Создать PDF Рекомендовать Распечатать

Предиктивные оценки технологизации системы управления персоналом в сервисной деятельности

Теория управления | (127) УЭкС, 9/2019 Прочитано: 286 раз
(0 Голосов:)
  • Автор (авторы):
    Дудкина Ольга Владимировна, Бородай Владимир Александрович
  • Дата публикации:
    30.09.19
  • ВУЗ ИЛИ ОРГАНИЗАЦИЯ:
    Донской государственный технический университет

Предиктивные оценки технологизации системы управления персоналом в сервисной деятельности

Predictive estimates of the technological development of the personnel management system in service activities

 

Дудкина Ольга Владимировна

Dudkina Olga Vladimirovna

кандидат социологических наук, доцент

Донской государственный технический университет

Бородай Владимир Александрович

Borodai Vladimir Alexandrovich

доктор социологических наук, профессор

Донской государственный технический университет

borodayv@mail.ru

 

Аннотация. Рассматривается проблемы, связанные с внедрением искусственного интеллекта в сферу управления персоналом сервисной компании. Показано, что искусственный интеллект превращает департаменты по управлению персоналом в настоящие высокотехнологичные структуры. Определены основные тренды использования технологий искусственного интеллекта в области управления персоналом. Дается предиктивная характеристика некоторых перспективных направлений в сфере управления персоналом, потенциал которых позволит имитировать когнитивные человеческие функции.

Abstract. The problems associated with the introduction of artificial intelligence in the field of personnel management of a service company are considered. It is shown that artificial intelligence turns human resources departments into real high-tech structures. The main trends in the use of artificial intelligence technologies in the field of personnel management are proposed. A predictive characteristic of some promising areas in the field of personnel management is given, the potential of which will allow simulating cognitive human functions.

Ключевые слова: Коммуникации, консалтинг, функции, роботизация, технология, алгоритм, адаптация.

Keywords: Communications, consulting, functions, robotics, technology, algorithm, adaptation.

 

Введение. Искусственный интеллект уже освоил рутинные функции и начал проникать в сферы, которые раньше были подвластны только человеку. Например, первые шаги искусственный интеллект делает уже в сфере управления персоналом. Некоторые функции искусственного интеллекта начинают проникать в сферу розничной торговли, сферу услуг, консалтинговую деятельность, другие сферы, которые в основном связаны с коммуникативными технологиями. 

Актуальность темы определяется состоянием  компетентностного  уровня развития работы по управлению персоналом предприятия и взаимосвязью с современными подходами в кадровой работе, развитием потенциала искусственного интеллекта. Научная новизна, значимость работы связана с отысканием новых способов решения социально-экономических проблем управления персоналом, имеющих значение для успешного развития бизнеса и общества. 

 В 2018 году консалтинговая компания Deloitte включила искусственный интеллект и роботизацию в список главных HR-трендов. Выводы коллег подтвердили и аналитики E&Y. По их данным, 93% времени у рекрутера уходит на типовые задачи. И порядка 65% из них вполне поддаются автоматизации.

Разработки в сфере применения искусственного интеллекта в отборе кандидатов широко известны уже во всем мире. Чего нельзя сказать о других направлениях – адаптации сотрудников, увольнении…. Хотя определенные достижения есть и в этом направлении [1].

Так, HR-менеджеру важно получать обратную связь от сотрудников. Это помогает корректировать индивидуальные планы развития, анализировать вовлеченность. Неслучайно появляются системы типа Reflektiv, BetterWorks, Workboard, Zugata, Highground. Они позволяют работникам обсуждать корпоративные вопросы, оставлять отзывы друг о друге, а HR-отделу – собирать фидбек, оценивать ситуацию.   

Искусственный интеллект все глубже проникает и в обучение персонала. Например, международные компании активно внедряют VR-симуляторы. С помощью них Boeing обучает своих летчиков пилотированию, NASA – пребыванию в открытом космосе, BMW готовит сервисных инженеров. Подобные разработки, кстати, сокращают расходы на учебные центры, преподавателей, командировки [2]. К тому же они устраняют риски для здоровья сотрудников.

А вот нидерландский банк Rabobank использует иную технологию – робота Furhat. Это модель человеческой головы, на которую одевают «лицо» женщины, мужчины или ребенка, чтобы продемонстрировать разные типы поведения. Робот разговаривает, слушает, понимает эмоции собеседника. С его помощью менеджеры отрабатывают отказы, преодоление возражений и другие техники общения с клиентами.

Другая область применения искусственного интеллекта – управление данными и их интерпретация. Например, технологии ONA (Organizational Network Analysis) помогают проанализировать взаимодействие людей в крупных организациях. Система визуализирует формальные и неформальные связи между членами команды, подразделениями, компанией и клиентами. Определяются факторы влияния, оценивается обмен информацией. Это позволяет выявить сотрудников с риском выгорания, понять, как лучше задействовать корпоративные таланты [3]. Есть нейросети, которые по цифровому следу работника в корпоративных мессенджерах прогнозируют возможность его увольнения за полгода.

Отдельная история – отпуска и увольнения, связанные с утомительными согласованиями, бумажной волокитой. Ряд стандартных действий бизнес выполняет посредством информационных технологий. Это еще не совсем искусственный интеллект, но большинство HR-процессов уже полностью автоматизируется. Например, во многих компаниях ежегодные отпуска заранее фиксируются на корпоративном портале. За три недели до дня «икс» система уточняет у сотрудника по e-mail – все ли в силе, при подтверждении запускает согласование с его начальником, «кадрами» и бухгалтерией. Все – через электронный документооборот с простой электронной подписью. Оформление увольнения выполняется также с помощью портала.

Не стоит удивляться, если лет через пять высокие технологии будут применять и при расставании с неэффективными сотрудниками. Попытки роботизации этого направления уже есть. Пример – CRM-решение OneBox от разработчика Web Production. Еще в 2015 году компания описала свой опыт автоматизированного увольнения. Система присылает специалисту соответствующее электронное уведомление с обоснованием решения и предлагает обратиться к руководителю, чтобы получить необходимые документы, расчет... Впрочем, для некоторых экспертов такой подход кажется спорным. Считаем, что коммуникации при расставании – сфера ответственности человека [4].

Основной раздел. HR-служба – это в первую очередь работа с людьми, а значит, это коммуникации, поиск индивидуальных подходов, налаживание отношений, помощь с интеграцией новых сотрудников в компанию. И на этом поприще искусственный интеллект еще не показал крупных успехов. Но в работе HR-служб есть и рутина, от которой не уйти. Как показывает практика, эта рутина возникает как раз в поле коммуникаций: HR-менеджеры жалуются, что они устают от простых и однотипных действий, их такая работа демотивирует. В среднем около 1,5 часов в день HR-специалист тратит, например, отвечая на вопросы сотрудников.

Практика показывает, что до 60% подобных обращений в HR-службу можно автоматизировать. Ведь ответы на эти вопросы давно известны. И сложность тут заключается лишь в том, что нужно понять, о чем спрашивает сотрудник. Ведь формулировки вопросов могут сильно различаться. А суть будет одна и та же. Как раз с подобными задачами. Как показывают исследования, 60% рутинных обращений в HR-службу может быть автоматизировано. Искусственный интеллект способен достаточно успешно справляться. Он может выделить «смысл» вопроса, и, опираясь на него, дать ответ [5].

В качестве примера можно привести кейс с участием крупной сетевой розничной компании с достаточно высокой текучкой кадров в магазинах. Это влекло за собой большую нагрузку на HR-специалистов. Им приходилось обрабатывать много однотипных обращений от сотрудников: по выплатам зарплаты, ДМС, отпускам. Помимо этого, из-за большой численности, необходимо было оформлять справки для сотрудников для различных инстанций. 

Поскольку все эти запросы достаточно типовые, процесс обработки мог легко поддаваться роботизации.

На первом этапе был проанализирован и построен кадровый учет с использованием автоматизированной системы. Это позволило минимизировать трудозатраты на получение справок и другой кадровой информации: построить отчет гораздо эффективнее, чем вручную искать и заполнять бумаги. Затем была внедрена внутренняя система поддержки сотрудников со встроенной базой знаний. Такая система позволила накапливать типовые вопросы от сотрудников и в автоматическом режиме выдавать ответ.

Два этих шага – это фактически подготовка «фундамента» для внедрения искусственного интеллекта. Инструменты, внедренные в работу компании на этих этапах, будут использоваться в качестве подспорья и источника информации для искусственного интеллекта.

Следующий шаг – один из основных. Это внедрение чат-бота, который взаимодействует с базой знаний. Основная функция этого чат-бота – не просто получить вопрос от сотрудника, но и распознать смысл этого вопроса. И далее по смыслу подобрать наиболее релевантный ответ в базе знаний. Если же ответ не найден, тогда вопрос переадресовывается на HR-сотрудника. Ответы сотрудников также анализируются. Затем они могут быть включены в качестве готовых ответов для чат-бота.

Завершающим этапом роботизации стала интеграция базы знаний и учетной системы. Это позволило не только давать фиксированные ответы на вопросы, но и получать актуальную информацию из кадровой базы данных. Теперь сотрудник может написать чат-боту вопрос: сколько у него осталось дней отпуска? База знаний перенаправляет запрос к кадровой системе, получает оттуда остаток дней. И затем транслирует его сотруднику.

Другое направление кадровой работы связано с тем, что искусственный интеллект помогает сохранить идеальных сотрудников и избавиться от «токсичных» [6].

Описание опыта работы соискателя в его резюме приоткрывает завесу тайны о его профессиональных навыках, но категорически не позволяет оценить личностные. Для этого сотрудники компании вынуждены встречаться с соискателями лично, проводить тестирования, игровые кейсы, смотреть им в глаза и оценивать искренность ответов. По данным одного из клиентов в телеком-индустрии, приходится приглашать в среднем 30 кандидатов, чтобы нанять одного. 30 рабочих часов собеседований. Можно ли сократить время, которое тратится на нерезультативные собеседования? Да, можно.  Если привлечь на помощь искусственный интеллект.

Одна из компаний, занимающаяся разработками в сфере искусственного интеллекта, совместно с HR-специалистами провела интересный пилотный проект с целью выявления связи психологических профилей примерно 700 сотрудников и их эффективности в работе, чтобы в дальнейшем отобрать кандидатов, похожих по своим характеристикам на наиболее успешных сотрудников компании. Был составлен профиль «идеального» сотрудника отдела B2B-продаж, подготовлена модель моментальной оценки компетенций для соискателей на соответствующие вакансии компании.

Оценка компетенций сотрудников (психологических черт и потенциалов) была проведена с помощью технологий этой компании – фотопортреты сотрудников были проанализированы алгоритмами искусственного интеллекта для получения оценки психологических шкал по каждому участнику. Полученные оценки были сопоставлены с показателями эффективности по каждому сотруднику. В качестве показателей были выбраны следующие пункты: выполнение плана продаж, срок работы в компании, наличие наград и премий… Многоуровневый анализ позволил выделить наиболее сильные шкалы-предикторы для каждого из показателей эффективности.

В результате было установлено, что сотрудники с максимальными показателями по выполнению плана продаж обладают следующими чертами характера: 

  • стремление соблюдать социальные нормы и правила; 
  • дорожат своей репутацией, в любой ситуации стараются «сохранить свое лицо»;
  • предусмотрительны, избегают непредсказуемых ситуаций, стремятся к личной безопасности; 
  • уверены в себе, не испытывают комплексов по поводу своей внешности; 
  • общительны и оценивают общительность как свое важное качество.

Узнав наиболее сильные факторы высокой эффективности сотрудников, специалисты компании, используя собственную технологию, получили возможность разработать математическую модель, прогнозирующую эффективность будущего сотрудника по его психологическому профилю.

После ряда успешных пилотных проектов (телеком, банковский сектор, автобизнес) в конце 2018 года на рынке появился онлайн-сервис, который упрощает оценку персонала и подбор кандидатов, как в массовом подборе, так и в индивидуальной диагностике, сокращая время на получение отчета о психологическом профиле личности до 10 секунд.

А до конца 2019 года, вполне вероятно, может появиться дополнительная функция, которая позволяет получить оценку компетенций и увидеть рейтинг кандидатов по степени их соответствия требованиям вакансии до очной встречи – с помощью удаленного профилирования.

Таким образом, искусственный интеллект превращает HR-департаменты в настоящие высокотехнологичные подразделения. Закрывает болезненные темы беспристрастной оценки текущего персонала компании, найма неподходящих, токсичных сотрудников, людей, которые ощущают себя не на своем месте [7]. Помогает строить идеальные модели компетенций и объективно оценивать уровень соответствия кандидатов им.

Направлений и сфер использования технологий искусственного интеллекта в современной экономике намечается достаточно много, среди которых можно обозначить два основных тренда использования технологий искусственного интеллекта в области управления персоналом. 

Первый – это «герметичное» использование искусственного интеллекта: чат-боты, технологии распознавания лиц, голосов, эмоций... Применяется для автоматизации стандартных и общепринятых HR-процессов на предприятии. Популярность этого варианта использования искусственного интеллекта объясняется зрелостью технологических решений и относительной легкостью внедрения, которые позволяют компаниям громко заявлять об использовании искусственного интеллекта в HR-менеджменте [8]. Экономический эффект такого внедрения спорный. Очевидно, что он может быть достигнут только крупными компаниями. При этом использование стандартных библиотек искусственного интеллекта, например, в публичном «облаке» совсем не дешевое.

Второй тренд – оптимизация процессов, связанных с трудом людей, до которых ранее не доходили руки HR-специалистов. В процессе рабочей деятельности сотрудник оставляет множество «цифровых следов» в корпоративных IT-системах, интернет-браузерах, социальных сетях, мобильных устройствах. Оптимизация производственных процессов с помощью более гибкого управления людьми происходит за счет машинного обучения на «цифровых следах» сотрудников [9].

Приведем в пример Сбербанк, который с помощью проекта интеллектуальной системы управления определил, от каких факторов в «цифровом следе» зависит успех или неудача стандартных процессов. Например, частота использования банковской карты зависит от того, что было клиенту показано и рассказано при ее выдаче. В случае, когда результаты работы сотрудника не соответствуют требованиям банка, менеджеру даются конкретные рекомендации, что советовать сотруднику изменить в своей работе. Таким образом, Сбербанку удалось сократить финансовые потери от продажи услуг, не востребованных клиентами, на 42% и одновременно сделать свою структуру управления более «плоской».

Еще один пример – решение Good Time, которое использует искусственный интеллект и геймификацию для оптимизации построения графиков смен, планирования загрузки персонала, роста доходности и качества обслуживания в крупных розничных сетях. Здесь машина обучается на цифровых следах, как работников сетей, так и покупателей.

Такой вариант использования искусственного интеллекта в HR приносит гораздо более ощутимый эффект, но требует отдельного уникального консалтингового и инжинирингового проекта для успешной реализации.

Одно из перспективных направлений развития прикладного характера искусственного интеллекта - искусственный интеллект помогает сохранять ценных сотрудников. Все больше компаний понимают, что люди – наиболее ценный ресурс для бизнеса [10]. Цифровизация актуальна как для задач обучения сотрудников, так и удержания ценных кадров.

Приходя в компанию, у человека существуют ожидания от новой работы. В этот момент важно не дать ему «потеряться». Не во всех организациях есть институт наставничества, если такой возможности нет, влиться в коллектив помогут технологии. Искусственный интеллект может проанализировать историю действий новых сотрудников на аналогичной должности и предложить оптимальный алгоритм адаптации: что изучить, ответы на какие вопросы и где найти.

Регулярное обучение специалистов. Здесь есть несколько вариантов. Например, искусственный интеллект оптимизирует работу HR-специалиста с заявками на обучение: проверку лимитов бюджета, сверку тематики курсов с целями бизнеса, наличие подобных материалов внутри компании. В результате система может помочь принять решение по каждой заявке и предоставить обоснование в случае отказа.

В крупных компаниях технологии помогают организовать отработку конкретных навыков в нестандартных ситуациях: при экстремальных событиях, которые сложно и дорого смоделировать вживую. Такие технологии уже применяются в США: например, компании Walmart и Strivr используют компьютерное зрение и шлемы виртуальной реальности для обучения сотрудников правильным действиям в период распродаж («черной пятницы»). Технология позволяет решить вопрос удаленного обучения: больше нет необходимости в «живом» тренинге.

Искусственный интеллект помогает в сохранении ценностных атрибутов и культуры компании, сокращению текучести кадров. Уход опытного специалиста – это всегда риск утери неформализованных знаний, которые специалист уносит с собой. Стараясь управлять этим риском, менеджеры понимают, что на этапе подписания заявления на увольнение с сотрудником уже сложно общаться.

Соответственно, есть спрос на прогнозирование таких событий, и технологии предиктивной аналитики могут помочь в исследовании поведения в корпоративных системах. Искусственный интеллект позволяет анализировать интересы пользователей, которые проявляются на уровне действий во внутренних системах компании, активности в социальных сетях – и выдают отчет о состоянии человека. Это позволяет руководителю отследить определенные «звоночки»: например, не интересуется ли специалист новой сферой деятельности или переездом в другой город.

Опираясь на возможности искусственного интеллекта следует отметить, что успешность работы HR-инструмента определяется простотой использования. Искусственный интеллект был введен в HR-функционал, чтобы существенно снизить нагрузку сотрудников, сократив объем рутинных задач [11]. И что происходит? Рынок переполнен всевозможными программными обеспечениями, разработанными для оптимизации работы HR-менеджмента на любой вкус.

Чем определяется успешность работы HR-инструмента? В первую очередь, простотой использования – инструмент должен быть понятным. Такой эффект достигается за счет точности и простоты алгоритмов. И второй момент, сервис должен предлагать варианты развития событий, направленных на решение конкретных задач.

Рассмотрим несколько примеров. Как известно, программ 1C реализует кадровую политику, автоматически рассчитывает зарплату, берет на себя часть организационных моментов работы персонала, оптимизирует кадровые операции (новые сотрудники, переводы, увольнения, командировки…). По такому же принципу работает и ряд других похожих программ: Фараон, Oracle, АиТ, Галактика и т.д.

Мы уже привыкли, что часть рутинных функций падает не на людей, а на работу искусственного интеллекта, и воспринимаем это как нечто само собой разумеющееся. Но есть и другие, более узконаправленные сервисы, к примеру, WorkBright. Этот сервис избавляет кадровика от бумажной работы при приеме нового сотрудника. Или, допустим, Namely. Эта программа направлена на оптимизацию основного ряда задач кадрового отдела. Речь идет о таких задачах, как сбор и обработка данных об эффективности работы персонала, составление планов, отчетов, графиков, архивация HR-документов... Еще один ощутимый плюс – достаточно удобная мобильная версия.

Если говорить о малом бизнесе, то стоит упомянуть о мобильной платформе Zenefits. У этого мобильного приложения довольно широкий спектр возможностей, с его помощью можно автоматизировать такие процессы, как расчет заработной платы, премий, счетчик отработанных часов, заполнение личных дел.

Ключевой момент, который необходимо, на наш взгляд, учитывать  – искусственному интеллекту надо обучать так же, как и человека. Нельзя просто купить систему и ждать, что она, как волшебная таблетка, решит все корпоративные проблемы [12]. К примеру, о том же роботе Вера существуют диаметрально противоположные отзывы. Почему? Потому что те компании, которые инвестируют время и деньги в сервис – настраивают голос, прорабатывают и перерабатывают сценарии, адаптируют их под свой стиль корпоративной культуры, работают с распознаванием – получают в итоге классный продукт, который приносит ценность. А те, кто не готов обучать систему, ничего не получают взамен.

Пока подобные технологии используют большие компании, обладающие соответствующими бюджетами – к примеру, полноценное внедрение чат-бота обойдется в несколько миллионов рублей. Так или иначе, весь бизнес со временем придет к этим решениям, ведь искусственный интеллект помогает освободить сотрудников от рутины и перейти к более интеллектуальным, творческим и стратегическим задачам.

Заключение. Когда-нибудь все простые операции, которые не развивают человека, а приводят к его профессиональной стагнации, будут отданы на откуп автоматической системе. И роль HR-специалиста трансформируется в сторону технологизации. На наш взгляд: когда появится большое количество разных систем, автоматизирующих HR-деятельность, то сами специалисты станут чуть ли не разработчиками. Он будет настраивать и дорабатывать систему до самого высокого качества, менять ее, вникать в логику и архитектуру, правильно ставить техническое задание. Поэтому, если в компании хотят отказаться от рутины, придется научиться работать с системой, которая эту ненавистную часть деятельности заберет на себя. 

Рынок решений в сфере Искусственного интеллекта еще слишком молод, информационный шум вызван, прежде всего, прорывом в нейронных сетях примерно пять лет назад, так как под эти задачи появилось соответствующее оборудование, но существующий набор математических методов оптимизации машинного обучения на данный момент лишь ограниченно может имитировать когнитивные человеческие функции. Потребуется еще много времени, чтобы собрать петабайты разнородных данных, научиться ими качественно управлять и на этой базе создать эффективные решения в области Искусственного интеллекта и Big Data для HR-менеджмента, однако потенциал у этой темы просто колоссален.

Библиографический список:

1. Минасян Л.А., Дудкина О.В., Бородай В.А. Нарративные процедуры новой системы мотивации // Управление экономическими системами: электронный научный журнал. 2018. № 3 (109). С. 15.

2. Бородай В.А. Маркетизация потребительских стандартов в современном обществе // Гуманитарные и социально-экономические науки. 2008. № 2. С. 153-155.

3. Артамонов Б.В., Бородай В.А., Новак Л.В., Петренко А.С., Савицкая В.Ю., Цветкова Г.С. Маркетинговые коммуникации: проблемы, возможности и перспективы развития. Нижний Новгород: НОО "Профессиональная наука", 2018.

4. Бородай В.А., Минасян Л.А. Дискурсивная миссия корпоративного стиля сервисной компании // Гуманитарные и социально-экономические науки. 2017. № 3 (94). С. 132-135.

5. Петренко А.С., Бородай В.А. Мутуализм в сценарии развития российской экономики // Управление экономическими системами: электронный научный журнал. 2018. № 10 (116). С. 1.

6. Бородай В.А. Валидность методов управления в сервисной деятельности // В сборнике: Туризм и индустрия гостеприимства: современное состояние и тенденции развития Материалы III-й Международной научно-практической конференции. Министерство образования и науки Российской Федерации, Донской государственный технический университет, Министерство культуры Ростовской области, Национальная академия туризма. 2017. С. 202-209.

7. Архипов П.И., Бородай В.А. Архитектура управленческой модели - выбор альтернативы // Экономические исследования и разработки. 2018. № 1. С. 38-43.

8. Бородай В.А., Минасян Л.А. Проблемы эмерджентности системы управления в сервисной деятельности // Экономические исследования и разработки. 2018. № 5. С. 90-96.

9. Kasyanov V.V., Minasyan L.A., Borodai V.A., Ponomarev I.E., Samygin P.S., Vorobyev G.A., Skvortsov D.V. Health  management and the strategies to meet a  healthy society  // International Transaction Journal of Engineering, Management, & Applied Sciences & Technologies. 2018. № 9 (4). С. 357-368.

10. Бородай В.А., Шевченко Е.М. Специфика и тенденции рынка фриланса при оказании сервисных услуг // Экономические исследования и разработки. 2019. № 4. С. 145-152.

11. Дудкина О.В., Бородай В.А. Альтернативы традиционным бизнес-решениям в выставочных форумах // Экономические исследования и разработки. 2018. № 4. С. 111-115.

12. Минасян Л.А., Казьмина Л.Н., Дудкина О.В., Бородай В.А. Cпецифика оценки качества неосязаемых услуг в сервисной деятельности // Управление экономическими системами: электронный научный журнал. 2018. № 10 (116). С. 33.

Bibliographic list:

1. Minasyan L.A., Dudkina O.V., Borodai V.A. Narrative procedures of a new motivation system // Management of economic systems: electronic scientific journal. 2018.No 3 (109). P. 15.

2. Borodai V.A. Marketing of consumer standards in modern society // Humanitarian and socio-economic sciences. 2008. No. 2. P. 153-155.

3. Artamonov B.V., Borodai V.A., Novak L.V., Petrenko A.S., Savitskaya V.Yu., Tsvetkova G.S. Marketing communications: problems, opportunities and development prospects. Nizhny Novgorod: NOO "Professional Science", 2018.

4. Borodai V.A., Minasyan L.A. The discursive mission of the corporate style of a service company // Humanitarian and socio-economic sciences. 2017. No. 3 (94). P. 132-135.

5. Petrenko A.S., Borodai V.A. Mutualism in the development scenario of the Russian economy // Management of economic systems: an electronic scientific journal. 2018. No. 10 (116). P. 1.

6. Borodai V.A. The Validity of Management Methods in Service Activities // In the collection: Tourism and hospitality industry: current status and development trends Materials of the III International Scientific and Practical Conference. Ministry of Education and Science of the Russian Federation, Don State Technical University, Ministry of Culture of the Rostov Region, National Academy of Tourism. 2017. P. 202-209.

7. Arkhipov P.I., Borodai V.A. The architecture of the managerial model - the choice of alternatives // Economic Research and Development. 2018. No. 1. P. 38-43.

8. Boroday V.A., Minasyan L.A. Problems of emergence of a control system in service activities // Economic Research and Development. 2018. No. 5. P. 90-96.

9. Kasyanov V.V., Minasyan L.A., Borodai V.A., Ponomarev I.E., Samygin P.S., Vorobyev G.A., Skvortsov D.V. Health management and the strategies to meet a healthy society // International Transaction Journal of Engineering, Management, & Applied Sciences & Technologies. 2018.No 9 (4). P. 357-368.

10. Boroday V.A., Shevchenko E.M. The specifics and trends of the freelance market in the provision of services // Economic research and development. 2019.No 4.P. 145-152.

11. Dudkina O.V., Boroday V.A. Alternatives to traditional business solutions in exhibition forums // Economic Research and Development. 2018. No. 4. P. 111-115.

12. Minasyan L.A., Kazmina L.N., Dudkina O.V., Boroday V.A. The specifics of assessing the quality of intangible services in service activities // Management of economic systems: electronic scientific journal. 2018. No. 10 (116). P. 33.

  vakperechen

ОБНОВЛЕННЫЙ СПИСОК ВАК 2016 г.
ОТ 19.04.2016  >> ПРОСМОТРЕТЬ
tass
 
ПО ВОПРОСАМ ПУБЛИКАЦИИ СТАТЕЙ И СОТРУДНИЧЕСТВА ОБРАЩАЙТЕСЬ:
skype SKYPE: vak-uecs
e-mail
MAIL: info@uecs.ru
phone
+7 (928) 340 99 00
 

АРХИВ НОМЕРОВ

(01) УЭкС, 1/2005
(02) УЭкС, 2/2005
(03) УЭкС, 3/2005
(04) УЭкС, 4/2005
(05) УЭкС, 1/2006
(06) УЭкС, 2/2006
(07) УЭкС, 3/2006
(08) УЭкС, 4/2006
(09) УЭкС, 1/2007
(10) УЭкС, 2/2007
(11) УЭкС, 3/2007
(12) УЭкС, 4/2007
(13) УЭкС, 1/2008
(14) УЭкС, 2/2008
(15) УЭкС, 3/2008
(16) УЭкС, 4/2008
(17) УЭкС, 1/2009
(18) УЭкС, 2/2009
(19) УЭкС, 3/2009
(20) УЭкС, 4/2009
(21) УЭкС, 1/2010
(22) УЭкС, 2/2010
(23) УЭкС, 3/2010
(24) УЭкС, 4/2010
(25) УЭкС, 1/2011
(26) УЭкС, 2/2011
(27) УЭкС, 3/2011
(28) УЭкС, 4/2011
(29) УЭкС, 5/2011
(30) УЭкС, 6/2011
(31) УЭкС, 7/2011
(32) УЭкС, 8/2011
(33) УЭкС, 9/2011
(34) УЭкС, 10/2011
(35) УЭкС, 11/2011
(36) УЭкС, 12/2011
(37) УЭкС, 1/2012
(38) УЭкС, 2/2012
(39) УЭкС, 3/2012
(40) УЭкС, 4/2012
(41) УЭкС, 5/2012
(42) УЭкС, 6/2012
(43) УЭкС, 7/2012
(44) УЭкС, 8/2012
(45) УЭкС, 9/2012
(46) УЭкС, 10/2012
(47) УЭкС, 11/2012
(48) УЭкС, 12/2012
(49) УЭкС, 1/2013
(50) УЭкС, 2/2013
(51) УЭкС, 3/2013
(52) УЭкС, 4/2013
(53) УЭкС, 5/2013
(54) УЭкС, 6/2013
(55) УЭкС, 7/2013
(56) УЭкС, 8/2013
(57) УЭкС, 9/2013
(58) УЭкС, 10/2013
(59) УЭкС, 11/2013
(60) УЭкС, 12/2013
(61) УЭкС, 1/2014
(62) УЭкС, 2/2014
(63) УЭкС, 3/2014
(64) УЭкС, 4/2014
(65) УЭкС, 5/2014
(66) УЭкС, 6/2014
(67) УЭкС, 7/2014
(68) УЭкС, 8/2014
(69) УЭкС, 9/2014
(70) УЭкС, 10/2014
(71) УЭкС, 11/2014
(72) УЭкС, 12/2014
(73) УЭкС, 1/2015
(74) УЭкС, 2/2015
(75) УЭкС, 3/2015
(76) УЭкС, 4/2015
(77) УЭкС, 5/2015
(78) УЭкС, 6/2015
(79) УЭкС, 7/2015
(80) УЭкС, 8/2015
(81) УЭкС, 9/2015
(82) УЭкС, 10/2015
(83) УЭкС, 11/2015
(84) УЭкС, 11(2)/2015
(85) УЭкС,3/2016
(86) УЭкС, 4/2016
(87) УЭкС, 5/2016
(88) УЭкС, 6/2016
(89) УЭкС, 7/2016
(90) УЭкС, 8/2016
(91) УЭкС, 9/2016
(92) УЭкС, 10/2016
(93) УЭкС, 11/2016
(94) УЭкС, 12/2016
(95) УЭкС, 1/2017
(96) УЭкС, 2/2017
(97) УЭкС, 3/2017
(98) УЭкС, 4/2017
(99) УЭкС, 5/2017
(100) УЭкС, 6/2017
(101) УЭкС, 7/2017
(102) УЭкС, 8/2017
(103) УЭкС, 9/2017
(104) УЭкС, 10/2017
(105) УЭкС, 11/2017
(106) УЭкС, 12/2017
(107) УЭкС, 1/2018
(108) УЭкС, 2/2018
(109) УЭкС, 3/2018
(110) УЭкС, 4/2018
(111) УЭкС, 5/2018
(112) УЭкС, 6/2018
(113) УЭкС, 7/2018
(114) УЭкС, 8/2018
(115) УЭкС, 9/2018
(116) УЭкС, 10/2018
(117) УЭкС, 11/2018
(118) УЭкС, 12/2018
(119) УЭкС, 1/2019
(120) УЭкС, 2/2019
(03) УЭкС, 3/2019
(04) УЭкС, 4/2019
(05) УЭкС, 5/2019

 Федеральная служба по надзору в сфере связи и массовых коммуникаций

№ регистрации СМИ ЭЛ №ФС77-35217 от 06.02.2009 г.       ISSN: 1999-4516