Подъехала запись стрима с Юрой Борзило. Штуки, которые упоминались:
1. Магистерская программа по теорверу и матстату, вот тут можете почитать учебный план.
2. ТГ-канал Института биоинформатики. Как раз заканчивается набор на полугодовую программу по биостату.
3. Отдельно упомяну канал Юры. Если интересно, что может пойти не так с рандомизированными исследованиями в бузинесе, можете полистать методичку авторства Юры и поискать по каналу слово "ошибка".

Также помашу кулаками после драки: к вопросу о могут ли люди без спецобразования аб-тестить.

Могут, но есть ряд проблем, которые надо иметь в виду. Во-первых, в интернете и печатных книгах полно шлака на тему статистики. Начиная от безобидных неточностей, через относительно безвредные мифы и заблуждения и заканчивая полностью неверной чушью. За примерами ходить далеко не надо, см. те же обсуждения "нужна ли нормальность для проведения т-теста" и "регрессии строят для предсказания". Отделить зерна от плевел будет трудно. Во-вторых, вас будут поджидать проблемы, специфичные для вашей области приложения, и эти проблемы могут быть не освещены в источниках общей или другой направленности. Пример: в медицинских РКИ вас, скорее всего, не заботит сетевой эффект, в то время как в аб-тестах вы с этим столкнетесь относительно быстро. В итоге стандартный в айтишке подход "воскурим маны и гайды и освоим базу" работает плохо, нужно уметь отличать дельные маны от вредных. То есть, чтобы растить свои скиллы, нужно уже иметь неплохую такую базу, которую на семестральных курсах введения в теорвер и матстат обычно не дают.

Если пофантазировать, уходя в область спекуляций, достаточно элегантным решением может стать модель (внешнего) менторства. Итак, у вас есть коллектив сотрудников, которые "прослушали один семестр матстата", и вы хотите аб-тестить. Дальше вы находите одного-двух людей с профильным образованием, которые будут менторами. Основную работу (дизайн, сбор даты, анализ, написание отчета) будут делать как раз рядовые сотрудники, а ведущие статистики выступают в качестве консультантов: комментируют предложенные решения и предлагают улучшения, указывают на ошибки, коучат, предлагают источники на почитать, предупреждают о возможных подводных камнях и следят за базовой методологией (то самое "зачем мы это делаем и не фигню ли мы делаем"). В итоге растет внутренняя экспертиза, вы не тратите время на чтение всякой ерунды (и попытки понять, ерунда ли это или дело пишут) и применяете неплохие практики тестирования. Этот же подход может хорошо сработать в связке с "прикормить статистика со стороны": вам необязательно иметь этих труЪ-статистиков в штате, вполне может оказаться, что с их стороны достаточно нескольких часов в неделю.

В идеале, конечно, старшие статистики должны быть сами с опытом применения матстата в бизнес-контексте, но, мне кажется, это необязательно. Если они заинтересованы в сотрудничестве, добрать контекст они смогут относительно быстро и просто через чтение гайдов и статей: у них как раз есть база для того, чтобы быстро отсеивать ерунду.