в статье разработана организационно-экономическая модель интеграции прогнозной аналитики в систему управления операционными рисками промышленного предприятия. Актуальность связана с тем, что цифровые модели отказов и отклонений часто внедряются в отрыве от риск-менеджмента и экономического обоснования решений. Материалы — международные стандарты и публикации 2021–2025 гг. по риск-менеджменту, цифровой трансформации и предиктивному обслуживанию. Методы: сравнительный анализ, процессный подход, системное моделирование, сценарная оценка эффекта. Предложен замкнутый контур из четырёх блоков: подготовка данных, построение прогноза, экономическая оценка риска, управленческая реакция с обратной связью. Определены критерии выбора критических бизнес-процессов, метрики качества моделей, формулы расчёта ожидаемого ущерба, годового эффекта и NPV. Показано: ценность прогнозной аналитики создаётся не точностью алгоритма, а своевременным переводом сигнала в регламентированное действие, влияющее на простои, запасы, ремонт и потери выпуска. Результаты применимы для ТЭО проектов прогнозной аналитики на предприятиях. the article develops an organizational and economic model for integrating predictive analytics into an industrial enterprise's operational risk management system, addressing the common gap between digital failure/deviation models and enterprise risk management or investment appraisal. The evidence base comprises international frameworks and peer-reviewed publications (2021–2025) on risk management, digital transformation and predictive maintenance. Methods: comparative analysis, process approach, systems modelling, scenario-based effect assessment. A four-block closed-loop model is proposed: data preparation, predictive modelling, economic risk assessment, and managerial response with feedback. Criteria for selecting critical business processes, model-quality metrics, and formulas for expected loss, annual economic effect and NPV are specified. Economic value is shown to arise not from algorithmic accuracy alone, but from timely conversion of a signal into a regulated action affecting downtime, inventories, maintenance costs and lost output. Results support feasibility studies for predictive analytics projects at industrial enterprises.