Менеджер внедрения цифровых решений

1. Поиск и формирование пула инициатив глубокое погружение в специфику производственного процесса цеха/передела, выявление узких мест и точек, где применение AI/ML (компьютерное зрение, предиктивная аналитика, оптимизация) даст измеримый экономический эффект; формирование бизнес-кейсов совместно с технологами и начальниками цехов. 2. Взаимодействие с производственным персоналом коммуникация с операторами, технологами и ИТР цеха для сбора требований, объяснения логики AI-решений на понятном производству языке и снятия сопротивления к изменениям при внедрении новых инструментов. 3. Поддержка DS-команды на этапе пилотирования организация доступа к производственным данным, датчикам, видеопотокам и историческим показателям, контроль качества исходных данных, помощь в валидации гипотез моделей в реальных условиях цеха. 4. Организация тестирования и пилотных запусков планирование пилотов на площадке (согласование окон простоя, безопасности, доступа к оборудованию), фиксация метрик до/после, оценка технологической и экономической эффективности прототипа. 5. Сопровождение внедренных решений мониторинг работы прототипов после ввода в эксплуатацию, сбор обратной связи от пользователей цеха, эскалация технических инцидентов DS/IT-командам, инициирование доработок и масштабирования успешных кейсов на другие площадки. 6. Управление проектной документацией и отчётностью ведение роадмапа AI-инициатив, подготовка презентаций и статусов для руководства производства, расчёт и подтверждение экономического эффекта от внедрённых решений.

Требования

1. Опыт работы с промышленностью (металлургия, горнодобыча, тяжёлая промышленность) от 3 лет понимание производственных процессов, технологических переделов, специфики цехового взаимодействия 2. Опыт внедрения в проектов цифровизации/автоматизации производства (MES, АСУТП, компьютерное зрение, IoT-датчики) на всем цикле жизни от концепции до поддержки на позиции проектного или продуктового менеджера. 3. Опыт работы с DS/ML-командами участие в пилотировании моделей, понимание жизненного цикла ML-проекта от гипотезы до продакшена. 4. Умение работать с данными на базовом уровне (Excel/SQL для чтения выгрузок, оценки качества данных, расчёта метрик эффекта). 5. Понимание производственных систем (MES, SCADA, АСУТП) и специфики промышленного оборудования цеха. 6. Навыки расчёта экономического эффекта (ROI, TCO) от внедрения технологических решений.

Высшее образование — специалитет, магистратура; Опыт: 3 лет