Группа Arenadata рекомендует дивиденды 1,4 млрд ₽

Войти

рекомендации дивидендов 💰 Уважаемые инвесторы и акционеры! На прошлой неделе состоялось собрание Совета директоров ПАО «Группа Аренадата», на котором Совет директоров рекомендовал годовому общему собранию акционеров выплатить дивиденды по результатам 2025 и 1 квартала 2026 года. Главное: ▫️Общая сумма рекомендованных дивидендных выплат по обыкновенным акциям составила 1,4 млрд рублей или 6,43 рубля на одну акцию. ▫️Размер дивидендов по привилегированным акциям — 0,8 млн рублей. 📍При принятии решения Совет директоров руководствовался принципами дивидендной политики Группы, которая рекомендует направлять на выплату не менее 50% от скорее скорректированной чистой прибыли (NIC). 📆 Ключевые даты: 🔸 4 мая - дата формирования списка лиц, имеющих право участвовать в годовом заседании Общего собрания акционеров (ГЗОСА); 🔸 28 мая - дата проведения ГЗОСА; 🔸 10 июня - рекомендованная дата, на которую определяются лица, имеющие право на получение дивидендов. Действующая дивидендная политика размещена на официальном сайте в разделе «Инвесторам»:

Разбираем новые термины 📚 Сегодня поговорим про совместную безопасную работу с данными. Это одна из самых быстрорастущих областей в data-индустрии: бизнесу важно извлекать ценность не только из самостоятельно собранных данных, но и использовать накопленные знания в индустрии или смежных отраслях. Существует 2 больших класса конфиденциальных вычислений: аппаратные и программные. Группа Arenadata занимается разработкой именно ПО как в части хранения и аналитики данных, так и в области конфиденциальных вычислений. Разбираем ключевые понятия 👇 🌟 Конфиденциальные вычисления (Confidential Computing) — подход к обработке данных, при котором данные защищены на всех этапах: при хранении, передаче и даже во время обработки. Это позволяет работать с чувствительной информацией без риска утечки. Опишем несколько типов конфиденциальных вычислений: MPC, федеративное обучение и гомоморфное шифрование. 🌟 MPC (многосторонние вычисления) — позволяют нескольким сторонам вычислить результат на основе их общих данных, не раскрывая свои приватные данные друг другу: Этап 1: деление данных. Каждый участник разбивает свою информацию на зашифрованные части («осколки»). Этап 2: распределенные вычисления. Эти «осколки» отправляются другим участникам или узлам сети, где проводятся математические операции. Этап 3: сбор результата. Получается общий итог, который расшифровывается, но никто из участников не видит данные, предоставленные другими. 🌟 Федеративное обучение — это метод машинного обучения, который тренирует алгоритм на нескольких удаленных устройствах или серверах без обмена исходными данными между ними. Серверы обмениваются только обновлениями (весами) для моделей, которые содержат очень сжатую, концентрированную информацию, и извлечь из них данные одного отдельного сервера затруднительно. Более того, обмен этими обновлениями часто дополнительно защищают с помощью многосторонних вычислений или гомоморфного шифрования, что делает федеративное обучение методом с доказуемой безопасностью и показывает, что технологии конфиденциальных вычислений не конкурируют, а усиливают друг друга. 🌟 Гомоморфное шифрование (Homomorphic Encryption) — метод шифрования, позволяющий выполнять вычисления прямо на зашифрованных данных. Результат также остаётся зашифрованным и доступен только владельцу данных. Расширение спектра использования конфиденциальных вычислений способствует развитию совместных проектов и созданию инновационных продуктов и услуг. И все это благодаря математическому алгоритму, безопасность которого можно обосновать. ⚙️ На нашей ежегодной конференции ArenaDay Алла Лугунова, руководитель монетизации данных для кредитного бизнеса Т-Банка, рассказала о практических кейсах применения технологии. Видео доступно по ссылке: https://rutube.ru/video/private/cde9fc4918b7b1c3f9065d225bb23691/?p=Xl3IRHgMIACsYP9sgkP4aw Какие темы разобрать следующими? 👇 👍 — технологии, на которых строится data-платформы Группы ⚙️ — технологические партнерства 🚀 — реальные бизнес-кейсы #знания_от_эмитента DATA

Итоги образовательной весны 🎓 Весной 2026 года Группа Arenadata выступила партнером 6 образовательных мероприятий в сфере ИТ и данных, в которых приняли участие более 1500 студентов и школьников из разных регионов России и стран СНГ. Что мы успели за этот сезон: 🔸Clean Code Cup — 2026: поддержали олимпиаду по ИИ в Алтайском государственном университете. 🔸 V «Московский студенческий DATA-Хакатон»: выступили с практическим кейсом и провели установочный вебинар в Московском городском педагогическом университете. 🔸 Хакатон по большим данным «Кампуса инноваций Samsung»: партнерами трека выступили VK Tech и Группа Arenadata. Участники, выбравшие задание Arenadata, решали прикладную задачу по выявлению персональных данных в файлах и формированию отчетов. 🔸«Весна доверия — 2026» в НГТУ НЭТИ: стали партнерами соревнований по кибербезопасности «КиберНск». 🔸Хакатон «Цифровой суверенитет 4.0»: поддержали инициативу РТУ МИРЭА по разработке отечественных решений для науки и бизнеса. 🔸«Цифратех: Индустрия цифровых технологий для бизнеса и образования — 2026»: рассказали о современных подходах к организации хранения данных и вошли в состав жюри конкурса студенческих научно-практических работ. 👤 Федор Кирдяшов, директор по обучению Группы Arenadata, к. т. н.: «Мероприятия для студентов и школьников — важный инструмент развития профессиональных навыков. Они решают сразу несколько задач: дают возможность поработать в команде над реальными кейсами, развить компетенции и пополнить портфолио, способствуют профессиональному общению и обмену опытом. Для компаний, таких как Arenadata, это также эффективный канал взаимодействия с молодыми специалистами и знакомства с актуальными отечественными решениями в области работы с данными». DATA #образование

Совет директоров Группы Arenadata вынес решение по