CC BY
72
РАЗДЕЛ III.
ВОПРОСЫ РАЗВИТИЯ ЭКОНОМИКИ
УДК 656.073.7
Лопаткин Г.А.
ФОРМИРОВАНИЕ ПРОЦЕССА КОНТРОЛЛИНГА В ЛОГИСТИКЕ НА ОСНОВЕ ИННОВАЦИОННЫХ ЦИФРОВЫХ ТЕХНОЛОГИЙ
Аннотация
Статья посвящена вопросам внедрения цифровых технологий в транспортную отрасль, а именно в грузовые автоперевозки. Рассматриваются вопросы внедрения искусственного интеллекта в логистический контроллинг, технологии распределенных реестров. Проведен анализ положительных сторон цифровизации процесса контроллинга, рассмотрены возможные «узкие места» внедрения инновационных технологий. Проанализирован опыт применения искусственного интеллекта и блокчейн-технологии в логистических схемах. Предложена система внедрения цифровых технологий в национальную транспортную платформу, что будет способствовать формированию общего грузового автотранспортного рынка страны, сокращению транспортных и временных издержек.
Ключевые слова
Транспортная отрасль, логистическая система, контроллинг логистической системы, блокчейн, распределенные базы данных, искусственный интеллект, смарт-контракт, цифровая транспортная платформа.
JEL: L92, O32, R49
Lopatkin G.A.
THE FORMATION OF THE CONTROLLING PROCESS IN LOGISTICS BASED ON INNOVATIVE DIGITAL TECHNOLOGIES
Annotation
The article is devoted to the introduction of digital technologies in the transport industry, namely, in trucking. The issues of the introduction of artificial intelligence in logistics controlling, technology of distributed registries are considered. The analysis of the positive aspects of digitalization of the controlling process is carried out, possible bottlenecks of the introduction of innovative technologies are considered. The experience of the use of artificial intelligence and blockchain technology in logistics schemes is analyzed. A system is proposed for introducing digital technologies into the national transport platform, which will contribute to the formation of the country's general freight road transport market and reduce transport and time costs.
Keywords
Transport industry, logistics system, logistics system controlling, blockchain, distributed databases, artificial intelligence, smart contract, digital transport platform.
Введение. Современное мировое экономическое пространство проходит очередной этап трансформации, которая происходит во всех отраслях мировой и национальной экономики. В настоящее время значительное внимание уделяется совершенствованию транспортной отрасли страны, происходит внедрение пока еще разрозненных систем контроля, таких как «ПЛАТОН», «ГЛО-НАСС», АСВГК. Выстраиваемая национальная логистическая система будет эффективной при выстраивании текущих баз данных об исследуемых субъектах национальной транспортной системы, последующей их трансформации в удобный вид, доступный для последующего исследования и обработки.
Проблемы. Современные информационные технологии проходят стремительный путь эволюции, изменяя не только транспортные каналы доставки товаров, но и информационную среду, включающую такие субъекты, как Продавец, Покупатель, Логистическая компания и скорее неосязаемый субъект Информационную среду, обеспечивающую возможность доступа и управления заказами самих Покупателей. Подобная схема уже внедрена в транспортные компании, нацеленные на поставку сборных грузов, обязательным начальным условием является присвоение уникального кода пересылаемой продукции с целью отслеживания на всех этапах доставки грузов. Трансформация, произошедшая в доставке малогабаритного груза, является по сути своей началом трансформации доставки больших грузов грузовым автотранспортом, формируя предпосылки глобальной перестройки логистической отрасли.
Трансформация отрасли возможна при внедрении новых цифровых технологий, используя принцип унификации государственных баз данных, разнесенных территориально и находящихся в различных часовых поясах. Примером
проводимой унификации является внедрение классификаторов и нумерация грузов в справочниках товарных номенклатур внешнеэкономической деятельности (ТНВЭД), в которых унифицированы знаки стран до 8-го знака, а с 9-го они содержат более точную информацию для страны-получателя. Обменные процессы между ФТС России и таможенными органами Европейского союза (ЕС) происходят в режиме онлайн-обмена, что создает унификацию товарных потоков.
Решения. В настоящее время понимание необходимости цифровизации транспортной отрасли возрастает, но, кроме осознания необходимости использования цифровых технологий в цепях поставок, реальных поступательных движений мало. Остается низким уровень диджитализации логистики, это подтверждается проводимыми опросами и исследованиями в среде логистических компаний, основными каналами коммуникации остаются e-mail, телефон, мессенджеры, сохраняя классическую схему движения товаров: импортер - дилер - розничная сеть. В целях удовлетворения клиентских запросов логистическим провайдерам необходимо осваивать каналы прямого доступа к потребителю, формировать и обрабатывать большие массивы данных, использовать операционные системы, совместимые с конкурентами и прочими задействованными субъектами транс-портно-логистической отрасли. Транспортные компании являются заинтересованными сторонами в формировании баз данных и должны быть нацелены на переход к технологии блокчейн для возможности использования массивов данных и принятия текущих и стратегических решений.
Уровень внедрения цифровых технологий можно разделить условно на три ступени. Если в СНГ транспортные фирмы преодолевают локализацию, развивают автоматизацию собственных
операций, то вторая ступень включает более плотную цифровую интеграцию заказчиков, поставщиков и транспортно-логистических компаний в ЕС, на третьей ступени, к которой относятся Америка и Китай, формируют цифровую платформу глобального блокчейна [1].
Исследования Digital Supply Chain Institute (DSCI) [2] показало, что лишь третья часть населения информирована о технологии распределенного реестра и только 1% исследуемых логистических компаний использует блокчейн в своих операциях цепочки поставок, а 35% рассматривают возможности технологии.
Опрос, проведенный американским центром производительности и качества APQC среди 101 специалиста по логистике, показал, что лишь 33% опрошенных респондентов считают технологию блокчейн перспективной. Респонденты видят в технологии распределенных реестров потенциал создания конкурентного преимущества своей компании в течение следующих 10 лет. Около 10% респондентов считают, что блокчейн за этот промежуток времени изменит индустрию.
Ведущие мировые логистические компании с ведущими компаниями ИТ-сферы объединяют усилия в разработке новых технологических платформ, ярким примером этого служит сотрудничество корпорация IBM с лидером контейнерных перевозок Maersk. Целью данного сотрудничества является создание торговой блокчейн-платформы для мировой логистической индустрии.
Вторым основным направлением развития технологической среды логистических компаний является практическое внедрение технологий искусственного интеллекта (далее - ИИ). Искусственный интеллект - это совокупность технологий, позволяющих машинам воспринимать, понимать, действовать и учиться, чтобы расширить возможности человеческого интеллекта [3].
Использование ИИ позволяет проводить самостоятельный анализ данных,
оптимизацию работы логистических провайдеров, дающую возможность сформировать конкурентное преимущество на логистическом рынке. Выстроенная стратегия превращает ИИ в направленное действие. Компании, занимающие лидирующие позиции в логистической отрасли, такие как DHL, обрабатывают огромное число данных, включая логистические и характеристики перевозимых грузов, обрабатывают поступающие и хранящиеся данные с помощью искусственного интеллекта. Ориентируясь на лидеров мира логистики, есть уверенное основание считать построение технологии обработки данных на искусственном интеллекте перспективным направлением. DHL сделали очередной шаг для расширения перспективы использования ИИ и разрабатывали системные расширения в сотрудничестве с международной компанией Accenture по формированию полного цикла данных, совершенствованию внедренных информационных технологий, альтернативных управленческих решений и внутреннего аутсорсинга. Формирование данных происходит ежеквартально, что позволяет компании проводить совместную с ИИ корректировку прогнозируемых показателей движения рынков капитала, рабочей силы и товаров.
Третьим примером является компания Amazon Go, здесь основным девизом внедрения ИИ является: «Мы знаем, что у покупателя в корзине». В начале 2018 г. мировой гигант электронной коммерции Amazon открыл для общего пользования свой первый беспилотный магазин Amazon Go, на этом пилотном объекте компания запустила отработку передовых технологических решений на базе ИИ с автоматизированной системой оплаты товаров без касс.
Комлекс торговых отделов Amazon Go оснащен высокотехнологичными камерами с системой автома-
тической идентификации объектов RFID. Данная система используется в беспилотных электрокарах для отслеживания поведения пассажиров в кабине, автоматического размещения в автоматизированных складских комплексах и комплексной автоматической обработки визуальной информации компьютерами и ИИ. Данная технология позволяет проводить анализ предпочтений покупателей с помощью умных камер Amazon Go, прослеживает поведение покупателей от входа и до оплаты покупки в магазине.
Целевым ориентироми является определение позиций с наибольшим спросом, наиболее возвращаемых на полки и пр. Система распознавания Amazon Go распознает лица, определяет рост, вес, цвет кожи и прочие физические характеристики клиентов. Следующей технологической операцией, проводимой ИИ, является анализ полученных данных не только в части наиболее популярных товаров у конкретных групп потребителей, но и в части изменения ценовой политики. Всю эту работу автоматизированно выполняет ИИ без участия человека [4]. Система анализа данных имеет возможность с помощью сенсорных датчиков Sensor fusion и автоматизированной складской системы магазина провести определение товара, взятого покупателем с полки. Камера отслеживает его в складской системе и координирует с датчиками веса и движения, которые располагаются на каждой полке, с помощью систем сенсорных датчиков и систем инвентаризации и предоставляет данные ИИ для накопления аналитики.
Анализ финансовых инвестиций в ИИ составляет от 2 до 3% всех средств венчурного капитала по стоимости в 2018 году, сфера ИТ привлекла 60%. По данным PitchBook, только 10% компа-ний-стартапов, работающих в направлении машинного обучения, генерируют доход. Из них 50% формируют при-
быль более $50 млн. Инвестиционные центры в США расположены в нескольких штатах, следом идет Китай, Европа отстает от лидеров развития ИИ. На ежегодное финансирование развития новейших технологий и исследования в области ИИ в Северной Америке из государственного бюджета выделяется около $200 млн.
Французское правительство сформировало и приступило к реализации национальной стратегии развития проектов в сфере искусственного интеллекта. В этих целях выделено 1,5 млрд евро на освоение технологий до 2022 года. Этот шаг отражает стратегию французских властей по развитию искусственного интеллекта как технологии будущего. Разработка и внедрение ИИ направленно на обеспечение высокой конкурентоспособности национальных товаров и услуг Франции, в том числе логистики и совершенствования транспортных решений [5]. Частное финансирование осуществляется через Банк предпринимателей и поддержки инноваций (BPI France), который выделил более 2 млн евро 552 французским IT-компаниям на развитие технологий ИИ.
В России темпы тоже вполне впечатляющие: по оценкам компании в сфере информационных технологий «Инфосистемы Джет» и портала TAdviser, финансовая емкость рынка ИИ и машинного обучения в нашей стране превысила 23 млрд рублей в 2019 году. В 2018 году компания SAP провела исследование в области разработки проектов с использованием искусственного интеллекта в России. С 2007 по 2017 год государственные и бизнес-структуры РФ профинансировали 1386 научных проектов в области исследований искусственного интеллекта, из них 1229 являются некоммерческими и проводятся в рамках федеральных целевых программ или оплачиваются государственными фондами. Это показывает неготовность российского
бизнеса вкладываться в венчурные инвестиции, направленные на исследование искусственного интеллекта в своих проектах.
Лидирующей отраслью по объему государственного финансирования в РФ является транспортная отрасль. Целевыми являются вложения в проекты по анализу данных, системы поддержки принятия решений и распознавания изображений и видео, так как они помогают оптимизировать логистические проблемы и издержки.
Основными трендами являются функциональность и высокий уровень надежности. Необходимо подсказывать клиентам и партнерам шаги для дальнейшей оптимизации (Control tower), показывать четкий и понятный результат, а также вписывающийся в существующую ИТ-инфраструктуру и отвечающий мировым трендам.
Рассмотрим ключевые аспекты использования ИИ, которые включают в себя технологическую, операционную и кадровую готовность использования ИИ в логистике. Прежде всего это необходимость наличия возможности и умения сотрудников IT-отдела сформировать потребность и готовность подключения внутренней операционной среды к внешней операционной среде для последующего решения следующих задач [6].
• Логистическая компания формирует информационный центр, на базе которого происходит обработка Big Data.
• Кадровый состав является уверенным пользователем операционных систем, внедренных в логистическую компанию.
• Формировать дублированную связь с контрагентами как в режиме обработки данных распределенного реестра с аналитикой, подготовленной ИИ, так и вторым вариантом классических связей - аналоговым вариантом.
• Создавать IT-отдел, формирующий и обрабатывающий большие базы
данных во внедренных операционных системах.
• Выстраивать алгоритмы перехода на операционные системы контрагентов, решая вопросы согласования данных.
• Формировать достаточный инфраструктурный потенциал, отвечающий современным требованиям производительности и качества передачи данных.
• Обеспечить формирование независимых баз данных, расположенных на автономных носителях памяти или в облачных хранилищах данных.
• Выстроить дублирующие линии связи, направленные на формирование постоянной связи и текущего обмена данными.
• Обеспечить работу информационных центров логистических компаний, обработку данных в режиме в реального времени.
На рисунке 1 приведена схема построения логистического контроллинга, подразумевающая наличие сформированной транспортной цифровой платформы на технологии распределенных реестров. Формирование данной платформы на блокчейне обусловлено следующими основными преимуществами технологии.
• Распоряжение Правительства РФ от 29 марта 2019 г. № 558-р «Об утверждении Бюджетного прогноза Российской Федерации на период до 2036 года» [7] направлено на рост эффективности капиталовложений и фондоотдачи, что обуславливает разработку и внедрение технологически новых информационных платформ. Внедрение информационных платформ направленно на «снижение транзакционных издержек и выравнивание технологической и маркетинговой информационной асимметрии между покупателем и продавцом посредством внедрения системы распределенных реестров (блокчейн) и т.п.
• Технология ориентирована на массового пользователя, то есть технология публична, при использовании предприятиями и организациями формируются информационные электронные кошельки с криптографическими ключами, позволяющими при регистрации в сети отслеживать все совершаемые транзакции, определять владельца информационного кошелька или терминала. Для разграничения информационного доступа формируется приватный
доступ, частично ограничивающий доступ к информации обо всех транзакциях участника цифровой платформы. Проблема решается разграничением хранимой информации: общедоступной - в блокчейне, конфиденциальной - в отдельной структуре. Таким образом, настраивается необходимый уровень информационной прозрачности по проводимым операциям или транзакциям и их истории [8].
Заказчик перевозки
Финансовый контроллинг автоперевозок
Контроллинг временной и территориальной актуальности
Формирование доступной операционной среды временного и ценового контроллинга
Цифровая транспортная платформа
Заключение и исполнение смарт-контракта
Технологическая сверка исполнения перевозки
Формирование электронного документооборота
База данных по заказам на перевозки, в том числе и транзитные
Актуализация текущих данных по системе ГЛОНАСС
Контроллинг данных ТК и грузового автотранспорта
I
Сверка фискальных данных о регистрации в ФНС
Рисунок 1 - Формирование системы логистического контроллинга
в грузовых автоперевозках
36 Разработано автором.
• Скорость обработки в блокчей-не регулируется посредством приоритетности доступа к базам, приоритетности по важности обращений, приоритетности при внесении текущих данных в базы данных.
• Технология масштабируема и настраиваема при корректном выстраивании задач и профессиональном использовании имеющихся ресурсов.
• Вопрос децентрализации обсуждался ранее, необходимо отметить, что параллельная обработка запросов без участия человеческого фактора при распределении очередности обработки, привлечение в узловые технологические задачи искусственного интеллекта позволит сократить время принятия решений и выдачи обратных запросов.
Возвращаясь к системе логистического контроллинга в грузовых автоперевозках, предложенную технологическую схему можно условно разделить на шесть этапов.
Первый этап подразумевает введение или поступление распоряжения на перевозку, актуализированную базой заявок, происходит временная выборка возможных актуальных во временном смысле перевозчиков и их территориального расположения, находящегося к точке загрузки. Данный этап подразумевает использование ИИ для нахождения оптимального варианта с точки зрения груза, массы, объема и сроков доставки.
Второй этап состоит в проведении контроля данных перевозчика в базах данных ФНС, учетных данных грузового автотранспорта РЭО МВД, учетных данных конкретного исполнителя -водителя по базам данных РЭО МВД и УФМС МВД, такую обработку данных осуществляет ИИ.
Третий этап - заключение договора на перевозку. Осуществляется непосредственными уполномоченными лицами субъектов логистического рынка либо перепоручается ИИ, искус-
ственный интеллект имеет криптографические ключи юридических лиц для подписания смарт-контракта и отдачи распоряжения на перевозку, формирования в автоматическом режиме доверенностей на перевозчика, электронных сопроводительных документов на перевозимые грузы.
Четвертый этап заключается в самой перевозке грузовым автотранспортом, на данном этапе взаимодействие с ИИ происходит на этапе контроля перевозки через системы «ПЛАТОН» и «ГЛОНАСС», проводящие актуализацию, пополнение базы данных по данному территориальному отделению посредством обработки данных ИИ, данных, формируемых на цифровой платформе посредством распределенных баз банных или реестров.
Пятый этап завершает контроллинговые мероприятия по доставляемому грузу, происходит начальное и конечное подтверждение, сделка закрыта, ИИ формирует конечные документы, подтверждая завершение контракта на перевозку, выставляет в финансовой системе требование на оплату со счетов получателей. На данном этапе происходит финансовый и технологический контроллинг операций грузовых перевозок. Объединяя в последовательность завершение операции, становится доступным процесс передачи его полностью искусственному интеллекту.
Рассмотрим возникающие негативные моменты, обусловленные использованием технологий блокчейн и искусственного интеллекта.
1. Большой размер базы блокчей-на, включая историю транзакций и, соответственно, вопросы к масштабируемости технологии.
2. Разработанные программные решения в блокчейне варьируют стоимостью обработки либо периодическим изменением структуры и технологии обработки. Замедление транзакций обусловлено самой технологией блокчейн,
процессом выбора одной ветви при ветвлении цепочки блоков.
3. Отсутствие нормативно-правовой базы. Блокчейн как технология только начинают упоминаться в российском законодательстве.
4. Вопрос подтверждения смарт-контрактов, варианты реализации ключевого элемента технологии могут быть представлены в бумажно-электронном виде [9] с полным переходом в цифровой ключ. Основная проблема здесь -правильность набора криптографического ключа или смарт-контракта, соответствие заключенным договоренностям. Как технологически и кто будет его подтверждать.
5. В случае с использованием приватной, а не публичной сети блокчейна возникает вопрос зависимости от оператора этой сети [10].
6. Проблема масштабируемости или сетевого эффекта, осложняющая сопряжение баз данных и обрабатывающих центров или ИИ в начале построения цифровой транспортной платформы, обязывающей крупные компании способствовать внедрению их партнерами ПО, и подключения к платформе по логистическим цепям связей и поставок.
7. Расширение объема операционной памяти смарт-контракта в блокчей-не, примером может служить внедрение расширений на Ethereum [11].
8. Следующим важным вопросом является проблема входа и допуска на сетевую платформу, а также обеспечения достоверности и легальности регистрируемых субъектов для исключения накопления критической массы негативных узлов.
9. Вопрос аннулирования транзакции через повторную транзакцию, ошибочная останется в Сети.
Выводы. Внедрение логистического контроллинга на предприятии посредством построения единой цифровой транспортной платформы логистической системы должно быть направлено на:
• оптимизацию логистических статей расходов, включающих затраты
на хранение, транспортирование, погашение ценовых девиаций, обусловленных сезонными колебаниями реализации товаров и услуг т. д. ;
• извлечение максимальной прибыли логистическим предприятием за счет внедрения логистического контроллинга, его участия в стратегическом менеджменте и обеспечения увеличения рентабельности, за счет минимизации коэффициентов перекрытия или запасов т. д.;
• увеличение эффективного пребывания на рынке товаров и услуг предприятия, направленное на рост его конкурентоспособности и быструю трансформацию под воздействием рынка.
По мнению аналитиков, внедрение ИИ позволит сократить человеческое участие в пределах от 15 до 30%.
Логистическая отрасль стоит на пороге глубокой цифровой трансформации, обусловленной разработкой и пилотными проектами внедрения двух основополагающих технологий:
• технологии распределенного реестра как базовой технологии, позволяющей объединить работу с распределенными базами данных, построенными по принципу Big Data, при этом технологии распределенного реестра и Big Data являются взаимодополняемыми;
• технологии блокчейн, являющейся криптографически безопасной технологией распределенных баз данных, обеспечивающей передачу и защиту частной и конфиденциальной информации субъектов, участников логистической отрасли.
По оценкам Neimeth, технология блокчейн займет до 20% общего технологического рынка больших данных к 2030 году, принося чистого дохода до $100 млрд, превосходя показатели PayPal, Visa и Mastercard вместе взятые.
Анализ отчетов JDA/WMG's «Delivering the Digital Dividends» [12] по цифровизации показывает, что 56% компаний приступают к внедрению цифровых технологий в целях сокраще-
ния затрат и роста прибыли, 44% инвестируют в инновации по построению современных бизнес-моделей и лишь 14% компаний продвигаются далее пилотной стадии. Из них лишь 13% сообщают, что добились успеха в цифрови-зации цепочки поставок. Еще 31% компаний предполагает, что процесс ди-джитализации будет окончен не ранее 2023 года. Компании, внедряющие цифровые технологии, добиваются ощутимого роста прибыли.
Библиографический список
1. Бостром Н. Искусственный интеллект. Этапы. Угрозы. Стратегии. -М.: Манн, Иванов и Фербер, 2019. - 760 с.
2. Driving Demand in the Digital Supply Chain: Algorithms and the Untapped Power of Applying Real-Time Big Data and AI/ML // The Digital Supply Chain Institute [Электронный ресурс]. -Режим доступа: https://www.dscinstitute. org/applied-research/big-data-analytics.
3. Норвиг П., Стюарт Р. Искусственный интеллект. Современный подход. - 2-е изд. - М.: И.Д. Вильямс, 2016. -1408 с.
4. Бутусов А. Коботы, дроны, искусственный интеллект. Какие технологии изменят сферу складской логистики. - М.: Манн, Иванов и Фербер, 2019. - 345 с.
5. Интернет-портал Transport info [Электронный ресурс]. - Режим доступа: https://www.transportinfo.fr.
6. Слиньков Д. Искусственный интеллект в логистике. - М.: Альпина нонфикшн, 2019. - Ч. I: Общие знания об искусственном интеллекте. - 304 с.
7. Распоряжение Правительства Российской Федерации от 29.03.2019 № 558-р [Электронный ресурс]. - Режим доступа: http://publication.pravo. gov.ru/document/view/0001201904030033 ?index=0&rangesize=1.
8. Могайар У. Блокчейн для бизнеса. - М.: Эксмо, 2018. - 219 с.
9. Иное применение блокчейнов: смарт-контракты // Интернет-портал для
ИТ-специалистов «Хабрахабр» [Электронный ресурс]. - Режим доступа: https://habr.com/company/bitfury/blog/330 316/.
10. Российская логистика осваивает систему блокчейн // Информационное агентство РЖД-Партнер.ру [Электронный ресурс]. - Режим доступа: http://www.rzd-partner.
11. Где хранить данные децентрализованным приложениям на блокчей-не? // Интернет-портал для ИТ-специалистов «Хабрахабр» [Электронный ресурс]. - Режим доступа: https:// habrahabr.ru/post/327836/.
12. JDA & WMG, University of Warwick Study: Majority of European Manufacturers Are Only at the Early Stages of Digital Supply Chain Adoption // Интернет-портал FinanzNachrichten [Электронный ресурс]. - Режим доступа: https://www.finanznachrichten. de/nachrichten-2018-12/45439914-j da-wmg-university-of-warwick-study-majority-of-european-manufacturers-are-only-at-the-early-stages-of-digital-supply-chain-adopti on-004.htm.
Bibliographic list
1. Bostrom N. Artificial Intelligence. Stages. Threats. Strategies. - M.: Mann, Ivanov and Ferber, 2019. - 760 p.
2. Driving Demand in the Digital Supply Chain: Algorithms and the Untapped Power of Applying Real-Time Big Data and AI/ML // The Digital Supply Chain Institute [Electronic resource]. -Access mode: https://www.dscinstitute. org/applied-research/big-data-analytics.
3. Norvig P., Stuart R. Artificial Intelligence. The modern approach. - 2nd ed. - M.: Publishing House LLC «I. D. Williams», 2016. - 1408 p.
4. Butusov A. Cobots, drones, artificial intelligence. What technologies will change the scope of warehouse logistics. -M.: Mann, Ivanov and Ferber, 2019. - 345 p.
5. Internet portal Transport info [Electronic resource]. - Access mode: https://www.transportinfo.fr.
6. Slinkov D. Artificial Intelligence in Logistics. - M.: Alpina nonfiction, 2019. - Part I: General knowledge about artificial intelligence. - 304 p.
7. Order of the Government of the Russian Federation of March 29 2019 No. 558-r [Electronic resource]. -Access mode: http://publication.pravo. gov.ru/Document/View/00012019040300 33?index=0&rangeSize=1.
8. Mogayar U. Blockchain for business. - M.: Eksmo Publishing House LLC, 2018. - 219 p.
9. Another use of blockchains: Smart contracts // Internet portal for IT specialists «Habrahabr» [Electronic resource]. - Access mode: https://habr.com/company/ bitfury/blog/330316/.
10. Russian logistics is mastering the blockchain system // Information Agency RZD-Partner.ru [Electronic resource]. -Access mode: http://www.rzd-partner.
11. Where to store data for decentralized applications on the blockchain? // Internet portal for Habrahabr IT specialists [Electronic resource]. - Access mode: https://habrahabr.ru/post/327836/.
12. JDA & WMG, University of Warwick Study: Majority of European Manufacturers Are Only at the Early Stages of Digital Supply Chain Adoption // Internet portal FinanzNachrichten [Electronic resource]. - Access mode: https://www. finanznachrichten.de/nachrichten-2018-12/ 45439914-j da-wmg-university-of-warwick-study-majority-of-european-manufacturers-are-only-at-the-early-stages-of-digital-supply-chain-adoption-004.htm.
УДК 334
Чернышева Ю.Г., Шепеленко Г.И.
ФОРМИРОВАНИЕ КОНГЛОМЕРАТА МСП В УСЛОВИЯХ РЫНОЧНОЙ ЭКОНОМИКИ РОССИИ
Аннотация
В статье проведен анализ динамики численности малого бизнеса и его законодательно установленных численных критериев. Авторы выявили особенности развития малого бизнеса в стране, возникающие проблемы при увеличении предельной численности предприятий малого бизнеса. В заключении были сделаны предложения по корректировке численных критериев и мер поддержки в соответствии с ними.
Ключевые слова
Малое предпринимательство, предельно допустимая численность малого бизнеса, государственная поддержка малого бизнеса
JEL: M21
Chernysheva Yu.G., Shepelenko G.I.
FORMATION OF A CONGRESS OF SME ENTERPRISES IN THE CONDITIONS OF THE MARKET ECONOMY OF RUSSIA
Annotation
The article analyzes the dynamics of the number of small business and its statutory numerical criteria. The authors have identified the peculiarities of the development of small
