101000, г. Москва, ул. Мясницкая, д. 20, кабинет М20-541. Проезд: м. Лубянка, м. Китай-город.
+7 (495) 772 95 90 доб. 22463/ 22484/ 22454
e-mail: bank@hse.ru
ФинАналитика. Митапы - серия встреч с ведущими российскими и зарубежными финансистами и экономистами, организатором которых выступает Банковский институт НИУ ВШЭ. Постоянным участникам проекта предлагается выполнить финальное задание. За его успешное выполнение и постоянное посещение встреч вручается Сертификат участника. Сертификат обеспечивает максимальный балл по Конкурсу портфолио для поступающих на магистерские программы "Финансовый аналитик" и "Финансы".
3 декабря, 19:00 (МСК)
ОНЛАЙН
Спикер: Димова Елена Анатольевна, к.э.н., MBA, Директор по стратегическому развитию ООО "Стратопринт", Лучший преподаватель НИУ ВШЭ 2020-2026
Тема: Аналитик 2.0: От классического DCF к оценке ИИ, Данных и Сетевых эффектов.
Классический финансовый анализ нуждается в переосмыслении. Когда 73% стоимости компаний S&P 500 формируют нематериальные активы (данные, алгоритмы, сетевые эффекты), традиционные P&L и DCF перестают работать. Они не видят скрытых убытков от ИИ-галлюцинаций, обесценивают платформенные бизнес-модели и игнорируют стоимость данных как независимого актива.
На этом мастер-классе мы разберем, как меняется профессия финансового аналитика в эпоху экосистем и Генеративного ИИ. Мы отойдем от линейных моделей и перейдем к оценке интегрированной ценности, где убыточный продукт может быть главным драйвером прибыли, а ИИ-проект с классическим ROI «-16%» — стратегической необходимостью.
Что мы будем делать на мастер-классе:
• Вскрывать «ловушки» экосистем. Рассчитаем Blended CLTV и покажем почему закрытие убыточного продукта-«локомотива» может уничтожить миллионы долларов стоимости.
• Оценивать невидимое. Поставим данные на баланс, рассчитав Data Asset Value (DAV) и Data Monetization Yield.
• Считать скрытые затраты на ИИ. Разберем методологию TCO_AI и поймем, почему поддержка и переобучение моделей съедают до 80% бюджета.
• Управлять рисками нового типа. Применим методологию RAID (Risk-Adjusted Intelligence Dividend) для оценки внедрения GenAI, учитывая риски утечек, галлюцинаций и модельного дрейфа.
• Заглядывать в будущее. Научимся использовать опережающие индикаторы (LIR) и Real Options Valuation (ROV) для оценки инфраструктурных ИИ-проектов (Data Lake).
Для кого: Для абитуриентов магистратуры, которые хотят быть не просто аналитиками, а стратегическими бизнес-партнерами, способными оценивать сложные, нелинейные бизнес-модели и ИИ-инвестиции.
Результат: Вы получите шпаргалку (Cheat Sheet) по новым метрикам (RAID, TCO_AI, DAV, LIR), которые прямо сейчас нужно применять в топовых технологических и финансовых компаниях.