Искусственный интеллект в государственном и муниципальном управлении. Учебное пособие

Елена Шевалдина

Учебное пособие «Искусственный интеллект в государственном и муниципальном управлении», подготовленное под редакцией Е. И. Шевалдиной, представляет собой актуальный и полезный ресурс для студентов и специалистов в области государственного управления. В условиях стремительного развития технологий ИИ, пособие охватывает ключевые аспекты использования этих технологий в государственных и муниципальных органах, что делает его особенно ценным для будущих профессионалов.

ГЛАВА 2. ИСПОЛЬЗОВАНИЕ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА ДЛЯ АВТОМАТИЗАЦИИ ЗАДАЧ В ГОСУДАРСТВЕННОМ И МУНИЦИПАЛЬНОМ УПРАВЛЕНИИ

2.1. Направления использования искусственного интеллекта в государственном и муниципальном управлении

Одним из наиболее популярных направлений использования ИИ в ГМУ является автоматизация обработки документов и запросов граждан. Системы ИИ могут анализировать запросы и документы, определять их тип и содержание, а также направлять их в соответствующие органы или службы. Это позволяет ускорить процесс обработки запросов и повысить качество обслуживания граждан. Например, в некоторых муниципалитетах уже используются системы ИИ для обработки заявок на получение государственных услуг. Эти системы могут автоматически проверять заявки на соответствие требованиям и направлять их на рассмотрение соответствующим специалистам. Это не только ускоряет процесс рассмотрения заявок, но и снижает риск ошибок и злоупотреблений.

Кроме того, ИИ может использоваться для автоматизации обработки обращений граждан в органы власти. Системы ИИ могут анализировать обращения, определять их тематику и направленность, а также предлагать меры по их решению. Это помогает органам власти более оперативно реагировать на обращения граждан и повышать качество их обслуживания. Таким образом, использование ИИ для автоматизации обработки документов и запросов граждан имеет ряд преимуществ, включая ускорение процесса обработки, повышение качества обслуживания и снижение риска ошибок.

Ещё одним примером использования ИИ в ГМУ является прогнозирование потребностей граждан в социальных услугах. Системы ИИ могут использовать данные о демографии, экономике, здравоохранении и других факторах, чтобы предсказать, какие социальные услуги будут востребованы в будущем. Это позволяет органам власти планировать развитие социальной инфраструктуры и обеспечивать своевременное предоставление услуг гражданам.

Например, системы ИИ могут использоваться для прогнозирования потребности в медицинских услугах. Анализируя данные о заболеваемости, смертности и доступности медицинских учреждений, системы ИИ могут предсказать, где и когда потребуются новые медицинские учреждения или специалисты. Это помогает органам здравоохранения более эффективно распределять ресурсы и обеспечивать доступное медицинское обслуживание для всех граждан.

Аналогичным образом системы ИИ могут быть использованы для прогнозирования потребностей в образовательных услугах. Анализируя данные об образовании, занятости и рынке труда, системы ИИ могут определить, какие специальности будут востребованы в будущем, и предложить меры по развитию соответствующих образовательных программ.

Использование ИИ для прогнозирования потребностей граждан в социальных услугах имеет ряд преимуществ, включая повышение эффективности распределения ресурсов, обеспечение своевременного предоставления услуг и улучшение качества жизни граждан.

Наконец, ИИ может быть использован для оптимизации рабочих процессов в органах власти. Системы ИИ могут автоматизировать рутинные задачи, такие как обработка документов, составление отчётов и анализ данных. Это освобождает время сотрудников для выполнения более сложных и творческих задач, таких как разработка политики и принятие решений. Например, системы ИИ могут использоваться для автоматизации составления отчётов. Анализируя большие объёмы данных, системы ИИ могут генерировать отчёты о деятельности органов власти, что позволяет сотрудникам сосредоточиться на анализе результатов и принятии мер.

Также системы ИИ могут оптимизировать распределение задач между сотрудниками. Используя алгоритмы машинного обучения, системы ИИ могут определять, кто из сотрудников лучше всего подходит для выполнения конкретной задачи, и автоматически назначать им соответствующие задания. Это повышает эффективность работы органов власти и способствует более рациональному использованию ресурсов. В целом, использование ИИ в ГМУ имеет большой потенциал для повышения эффективности работы органов власти, улучшения качества предоставляемых услуг и повышения уровня удовлетворённости граждан.

2.2. Основные кейсы оптимизации стандартизированных процедур и рутинных задач

Использование искусственного интеллекта для автоматизации рутинных задач государственных и муниципальных служащих может быть осуществлено по следующим направлениям.

1. Обработка обращений граждан

ИИ может анализировать обращения граждан, выявлять наиболее частые проблемы и предлагать решения. Это позволяет сократить время на обработку каждого обращения и повысить эффективность работы государственных и муниципальных органов.

Данному направлению соответствуют следующие практические кейсы:

1.1. Оптимизация работы горячей линии. В этом кейсе ИИ может быть использован для улучшения качества диалогов с гражданами и доведения до обратившихся именно той информации, которую они запрашивают, а также для направления обращения именно тому специалисту, кто наиболее компетентен в этом вопросе.

Так, например, общегородской контакт-центр Москвы (ОКЦ) в тестовом режиме начал проводить цифровой анализ консультаций. Сервис контроля качества на основе искусственного интеллекта изучает каждый этап беседы оператора с жителем столицы на соответствие утвержденным параметрам. В их числе правильность построения фраз и произношения специфических терминов, употребление сленга или слов-паразитов, длительность пауз, интонация и многое другое. Полученные данные позволят улучшить качество коммуникации во время консультаций на горячих линиях, а также определить, нужно ли дополнительно обучать операторов.

Новый сервис речевого анализа, в отличие от цифрового аудитора, проверяет исключительно качество речи. Не вступая в общение со специалистами, он прослушивает диалоги с жителями и сопоставляет этапы разговора с утвержденным сценарием. Обладая более широким по сравнению с цифровым аудитором спектром навыков по распознаванию речи, искусственный интеллект моментально фиксирует отклонения в произношении специальных терминов, употребление сленга, слишком длинные паузы или слишком быструю речь, а также интонацию специалиста. Сервис может одновременно записывать и анализировать несколько десятков диалогов, проверяя, насколько корректно проведена консультация. Для речевого анализа создали и развивают специальную базу знаний с учетом специфики каждой горячей линии. В нее загружают примеры реальных диалогов, которые соответствуют утвержденным правилам. Они используются в качестве эталона для сравнения и оценки. Кроме того, разработана методика оценки по каждому из критериев. ИИ записывает и анализирует ответы специалистов по 10 параметрам [42].

1.2. Анализ обращений граждан на портале государственных услуг. Искусственный интеллект может использоваться для помощи по наиболее частым проблемам, с которыми сталкиваются граждане при обращении на портал государственных услуг.

Сейчас на «Госуслугах» пользователям помогает виртуальный ассистент Макс. Он готов рассказать, как пользоваться сервисом, посоветовать нужные услуги, узнать, есть ли штрафы, и помочь записаться на прием к врачу. За все время работы он уже обработал около 450 млн запросов. Теперь его функционал будет расширен с помощью российской языковой модели, работающей по принципу YandexGPT или GigaChat [54].

В других странах цифровые помощники тоже внедряют в системы оказания государственных услуг. Например, в Сингапуре виртуальный ассистент «Спроси Джейми» помогает гражданам ориентироваться в сервисах, предоставляемых примерно 70 правительственными учреждениями.

1.3. Автоматическое формирование ответов на обращения граждан. ИИ может генерировать стандартные ответы на часто задаваемые вопросы. Это позволяет ускорить процесс обработки обращений и освободить время сотрудников для решения более сложных задач.

Для этого используются различные инструменты, например:

Генератор часто задаваемых вопросов HIX.AI. Инструмент анализирует тему и дополнительные источники текста, после чего генерирует чёткие и часто задаваемые вопросы по теме, а также предоставляет соответствующий ответ на каждый вопрос.

Генератор вопросов и ответов i2Text. Это бесплатный онлайн-инструмент, который извлекает потенциальные вопросы и ответы из заданного текста.

Генератор ответов Mitup AI. Система анализирует заданный вопрос и сопоставляет его с обширной базой данных, извлекая релевантную информацию.

В России создана ИИ-система, которая способна помогать анализировать обращения граждан в госорганы. Такую систему сейчас применяют в Центральном федеральном округе. она призвана улучшить качество работы чиновников с обращениями граждан. По оценкам разработчиков, до 20% российских госслужащих так или иначе заняты обработкой сообщений россиян. Обращения чаще всего касаются органов власти, которые отвечают за решение наиболее близких людям социально-бытовых проблем (к примеру, это региональное министерство ЖКХ и благоустройства). Число чиновников при этом не увеличивается, а время обработки обращений уменьшается за счет оперативного межведомственного взаимодействия.

ИИ-система также призвана обобщить сообщения о тех или иных проблемах конкретного региона. Для этого создана «Тепловая карта» — система, которая в режиме реального времени визуализирует на карте проблемы жителей России из всех электронных источников. Каждый руководитель региона или полномочный представитель президента могут в любой момент времени оценить красные зоны отдельных территорий или отраслей, увидеть актуальный проблематор, а затем дать поручения [30].

1.4. Распознавание эмоций в обращениях граждан. Этот кейс демонстрирует, как ИИ может распознавать эмоции в текстах обращений граждан. Это может помочь сотрудникам государственных и муниципальных учреждений лучше понимать настроение граждан и адаптировать свой ответ соответствующим образом.

Исследователи Лаборатории искусственного интеллекта Сбербанка и учёные Центра искусственного интеллекта НИУ ВШЭ разработали специальную систему, которая с помощью больших языковых моделей сделает искусственный интеллект более эмоциональным при общении с человеком. Синтезом ИИ-эмоций займутся набирающие популярность мультиагентные модели. В основу системы легли разработанные авторами эффективные ИИ-модели компьютерного зрения по распознаванию выражений лиц пользователей, которые можно запускать непосредственно на их устройствах. В ходе диалога с помощью этих моделей в режиме реального времени анализируются эмоции собеседника, в том числе на ответы ИИ, что может помочь в формировании специальных датасетов для обучения и совершенствования системы генерации эмоциональных ответов на запросы пользователей [106].

Ученые из кафедры алгоритмических языков ВМК МГУ разработали методы распознавания эмоций в текстах и аудиозаписях, что особенно актуально в условиях активного использования социальных сетей и мессенджеров. Автоматизация процесса распознавания эмоций позволяет улучшить взаимодействие пользователей в различных областях, в том числе государственном и муниципальном управлении [82].

1.5. Использование ИИ для мониторинга социальных сетей (парсинг соцсетей). Государственные и муниципальные учреждения используют ИИ для мониторинга социальных сетей и выявления проблем, которые волнуют граждан. Это позволяет учреждениям оперативно реагировать на эти проблемы.

Известно, что Роскомнадзор (РКН) использует искусственный интеллект для отслеживания информации в соцсетях, видеоиграх, в содержимом телерадиовещания и для мониторинга аудио — и видеозаписей в интернете. Впервые РКН заявил о привлечении искусственного интеллекта для поиска запрещенного контента в интернете в конце 2020 года. Тогда эти технологии помогали проводить мониторинг именно текстовой информации. В сентябре 2021 года регулятор расширил применение ИИ и привлёк его к контролю за фото — и видеоматериалами. Система находила в сети пропаганду наркотиков, экстремистские материалы, призывы к самоубийству и массовым беспорядкам и прочую противоправную информацию.

Информационно-аналитическая система «Призма» позволяет в реальном времени отслеживать дискуссии в социальных сетях и блогах. Алгоритм позволяет отслеживать общественные настроения на основе 60 млн источников и выявлять те проблемы, которые волнуют граждан, которые влияют на их политические настроения.

Как пример можно также привести работу Центра управления республикой (ЦУР), который начал функционировать в Республике Башкортостан с осени 2020 года. Одно из важных подразделений ЦУРа, блок социальных коммуникаций, обеспечивает работу с обращениями жителей республики, получение обратной связи, выявление проблемных точек и их устранение. Его фундамент — система «Инцидент менеджмент», которая действует в Башкортостане с октября 2018 года. ИИ-система сбора и аналитики обращений, поступающих из социальных сетей, хорошо зарекомендовала себя в оперативном решении вопросов в сферах здравоохранения, жилищно-коммунального хозяйства, благоустройства, транспорта, образования, экологии, строительства [31].

1.6. Применение ИИ для подбора кандидатов на государственную и муниципальную службу. Анализ обращений от граждан с целью их трудоустройства в органы власти с помощью ИИ может помочь руководителям государственных и муниципальных учреждений беспристрастно оценить резюме своих потенциальных сотрудников до их приглашения на собеседование.

Минцифры РФ проводит эксперимент по отбору сотрудников на госслужбу с помощью искусственного интеллекта. Он проходит на рекрутинговой платформе «Государственные кадры», которая позволит автоматизировать процессы отбора, профессионального развития, мотивации, оценки чиновников, формирования профессиональной культуры и противодействия коррупции. С помощью алгоритмов и машинного обучения искусственный интеллект анализирует резюме кандидатов: оценивает образование, опыт работы, качества и навыки, чтобы определить, насколько они соответствуют требованиям конкретной вакансии. ИИ способен проводить автоматизированные интервью с кандидатами на госслужбу и оценивать при этом навыки коммуникации, знания и способность критического мышления, виртуальный ассистент может интервьюировать соискателя на должность, задавать вопросы и анализировать ответы.

Сегодня с помощью нейросетей можно проанализировать гораздо большее количество претендентов на должность, чем с помощью человеческих ресурсов. За счет этого улучшается качество подбора персонала. ИИ помогает обработать гораздо больший поток входящих сообщений и тем самым экономит время на отсеивание нерелевантных кандидатов. При грамотном применении искусственный интеллект способен автоматизировать отбор кандидатов: сортировать резюме, анализировать навыки и опыт откликнувшихся на вакансию, чтобы найти подходящих сотрудников в считанные секунды. При этом ИИ использует большой объём данных, например, находит профили в LinkedIn, портфолио, публикации и рекомендации в других профессиональных соцсетях [55].

2. Автоматизация составления отчётов.

Искусственный интеллект может автоматически собирать данные из различных источников, таких как базы данных, статистические отчёты и другие документы, и составлять на их основе отчёты в формате, требуемом государственными и муниципальными органами власти. Создание отчетов — важный, но часто трудоемкий процесс для большинства учреждений. В условиях стремительных изменений на рынке, когда данные становятся важнейшим ресурсом, органы власти нуждаются в эффективных способах автоматизации этой задачи. Искусственный интеллект предлагает уникальные решения для автоматизации процессов создания отчетов, позволяя значительно сократить время, повысить точность предоставляемой информации, улучшить качество и снизить затраты. При этом обеспечивается быстрая реакция на происходящие изменения.

Сокращение времени — автоматизация позволяет значительно сократить время на сбор, обработку и оформление данных в отчетах.

Увеличение точности — исключение ручного ввода данных снижает вероятность ошибок, что особенно важно для финансовых и аналитических отчетов.

Улучшение качества данных — автоматизация помогает поддерживать актуальность и точность данных, что повышает доверие к отчетам.

Быстрая реакция на изменения — ИИ позволяет оперативно обновлять отчеты на основе новых данных, что помогает принимать более обоснованные решения.

Снижение затрат — автоматизация процессов позволяет сократить затраты на сотрудников и ресурсы, связанные с созданием отчетов.

Как ИИ автоматизирует процесс создания отчетов.

1. Сбор и интеграция данных. Первым шагом к автоматизации создания отчетов является сбор и интеграция данных из различных источников. ИИ может автоматически извлекать данные из баз данных, CRM-систем, ERP-систем и других источников информации. При этом могут использоваться российские аналоги программ Talend или Apache Nifi для автоматического сбора данных из различных источников, являющихся инструментами для ETL (Extract, Transform, Load). ИИ может анализировать данные и преобразовывать их в нужный формат, готовя их для дальнейшего анализа.

2. Обработка и анализ данных

После сбора данных ИИ помогает в их обработке и анализе. Системы на базе машинного обучения могут анализировать социально-экономические показатели и выявлять закономерности, тренды и аномалии в данных, что позволяет создавать более точные и информативные отчеты.

3. Автоматизация формата и визуализации отчетов

ИИ помогает автоматически форматировать и визуализировать данные в отчетах, создавая графики, таблицы и дашборды для более удобного восприятия информации. Инструменты, такие как российские аналоги программ Tableau и Power BI, используют ИИ для автоматической генерации отчетов с визуализацией данных.

4. Создание отчетов в реальном времени

Одним из преимуществ ИИ является возможность автоматического создания отчетов в реальном времени. Это особенно важно для учреждений, которым необходимо постоянно отслеживать ключевые показатели эффективности (KPI). Российские аналоги таких систем, как Google Data Studio, могут подключаться к данным в реальном времени и автоматически обновлять отчеты. Это позволяет учреждениям всегда иметь доступ к актуальной информации и быстро реагировать на изменения.

5. Автоматизированная отчетность и распределение

После создания отчетов ИИ может автоматизировать процесс их распределения среди заинтересованных сторон. Системы могут автоматически отправлять отчеты по электронной почте или загружать их в облачные хранилища. Министерства и ведомства могут настроить автоматическую отправку отчетов на основе расписания. Например, финансовые отчеты могут быть автоматически сформированы и отправлены руководству каждую пятницу в конце рабочего дня.

Приведём несколько примеров успешной автоматизации создания отчетов с помощью ИИ.

СКБ Контур купил сервис аналитики и коммуникаций с клиентами Scena. one. В его основе лежит искусственный интеллект, благодаря которому сервис составляет отчёты, агрегируя данные CRM-систем о предпочтениях действующих и временно неактивных клиентов и позволяя прогнозировать их будущие потребности.

МегаФон для формирования отчётов купил разработчика аналитических ИИ-платформ oneFactor, специализирующегося на разработке аналитических платформ на базе искусственного интеллекта для банковской сферы, страховых компаний, электронной коммерции, ритейла и туризма.

Тинькофф представил ИИ систему для бизнес-аналитики, отчётов и прогнозирования под названием ETNA, с помощью которой можно анализировать и прогнозировать основанные на данных процессы — от количества осадков предстоящей зимой до потребностей компании в найме новых сотрудников.

Автоматизация составления отчётов состоит из нескольких практических кейсов, которые с помощью ИИ-систем можно реализовать в государственных и муниципальных органах власти:

2.1. Автоматизация составления текущих отчётов. ИИ может автоматически собирать данные из различных источников (например, базы данных, электронные таблицы) и составлять на их основе текущие отчёты как по отдельно взятому ведомству или органу власти, так и в рамках межведомственного взаимодействия. Это позволит сократить время на подготовку отчётов и уменьшить вероятность ошибок.

2.2. Генерация отчётов о выполнении государственных программ. Искусственный интеллект может анализировать данные о реализации конкретных государственных программ из различных источников (например, базы данных, электронные таблицы, текущие отчёты ведомств) и автоматически генерировать отчёты о достигнутых результатах в рамках конкретной госпрограммы. Это поможет государственным органам получать актуальную информацию о ходе выполнения программ.

2.3. Составление финансовых отчётов для государственных и муниципальных учреждений. В рамках этого кейса можно разработать модель ИИ, которая будет автоматически составлять финансовые отчёты на основе данных бухгалтерского учёта по исполнению бюджетов. Это упростит процесс бюджетирования, подготовки финансовых отчётов и повысит их точность.

2.4. Применение ИИ для глубокого анализа статистических данных. Глубокий анализ статистических данных с помощью ИИ может помочь государственным и муниципальным учреждениям выявлять медленно формирующиеся скрытые тенденции и неявные закономерности.

2.5. Разработка системы автоматического контроля исполнения законов. Данный кейс предполагает разработку системы ИИ, которая отслеживает исполнение законов и нормативных актов государственными органами и муниципальными учреждениями. Система должна автоматически собирать данные о соблюдении законов и составлять отчёты о выявленных нарушениях.

Разновидностью такой системы должна была стать в 2020 году Государственная автоматизированная система правовой статистики (ГАС ПС) — информационная система, предназначенная для обеспечения автоматизированной поддержки функций Генеральной прокуратуры Российской Федерации по осуществлению государственного единого статистического учета заявлений и сообщений о преступлениях, состояния преступности, раскрываемости преступлений, состояния и результатов следственной работы и прокурорского надзора, а также по формированию и представлению отчетности органов прокуратуры Российской Федерации [3]. Одной из конечных целей ввода в эксплуатацию ГАС ПС являлась возможность отслеживания заявителем результатов рассмотрения его заявления правоохранительными органами в сети «Интернет», в том числе посредством портала «Госуслуги». В декабре 2023 года законопроект о переносе сроков ввода в эксплуатацию ГАС ПС на 01.01.2027 одобрен Федеральным Собранием РФ и подписан Президентом РФ.

3. Прогнозирование потребностей.

С помощью алгоритмов машинного обучения в государственных учреждениях можно анализировать исторические данные о потребностях в ресурсах (например, финансовых, человеческих, материальных) и прогнозировать будущие потребности. Это помогает государственным и муниципальным органам власти более эффективно планировать свою деятельность и распределять ресурсы.

Данному направлению соответствуют следующие практические кейсы:

3.1. Прогнозирование потребностей в социальной сфере и социальной инфраструктуре. Социальные процессы — это динамичные и многоаспектные явления, которые трудно предсказать и объяснить без глубокого анализа больших объемов данных. Применение алгоритмов машинного обучения позволяет не только анализировать текущее состояние социальных систем, но и прогнозировать их изменения в будущем, что является ключевым аспектом в планировании политических, экономических и социальных стратегий на государственном уровне.

ИИ может анализировать данные о заболеваемости населения, чтобы предсказать потребность в медицинских услугах и ресурсах (например, количество коек в больницах, количество врачей и медсестёр), это поможет государственным органам здравоохранения планировать распределение ресурсов и улучшать качество медицинской помощи. Первой в России системой искусственного интеллекта, зарегистрированной Росздравнадзором как программное медицинское изделие, стала платформа прогнозной аналитики и управления рисками в здравоохранении под названием Webiomed [16].

Искусственный интеллект может анализировать данные об учащихся, преподавателях и учебных заведениях, чтобы предсказать потребность в образовательных ресурсах (например, учебные материалы, оборудование, здания), это помогает органам образования планировать развитие образовательной системы и обеспечивать её эффективность. Один из примеров ИИ-системы прогнозирования потребности в учителях в России — платформа Analytics & Insights. Её разработала компания PowerSchool. Платформа помогает отслеживать динамику по разным показателям и составлять аналитические дашборды и прогнозы, исходя из имеющихся данных. Она анализирует успеваемость и посещаемость учеников, а также на основе этих данных составляет прогнозы о перспективах поступления в вуз или, наоборот, не окончить школу вовремя из-за плохих показателей. Руководители учебных заведений могут увидеть информацию не только по отдельным классам, но также по всей образовательной организации и школьному округу. Помимо данных, доступных педагогам, администрация может получить прогноз о будущем числе первоклассников, а также анализировать потребность в кадрах [131].

ИИ может также анализировать данные о социальных потребностях населения (например, потребность в жилье, питании, одежде), чтобы предсказать необходимость в социальных услугах и ресурсах. Так, например, для логичного размещения ритейлерами своих предприятий оффлайн торговли российскими разработчиками выводится на рынок ИИ-продукт под названием GeoSurf, задачами которого является сбор картографических данных об организациях, их анализ и геоаналитика. Также потенциальными клиентами могут быть застройщики (предсказание наиболее перспективных мест и цен для новых домов) и госорганизации (размещение социальных объектов). Модель будет обрабатывать данные компании-клиентов, в том числе данные о выручке и геоданные для существующих точек компании из открытых источников. На этих данных сервис на основе искусственного интеллекта будет подчёркивать нужные зависимости, на основании которых затем алгоритмом будет предлагаться размещение новых локаций [103].

3.2. Прогнозирование развития туристической сферы. Туристическое направление — еще одна сфера, где ИИ и большие данные могут привести к значимым результатам. Это позволяет не только улучшать туристическую инфраструктуру, но и понимать, какие объекты привлекают отечественных туристов, а какие — зарубежных. Так, эффективно применять данные аналитики можно на уровне местных администраций и туристских информационных центров. К примеру, геоаналитика туристического потока поможет властям спланировать, где требуется развивать туристическую инфраструктуру, где целесообразно размещать кемпинги, глемпинги и иные туристические объекты. Она подсветит новые туристические маршруты и точки притяжения туристов и покажет портрет туриста, кому интересны такие локации. Так же геоаналитика турпотока поможет запланировать различные мероприятия и фестивали. А сбор отзывов и рекомендаций путешественников может подсказать властям, в какой точке требуется финансирование — возможно, туристы недовольны состоянием транспортной инфраструктуры, программами, которые предлагает тот или иной музей, жалуются на отсутствие качественных заведений общепита или неухоженные газоны.

Так, например, «Билайн. Геоаналитика» показывает самые популярные регионы, в которые стремятся путешественники, предоставляет детальную информацию по каждому субъекту страны — количественные показатели туристического потока (туристы и экскурсанты), откуда приезжают туристы и на чем они приезжают в регион, средние значения длительности поездок, пол, возраст, семейный статус и уровень дохода туристов [114].

Конец ознакомительного фрагмента.