УДК 331.5.024.52

DOI 10.24411/2413-046Х-2019-16003

Метод эффективного прогнозирования и оценки вовлеченности людей в социальный проект

METHOD OF EFFECTIVE FORECASTING AND ESTIMATION OF INVOLVING PEOPLE IN THE SOCIAL PROJECT

Д. С. Петрулёв, аспирант каф. экономика в строительстве;

 М. С. Гусарова, канд. экон. наук, доцент каф. управления народным хозяйством и ЖКХ

ФГБОУ ВО «Тюменский индустриальный университет». Россия, 625000, Уральский федеральный округ, Тюменская область, г. Тюмень, ул. Володарского, 38.  

Аннотация: В статье представлены результаты изучения системы оценки социальных проектов и их инвестиционной привлекательности с точки зрения количества потенциальной целевой аудитории, вовлеченной в данные проекты. Выявлены способы оказания финансовой помощи в реализации социального проекта. Рассмотрены сущность и методы прогнозирования проекта. Определены методы проведения отбора целевой аудитории (аналитика объема аудитории, по количеству в рассматриваемом регионе и средней конверсии). Изучены способы оценки потенциального охвата аудитории. Проведен анализ способов выделения сегмента по степени потенциальной вовлеченности в социальный проект. Рассмотрены методы оценки количества такой аудитории, которые применяются на современном этапе. Проведено исследование современных способов по привлечению аудитории, выявлен процент пользователей, активно использующих социальные сети, также определены социальные сети, обладающие наибольшей аудиторией в России. Представлено исследование по перспективности внедрения современных технических средств, программного обеспечения, дано определение таких понятий как «Big Date», «парсер» и других необходимых для работы с прогнозированием эффективности социального проекта и работы с большими объемами данных. Даны рекомендации по использованию наиболее оптимальных видов программного обеспечения для проведения отбора определенного сегмента людей – потенциальных участников социального проекта. Рассмотрен метод подбора аудитории, согласно поведенческим характеристикам. Определены основные этапы и алгоритм планирования и прогнозирования социального проекта. Также рассмотрен новый метод оценки, перспектива применения которого для эффективного прогнозирования таких проектов будет оптимальной. И будет способствовать успешному участию разработчика проекта в конкурсах на соискание Гранта и государственного субсидирования, при распределении финансирования.

Summary: The article presents the results of studying the system of evaluation of social projects and their investment attractiveness in terms of the number of potential target audience involved in these projects. The ways of providing financial assistance in the implementation of the social project are revealed. The essence and methods of project forecasting are considered. The methods of selection of the target audience (analysis of the audience volume, the number in the region and the average conversion). The ways of estimation of potential audience coverage are studied. The analysis of ways of allocation of a segment on degree of potential involvement in the social project is carried out. Methods of estimation of quantity of such audience which are applied at the present stage are considered. A study of modern ways to attract an audience, identified the percentage of users actively using social networks, also identified social networks with the largest audience in Russia. A study on the prospects of the introduction of modern hardware, software, the definition of such concepts as “Big Date”, “parser” and other necessary to work with the prediction of the effectiveness of the social project and work with large amounts of data. Recommendations on the use of the most optimal types of software for the selection of a certain segment of people – potential participants of the social project. The method of audience selection according to behavioral characteristics is considered. The main stages and algorithm of planning and forecasting of the social project are defined. Also, a new method of evaluation, the prospect of which for the effective prediction of such projects will be optimal, is considered. And it will contribute to the successful participation of the project developer in competitions for Grants and state subsidies, in the distribution of funding.

Ключевые слова: Социальный проект, грант, целевая аудитория, социальные сети.

Key words: Social project, grant, target audience, social networks.

Введение

Повышение социальной активности одно из важных направлений в развитии современного общества. Инструментом реализации данного направления является социальное проектирование. Социальное проектирование служит алгоритмом в решении той или иной социальной проблемы. Благодаря созданию социального проекта с четким описанием целей, задач и способов их реализации, у автора проекта появляется больше возможностей в поиске источника финансирования своей социальной инициативы.

В нашей стране социальные проекты реализуются при финансовой поддержке государства, так как понятие «социальное предпринимательство» и «социальный бизнес» находятся в зачаточном состоянии и только начинают развиваться. Социальное проектирование является одним из способов привлечь частные коммерческие организации к решению социальных проблем в обществе, посредством реализации социального проекта. Социальный проект подразумевает не только планирование реализации, но и прогнозирование итогов, описание целевой аудитории и статей затрат, что в свою очередь способствует прозрачности восприятия у потенциального финансового источника. Также эффективное прогнозирование и большой охват потенциальных участников в совокупности с актуальностью социальной проблемы, решаемой с помощью социального проектирования, позволяет принимать участие в программах финансирования государством (получение грантов, субсидирования т.д.).

«Социальный проект – сконструированное инициатором проекта нововведение, целью которого является создание, модернизация или поддержание в изменившейся среде материальной или духовной ценности, которое имеет пространственно-временные и ресурсные границы. И воздействие, которого на людей считается положительным по своему социальному значению» [1]. Социальное проектирование — процесс создания социального проекта. Субъектом социального проектирования может быть как организация, так и отдельная личность, главная черта субъекта в данном контексте — его социальная активность [2].

Объектом социального проектирования может быть: человек как личность; социальные группы; общественные отношения во всех их проявлениях.

Любые способы реализации, гражданской инициативы, посредством создания социального проекта, предполагают затраты ресурсов. При условии добровольного и безвозмездного участия исполнителей проекта, необходимо обеспечить организационные расходы. В любом случае, сама возможность, эффективно реализовать проект зависит от обеспечения финансовыми ресурсами [1].

Для получения финансирования социального проекта организаторам необходимо иметь четкий ответ на основные вопросы:

• реализация, какой цели требует финансового обеспечения;
• что конкретно требуется (деньги, помещения, имущество, услуги);
• какие существуют потенциальные источники;
• какие шаги нужно предпринять, чтобы получить это финансовое обеспечение.

Основными источниками финансирования могут быть:

• личные средства субъекта социального проектирования;
• средства инвесторов и инвестиционных компаний;
• государственные гранты и субсидии;

Источником основной части инвестиций в этот сектор является государство. В данной статье будет рассмотрен один из методов решения одной из основных проблем при выборе проекта, на который будет выделяться финансирование — потенциальный охват проекта [2].

Под потенциальным охватом проекта понимается количество людей, вовлеченных в проект в том или ином качестве, ключевая роль принадлежит объекту проекта, иными словами непосредственно того, на кого этот проект направлен. Для оценки объема аудитории необходимо понимать несколько ключевых показателей:

1. Целевая аудитория проекта – подробное описание целевой аудитории, где есть как базовые характеристики, такие, как: пол, возраст, социальный статус, так и более индивидуальные как: интересы, ключевые факторы и другие;
2. Общее количество потенциальной целевой аудитории в рассматриваемом регионе;
3. Средняя конверсия на подобные проекты. Показатель конверсии определяется опытным путем. Анализируется большое количество проектов, предназначенных для различных целевых аудиторий в соотношении с участниками, проявившими активность [3]. Результатом данного соотношения является коэффициент, который отражает статистику в процентах количества принимавших участие в социальных проектах от общей целевой аудитории в регионе.

Эффективное прогнозирование вовлеченности людей в социальный проект предполагает изучение данных пунктов для всесторонней оценки потенциальной аудитории проекта и ее активности. При анализе потенциальной аудитории необходимо основываться на следующих показателях:

1. Качественный, определяет наличие или отсутствие характеристик, соответствующих выбранной номинальной шкале (возраст, пол, национальность);
2. Количественный показатель констатирует интенсивность проявления характеристики.

Показатели могут быть единичные и групповые:

1. Единичные показатели, в свою очередь, являются: абсолютными, относительными, сравнительными и контекстуальными;
2. Групповые подразделяются на: аналитические, структурные и глобальные.

Социальные показатели становятся опосредованными проводниками перехода от теоретического изучения применения методологии исследования потенциальных возможностей социального проекта, к формированию объема эмпирических данных и возвращению посредством их интерпретации к прогнозу концептуальной модели объекта.

Формирование аналитики по показателям даст возможность определить перечень необходимых инструментов, для проведения оценки каждого из критериев.

Целевая аудитория социального проекта должна быть оценена автором проекта, для последующего анализа значимых параметров [4]. Также важно выявить направленность проекта, так как именно она позволит наиболее точно определить параметры оценки целевой аудитории и даст возможность провести дальнейшую классификацию и оценить конверсии для других проектных направлений.

Сущность социального прогнозирования, заключается в рассмотрении возможных алгоритмов решения проблемы, при реализации социального проекта и итогов программы действий. Данное вероятностное утверждение принимается как обладающее высокой степенью достоверности. Прогнозирование может быть подкреплено определенными количественными характеристиками. Прогнозирование подразумевает научно обоснованное суждение о вероятных итогах деятельности в будущем периоде, разрабатывая возможные альтернативные варианты.

Успех реализации социального проекта основан на эффективном прогнозировании, а также на оценке потенциальных участников реализации проекта.

Обзор литературы

При изучении данной темы были использованы следующие литературные источники: Учебное пособие «Социальное проектирование» от Курбатова В. И., где приведены базовые определения социальных проектов и методики их разработки, также рассматриваются проблемы социального прогнозирования и планирования, создания модели социального проекта. Исследования Курбатова В.И. дают возможность понять базовые определения и сущность социального проектирования. В данном исследовании социальное проектирование рассматривается с точки зрения многофакторности влияний и инновационного подхода, но при этом не учитываются современные возможности интернет – маркетинга и использование инноваций в привлечении потенциальной аудитории социального проекта.

Современные исследователи оперируют таким понятием как «большие данные». Этот термин был впервые введен К. Линчем, в его материале о влиянии технологий работы с большим объемом данных на будущие возможности. На анализе прогнозирования, основанном на обработке большого количества информации, более детально остановился Алан Моррисон в своей работе «Большие данные: как извлечь из них информацию» [5]. Данное исследование описывает методы работы с большими данными, способы их обработки, структурирования и хранения. Также здесь анализируются инструменты, используемые для работы с «большими данными». Работа отражает современную действительность с позиции потребности обработки большого объема данных, но не затрагивает эффективное прогнозирование социального проекта. Изучение лекции Андрея Себранта «Что такое на самом деле Big Data и чем они прекрасны», позволяет получить более четкое представление о механизмах работы с большими данными и примеры их использования в современных реалиях [6]. Данные работы дают представления о механизмах и инструментах применяемых при работе с потенциальной аудиторией и помогают понять основную терминологию, относящуюся к социальному проектированию, но по отдельности не дают полного представления о методах эффективного прогнозирования и оценки вовлеченности людей в социальный проект

Гипотезы и методы исследования

Главная гипотеза, представленная в работе, заключается в том, что при помощи современных технологий обработки информации можно уменьшить влияние субъективных факторов при оценке эффективности социальных проектов. Методы исследования: изучение литературы и нормативных документов, выявление слабых мест и разработка концепции улучшения данных проблем.

Оценка общего количества целевой аудитории в регионе

При выборе целевой аудитории необходимо опираться на социальную проблему, решению которой должна поспособствовать реализация проекта. Отбор аудитории проекта должен производиться при помощи различных социально-демографических показателей.

Произвести оценку общего количества потенциальной аудитории в регионе можно различными методами технологии обработки больших данных – Big Data.

Специалистами в области информационных технологий понятие Big Data определяется как совокупности данных, имеющих возможный экспоненциальный рост, обладающие слишком большим объемом, «слишком неформатированы или слишком неструктурированы для анализа традиционными методами» [7].

К основным признакам данных такого рода относят:

1. Volume – большие объемы данных, которые необходимо обработать;
2. Variety – слабо структурированные, многоспекторные [8];
3. Velocity – необходимость в оперативной обработке и представления ее результатов, в том числе и в режиме реального времени.

Главным источником информации предлагается принять самый масштабный открытый источник информации о людях – социальные сети. Кроме этого необходимо определить охват целевой аудитории. И он должен соизмеряться с форматом реализуемого проекта.

Социальные сети, представляют собой огромные сообщества людей, согласно исследованиям немецкой исследовательской компании «Statista» за 2018 год, проникновение социальных сетей в России оценивалось в 47%, создали аккаунты в социальных сетях порядка 67,8 млн. россиян [9]. Наиболее активно россияне используют YouTube (63% опрошенных), на втором месте социальная сеть ВКонтакте — 61%. Основываясь на этих данных можно прийти к выводу, что большой процент аудитории нашей страны сконцентрирован в социальных сетях, что делает эти системы репрезентативной выборкой, анализируя которую можно получить правильную статистическую выборку.

Вопрос заключается в том, как правильно проводить анализ аудитории в социальных сетях и какими средствами это можно осуществить. Обработать вручную такой объем информации практически невозможно. Решением вопроса может стать использование современного программного обеспечения, программы, предназначенные для поиска и анализа целевой аудитории, созданные для настройки таргетированной рекламы, так называемые «парсеры».

Название «парсер» образовано от английского «to parse», что в переводе означает «анализировать». Парсеры – сервисы, способные выделить и обработать большой объем данных целевой аудитории, сформировать в итоге ее в готовые базы ретаргетинга. Такие программы помогают в автоматизированном режиме анализировать большие объемы данных, в том числе аудиторию в социальных сетях. Главными трендами российских социальных сетей в 2018 году стали персонализация контента, взросление пользователей и их искренность. К такому выводу пришли эксперты «Brand Analitycs», проанализировав публичные сообщения в социальных сетях. По данным «Mediascope» на октябрь 2018 года, среди людей от 12 до 64 лет аудитория Facebook в России составляет более 22 млн. человек (по отношению к октябрю 2017 года показатель снизился почти на 1%), Instagram — 27,6 млн. (+71% к октябрю прошлого года), Twitter — 8,1 млн (-3,1%). У социальной сети «ВКонтакте» аудитория составляет более 38 млн. пользователей (прирост год к году — около 1%), у «Одноклассников» — почти 23 млн. человек (-6,5%). Аудитория сервиса YouTube — почти 39,8 млн. пользователей (+3,1%) (рисунок 1) [9].

По статистике от «Brand Analytics» за лето 2017 года наиболее активная аудитория в России проводит свое время в социальной сети «ВКонтакте» [11]. Соответственно, при анализе стоит использовать именно эту социальную сеть, чтобы получить наиболее точные данные. При этом следует учитывать параметры, соответствующие направленности проекта для отборки категории людей, которые могут стать потенциальными участниками социального проекта.

Для проведения аналитики социальной сети «ВКонтакте» возможно использовать два самых известных парсера: «ТаргетХантер» и «Церебро-парсер». Функционал данного программного обеспечения имеет достаточно схожие характеристики по способу и методу выполнения поставленных задач. Основные различия, данные программы имеют в интерфейсе и удобстве работы.

Данные программы позволяют отобрать аудиторию по определенным критериям: пол, возраст, географической привязке, интересам, рабочей принадлежности и другим критериям [12]. Благодаря базовым критериям можно выделить определенный процент целевой аудитории, только в том случае, если люди сами указали эту информацию у себя в профиле. Для получения более точного результата выборки необходимо учитывать, ту часть людей, которые не указали необходимую информацию в своих аккаунтах. Для выявления необходимой аудитории принято пользоваться методом анализа целевых сообществ.

Примером поиска такой информации может стать поиск людей, которые увлечены музыкой определенного исполнителя. Необходимо не только выявлять пользователей, которые написали об этом в своем профиле, но и выявить людей, которые подписаны на сообщества и профиль данного исполнителя в социальных сетях [13]. Подобным образом можно осуществить первый этап отбора из общей массы целевой аудитории проекта в регионе.

Вторым этапом предлагается использовать метод, который совсем недавно стали предлагать сами социальные сети – поиск аудитории по принципу «look alike», что в переводе означает «выглядит, похоже». «Look alike» – это метод подбора аудитории, при котором подбирается список пользователей, по поведенческим характеристикам похожих на аудиторию, которая уже была подобрана ранее. Данный метод таргетинга позволяет системе выявлять необходимую целевую аудиторию. Look-alike – это пример обучаемого таргетинга, который основываясь на целевых действиях, выполняемых пользователем на сайте, проводит анализ его поведения и, основываясь на результатах этого анализа, создает модель. Впоследствии, он использует эту модель для поиска определенных пользователей, обладающих параметрами схожими с этой моделью [14]. Этот метод дает возможность расширить потенциальную целевую аудиторию с достаточно высокой точностью, привлечь пользователей с определенной моделью поведения и схожими интересами.

В итоге можно получить достаточно большое количество людей, которые потенциально могут быть целевой аудиторией для прогнозируемого социального проекта [15]. Главным результатом данного анализа является итоговая статистика и количество определенной аудитории.

Оценка потенциальной конверсии в социальные проекты

Вторым важным вопросом остается оценка конверсии – показателя, характеризующего количество людей, которые из, осведомленных о проекте пользователей трансформируются в его участников. Оценка данного показателя может быть произведена только опытным путем, после проведения аналитики среди существующих проектов в различных регионах.

Для проведения расчетов необходимо провести первый этап и оценить общую массу потенциальной целевой аудитории в регионе. Далее необходимо получить данные отчетов уже реализованных проектов, и вычленить данные о количестве участников данного проекта и о его направленности. В целях осуществления эффективного прогнозирования основанного не только на данных о возможном охвате аудитории, но и на аналитике итогов уже реализованных схожих проектов.

Заключение

В целях получения государственного финансирования социального проекта посредством участия в конкурсах на получение гранта и субсидирования, необходимо, прежде всего, провести оценку потенциального охвата проекта. Выявить общее количество целевой аудитории, в рассматриваемом регионе, определить среднюю конверсию. На основе полученных данных возможно прогнозирование эффективности проекта и аудитории, которую потенциально можно вовлечь в данный проект. Инструментами для обработки, структурирования и хранения большого объема данных, могут стать парсеры, такие как «ТаргетХантер» и «Церебро-парсер».

Наиболее оптимальным методом отбора аудитории, для реализации поставленной задачи, может стать поиск аудитории по принципу «look alike». Использование данного программного обеспечения, позволит наиболее точно обработать большой объем информации и произвести поиск соответствующего сегмента аудитории, соответственно позволит предполагать потенциальный охват проекта и прогнозировать вовлеченность людей в социальный проект.

Необходимо обратить внимание, на классификацию проектов, которая уже произведена при подаче проектов на получение грантов и субсидирования на конкурсной основе, но по ней проекты разделены лишь на общие крупные группы, необходимо произвести микро-разделение согласно таким критериям как целевая аудитория и узкая направленность проекта. Для выявления конкретной аудитории по заданным параметрам.

Зная все исходные данные можно оценить главный показатель – относительную конверсию, которая ожидается на определенный вид проекта, а зная ее – можно оценить насколько точной является оценка потенциального числа участников автором проекта, а соответственно насколько этот проект эффективен.

Для оптимизации все вышеперечисленных процессов предлагается разработать автоматизированную систему, которая автоматически будет выдавать необходимые показатели, главная сложность – первичная обработка входных данных и статистики по прошлым проектам.

Данная автоматизированная система будет способствовать эффективному прогнозированию и планированию социального проекта. И позволит уменьшить влияние субъективных факторов в процессе оценки эффективности социальных проектов. Основная особенность данной системы будет заключаться в ее социальной направленности.

Список литературы

1. Курбатов, В. И. Социальное проектирование: учеб. пособие. / О. В. Курбатова. — Ростов-н/ Д.: Феникс, 2001.
2. Воржецов А. Г. Основы социального прогнозирования: Учебно-методическое пособие / А.Г. Воржецов. — Казань: Казан, гос. технолог, ун-т, 2010. — 44 с.
3. Сафронова В.М. Прогнозирование, проектирование и моделирование в социальной работе: Учеб, пособие. — 3-е изд., испр, и доп. /В.М. Сафронова. — М.: Academia, 2010. — 240 с.
4. Социальное проектирование в эпоху культурных трансформаций; Книга по Требованию – Москва, 2013. – 272 c
5. Моррисон, Алан и др. Большие Данные: как извлечь из них информацию. Технологический прогноз // PricewaterhouseCoopers, № 3. 2010. http://izdat.ntckompas.ru/editions/for_readers/archive/article_detail.php?SECTION_ID=159&ELEMENT_ID=16304
6. Себрант А. Что такое на самом деле Big Data и чем они прекрасны // http://habrahabr.ru/company/yandex/blog/214217/
7. Джапек, Л., Крейтер, Ф., Берг, Мю. И др. Отчет AAPOR о больших данных: 12 февраля 2015 / Американская ассоциация исследователей общественного мнения; пер. с англ. Д. Рогозина, А. Ипатовой, Е. Вьюговской ; М., 2015.
8. Laney D. 3D Data Management: Controlling Data Volume, Velocity, and Variety. https://www.datasciencecentral.com/forum/topics/the-3vs-that-define-big-data- 2001
9. РосБизнесКонсалтинг «В России назвали самые популярные тренды в соцсетях за 2018 год» https://www.rbc.ru/technology_and_media/05/12/2018/5c07992b9a79477b2fb8b3af
10. Фрэнк Б. Революция в аналитике. Как в эпоху Big Data улучшить ваш бизнес с помощью операционной аналитики: Альпина Паблишер — 2017, 320 с.
11. Brand Analytics Социальные сети в России, лето 2017: цифры и тренды. // Блог Brand Analytics http://blog.br-analytics.ru/sotsialnye-seti-v-rossii-leto-2017-tsifry-i-trendy/
12. Tibshirani Robert, Friedman Jerome «The Elements of Statistical Learning: Data Mining, Inference, and Prediction» 2012-180р.
13. Viktor Mayer-Schönberger, Kenneth Cukier «Big Data: A Revolution That Will Transform How We Live, Work, and Think». -2014-220 р.
14. Dodge M., Kitchin R. (2005) Codes of life: Identification codes and the machinereadable world. Environment and Planning D: Society and Space. Vol. 23. No 6. P. 851—881. DOI: 10.1068/d378t. Fan J., Han F., Liu H. (2014)
15. Ghavami Peter. Big Data Governance: Modern Data Management Principles for Hadoop, NoSQL & Big Data Analytics . 2016. — 204 p.

References

1. Kurbatov, V. I. Social design [Социальное проектирование: учеб. Пособие]. — Rostov-n/ A : Phoenix, 2001.
2. Vorzetsov A. G. Fundamentals of social forecasting [Основы социального прогнозирования]-, Kazan, state technologist, UN-t, 2010. — 44 p.
3. Safronova V. M. Forecasting, design and modeling in social work. [Прогнозирование, проектирование и моделирование в социальной работе]- Studies, benefits. — 3rd ed., ISPR, and DOP. /V. M. Safronova. — Moscow: Academy, 2010. — 240 p.
4. Social design in the era of cultural transformations. [Социальное проектирование в эпоху культурных трансформаций]; Moscow, 2013- 272 c
5. Morrison, Alan and others Big Data: how to extract information from them. Technology forecast [Большие Данные: как извлечь из них информацию. Технологический прогноз] // PricewaterhouseCoopers, № 3. 2010. http://izdat.ntckompas.ru/editions/for_readers/archive/article_detail.php?SECTION_ID=159&ELEMENT_ID=16304
6. Sebrant A. What is actually Big Data and what they are beautiful.  [Что такое на самом деле Big Data и чем они прекрасны.] // http://habrahabr.ru/company/yandex/blog/214217/
7. Japec L., Kreuter F., Berg M., and others. (2015) AAPOR Report on Big Data. February 12, 2015.[ Отчет AAPOR о больших данных: 12 февраля 2015] American Association for Public Opinion Research. Moscow2015
8. Laney D. 3D Data Management: Controlling Data Volume, Velocity, and Variety.. https://www.datasciencecentral.com/forum/topics/the-3vs-that-define-big-data- 2001
9. RosBusinessConsulting «In Russia called the most popular trends in social networks for 2018» [«В России назвали самые популярные тренды в соцсетях за 2018 год»] https://www.rbc.ru/technology_and_media/05/12/2018/5c07992b9a79477b2fb8b3af
10. Frank B. Revolution in Analytics. How to improve your business with operational Analytics in the big Data era [Как в эпоху Big Data улучшить ваш бизнес с помощью операционной аналитики] Alpina publisher — 2017, 320 p.
11. Brand Analytics Social networks in Russia, summer 2017: figures and trends. // Blog  [Социальные сети в России, лето 2017: цифры и тренды. // Блог Brand] Analytics http://blog.br-analytics.ru/sotsialnye-seti-v-rossii-leto-2017-tsifry-i-trendy/
12. Tibshirani Robert, Friedman Jerome «The Elements of Statistical Learning: Data Mining, Inference, and Prediction» 2012-180р.
13. Viktor Mayer-Schönberger, Kenneth Cukier «Big Data: A Revolution That Will Transform How We Live, Work, and Think». -2014-220 р.
14. Dodge M., Kitchin R. (2005) Codes of life: Identification codes and the machinereadable world. Environment and Planning D: Society and Space. Vol. 23. No 6. P. 851—881. DOI: 10.1068/d378t. Fan J., Han F., Liu H. (2014)
15. Ghavami Peter. Big Data Governance: Modern Data Management Principles for Hadoop, NoSQL & Big Data Analytics . 2016. — 204 p.