Целевая аудитория

  • Аналитики и специалисты по анализу данных и информации.

  • Специалисты и руководители служб безопасности.

  • Сотрудники внутреннего контроля, аудита и комплаенс.

  • Специалисты по конкурентной разведке и развитию бизнеса.

  • Сотрудники подразделений, работающих с большими массивами данных и цифровыми источниками информации

    • Программа

      • 1. Теория анализа.

        • Роль анализа в службах безопасности, аналитике, маркетинге и ЭБ.
        • Последовательность действий при анализе.
        • Целеуказание, постановка задач и определение метрик.
        • Свойства информации и оценка достоверности современных источников; современные источники (соцсети, мессенджеры, открытые базы данных, новостные агрегаторы).
        • Планирование исследований с учетом выбора источников и ограничений.
        • Влияние нейросетевого контента (генеративный контент, фейки, deepfake) на оценку достоверности.

      • 2. Методы и приемы анализа.

        • Предварительная обработка информации (очистка, нормализация, структурирование текстов).
        • Выделение утверждений, фактов и гипотез; формализация текста (таблицы, сущности, связи, простые онтологии).
        • Интерпретация данных, формирование выводов и сценариев.
        • Дезинформация и методы её выявления в цифровой среде.
        • Прогнозирование событий на основе паттернов; применение AI/ML для тематического анализа, кластеризации и поиска паттернов.
        • Автоматизация анализа через API и Web Intelligence.
        • Методы визуализации результатов (дашборды, графы связей, «карты знаний»).
        • Практическая работа с текстовым массивом из актуальных источников.

      • 3. Аналитик. Как развивать аналитические способности.

        • Когнитивные навыки аналитика (память, внимание, усидчивость, точность передачи данных, переключаемость, любопытство) при работе с большими массивами данных.
        • Управление вниманием и снижение информационной перегрузки.
        • Критическое мышление и оценка надежности источников.
        • Проверка цифровых источников (аккаунты, каналы, площадки).
        • Работа в команде и взаимодействие с подразделениями (СБ, маркетинг, ЭБ, ИБ).

      • 4. Возможная автоматизация работы аналитика.

        • Принципы автоматизации аналитической деятельности.
        • Задачи, целесообразные для автоматизации.
        • Современные решения для анализа текстовой и мультимедийной информации (LLMs, системы распознавания речи, анализ изображений и видео).
        • Полный цикл анализа с использованием актуальных инструментов:
          • Сбор данных (web-scraping, API, открытые базы);
          • Хранение и предварительная обработка;
          • Аналитика и визуализация на аналитических платформах.
        • Практический мини-проект: построение простого конвейера анализа (сбор данных из открытого источника, базовая обработка, использование AI-инструмента, визуализация результатов и краткий аналитический комментарий).

      • Итоговая аттестация

        Разработанный алгоритм анализа неструктурированной информации (сбор данных, предварительная обработка, применение ИИ/аналитических инструментов, визуализация и интерпретация результатов) и ответы на вопросы по принятым решениям.