CC BY
4
ECONOMIC SCIENCE
Научная статья УДК 331.556
https://doi.org/10.24412/2414-3995-2022-6-279-287 NIION: 2015-0066-6/22-576 MOSURED: 77/27-011-2022-06-775
Динамическое моделирование факторов и показателей материального ущерба по экономическим преступлениям
Дмитрий Владимирович Дианов
Московский университет МВД России имени В.Я. Кикотя, Москва, Россия,
skad71@mail.ru
Аннотация. Научная статья посвящена вопросам перспектив развития статистической методологии для выявления и оценки закономерностей и тенденций формирования показателей материального ущерба, который несет национальная экономика вследствие совершения экономических преступлений и постоянной, интенсивной эволюции экономической преступности как негативного явления общественной жизни. В научной статье применительно к объекту исследования адаптированы такие важнейшие составляющие статистического инструментария, как методы корреляции и регрессии, а также аналитического выравнивания и прогнозирования трендов.
Ключевые слова: статистический инструментарий, экономическая преступность, материальный ущерб, преступления против службы
Для цитирования: Дианов Д. В. Динамическое моделирование факторов и показателей материального ущерба по экономическим преступлениям // Вестник экономической безопасности. 2022. № 6. С. 279-287. https://doi. org/10.24412/2414-3995-2022-6-279-287.
Original article
Dynamic modeling of factors and indicators of material damage in economic crimes
Dmitry V. Dianov
Moscow University of the Ministry of Internal Affairs of Russia named after VYa. Kikot’, Moscow, Russia,
skad71@mail.ru
Abstract. The scientific article is devoted to the prospects for the development of statistical methodology for identifying and assessing patterns and trends in the formation of indicators of material damage caused by the national economy due to the commission of economic crimes and the constant, intensive evolution of economic crime as a negative phenomenon of public life. In the scientific article, in relation to the object of research, such important components of statistical tools as correlation and regression methods, as well as analytical alignment and trend forecasting are adapted.
Keywords: statistical tools, economic crime, material damage, crimes against the service
For citation: Dianov D. V. Dynamic modeling of factors and indicators of material damage in economic crimes. Bulletin of economic security. 2022;(6):279-87. (In Russ.). https://doi.org/10.24412/2414-3995-2022-6-279-287.
1. Постановка задачи математико-статистического анализа экономической преступности Выявление закономерностей экономической преступности, зависимость данного негативного явления от объясняющих факторов изначально предполагает построение регрессионного динамического уравнения. На втором шаге необходимо провести анализ динамики всех показателей, участвующих в многофакторной модели, построенной по значениям объясняющих показателей и результативного признака за определенный промежуток
© Дианов Д. В., 2022
времени. Третий шаг приводит к построению прогнозных значений факторов экономической преступности. Заключительный этап расчетных процедур связан с получением прогнозных значений результативного показателя экономической преступности, в данной работе это размер материального ущерба против интересов службы в коммерческих и иных организациях.
В статистике существует несколько методов прогнозирования: метод скользящих средних, метод экспоненциального сглаживания, метод аналитического выравнивания и другие.
№ 6/2022
Bulletin of economic security
279
ЭКОНОМИЧЕСКИЕ НАУКИ
Прогнозирование показателей размера причиненного материального ущерба по преступлениям против интересов службы в коммерческих и иных организациях будем производить, как обозначено выше, на основе динамической регрессии. Особенностью данного метода является включение дополнительного объясняющего показателя - фактора времени (t).
Построение прогноза результативного признака обязывает определить прогнозные значения объясняющих показателей, для вычисления которых будем использовать метод аналитического выравнивания, то есть построение функции тренда динамического ряда. Методика данного метода основана на экстраполяции параметров, то есть предположении, что параметры тренда сохранятся в прогнозируемом периоде.
Суть метода прогнозирования на основе тренда заключается в построении уравнения тренда, описывающего тенденцию изменения показателей временного ряда.
Трендовый анализ по каждому объясняющему показателю предполагает использовать в качестве математического аргумента функции параметр времени (t). Сами же функции представлены набором традиционных математических зависимостей, основу которого составляют линейные, полиномиальные, гиперболические, экспоненциальные, логарифмические и степенные уравнения.
Выбор уравнения определяется числовым значением коэффициента.
2. Выявление закономерностей и факторов формирования материального ущерба по экономическим преступлениям
Корреляционный анализ динамической модели показал сильную связь между социально-экономическими
показателями и размером материального ущерба в динамической модели. Основание: матрица парных коэффициентов корреляции.
Построенная динамическая регрессионная модель результативного показателя выглядит следующим образом:
у = -50370,33 + 3821,68 * х1 - 1724 * х3 + 810,87 * х4 + Сстат = 2,87 -2,46 2,24
Э; = 1,92 -1,3 2,32
+ 2161,9 * х5 + 326,6 * х6 + 358,39 * х8 - 547572,99 * t 3,39 2,15 3,15 -1,75
1,83 0,6 1,26
R2 = 0,98 FHa6a = 3,3
Коэффициент множественной корреляции R = 0,99, что, свидетельствует о сильной корреляционной связи между результативным и объясняющими показателями. Данная модель объясняет 98 % вариации результативного показателя.
Из регрессионной модели были исключены пять показателей: (х2, х7, х9, х10 и х11), так как они имеют наименьшую корреляционную связь и низкое значение критерия t-статистика непосредственно в самом регрессионном уравнении, то есть их присутствие не улучшает качество модели, следовательно они «загрязняют» уравнение.
Представленное динамическое регрессионное уравнение по качеству является наилучшим, в сравнении с кластерными моделями. Это связано с тем, что суммарные показатели, характеризующие уровень определенного явления в целом по стране, более однородны и качественны, в отличие от показателей отдельных регионов.
В представленном уравнении прямое влияние на размер материального ущерба по преступлениям в ис-
Таблица 1
Фрагмент динамической матрицы социально-экономических показателей и размера причиненного материального ущерба по преступлениям против интересов службы в коммерческих и иных организациях в России, млн руб.
Год Продукция сельского хозяйства Объем выполненных строительных работ Оборот розничной торговли Объем платных услуг, оказанных населению Задолженность юридических лиц по кредитам в кредитных организациях в рублях
х1 хз х4 х5 х6
2000 742424 503836,8 2352274,3 602755 465759,5
***
2020 6468834 9497824,7 33873740,1 9007944 27586340
Таблица 1 (продолжение)
Год Объем добычи полезных ископаемых Объем обрабатывающего производства Обеспечение электроэнергией, газом и паром, кондиционирование воздуха Фактор времени Ущерб по выявленным преступлениям против интересов службы в коммерческих и иных организациях
х7 х8 х9 t У
2000 983460 1384131 8736943 1 1152,84
***
2020 14498900 47782550 5959974 21 15154,325
280
Вестник экономической безопасности
№ 6/2022
ECONOMIC SCIENCE
следуемой сфере оказали факторы, во-первых, характеризующие выпуск продукции сельскохозяйственной отрасли (Xj), во-вторых, масштабов потребительского рынка товаров (х2) и стоимости потребительских услуг населению на платной основе (х5); в-третьих, участия кредитных учреждений в финансировании, восполнении временного недостатка денежных средств у коммерческих организаций (х6), в-четвертых, уровень обрабатывающего производства в стоимостном выражении (х8).
Обратное влияние оказал фактор, характеризующий результат деятельности в строительной отрасли, аккумулированный в стоимостной показатель добавленной стоимости по виду экономической деятельности «строительство» (х3).
При увеличении объема продукции сельского хозяйства на 1 млрд руб., размер материального ущерба по преступлениям в исследуемой сфере увеличивается на 3,82 млн руб., или на 1,92 % при увеличении объясняющего показателя на 1 %. В первом и втором кластерах характер влияния фактора - обратный, в отличии от четвертого кластера, в котором сельское хозяйство развито слабо и преобладает промышленный сектор. Как было отмечено ранее, в 2019 году законодательное регулирование сферы сельского хозяйства претерпело серьезные изменения, сделав данную отрасль более прозрачной. Однако можем заметить, что в целом по стране данный показатель оказывает прямое влияние, ввиду преобладания регионов со слабым развитием сельского хозяйства, где эта отрасль недостаточно регулируется и контролируется, не говоря даже о климатической составляющей.
Повышение оборота розничной торговли на 1 млрд руб. способствует росту материального ущерба от исследуемых преступлений на 810,87 тыс. руб. Коэффициент эластичности составляет 2,32 %, поэтому при росте объясняющего показателя на 1 %, результативный признак увеличится на 2,32 %. В регрессионных моделях второго и четвертого кластеров данный показатель оказывал схожее воздействие. Таким образом, торговая сфера современной рыночной экономики продолжает традиции противостояния ОБХСС - Отдела по борьбе с хищениями социалистической собственности и совершения действий, подпадающих под деяния, предусмотренные главой 23 УК РФ.
При увеличении объема платных услуг, оказанных населению на 1 млрд руб., материальный ущерб по рассматриваемым преступлениям увеличивается на 2,16 млн руб., или на 1,83 % при повышении значения объясняющего показателя на 1 %. В регрессионных моделях первого и четвертого кластерах данный показатель оказывал прямое воздействие на результативный признак, а в третьем кластере - обратное. Как видим, в целом по стране увеличении объема платных услуг населению негативно отражается на уровне исследуемой преступности.
Размер материального ущерба по преступлениям в рассматриваемой сфере увеличится на 326,6 тыс. руб.
при росте задолженности юридических лиц по кредитам в кредитных организациях на 1 млрд руб., или при увеличении задолженности по кредитам на 1 %, результативный признак вырастет на 0,6 %. Данный объясняющий показатель оказывает различное влияние на результативный признак в регрессионных моделях первого и третьего кластеров, поэтому неудивительно, что задолженность по кредитам юридических лиц столь слабо влияет на уровень преступности.
Увеличение выпуска обрабатывающего производства на 1 млрд руб. будем рассматривать как генератор роста размера материального ущерба по рассматриваемым преступлениям на 358,39 тыс. руб., или на 1,26 % при увеличении данного объясняющего показателя на 1 %. Характер влияния данного объясняющего показателя в четвертом кластере прямой, в отличии от влияния во втором и третьем кластерах. Подавляющую часть обрабатывающего производства составляют виды деятельности, связанные с промышленностью, поэтому характер влияния этого объясняющего показателя аналогичен с влиянием в четвертом кластере, к которому относятся крупные промышленные регионы России.
Фактор х3 оказал обратное воздействие на размер нанесенного материального ущерба от преступлений против интересов службы в коммерческих организациях.
При увеличении количества объема выполненных строительных работ на 1 млрд руб., размер материального ущерба по исследуемым преступлениям снижается на 1,72 млн руб., или при увеличении этого объясняющего признака на 1 %, материальный ущерб уменьшится на 1,3 %. Данный показатель оказал разное по характеру направления влияние на результативный признак: в первом и втором кластере - обратное, в третьем - прямое. Как было указано ранее, сфера строительства стала более прозрачной, ввиду положительной эволюции российского законодательства, поэтому рост строительства не способствует увеличению уровня преступности против интересов службы в коммерческих организациях.
3. Анализ трендов и прогноз материального ущерба как следствия совершения экономических преступлений
Чтобы построить прогнозное значение размера материального ущерба по преступлениям против интересов службы в коммерческих и иных организациях следует для начала определить прогнозные значения объясняющих показателей. Для этого построим линию тренда и выберем лучшую модель для каждого объясняющего показателя, результаты которого отображены в таблице 2.
Как можем заметить, значение коэффициента детерминации и относительная ошибка аппроксимации для всех уравнений объясняющих показателей высокие, что говорит об их пригодности для использования в определении прогнозных значений.
№ 6/2022
Bulletin of economic security
281
ЭКОНОМИЧЕСКИЕ НАУКИ
Таблица 2
Трендовые модели по объясняющим показателям и их оценка на основе коэффициента детерминации
Показатель Формула тренда R2 A
ух1 = 7 383,3112 + 126 297,47t + 511438,83 0,99 2,4
*3 ухз = 2 918,86t2 + 404 797,4t - 309 286,69 0,99 3,7
х4 ух4 = 10 793,68t2 + 1 524 280,55t - 1025 945,96 0,99 2,2
*5 yx5 = 1 294,8812 + 486 364,69t - 384 084,2 0,98 2,9
*6 $x6 = 39 646,75t2 + 605 265,76t - 1635 676,27 0,99 4,1
Х8 у^в = 54 539,45t2 + 1 255 950,25t - 977 619,85 0,99 3,3
Наиболее адекватной моделью для показателя х1 -продукция сельского хозяйства, является полиномиальная функция:
ух1 = 7 383,3112 + 126 297,47t + 511 438,83
Коэффициент а1 = 7 383,31 указывает направление ветвей параболы вверх, что свидетельствует о росте показателя. Прогнозные значения отображены на рисунке 1.
Как видим, объем продукции сельского хозяйства в прогнозном периоде продолжает увеличиваться. Стоит отметить, что увеличение данного объясняющего показателя способствует росту размера нанесенного материального ущерба от преступлений в исследуемой сфере. Это объясняется большей привлекательностью для пре-
ступников сферы производства сельскохозяйственной продукции.
Применив метод аналитического выравнивания для показателя х3 - объем выполненных строительных работ, является полиномиальная функция второго порядка:
ух3 = 2 918,8612 + 404 797,41 - 309 286,69
Коэффициент а1 имеет положительное значение, что свидетельствует об увеличении показателя в прогнозном периоде. Графическое отображение прогнозных значений изображено на рисунке 2.
Как отмечалось ранее, по итогам динамического регрессионного анализа, увеличение данного объясняющего показателя оказывает негативное воздействие на размер материально ущерба по исследуемым пре-
VC
о.
ч
О.
ч
а
ва
н
о
о
и
о
-
о
и
о
л
а
и
ч
о
О.
<и
1C
о
9000
Год
I [Фактические значения Прогнозные значения ----------Теоретические значения
Рис. 1. Динамика объема продукция сельского хозяйства в России, млрд руб.
282
Вестник экономической безопасности
№ 6/2022
ECONOMIC SCIENCE
12000
H
О
vs
ee
Q.
И
3
=
-a
5
н
о
Q.
H
И
3
о
vs
Q.
Q.
4
4
o
-a
0
sfi
VO
О
i i Фактические значения Прогнозные значения ------Теоретические значения
Рис. 2. Динамика объема выполненных строительных работ в России, млрд руб.
ступлениям, то есть увеличение объема выполненных строительных работ способствует росту результативного признака. Наращивание темпов в развитии и создании стоимости в строительной отрасли, безусловно является фактором экономического роста, однако управляющие структуры и органы исполнительной власти должны обеспечить ликвидацию преступных мотивов в части злоупотребления полномочиями и коммерческого подкопа, в том числе законодательными рычагами.
45000
Наиболее адекватной моделью для показателя х4 - оборот розничной торговли, является полиномиальная функция второго порядка, представленная уравнением:
ух4 = 10 793,68t2 + 1 524 280,55t - 1 025 945,96
Представленное уравнение свидетельствует о росте данного показателя в прогнозируемом периоде. Графическое отображение прогнозных значений изображено на рисунке 3.
1C
о.
ч
О.
ч
ч
ва
о
-
о.
о
н
О
О.
н
о
о.
о
VO
о
Год
I I Фактические значения Прогнозные значения ------Теоретические значения
Рис. 3. Динамика оборота розничной торговли в России, млрд руб.
№ 6/2022
Bulletin of economic security
283
ЭКОНОМИЧЕСКИЕ НАУКИ
Увеличение темпов роста оборота розничной торговли обусловлено ростом покупательской способности населения. Хотя за последние пять лет реальные денежные доходы населения находятся на одном уровне, что способствует удовлетворению текущих объемов розничной торговли, в 2000-х и начале 2010-х годов денежные доходы населения существенно выросли, что способствует и дальнейшему росту данного показателя.
Как было отмечено ранее, между данным объясняющем показателем и результативным признаком присутствует прямая связь, то есть увеличение оборота розничной торговли способствует росту размера материального ущерба по преступлениям в исследуемой сфере.
Наиболее адекватной моделью для показателя х5 -объем платных услуг, оказанных населению, наиболее качественной является также полиномиальная функция второго порядка:
ух5 = 1 294,88I2 + 486 364,691 - 384 084,2
Коэффициент а1 = 1 294,88 свидетельствует о росте показателя. Фактические, теоретические и прогнозные значения отображены на рисунке 4.
Как и в случае с показателем оборота розничной торговли, рост объема платных услуг обусловлен увеличением покупательской способности населения за последние 20 лет. Между данным объясняющем показателем и результативным признак установлена прямая связь, поэтому увеличение объема платных услуг населению в прогнозируемом периоде будет способствовать росту размера материального ущерба по преступлениям против интересов службы в коммерческих организациях.
14000
Наиболее адекватной моделью для показателя х6 - задолженность юридических лиц по кредитам в кредитных организациях является полиномиальная функция:
ухЬ = 39 646,7512 + 605 265,761 - 1 635 676,27
Положительный коэффициент а1 свидетельствует о росте данного показателя. В прогнозируемом периоде объем платных услуг населению превысит фактические значения. Фактические, теоретические и прогнозные значения отображены на рисунке 5.
В рассматриваемом прогнозном периоде наблюдается существенный рост задолженности юридических лиц по кредитам. Это, в первую очередь, обусловлено повышением доступности кредитных средств в последнее время, ввиду снижения ключевой ставки Центральным банком Российской Федерации в период с 2015-го года.
Как было отмечено ранее, увеличение данного объясняющего показателя способствует росту размера материально ущерба по рассматриваемым преступлениям.
Наиболее адекватной моделью для показателя х8 -объем обрабатывающего производства является полиномиальная функция второго порядка:
Уд,8 = 54 539,45tz + 1 255 950,251 - 977 619,85
Представленное уравнение свидетельствует о росте данного показателя. Графическое отображение прогнозных, фактических и теоретических значений отображено на рисунке 6.
Замедление роста обрабатывающего производства в 2020 году не повлияет на рост показателя в прогнозном периоде, ввиду существенного увеличение произ-
Год
I [Фактические значения Прогнозные значения ------Теоретические значения
Рис. 4. Динамика объема платных услуг, оказанных населению в России, млрд руб.
284
Вестник экономической безопасности
№ 6/2022
ECONOMIC SCIENCE
H
s
n
CJ
o.
a
4
И .
5 VS
a
a ~
a- st
§ ^ s S o.
2
-a
н
о
4
о
40000
Год
I I Фактические значения Прогнозные значения -------Теоретические значения
Рис. 5. Динамика задолженности юридических лиц по кредитам в кредитных организациях в России, млрд руб.
V©
>*
О.
п
о.
ч
л
S3
н
©
©
©
о.
Б
©
э
2
Л
2
2
н
л
V©
л
О.
V©
©
о
sfi
V©
о
70000
Год
| I Фактические значения Прогнозные значения ---------Теоретические значения
Рис. 6. Динамика объема обрабатывающего производства, млрд руб.
водства. Однако это негативно скажется на размере причиненного материального ущерба по рассматриваемым преступления, так как увеличение данного объясняющего показателя способствует росту результативного признака.
Рассчитав прогнозные значения объясняющих показателей, можем перейти к определению размера материального ущерба по рассматриваемым нами пре-
ступлениям на 2021-2023 годы. Для этого необходимо подставить полученные прогнозные значения объясняющих показателей в регрессионную модель, сформированную ранее.
Таким образом, мы получили следующие прогнозные значения размера нанесенного материального ущерба от исследуемых преступлений, представленные в таблице 3.
№ 6/2022
Bulletin of economic security
285
ЭКОНОМИЧЕСКИЕ НАУКИ
Таблица 3
Прогноз социально-экономических показателей и размера причиненного материального ущерба по преступлениям против интересов службы в коммерческих и иных организациях, млрд руб.
Год Продукция сельского хозяйства Объем выполненных строительных работ Оборот розничной торговли Объем платных услуг, оказанных населению Задолженность юридических лиц по кредитам в кредитных организациях Объем обрабатывающего производства Ущерб по выявленным преступлениям против интересов службы в коммерческих и иных организациях
х1 х3 х4 х5 х6 х8 y
2021 6863,5 10008,9 37732,4 10942,6 30869,2 53050,4 19,03287
2022 7322,1 10545,1 39742,4 11487,3 33258,6 56760,6 20,97106
2023 7795,4 11087,1 41773,9 12034,5 35727,2 60579,9 23,00871
Графическое отображение фактических, теоретических и прогнозных значений размера материального ущерба по преступлениям представлено на рисунке 7.
Таким образом, несмотря на колебания фактических значений за исследуемы период, в прогнозном периоде размер материального ущерба по преступлениям против интересов службы в коммерческих и иных организациях увеличится, достигнув общероссийского значения в 23 млрд руб. в 2023 году.
Наиболее значительное влияние на результативный показатель оказывают факторы, отражающие результаты деятельности в строительной отрасли, масштаб
потребительского рынка товаров и стоимости потребительских услуг населению на платной основе, кредитной задолженности юридических лиц, а также показатели результатов деятельности в сельскохозяйственной отрасли и объема обрабатывающего производства.
Результаты проведенного статистического анализа свидетельствует о том, что на уровень преступности против интересов службы в коммерческих организациях оказывают влияние множество социально-экономических показателей, прогнозные значения которых способствуют росту размера материального ущерба по исследуемой преступности в рассмотренной перспективе.
VS
о.
3
о
-
о
25000
20000
о.
Н
Л
о.
о
-
о
§
т
В
о.
о.
Л
&
Ф ^ Ф ^ cjp ^ ^ ?? *>? О* & v3 v3 "5s *3 <■!? oN r(V о)?
^ ^ ^ ^ ^ ^ ^ ^ ^ ^ ^ ^ ^ ^ ^ ф ф 'V
Год
I IФактические значения ^^Прогнозные значения • Теоретические значения
Рис. 7. Динамика размера причиненного материального ущерба по преступлениям против интересов службы в коммерческих и иных организациях в России, млн руб.
286
Вестник экономической безопасности
№ 6/2022
ECONOMIC SCIENCE
Список источников
1. Борщенко А. И. Статистический мониторинг безопасности финансов организаций коммунального хозяйства регионов России // Аудиторские ведомости. 2021. № 1. С. 79-84.
2. Долбилов А. В. Комплексная система обеспечения экономической безопасности предприятия // Форум. Серия: Гуманитарные и экономические науки. 2022. № 3 (26). С. 191-195.
3. Ищенко А. Н. Трансформация системы бухгалтерского учета в условиях применения информационных и коммуникационных технологий // Финансовый бизнес. 2021. № 5 (215). С. 137-140.
4. Кузнецова Е. И., Осипова А. Н. Оценка влияния качества социальной среды на развитие человеческого потенциала // Вестник экономической безопасности. 2021. № 1. С. 252-255.
5. Ляпин А. Е. Прикладной математический инструментарий межрегиональной статистики экономической преступности // Вопросы региональной экономики. 2021. № 4 (49). С. 156-170.
6. Майков А. С., Борисова Е. В. Актуальные проблемы обеспечения экономической безопасности в современном мире // Поиск (Волгоград). 2022. № 2 (13). С. 130-132.
7. Чумак Г. В., Суглобов А. Е., Телкова Е. А. Применение метода ручной оценки контрагентов при противодействии корпоративному мошенничеству // Russian Journal of Management. 2022. Т. 10. № 1. С. 71-75.
8. Kiseleva I. A., Sadovnikova N. A., Karmanov M. V., Kuznetsov V I. Business process modeling in consulting companies // Journal of Contemporary Issues in Business and Government. 2021. Т. 27. № 2. С. 816-822.
References
1. Borshchenko A. I. Statistical monitoring of financial security of public utilities organizations in the regions of Russia // Audit statements. 2021. No. 1. Р. 79-84.
2. Dolbilov A. V. Complex system of ensuring economic security of the enterprise // Forum. Series: Humanities and Economic Sciences. 2022. No. 3 (26). Р. 191-195.
3. Ishchenko A. N. Transformation of the accounting system in the conditions of application of information and communication technologies // Financial business. 2021. No. 5 (215). Р. 137-140.
4. Kuznetsova E. I., Osipova A. N. Assessment of the impact of the quality of the social environment on the development of human potential // Bulletin of Economic Security. 2021. No. 1. Р. 252-255.
5. Lyapin A. E. Applied mathematical tools
of interregional statistics of economic crime // Issues of regional economics. 2021. No. 4 (49).
Р. 156-170.
6. Maikov A. S., Borisova E. V. Actual
problems of ensuring economic security in the modern world // Search (Volgograd). 2022. No. 2 (13).
Р. 130-132.
7. Chumak G. V., Suglobov A. E., Telkova E. A. Application of the method of manual evaluation of counterparties in countering corporate fraud // Russian Journal of Management. 2022. Vol. 10. No. 1. Р. 71-75.
8. Kiseleva I. A., Sadovnikova N. A., Karmanov M. V., Kuznetsov V. I. Business process modeling in consulting companies // Journal of Contemporary Issues in Business and Government. 2021. Vol. 27. No. 2. Р. 816-822.
Информация об авторе
Д. В. Дианов - профессор кафедры экономической безопасности, финансов и экономического анализа Московского университета МВД России имени В.Я. Кикотя, доктор экономических наук, профессор.
Information about the author
D. V. Dianov - Professor of the Department of Economic Security, Finance and Economic Analysis of the Moscow University of the Ministry of Internal Affairs of Russia named after V.Ya. Kikot’, Doctor of Economic Sciences, Professor.
Статья поступила в редакцию 18.08.2022; одобрена после рецензирования 28.09.2022; принята к публикации 30.11.2022.
The article was submitted 18.08.2022; approved after reviewing 28.09.2022; accepted for publication 30.11.2022.
№ 6/2022
Bulletin of economic security
287
