Обеспечение полноты и качества кадровой аналитики органов публичной власти: барьеры интероперабельности, направления совершенствования

Введение

Преодолев этапы индустриального и постиндустриального технологического уклада к началу 21 века, общество перешло на новый этап, ключевую роль на котором будет играть информация, от качества которой, по оценкам экспертов, на 90% будет зависеть прирост ВВП [11]. Информация становится важнейшим ресурсом, определяющим развитие науки, образования, государственного управления, культуры и повседневной жизни людей, а способность эффективно работать с данными – главным конкурентным преимуществом как отдельных специалистов, так и целых стран.

Стартовавший 1 января 2025 года национальный проект «Экономика данных и цифровая трансформация государства» ^[1] (преемник проекта «Цифровая экономика», фокусировавшийся в первую очередь на создании базовой инфраструктуры и переводе государственных услуг в онлайн) призван реализовать механизмы для построения экономики и государственного управления на основе данных, в том числе сделать аналитику не просто оцифрованной, а надежной для принятия на ее основе релевантных решений на любом уровне – от министерств до муниципалитетов. К 2030 году, как следует из паспорта федерального проекта «Цифровое государственное управление» (в составе национального «Экономика данных и цифровая трансформация государства»), утвержденного протоколом проектного комитета по национальному проекту от 26 ноября 2024 года [2], «доля органов государственной власти и органов местного самоуправления, подключённых к единой цифровой платформе подбора, развития и ротации кадров» должна достичь 60% в рамках решения задачи по формированию цифровой среды для управления кадрами в государственном управлении и муниципалитетах.

Значение целевого показателя к 2030 году (60%, а не 100%) свидетельствует, что полный охват всех органов власти к 2030 году единой цифровой средой для управления кадрами не представляется возможным. Более чем реалистичная оценка говорит о сложности масштабной цифровой трансформации в системе государственного и муниципального управления.

Технологической базой для развития единой цифровой платформы стала существующая ФГИС «Единая информационная система управления кадровым составом государственной гражданской службы Российской Федерации» (ЕИСУКС, единая система), https://gossluzhba.gov.ru.

По данным Минцифры России по итогам 2 квартала 2026 года значение вышеобозначенного показателя составляло 6,4% ^[3]. Такое низкое значение (с учетом, что ЕИСУКС функционирует с 2017 года, согласно официальным источникам ^[4]) объясняется нюансами методики расчета показателя ^[5]. Для того, чтобы орган власти считался «подключённым» для статистики Минцифры России, он должен не просто иметь учётную запись, а регулярно передавать в единую систему кадровые выгрузки (см. п.2.1 и 3.3 Методики расчёта показателя «Доля органов государственной власти и органов местного самоуправления, подключённых к единой цифровой платформе подбора, развития и ротации кадров»). Без этого нельзя добиться качества и полноты кадровых данных и использовать их для принятия, прежде всего, стратегических кадровых решений в системе государственного и муниципального управления. В реальности подавляющее большинство органов использует ЕИСУКС фрагментарно. Огромный массив органов власти отличается по ИТ-инфраструктуре, программным решениям, регламентам и уровню цифровой зрелости [3, 5]. Подключить всё это к единой платформе одновременно технически и организационно крайне сложно.

Цель данной работы – определить барьеры обеспечения полноты, достоверности, качества и своевременности кадровых данных органов публичной власти для принятия стратегических кадровых решений в системе государственного и муниципального управления и предложить меры, направленные на минимизацию рисков, связанных с недостоверностью данных в текущем периоде.

Теоретико-методологическую основу работы составляет концепция интероперабельности (раскрытая в ГОСТ Р 55062 и связанных стандартах (в т.ч. ГОСТ Р 59797-2021)), подходы новой институциональной экономической теории (Д. Норта [5]), методы сравнительно-правового анализа, системный анализ для построения причинно-следственных связей между правовыми, организационными и другими барьерами.

В качестве источников использовались: ЕИСУКС и инструкции пользователей данной системы, нормативно-правовые акты федерального и регионального уровня, научные публикации, экспертные мнения по теме исследования.

Проверяемая гипотеза: все барьеры, снижающие полноту и качество кадровых данных при межведомственном информационном взаимодействии в публичном секторе, могут быть отнесены к одному из четырёх уровней интероперабельности (технический, семантический, организационный, правовой); при этом ядром проблемы выступают семантические и организационные ограничения, в том числе отсутствие единой методологии, несогласованность понятий, низкая готовность ведомств к регулярному обмену данными и другие факторы.

Научная новизна работы прежде всего заключается в комплексном применение методологии интероперабельности к кадровым данным органов власти; барьеры и факторы влияния систематизированы по четырём уровням интероперабельности (технический, семантический, организационный, правовой) с привязкой к ГОСТ Р 55062‑2021.

Предложен методический подход к корректировке аналитики при неполных данных, выраженный в комбинации методов (стратификация по, весовые коэффициенты, панельные данные, выборочные обследования).

Обоснована пилотная апробация модуля HR‑аналитики за рамками основной системы как инструмента донастройки релевантной для кадровых решений аналитики и интеграционных сценариев; что позволит снизить риски, связанные с семантическими и организационными барьерами.

Практическую значимость представляют предложенные подходы к корректировке кадровых данных органов власти для нивелирования их неполноты и невысокого качества на переходном этапе (2026 – 20230 гг.), до полного подключения всех органов к единой платформе, для снижения рисков принятия нерелевантных стратегических кадровых решений.

Интероперабельность информационных систем органов власти как условие обеспечения полноты и качества кадровых данных

В контексте необходимости обеспечения полноты и качества кадровых данных в системе государственного и муниципального управления проблема интероперабельности выступает одним из определяющих факторов эффективности межведомственного информационного взаимодействия [4].

Под интероперабельностью понимается способность разнородных информационных систем обмениваться данными и корректно использовать полученную информацию без существенных потерь, искажений и задержек.

Для полноценного функционирования единой цифровой платформы интероперабельность становится не просто техническим требованием, а управленческим механизмом, без обеспечения которого невозможно достичь целевого показателя по подключению органов государственной власти и местного самоуправления к платформе, поскольку формальное подключение без качественной интеграции не даст содержательного эффекта.

Методологической основой оценки интероперабельности выступает отечественная эталонная модель интероперабельности систем, разработанная в Институте радиоэлектроники им. В.А. Котельникова РАН и представленная в отечественном стандарте по интероперабельности ГОСТ Р 55062‑2021 «Информационные технологии. Интероперабельность. Основные положения [6] и других связанных стандартах, в т.ч. ГОСТ Р 59797‑2021 «Информационные технологии. Интероперабельность информационных систем. Термины и определения» [7], предлагающая системный подход к анализу информационных барьеров и проектированию интеграционных решений.

Эталонная модель интероперабельности, закрепленная в российском ГОСТ, включает три уровня: технический, семантический и организационный. В силу специфики государственного сектора для целей исследования механизмов обеспечения полноты и качества кадровых данных в системе публичной власти целесообразно использовать четырёхуровневую модель анализа, выделив и добавив правовой уровень, имеющий высокую значимость для информационного обмена между органами власти (Рисунок 1).

Рисунок 1 – Модель интероперабельности информационных систем для органов публичной власти

Источник: составлено автором на основе эталонной модели интеоперабельности ГОСТ Р 55062‑2021.

Соответственно для анализа и выявления барьеров интероперабельности нескольких информационных систем (например, ЕИСУКС и локальных систем органов власти) можно опираться на следующие критерии:

- Правовой: выполнение требований законодательства о персональных данных, о соблюдении стандартов информационной безопасности, применении ИИ, наличие правовых оснований для обмена сведениями, формализация прав доступа и зон ответственности участников.

- Организационный: регламентация сроков и ответственности за передачу данных, наличие процедур согласования изменений, система мониторинга и уведомлений об ошибках. При этом устойчивость информационного обмена необходимо оценивать с учётом ключевых факторов, выделенных в рамках концепции организационной интероперабельности [4]: степени гетерогенности участников взаимодействия, уровня готовности органов власти к реальному обмену данными (а не формальному подключению) и изменчивости их ИТ‑ландшафтов, в том числе из‑за обновления технологических решений.

- Семантический: унификация справочников и классификаторов, согласованность определений ключевых атрибутов (в т.ч. единый методологический подход к расчету показателей), наличие правил установления соответствия (маппинга) полей между системами и др. Применение онтологического подхода к управлению семантической совместимостью позволяет обеспечить корректную интерпретацию данных при обмене между разнородными системами без вмешательства в их внутреннюю архитектуру [10].

- Технический: наличие стандартизированных протоколов и API (интеграционного интерфейса с набором методов для взаимодействия систем), совместимость форматов обмена, автоматизация передачи данных, механизмы контроля доставки и целостности пакетов данных и др.

Следует отметить, что Минцифры России реализует комплекс мероприятий, которые напрямую соотносятся с этими критериями. В рамках выполнения плана деятельности ведомства на 2025-2030 годы [8] ЕИСУКС развивают как ядро единой цифровой платформы, последовательно наращивая долю подключенных органов власти:

на правовом уровне работа направлена на разработку типовых соглашений об обмене данными, снятие правовой неопределенности (которая нередко становится основанием для отказа в обмене сведениями, замедляет процессы верификации);

на организационном уровне заложена формализация соглашений об уровне обслуживания (SLA), определение ролей и зон ответственности, внедрение средств мониторинга статусов передачи данных; разработка методических материалов, обучающих программ, выделение технической поддержки для компенсации дефицита внутренних ИТ-ресурсов (например, для небольших органов государственной власти или местного самоуправления) и снижения сопротивления изменениям;

на техническом уровне ведется формирование единых требований к форматам данных и правилам обмена, внедрение стандартизированных API (посредник, через который программы обмениваются данными), механизмов контроля целостности пакетов данных, устраняя зависимость от ручных выгрузок и минимизируя риски утраты или искажения данных; предусматривается интеграция региональных кадровых систем с федеральной платформой с обеспечением совместимости разнородных ИТ-ландшафтов и сохранением функциональности локальных решений;

на семантическом уровне Минцифры России продвигает унификацию справочников и внедрение централизованного ведения единых классификаторов (тем самым устраняя риски дублирования и ошибок при конвертации, и обеспечивая возможность корректного сопоставления записей при автоматизированной обработке); в дополнение разрабатываются и утверждаются правила сопоставления и трансформации данных, для приведения их к единому формату (Таблица 1).

Таблица 1 - Таблица: анализ барьеров и меры совершенствования по уровням интероперабельности

Однако, несмотря на системный характер этих мер, необходимо учитывать ряд наиболее «узких мест» или основных барьеров.

Во‑первых, это – масштаб задачи: речь идёт о тысячах разнородных органов власти с разным уровнем цифровой зрелости, где у одних процессы уже полностью оцифрованы, а у других значительная часть данных хранится в Excel и на бумажных носителях [9] (организационный и технический уровни). При подключении к единой цифровой среде критически важны защита персональных данных и соблюдение единых стандартов безопасности. Не все могут сразу привести свои системы в соответствие с самыми жёсткими требованиями (организационный и правовой уровни). Это естественный фильтр, который замедляет процесс. Во‑вторых, риск «формального подключения»: органы могут числиться подключёнными, но передавать минимальный набор данных либо делать это нерегулярно (организационный и технический уровни). В‑третьих, динамичность ИТ‑среды: обновления систем могут приводить к сбоям интеграции, если не выстроены процедуры уведомления, тестирования и оперативного исправления (организационный и технический уровни). В-четвертых, ресурсные ограничения – бюджетные лимиты, длительные процедуры межведомственного согласования и нехватка квалифицированных кадров на местах [2] (организационный и правовой уровни) – могут замедлять достижение целевых значений. И, наконец, для реализации «механизмов принятия решений в области государственного и муниципального управления на основе принципов предиктивной аналитики» (п. 4.4.9. «Обеспечено создание, развитие и эксплуатация информационных систем подбора, ротации, развития и учета кадров, а также кадрового делопроизводства» плана Минцифры России на 2025-2030 годы) необходима выверенная и апробированная в техническом воплощении методология анализа и интерпретации данных, обеспечивающая четкую и релевантную связь «кадровая аналитика – принятие кадровых решений» (семантический уровень) [8, 9,].

Анализ перечисленных барьеров показывает, что первичными являются организационный и семантический уровни. С позиций институционального подхода [5] это объясняется важным различием между формальными правилами и неформальными ограничениями. Технические средства (API, форматы, протоколы) и правовые рамки (соглашения, стандарты безопасности) являются необходимыми условиями интероперабельности, но сами по себе недостаточны. Если орган власти не готов организационно – нет ответственных, ресурсной базы, нужных компетенций, внутренних регламентов, реальной мотивации участвовать в обмене, – техническое подключение превращается в «формальное»: данные передаются неполно или нерегулярно. Аналогично, если не решён семантический вопрос – нет согласованных определений показателей, единых методик расчёта – то даже безупречно переданные технически данные не обеспечат достоверной аналитики и не могут служить основой для управленческих решений.

Иными словами, организационная готовность определяет – будет ли обмен данными происходить фактически, а семантическая согласованность – будет ли он иметь смысл для принятия кадровых решений. Технический и правовой уровни выступают инфраструктурным фундаментом, но именно организационный и семантический формируют содержательное наполнение и определяют реальную ценность интеграции.

Однако именно эти уровни – организационный и семантический – наиболее трудно изменить. Как показал Норт [5], формальные правила можно обновить быстро, но неформальные практики обладают инерцией и зависимостью от предшествующего пути развития. ЕИСУКС несёт эту инерцию: пользователи привыкли к ретроспективной отчётности, а не к прогнозной аналитике. Сменить такие практики одномоментно нельзя – требуется пилотная отработка: выработка единых методик, согласование трактовок понятий, обучение пользователей работе с данными, интерпретации прогнозов.

В текущей конфигурации ЕИСУКС задача осложняется тем, что система не обеспечивает аналитическую поддержку принятия кадровых решений в полной мере (отсутствуют инструменты прогнозирования и сценарного моделирования, низок охват реально подключённых органов власти, регулярно поставляющих данные). При этом объём новшеств, которые должны быть введены к 2030 году, достаточно внушителен и требует больших усилий. Отрабатывать отдельные технические и методологические решения целесообразно в рамках пилотных проектов на основе уже реализованных инструментов.

Модуль HR-мониторинга для апробации методологии и инструментария кадровой аналитики

Отдельный модуль HR‑аналитики для органов публичной власти, формирующий целостную картину состояния кадрового состава и динамики кадровых процессов в условиях все возрастающей сложности кадровых задач – не просто технологическое решение на переходном этапе (до 2030 года), а управленческая необходимость. Модуль HR‑аналитики, разработанный и эксплуатируемый в пилотном режиме, способен нивелировать недостаток прогностического инструментария ЕИСУКС, обеспечивая при этом ряд существенных преимуществ:

- возможность тестирования новых подходов без риска для основной системы (позволяет экспериментировать с методиками расчета показателей, алгоритмами прогнозирования, для выработки единых подходов [1], критически важного для повышения прозрачности аналитики и получения непротиворечивых результатов) не нарушая стабильность и целостность данных в ЕИСУКС);

- оперативность подстройки под реальные потребности (на этапе пилота проще менять логику отчетов, добавлять нужные срезы аналитики, корректировать справочники с учетом обратной связи от пользователей – в основной системе такие изменения потребуют долгих согласований и формальных процедур);

- возможность выявления «скрытых» проблем интеграции (проявленные в пилотном режиме расхождения в трактовке понятий, различия в форматах данных и ошибки в исходных записях можно исправить до массового внедрения);

- обучение пользователей в щадящем режиме (специалисты кадровых служб и руководители могут осваивать новый инструмент, учиться читать дашборды и интерпретировать прогнозы на тестовых данных, без давления сроков и ответственности за официальные отчеты);

- снижение рисков при масштабировании (отработанные на пилоте сценарии интеграции, контроля качества данных и пользовательских ролей позволят сократить сроки и ошибки внедрения).

Такой модуль, введенный в действие в более ранней перспективе, чем 2030 год, позволит органам власти перейти от ретроспективной отчётности к прогнозной аналитике: например, рассчитывать ожидаемый дефицит кадров по группам должностей, оценивать влияние демографических трендов или планировать потребность в переподготовке с учётом трансформации государственных функций.

При этом возможно учитывать сегментацию органов власти по уровням управления (федеральный, региональный, муниципальный), имеющим разные кадровые вызовы и ресурсы. Модуль HR‑аналитики обеспечит гибкие срезы и настраиваемые дашборды под задачи конкретных органов власти – от мониторинга текучести в отдельных подразделениях до оценки укомплектованности приоритетных направлений.

В результате органы власти получат инструмент обоснованного управления: решения о перераспределении кадров, запуске программ наставничества или ротации будут опираться не на интуицию, а на верифицированные данные и прогнозные модели. Это повысит прозрачность кадровой политики, сократит риски неэффективных решений и обеспечит более точное соответствие кадрового потенциала стратегическим задачам государства.

Корректировка кадровой аналитики на переходном этапе при неравномерной цифровой и аналитической зрелости органов власти

Для минимизации риска, связанного с неполнотой охвата органов власти единой системой и их недостаточной цифровой зрелости, как следствие – неполнотой и недостаточным качеством данных – на переходном этапе (как в рамках ЕИСУКС, так и отдельного аналитического модуля) целесообразно использовать методику корректировки кадровой аналитики. Следует отметить, что предлагаемый подход применим для анализа данных и принятия решений на федеральном уровне или уровне субъекта РФ (а не на уровне отдельных малочисленных, не имеющих территориальную распределенность региональных или муниципальных органов власти).

Подход к корректировке аналитики может выглядеть следующим образом:

1) Стратификация: группировка органов власти (разбиение на страты) по качеству предоставляемых на текущем этапе данных, статусу подключения к ЕИСУКС /наличию кадровых ИТ-ресурсов, типу органа власти (федеральный, региональный, муниципальный), и др.

2) Весовая корректировка внутри страт: применение веса обратной вероятности (по периодичности выгрузок) и/или веса, зависящего от качества данных.

3) Панель (повторяющиеся наблюдения по одним и тем же органам власти во времени): использование динамики по лидерам («надежным» органам власти), имеющим высокую зрелость кадровой аналитики для прогнозирования и калибровки.

4) Обследование: проведение выборочных обследований для проверки и уточнения оценок, с определением поправочных коэффициентов или калибровочных моделей для статистической обоснованности.

5) Агрегация с учетом неопределенности и погрешности: подсчет итоговых значений показателей с использованием весов и поправочных коэффициентов (с обязательным указанием доверительных интервалов и источников неопределенности (доля неподключенных органов власти, доля ошибок валидации и т.п.)).

Рассмотрим, каким образом это можно применять на практике.

При использовании стратификации выборки по уровню подключения органов власти к ЕИСУКС, типу органа власти, своевременности и качеству данных, для каждой страты сначала оценивают нужный показатель отдельно, а затем для расчета итогового значения по всем органам власти агрегируют показатели всех страт с учетом их весов.

Так, формула для определения текучести по всем органам власти будет иметь вид (1):

(1)

где:

- Т – итоговое средневзвешенное значение показателя текучести по всей совокупности органов власти;

- H – общее число выделенных страт;

- h – индекс страты (h=1,2, … H);

- T_h – показатель текучести, рассчитанный отдельно внутри страты h (например, как отношение числа уволенных к среднесписочной численности в этой страте);

- w_h=N_h/N – вес страты h, равный доле среднесписочной численности служащих в страте h от общей среднесписочной численности N (N_h – среднесписочная численность служащих в страте; N – сумма по среднесписочной численности служащих по всем стратам).

Стратификация позволяет сформировать однородные группы, выделить проблемные страты и применить к ним отдельную стратегию обработки (например, с перерасчетом весов, как в примере выше). Аналогично можно поступить в случае группировки органов власти с учетом полноты и периодичности данных, тогда страты с неполными или нерегулярными данными не исказят итог. Проблема решится за счёт корректной обработки таких страт. Это повышает точность оценки.

Применение весовых коэффициентов направлено на компенсацию смещения выборки: например, органы власти, которые регулярно и полно выгружают данные, не должны «перевешивать» и искажать картину по всему государственному сектору. Можно использовать следующие коэффициенты:

_- Веса обратной вероятности (IPW) (если вероятность выгрузки данных (по истории выгрузок) у i-го ведомства равна p_i, то вес будет равен w_i=1/p_i с последующей нормализацией (2):

₍₂₎

- Корректирующие коэффициенты по типу ведомства для выравнивания представительства (как в приведенном примере).

- Веса по качеству данных – понижающие коэффициенты для записей с ошибками валидации, дублями, неполностью заполненными полями. Например, если доля ошибок в записи составляет e_i, то вес может быть w_i=(1−e_i). Применяемая функция веса зависит от структуры ошибок: выбор должен учитывать тип и серьёзность нарушений и быть обоснован их влиянием на показатель. В дальнейших исследованиях, в ходе пилотной апробации целесообразно тестировать альтернативные схемы (линейные, ступенчатые, экспоненциальные) и оценивать их влияние на устойчивость итоговых оценок.

В случае необходимости учёта нескольких типов весов одновременно итоговый вес формируется как произведение соответствующих коэффициентов (3):

(3)

Итоговый показатель по всей совокупности органов власти рассчитывается как взвешенное среднее по стратам с учётом весов согласно формуле (1).

Использование панельных данных (за счет повторяющихся наблюдений по одним и тем же органам власти во времени) помогает компенсировать пробелы за счёт имеющейся динамики и выявить систематические отклонения. Для этого можно использовать:

- Оценку трендов и экстраполяцию: спрогнозировать показатели органа власти на основе временного ряда по предыдущим периодам.

- Модели с фиксированными эффектами [12]: позволяют разделить вклад индивидуальных особенностей органа власти и вклад общесистемных изменений. Каждый орган получает собственный «базовый уровень» показателя, который отражает его постоянные характеристики (отрасль, регион, размер) и учитывается моделью отдельно. Дополнительно («поверх») оценивается общий временной тренд – например, рост текучести по всему государственному сектору, очищенный от индивидуальных различий. Это предотвращает смещение оценки тренда, если состав органов в выборке неоднороден.

- Проверку устойчивости оценок – сравнение результатов по подвыборке органов власти с оценками на панельных данных (расхождение показывает масштаб смещения, например, из-за неполноты данных). Точность аналитики повысится за счет ведения панели по ключевым органам – лидерам (с высокой цифровой зрелостью) и использования их данных в качестве опорных для калибровки общих показателей. Для остальных применять прогнозы и корректировки на основе панельных моделей.

В отдельных случаях могут быть полезными выборочные обследования, например, для того, чтобы получить контрольные оценки или заполнить пробелы данных. При этом важно:

- Провести стратификацию (отобрать органы власти по уровню управления, размерам, регионам и др.), чтобы охватить все возможные типы.

- Определить объем выборки, исходя из требуемой точности и ожидаемой вариации показателя.

- Контролировать качество данных с использованием логических и арифметических проверок, сверок, повторных запросов при необходимости.

- Анализировать выборочные данные, применяя методы, учитывающие стратификацию и веса, для статистического обоснования выводов.

Таблица 2 – Применение методов повышения качества данных

Заключение

Проведённый анализ подтвердил, что барьеры, снижающие качество кадровых данных, системно укладываются в четыре уровня интероперабельности: технический, семантический, организационный и правовой. Причём семантические, организационные, правовые барьеры оказывают наиболее существенное влияние на достоверность аналитики. Предложенный комплекс решений (стратификация, весовая корректировка, панельные данные и выборочные обследования), снижающих риски некачественной аналитики, позволяет получать обоснованные оценки даже при неполном охвате органов власти. Пилотная апробация модуля HR‑аналитики служит эффективным механизмом донастройки методики релевантной аналитики и формирования типовых интеграционных сценариев. Результаты исследования создают практическую основу для повышения надёжности кадровой аналитики и совершенствования подходов к управлению на основе данных в публичном секторе.

[1] Сайт Правительства Российской Федерации. URL: http://government.ru/rugovclassifier/923/about/ (дата обращения 7.07.2026 г.).

[2] Приказ Минцифры № 995 от 29.11.2024. URL: https://www.garant.ru/products/ipo/prime/doc/412543237/?ysclid=msxcnmt4c400768407 (дата обращения 7.08.2026 г.).

[3] Официальный сайт Минцифры России. URL: https://digital.gov.ru/target/naczionalnyj-proekt-ekonomika-dannyh-i-czifrovaya-transformacziya-gosudarstva (дата обращения 25.09.2026 г.).

[4] Постановление Правительства РФ от 3 марта 2017 года № 256 «О федеральной государственной информационной системе „Единая информационная система управления кадровым составом государственной гражданской службы Российской Федерации"». URL: https://base.garant.ru/71624752/?ysclid=msxcryymh942917328 (дата обращения 17.08.2026 г.).

[5] Приказ Минцифры России от 29.11.2024 № 995 «Об утверждении методик расчёта показателей национального проекта "Экономика данных и цифровая трансформация государства" и входящих в его состав федеральных проектов» (в ред. приказа Минцифры России от 29.12.2025 № 1270). — URL: https://www.consultant.ru/document/cons_doc_LAW_543064/ (дата обращения: 25.08.2026). (дата обращения 7.08.2026 г.).

[6] ГОСТ Р 55062‑2021. Информационные технологии. Интероперабельность. Основные положения. — М.: Стандартинформ, 2021.

[7] ГОСТ Р 59797‑2021. Информационные технологии. Интероперабельность информационных систем. Термины и определения. — М.: Стандартинформ, 2021.

[8] План деятельности Министерства цифрового развития, связи и массовых коммуникаций Российской Федерации на 2025–2030 годы (утв. приказом Минцифры России от 19.02.2026 №121). URL: https://www.consultant.ru/document/cons_doc_LAW_529906/?ysclid=msyos6mo2m786128613 (дата обращения 18.08.2026 г.).

[9] Аналитический доклад Правительства Российской Федерации и Министерства экономического развития Российской Федерации, Национального центра развития искусственного интеллекта при Правительстве Российской Федерации «Индекс интеллектуальной зрелости отраслей экономики, секторов социальной сферы и системы государственного управления Российской Федерации». URL: https://digital.mosreg.ru/uploads/material/analytics_report.pdf?ysclid=mt1kygku1p261140512 (дата обращения 20.08.2026 г.).