,   ,    .         .



11.       .

   1     ,            .   :

   ?

    ?

  ,   ?

  ,    :     ,   .   1,    ,               .

 ,        .   :   ,   ,     .

            .

:             ,      EMA [5].       ,     30%    EMA.        ,   ,    ,     .     ,     ,    ,      .



12.      .

   1 ,      ,    .   :

      ?

    ?

      ?

   ,     [6].   1,     ,    -:  , ,        ,      ,    .

 ()    ,     ,    .

        , , ,       ,    .

:                       , ,      ,   .       ,   :      ,                 ,   .



13.      .

  1    ,   .         :

       ;

      ,   ;

  ,     .

   ,   :     .   ,          ,    ,    1    .

     ,      ,  .          .

        ,     .

:               Python        .     ,       .        ,         :       ,         .     .



14.      .

 1      ,  ,    ,       .    1 :

      (   );

       (,   , ,  );

         .

  ,    1      :  ( ),  ( ),  ( )   ( ).           -     .

      ,         .

:            ,         ,      8    .     ,      EMA:     ,               ,    .       .



  1     ,   .       ,        ,      .       ,     ,    .    1    , ,   .   ,  ,   ,        ,    .           .         .      ,   ,     .        .

     .          .    ,     .    ,    ,  ,      .    , ,       .

                 .   ,                   .

     1      ,      .          ,     ,    .      ,    ,   .

         ,   ,  ,    ,   ,   .



:

[1]     ,    ,          .      ,   ,    ,   .

[2] Data scientist (  )   ,         ,   .      : /,     (, ,   ..).

  data scientist?

      , ,     ;

        (ML), ,    , , ;

       ,  ,  ;

              ;

        ,   .

[3] LTV  ( . Lifetime Value   )     ( ),           ,      .

[4] Data-      ,          :      ,     -.

  ,      : data analyst ( ), data scientist (  ), data engineer ( ), ML engineer (  ), analytics engineer (     ), BI-, BI-.

Data-     ,    .      , :

   ,

   ,

   ,

  ,

     ,     .

[5] EMA (European Medicines Agency)      .

[6]  ( . compliance  , )         ,  ,     .




  


 1     -       ,    ,    .       ,        .             .

    1      :     ,        .        ,    ,       ,    .

         : , , -        .       ,     ;   ,   ;    ,    .

        1:



1.    .

   ,  , , .     .

         . ,  ,  ,    (),     .       ,         .     ,         .        ,      .

   :      ,    .

  ?

         ;

      ;

          .

:    LLM- [1]           .        ,     .  4       -,      .         .



2.   .

       ,   . ,      ( ),  ( ),   (GMP [2],   );         (   ),  ( ),  (      ANSYS).

       :         .

  ?

  - ,     ;

      ,  ,  ;

      .

:         3D-     ,   ,    38%  -     .   - ,        ,     ,     9%,       2,5 .         :            ,       .



3.   ,    .

     (on-the-job) [3]:   , , , ,    .

    ,   .    .

    :

     ;

            (learning by doing) [4];

   :   ,      .

  ?        -  ,  ,  .      .

:   3D-               ,        ,     .           3 .           .  6      ,      :      30%  92%,       14  6 .      ,     .



4.    .

   1  ,  ,  .        .

    , ,  ,     : ,      ,    .

            ,   ,    .

      :

 :        ;

  :   ;

     :    ?,   ?;

  :   , ,    .

:              ,     .           ,        .  15-        (    )        3   3 .                   .



5.          ,   HR-.

  1  = ()    .     HR-,   , ,  ,       .

HR     ,   :  ,  ,    .

  ?

      ;

      ,   ;

     ,     .

  :

      ;

       ,      ;

  ,       ,    .

:                . HR  ,    .      ,       .  6      ,       -.        ,    .



6.     ,   .

  1             ,         .     ,  ,     .

      ,  :

   ;

     ;

    ,      .

     ,      .

:        CO?         .       ,              .     ,          ,       .     -     ,        .



7.      .

 1     .   ,  ,  .         ,     .

        .

  ?        :

 ,       ,   ;

    (      );

        .

:               .         :      ,        .     55%,   data- [5]    30    6 .          .



8.       .

   1   ,        :  ,  ,  .           .

    ,   .

 :

  ,    ;

    (, ,    );

          .

:          :      ,  -      40% .   ,       ,       .    ,        ,     .    :      0%,       ,       .



9.       .

  1         .   ,     (,    ,     )     , ,   .         :       ,     ,    .

 T-   ?-    ,  .             .

  ?

   : -,    , -  GMP [6];

       ;

      [7],       .

:          ,     ,  SCADA- [8]   EMA [9],       .   ,     ,   ,       ,       .



10.     ,    .

             .   ,  , ,   .     1      ,   ,    .

     ,   .

  :

      :   ?  ? ?   ?;

     :     [10],     ;

      :   ,   .

:         ,         . ,        ,  -         ,     ,     .            2  (  2 ),       ,        .



11.       .

  1         .      ,    .    ,     .     :            .

    ,  :    ,     .

  ?

        [11],   ;

     ,     ;

         ,    .

:            :      , ,      [12]            .       (,    ),      .     ,      :         .             7    14,         LMS [13]    .



12.       .

  1        .  ,   , , ,            .

           ,            .

  ?

            ;

       :       ;

       ,        .

:             .             .       :        (    45 C?      ?).   ,       ,      :    X  ,       pH.      :    ,           2   3 .



13.          .

  1      .     :  ,  ,  ,  ,   .              .

      : ,    ,    ; ,    ,    .

  ?

         :   ?  ?     ?;

            ;

       ,      .

:         ( ,  )      .     ,     :    ?   ?.      .  4       50%,      35%.      ,   .



14.     .

  1           ,      : ,  ,  ,   .        .

    ,    ,         .

  ?

         ;

         ;

          -    .

:           .     :       .     ,    ,       .          ,     ,    .



    1    ,    .                ,     , ,   .

    1       .     ,     .    ,       ,   ,    .

            .     ,       .      ,    :   ,  ,     .

    ,    ,      ,   .          ,       ,    ,        ,       .

      1  ,     KPI. Ÿ       ,      ,       ,  ,       .

,   ,    .   ,          ,    .

        ,    .



:

[1] LLM- ( . Large Language Model    )   - ,      (,      ),   , ,    -     .

[2] GMP ( . Good Manufacturing Practice)     .

[3]    ()  (on-the-job)   ,        .         ,          , ,    .

   1    ,      ,     .

[4] Learning by doing (  ,  )     ,         ,          .              ,    .

[5] Data-      ,          :      ,     -.

  ,      : data analyst ( ), data scientist (  ), data engineer ( ), ML engineer (  ), analytics engineer (     ), BI-, BI-.

Data-     ,    .      , :

   ,

   ,

   ,

  ,

     ,     .

[6] GMP ( . Good Manufacturing Practice)     .

[7]     ,    ,          .      ,   ,    ,   .

[8] SCADA ( . supervisory control and data acquisition      )             .         ( ).

[9] EMA (European Medicines Agency)      .

[10]              ,          (  -  war room)        -   : , ,  .

[11]    :

     :           ;

 35  ,      ;

 -  :      ?  20 ;

 ,        ;

 ,     .

[12]      ,    ,             .  ,    ,     .

 ()       .    (  )  ,      .       ,        ,   .

[13] LMS (Learning Management System)       .




  ,    1


 1     -     ,       .       ,        .             .

     1      :     ,        .              .

       ,    ,       ,    .          : , , -        .

   ,      1.     :   1           :



1.   .

        ,      ,           .        ,        -,        .

    : ,   ,    ,    .      .

  ?

    [1],      (,  + - + ;  +   +  );

    :

   ( ),    ;

  , KPI, ;

     (agile- [2]):

   ();

   (stand-up [3]);

   ;

    12 .

           ,      .

:         9   -, -,               .  15- stand-up          :   ,           ML [4] -,        .                     .     14  5 ,     ,      .



2.    .

         , - .       ,    ,     ,       ( 2       - ).

       ,    .     ,       .

  ?

     :

  ,     ;

      ;

    :

    (,     );

       ;

      :

   ;

      .

              ,    .

:            .     ,  ,     .        ,     .  6       ,       .     ,        .



3.    [5].

          .       ,        .

      ,  :   ,       .

  ?

   ,   :

     (  );

    ;

    , , , :

   (MIT, , );

  - (Tesla, Siemens, Huawei);

    (, Fraunhofer).

    ,  :      ,      .

:           ( ,  )     .        :   ?    ?.  4     3  ,     30%     .         ,       .



4.    .

     ,            .             .

        .      .

  ?

   :

  , , . ,    pH,      X%;

   (DoE, Design of Experiments) [6]:

       ;

    ;

       :

   (,   );

     ;

  .

DoE     ,       ,      .

:             .    :            20%.   DoE ( )      16    2 ,   3   .      ,      ,      .         ,  .



5.      .

        ,           ,           .

    ,  .       ,    .

  ?

    :

    ;

   ;

      :

   ;

    ;

     ;

   :

    ;

    ,     .

     ,    .     ,   .

:         ,  40%       .                 :        20-         ?.    ,     ,      .  6        45%        2,5 .         ,   ,    .



6.    .

  1           : ,    ,  ,       .          ,  ,       .

    ,    .   :        .

  ?

    :  ,       ;

  :   ,        ;

   :    ,    ,      .

    ,     .

:             .   :      .      ,               .    ,   ,       .         (intrapreneurs):       ,    -,   ,     .



7.     .

 1     ,   .     ,   ,  .      ,     ,      .

    ,    . ,   ,    .

  ?

    ,      ;

       ;

        ;

    :  ,   ,    .

     ,      .

:          :         ,    .             ,  :  ,    ,   .              ,   4        3 ,       50%.      ,     .



8.  ,   .

  1      (),    .     ,      .      ,  ,     .

        .      .

 :

       ;

        ;

  ,    ,    .

    :    ,  ,  ,  .

:          ,   .   ,      ,        .      ,       .  5       ,        ,        .



9.        .

  1         , , .     ,  :    ,       .           ,      .

       1.   ,    .

  ?

  :           ( ,   );

   :           ;

   :  ,     ,    ,     ;

   :                  .

         ,        2.

:           :        pH  ,         4- ,   ,    ,     .          .           .  10 ,       ,       2           8%   35%.  ,    ,       .



10.      .

  1           :    ,    ,     .   ,             ,     .

  ,    .   1          ,   .

  ?

         :  6     ,       ,       ;

    : -, -, -  ;

    :    ,     ,   ;

       :     ,     .

     HR-,    .

:    -         10     .      :               .     (-, -  )   :       .             5%.       ,     ,          ,    30%.



11.     .

     (, , )     ,   ,         .      ,   , ,        .

    ,         .

  ?

        ;

    :  ,  ,  ;

  :      ,     .

:     PEM-       50   ,     .     ,            ,         .         8   47       .       20  ,   ,       3 .     ,   ,        .



12.        [7]   .

  1          :  , , .       ,          ,       .

       ,          .

  ?

       (, , );

                ;

      :  ,    ,    .

:              ,        -.            :        ?.                .      9   18,        70%.    ,   .



13.      (MVES) [8]   MVP  [9].

 ,    1     (MVP),        (MVES)    ,         .   :  ,  ,  ,      .

MVES     ,     .     .

  ?

  35  ,      ;

     : -, ,  ;

   MVES  ,      ;

  MVES     (, ,  ).

:            MVP-   MVES  6 :    (pH, ,  ),       ,   , -  ,           .   MVES   ,     .   4             -:         3   2 ,        9%   35%. MVES    ,   ,           .



14.  -    .

  1       ,   ,                .    (515 ),   ,         .       : ,   ,     .

             .

  ?

    ,     ;

       ( );

   :     ;

        .

:          9     ,             .    ,         .  3        ,      50+  ,     .          ,      ,   .



        -.

  ,       -   ,       ,    ,       1.

   :

 :     ,   ,   ;

 : :  ,        , , ,   . .      ;

 :   ,  ,   ;

   :       ;

 :         ;

  :  , , MVP (  ).

  -:

 :           ,   , , ,   ;

 :   : 515 ,    .     ,    ,     ;

 :      2  3,   ;

   :     ,    ,   ;

 :   -   ,      ,     ;

  :  ,  , ,  ,   .

      :    ,  -   .  ,     ,      ,  -   ,             ,    .



     1       .   ,    ,  ,   .    ,          ,     .     ,   -:     ,   ,             .

     1      ,         .   , ,      ,      ,   .

       ,          .  ,      , :               .

                        :     ,    .

   1  :

     ?

              ?

           ,       ?

       ?

     ?

   :   ,   ?      ,   ,   ?

   .      .

    ,      ,       ,     ,     ,   .       ,    .   ,       .

             ,       ,        .         ,   ,       ,    ,    .    1     ,         .   ,    ,   ,    .

 1     .    .          .



:

[1]       , ,    ,      ,    .      ,   ,           .

[2] Agile- ( . agile  , )          ,   ,  ,         - .

  agile:

        (,  14 ),       ;

     ,          ;

 -      ,       ;

       , , stand-up ;

      ,     ,    ;

       ,      .

  1     -  agile-      ,        :

   ()          12 ,       ;

  stand-up   ,  ,  ;

     12     ,   ;

    ,  ,  ,    ;

 -   , , ,    ,    .

[3] Stand-up ( . stand up  )       ( 1015 ),    (  ),     .       (Agile, Scrum),    1            .

  stand-up     12     :

    ? ( , , );

    ? (  );

    ? (   ).

       ,  ,  ,      .  (Scrum Master   ) ,            .

  1 stand-up    ,    .       , :

   ;

     ;

     ;

      .

     stand-up    ,   ,                     .

[4] ML ( . Machine Learning   )     ,      ,              .     ,    , ML-   .

[5]     ,    ,          .      ,   ,    ,   .

[6] DoE (Design of Experiments,  )      ,        .        (  ), DoE  ,     ,       ,    .

 : ,     5  (, , pH, , ),     3 .     3? = 243 . DoE       1216 ,  .

[7]  ( . stakeholder   )    ,   ,         ,       .     (shareholders),     ,      ,  ,     .

 :    ,  ,   .  :  ,    ,   ,    ,    ,     ,     .

[8] MVES (Minimum Viable Educational System)      .    ,        ,        ,    .

MVES      ,     ,                2 ().

[9] MVP (Minimum Viable Product)     ,     ,     ,            .

MVP       .    ,          .     ,  .

  MVP:    ,     .




     


 1     -     ,       .       ,        .             .

    1      :     ,        .        ,    ,       ,    .

         .       , , .    ,     , ,              .

          1,       .     :   1           :



1.      .

      ( + ,  + ,  + ),      .         ,     .

       ,     ,    .    .

 :

        510 ;

    ,       ;

               .

 :

       ;

           ;

    -     ,       .

 ?

     ,     ;

          ;

    :     ,    ,    .

:             ,  ,    (data science)  IoT (Internet of Things,  ).      :     ,     ,     .     4 ,       ,    .     ,      .



2.    (, ,  [1]).

   ,     :  , ,  , .     ,      .

     1    ,     .        .

   :

      ,        ;

        ;

   ,   ;

  ,          .

:

     1      ,      ;

     ;

     .

 ?

         ,    HR-;

   :     (, -, );

                 .

:         120          .   30%   1,    50+        .       ,       .              .




  .


   .

   ,     (https://www.litres.ru/book/raznoe/podgotovka-kadrov-kompanii-budushchego-arkhitektura-proryva-74306972/)  .

      Visa, MasterCard, Maestro,    ,   ,     ,  PayPal, WebMoney, ., QIWI ,       .


