BI Consult Desktop Logo BI Consult Mobile Logo
  • Russian BI Исследование российских bi
  • Перейти на Fine BI
  • Контакты
  • +7 812 334-08-01
    +7 499 608-13-06
  • Отправить сообщение
  • Главная
  • Продукты Эксперт-BI
    • Дистрибуция
    • Розничная торговля
    • Производство
    • Операторы связи
    • Страхование
    • Банки
    • Лизинг
    • Логистика
    • Нефтегазовый сектор
    • Медицина
    • Сеть ресторанов
    • E-Commerce
    • Сельское хозяйство
    • Энергетика
    • FMCG
    • Девелоперы
    • Маркетплейсы
    • Пищевая промышленность
    • Фармацевтика
    • Построение Data Platform
    • Цифровая трансформация
    • Управление по KPI
    • Финансы
    • Продажи
    • Склад
    • HR
    • Маркетинг
    • Внутренний аудит
    • Категорийный менеджмент
    • S&OP и FP&A
    • Геоаналитика
    • Цепочки поставок (SCM)
    • AutoML
    • Process Mining
    • IBP
    • ИТ (CIO)
    • Закупки
  • Платформы
    • Системы бизнес-анализа (BI)
    • Интегрированное бизнес-планирование (IBP)
    • Хранилища данных (DWH / Lakehouse)
    • Каталоги данных (Data Catalog)
    • Системы ETL и ELT
    • AI / Исскуственный интеллект
    • Шина данных (ESB)
    • Система управления мастер-данными (MDM)
    • Семантический слой
  • Услуги
    • Переход на отечественные BI и DWH системы
    • Консалтинг
    • Пилотный проект
    • Обучение и сертификация
    • Бесплатное обучение
    • Поддержка
    • Технические задания
    • Сбор требований для проекта внедрения BI-системы
    • CI/CD для DWH
    • Аудит BI приложений и DWH
    • Выделенная команда
    • Настойка и поддержка баз данных
    • Разработка BI Стратегии
    • Styleguide для BI-системы
    • Как выбрать BI-систему
  • Курсы
    • Учебный курс Информационная грамотность (Data Literacy)
    • Учебный курс для бизнес-аналитиков
    • Учебный курс для системных аналитиков
    • Учебный курс по Data Governance
    • Учебный курс Как стать CDO
    • Учебный курс Современная архитектура хранилища данных
    • Учебный курс по Fine BI
    • Учебный курс по FineReport
    • Учебный курс по DWH
    • Учебный курс по Data Science (ML, AI)
    • Учебный курс по PostgreSQL
    • Учебный курс по Greenplum
    • Учебный курс по Apache Airflow и NiFi
    • Учебный курс по Open-source BI
    • Учебный курс по ClickHouse
    • Учебный курс по DataLens
    • Учебный курс по Loginom
    • Учебный курс по Modus BI и ETL
    • Учебный курс по Visiology
    • Учебный курс по dbt (Data Build Tool)
  • Компания
    • Руководство
    • Новости
    • Клиенты
    • Карьера
    • Скачать
    • Контакты

Отраслевые решения

  • Дистрибуция
  • Розничная торговля
  • Производство
  • Операторы связи
  • Банки
  • Страхование
  • Фармацевтика
  • Нефтегазовый сектор
  • Лизинг
  • Логистика
  • Медицина
  • Сеть ресторанов
  • Сельское хозяйство и агрохолдинги
  • Энергетика
  • E-Commerce
  • FMCG
  • Пищевая промышленность
  • Селлеры на маркетплейсах
  • Строительные компании и девелоперы

Функциональные решения

  • Управление по KPI
  • Финансы
  • Продажи
  • Склад
  • Категорийный менеджмент
  • HR
  • Маркетинг
  • Внутренний аудит
  • Геоаналитика, аналитика на географической карте
  • Цепочка поставок (SCM)
  • S&OP и FP&A
  • Разработка стратегии цифровой трансформации
  • Process Mining
  • Интегрированное планирование (IBP)
  • Закупки
  • ИТ (CIO)
  • Построение хранилища данных
  • Создание Data Lake и Data Engineering
Главная » Решения Эксперт-BI на российских BI-платформах » Эксперт-BI для сельского хозяйства и агрохолдингов » IBP для сельского хозяйства и агрохолдингов » Производственные подразделения - Планирование потребности в механизаторах и операторах техники

Производственные подразделения - Планирование потребности в механизаторах и операторах техники

Потребность в механизаторах и операторах техники в агропромышленности формируется на стыке производственных циклов, сельхозпроизводственных календарей и организационных ограничений. В рамках интегрированного бизнес-планирования (IBP) задача состоит не только в прогнозировании численности персонала, но и в выработке согласованных сценариев, оценивающих риски недобора или перерасхода кадров, а также в выстраивании механизмов оперативного и управляемого сбалансирования спроса и предложения. Эту главу следует рассматривать как методологическую карту: как собрать данные, какие модели применить, как организовать процесс согласования и внедрить изменения в структуру управления кадрами на уровне подразделений.

IBP в агропромышленности требует учета сезонности, погодных факторов, доступности техники, регламентов труда и качества подготовки кадров. В частности, планирование потребности в механизаторах и операторах техники опирается на детализированную привязку к производственным календарям (посевная, уборочная, обработка культур), к требованиям по технике (мощность, возраст оборудования, ремонтные окна) и к требованиям по охране труда и обучению. В статье будут рассмотрены принципы построения архитектуры планирования, процессов моделирования спроса на кадры, управление качеством данных и организационные изменения, необходимые для устойчивого внедрения в рамках аграрно-промышленной экосистемы.

 

Краткое содержание главы

  • Определение задачи и контекст IBP для планирования потребности в механиках и операторах техники.
  • Архитектура данных, ключевые источники, интеграции и требования к качеству данных.
  • Процесс планирования: от сбора входов до формирования сценариев и согласованных планов.
  • Методы моделирования и управление рисками: сезонность, изменения в структуре рабочих смен, несоответствия графиков ремонтов и обслуживания.
  • Организационные аспекты и управление изменениями: роли, процедуры, KPI и механизмы контроля.
  • Практические аспекты внедрения: пилоты, масштабирование, обучение и поддержка.

     

Контекст и цель планирования потребности в кадрах

Производственные подразделения агрокомпаний работают циклично и подвержены сезонным колебаниям спроса на трудовую силу, зависящим от климатических условий, сроков посевной и уборки. В рамках IBP цель состоит в создании согласованных планов на горизонты 12-24 месяца с возможностью оперативного перераспределения ресурсов и адаптации к внеплановым событиям (повреждения техники, форс-мажорные погодные условия, изменения спроса на продукцию). Принципы методологии требуют разделения стратегического и операционного уровней планирования: на уровне стратегического плана - формирование профилей спроса на кадры, источники набора и обучения; на операционном уровне - конкретизация смен, маршрутов работ, графиков технического обслуживания и подготовки к сезонным пикам.

Значение методологии состоит в том, что планирование становится частью управляемого цикла, а не разовым событием. Это обеспечивает устойчивую доступность квалифицированной рабочей силы в критические окна производства, минимизирует простои и перерасходы по бюджету на оплату труда, а также поддерживает соответствие требованиям охраны труда и регуляторным нормам. В рамках методологической модели особое внимание уделяется как структуре данных и процессам их обновления, так и организационной карте взаимодействий между хозяйствами, сервисной службой и HR-подразделением.

 

Архитектура модели потребности: данные, интеграции и качество

Чтобы обеспечить точность прогнозов и реалистичность сценариев, необходима целостная архитектура данных. В основе лежит концепция единого источника правды для планирования кадров: данные из ERP и MES систем о загрузке оборудования, графиках работ и доступности техники; данные из HRIS и систем учета времени - об отпусках, больничных, обучении; данные о техническом состоянии машин - ТО и ремонт, а также внешние данные: погодные прогнозы, сезонность культур, календарь тестирования и обучения.

 

Ключевые источники данных:

  • производственный календарь и сезонные графики работ (сеяние, уход, уборка, сервис);
  • графики эксплуатации техники, смены и требования к квалификации операторов;
  • данные о доступности механиков и уровнях квалификации;
  • техническое состояние и ремонт техники, графики замены и модернизации;
  • изменения в регламенте труда, нормы по охране труда и требования к обучению;

Важно обеспечить качество данных на уровне полноты, точности и согласованности. В рамках методологии рекомендуются следующие практики:

  • автоматизация загрузки данных из систем-источников и единообразие форматов;
  • периодическая нормализация и сверка с реальным состоянием на местах;
  • внедрение правил валидации и мониторинга качества данных с пороговыми значениями ошибок;
  • хранение метаданных: источник, дата обновления, версия расчета.

     

Архитектура модели включает:

  • слой источников данных и интеграции (ETL/ELT);
  • слой моделирования спроса на кадры (прогнозы, сценарии);
  • слой планирования смен и графиков (распределение смен, навигация по локациям и участкам);
  • слой ограничения и оптимизации (правила найма, бюджеты, пределы по рабочим часам и перегрузке);
  • слой управления изменениями и мониторинга исполнения.

     

Применяемые подходы к интеграции:

  • единый набор бизнес-правил, охватывающий требования к охране труда и к обучению;
  • событийно-ориентированное уведомление об изменениях ключевых входов (погода, доступность техники, начало/конец сезона);
  • механизм ревизий и согласований с участием региональных хозяйств, служб техники и HR.

В отношении технологий предпочтения следует давать умеренно: достаточно показать принципиальные решения и архитектурные подходы, с указанием примеров open-source и ограниченного круга российских решений, чтобы не перегружать текст. Например, для оркестрации процессов можно рассмотреть открытые инструменты для планирования рабочих потоков, а для финансово-учетной части - концептуальные модули ERP.

 

Процесс планирования потребности: от входов до согласованного плана

Процесс планирования подразделяется на несколько управляемых стадий, повторяемых в рамках ежемесячного циклa IBP:

  • сбор и валидация входных данных: календарь работ, ремонт и обслуживание, обучение и смены, кадровый состав, нагрузка на единицы техники.
  • построение базового прогноза спроса на кадры: учет сезонности, длины смен, средней потребности на единицу техники, факторы оттока и набора, планируемые события (строительно-монтажные работы, новые посевные площади).
  • формирование сценариев и стресс-тестирование: базовый сценарий, оптимистичный и пессимистичный, учёт погодных рисков, изменений в сроках уборки, доступности техники.
  • согласование и балансирование: сопоставление спроса на кадры с доступными ресурсами (количество работников, координация между хозяйствами, возможности переподготовки), согласование бюджета и ограничений по трудовым часам.
  • планирование на горизонтах: детализация на уровне смен, участков, площадей, установка KPI и триггеров на изменения;
  • мониторинг исполнения и корректировка: регулярный анализ фактических данных по факту выполнения плана, корректировка прогнозов и сценариев.

Ключевым элементом является наличие гибкого сценарного модуля: он позволяет быстро оценить влияние факторов на потребность в механиках и операторах и определить наилучшие пути реагирования, включая перераспределение смен, привлечение временного персонала, переработку графиков и планирование обучений. В этом контексте рекомендуется внедрить процесс review с участием руководителей подразделений, сервисной службы и HR, чтобы решение принималось на уровне соответствующих компетенций и источников информации.

 

Методы моделирования потребности и управление рисками

В рамках методологического подхода целесообразно сочетать практики прогнозирования и оптимизации, используя как простые, понятные методы, так и более продвинутые подходы. Основные принципы:

  • сезонность и тренды: накапливайте данные по годам и сезонам, чтобы обнаружить повторяющиеся паттерны в спросе на кадры и времени их найма;
  • факторная регрессия и качественные индикаторы: такие как погодные условия, площади в активном производстве, интенсивность работ, требования к обучению;
  • сценарное планирование: заранее определяйте три-пять сценариев и оценивайте влияние на кадровые потребности, бюджет и сроки;
  • оценка риска и резервирование: устанавливайте пороги для резервного запаса по численности персонала на сезонные пики, а также допустимый уровень переработки и простоя оборудования;
  • баланс спрос-предложение: используйте понятие "моста" между потребностью и доступностью кадров, чтобы выявлять разрыв и управлять ним через найм, обучение, ротацию и аутсорсинг.

Методы должны сопровождаться критериями качества планирования:

  • точность прогнозов по ключевым метрикам: разница между прогнозом и фактом;
  • полнота данных и их своевременность;
  • оперативность изменений и способность адаптироваться к изменениям в календарях;
  • прозрачность и понятность для управленческих уровней и линейных руководителей;
  • управляемость бюджетами и графиками ставок.

Один из практических подходов - внедрение базовых моделей спроса на кадры в рамках единого цикла IBP:

  • базовый прогноз: учитывает сезонность, норму рабочего времени, модуляцию под погодные условия;
  • сценарии: добавляют внешние риски и возможности, например, быстрое расширение площадей, задержки в вводе техники;
  • план исполнения: графики смен, участие в обучении, бюджеты на оплату труда, учет перегрузок и сокращений.

В отношении инструментов можно сосредоточиться на двух примерах: открытые инструменты для анализа данных и апробации планирования, а также российские или региональные решения для ERP/HRIS, если они действительно улучшают результат. В контексте примера можно упомянуть использование простых аналитических пакетів (Python/SQL‑платформы) для анализа данных, с опорой на готовые модули визуализации и отчётности; а для корпоративной части - интеграцию с ERP/IBP-системой для синхронизации бюджета и планов.

 

Инфраструктура данных и интеграции

Эффективное планирование требует не только точных входных данных, но и надёжной инфраструктуры для передачи и обработки информации. Основная идея - это синхронизированное хранение и обмен данными между системами и подразделениями. Рекомендуется реализовать следующий набор компонентов:

  • единый репозиторий данных: база знаний, в которой хранятся входные данные, прогнозы и сценарии;
  • интерфейсы интеграции: API и обмен файлами с ERP/HRIS/ MES/СТМ; автоматизация загрузок;
  • слой аналитики и моделей: набор модулей для прогнозирования спроса, расчета потребности, моделирования изменений в графиках смен;
  • система управления изменениями: регламентированные процедуры утверждения и отклика на изменений, журнал учёта изменений;
  • визуализация и мониторинг: дашборды для руководителей, ежедневные уведомления о критических изменениях и отклонениях.

К практическим рекомендациям следует отнестись внимательно: не перегружайте архитектуру лишними инструментами, выбирайте минимально необходимый набор технологий, который обеспечивает устойчивость, масштабируемость и безопасную интеграцию. В рамках проекта можно использовать нейтральные слои интеграции и ограниченную часть open-source решений для прототипирования и тестирования, а при переходе к промышленной эксплуатации - переход на корпоративное ПО, которое обеспечивает управление данными, безопасность и соответствие регламентам.

 

Организационные изменения и управление изменениями

Переход к методологии IBP для планирования потребности в механиках и операторах техники требует изменений в организационной структуре и ролях. В рамках проекта целесообразно определить следующие роли:

  • руководитель IBP-проекта, координатор процессов планирования и исполнителей;
  • аналитик по кадрам и сменам, ответственный за сбор данных, моделирование и качество прогнозов;
  • представитель производственного подразделения, владеющий контекстом производственных циклов и требований к технике;
  • специалист по HR и обучению, ответственный за набор, обучение и соответствие требованиям;
  • сервисная служба и технический департамент, ответственные за графики ТО и обслуживание.

Необходимо установить согласованный цикл встреч и утверждений: ежемесячное обоснование прогноза, ежеквартальные сценарии и бюджетная верификация. Важной частью является обработка рисков: разработка политики резервирования, резервных кадров и контрактных решений. Таблица ответственных ролей, сроки и выходы должны быть зафиксированы в регламентах и доведены до линейных руководителей.

Организационные изменения требуют психологической и культурной адаптации: обучение сотрудников новым инструментам, формирование общей языка планирования между подразделениями и создание культуры совместной ответственности за результат. Вводятся ключевые KPI для оценки эффективности планирования и исполнения: точность прогноза, доля выполненных смен в плане, уровень переработок, простоя техники и безопасность труда.

 

Внедрение на практике: пилоты, масштабирование и устойчивость

Практическая реализация методологии требует поэтапного подхода:

  • пилотный проект в одном регионе или хозяйстве: тестирование входных данных, моделей, процессов согласования;
  • анализ результатов пилота: сравнение прогноза и факта, выявление узких мест в данных и процессах;
  • корректировка архитектуры и процессов: улучшение качества данных, адаптация моделей, изменение регламентов;
  • масштабирование: расширение на весь холдинг, внедрение стандартных процедур и контрольных точек;
  • обучение пользователей и поддержка: обучение линейных руководителей, создание документации, поддержка эксплуатации.

     

Важно обеспечить устойчивость проекта через:

  • документированные регламенты и регламентированное управление изменениями;
  • мониторинг показателей процесса и оперативных KPI;
  • регулярную актуализацию сценариев в связи с изменениями в календарях и условиях работы;
  • обеспечение устойчивого финансирования и доступности кадров разных уровней квалификации.

     

Key takeaways

  • Планирование потребности в механиках и операторах техники в агропромышленности - ключ к минимизации простоя, снижению затрат и повышению эффективности производства в условиях сезонности.
  • Архитектура данных и интеграции должны обеспечить единый источник правды, качественные данные и прозрачные процессы согласования.
  • Процесс планирования строится на сценарном подходе, сочетании прогноза и оперативной оптимизации, с акцентом на управление рисками и бюджетами.
  • Организационные изменения требуют четко определённых ролей, регламентов, KPI и культуры совместного принятия решений.
  • Внедрение проходит поэтапно: пилот, анализ, корректировки, масштабирование и обучающие мероприятия для персонала.

     

FAQ

  1. Какой горизонт планирования наиболее эффективен для аграрных подразделений?

Гибридный подход, сочетающий краткосрочные (1-3 месяца) смены и среднесрочные (6-12 месяцев) сценарии, позволяет адаптироваться к сезонности и внешним рискам без потери управляемости. Этапы уточняются в зависимости от региональных особенностей и характера работ.

 

  1. Какие данные являются критическими для точности прогноза потребности в кадрах?

Ключевые данные включают производственный календарь и расписание смен, доступность и квалификацию сотрудников, графики обслуживания техники, погодные прогнозы и сезонность культур. Качество данных напрямую влияет на точность прогноза.

 

  1. Какие методы прогнозирования предпочтительнее в рамках IBP для агробизнеса?

Оптимально сочетать простые статистические подходы (сезонность, тренд, отток-приход работников) с сценарным анализом и элементами ограниченной оптимизации. Это обеспечивает прозрачность и адаптивность модели.

 

  1. Как интегрировать планирование кадров с бюджетированием и управлением затратами?

Необходимо купить единый цикл планирования, где прогнозы по кадрам связаны с бюджетами на оплату труда, графиками смен и расходами на обучение. Регламент согласования должен обеспечить согласование в рамках финансовых ограничений.

 

  1. Какие организационные изменения сопровождают внедрение IBP в кадры?

Необходимы роли координатора проекта, аналитика по кадрам, региональные представители, HR и технический персонал. Важны регулярные регламенты встреч, контрольные точки и единая политика управления изменениями.

 

  1. Какие метрики оценки эффективности планирования кадров?

Точность прогноза, доля выполненных смен, уровень переработок и простоя техники, охват обучением, соответствие нормативам по труду и безопасности.

 

  1. Какие риски требуют внимания в пилотной зоне проекта?

Неполнота данных, нехватка квалифицированного персонала, задержки в ремонтах техники, неожиданные погодные условия и изменения в календарях посева и уборки.

 

  1. Как минимизировать сопротивление изменений среди линейного персонала?

Проводить раннее информирование, обучающие сессии, показывать прямые преимущества планирования (меньше простоя, предсказуемость смен), обеспечить участие работников в процессе.

 

  1. Какую роль играет качество данных в процессе планирования и как его обеспечить?

Качество данных определяет точность планирования; рекомендуется автоматизация импорта данных, четкие правила валидации, регулярная сверка с фактами на местах и документирование источников.

 

  1. Какие примеры инструментов лучше рассмотреть на старте проекта?

На старте можно использовать простые аналитические плаформы и BI‑инструменты для анализа данных, а для дальнейшего масштаба - интеграцию с ERP/IBP‑системами и специализированными модулями кадрового планирования; выбор должен быть ориентирован на устойчивость, безопасность и совместимость с регламентами.

 

← Предыдущая статья
Производственные подразделения - Оптимизация распределения техники между предприятиями
Следующая статья →
Логистика и склад - Планирование объемов хранения сельскохозяйственной продукции на складах и элеваторах

 

Узнать стоимость решенияЗапросить видео презентацию

Решения

Анализировать ФинансыУвеличивайте ПродажиОптимальный Склад и ЛогистикаМаркетинговые Метрики

Клиенты
  • АО «Новосибирскэнергосбыт» является единственным гарантирующим поставщиком электроэнергии на территории г. Новосибирска и Новосибирской области. Предприятие отвечает за электроснабжение клиентов, закупая электроэнергию на оптовом рынке, регулируя поставку электроэнергии через договорные отношения с сетевыми организациями.

  • ООО "Интернэшнл Ресторант Брэндс" – это крупнейший франчайзинговый партнер компании Yum! Brands Russia & CIS в России, отвечающий за рост и развитие бренда KFC на территории РФ. На сегодняшний день у компании более 350 ресторанов. Ежедневно в рестораны приходит 200 000+ гостей.

  • MoneyCare — кредитная платформа и сервис для ПОС-кредитования в магазинах, установленная в более чем 18 тысячах трейдинговых точек и сотрудничающая с 11 главными банками России.

  • ПАО АНК «Башнефть» — российская вертикально-интегрированная нефтяная компания, с 2016 года входит в ПАО НК «Роснефть». Главный офис расположен в городе Уфе (Башкортостан). Добыча углеводородов – более 21 млн тонн нефти в год. Объем переработки – более 18 млн тонн нефти в год. Число сотрудников – более 33 тыс. человек.

  • Решения
    • Дистрибуция
    • Розничная торговля
    • Производство
    • Операторы связи
    • Страхование
    • Банки
    • Лизинг
    • Логистика
    • Нефтегазовый сектор
    • Медицина
    • Сеть ресторанов
    • E-Commerce
    • Энергетика
    • Фармацевтика
  • Услуги
    • Переход на отечественные BI и DWH
    • Консалтинг
    • Пилотный проект
    • Обучение и сертификация
    • Бесплатное обучение
    • Техническая поддержка
    • Технические задания
    • Сбор требований для проекта внедрения BI-системы
    • CI/CD для DWH
    • Аудит BI приложений
    • Выделенная команда
    • Настойка и поддержка баз данных
    • Разработка BI Стратегии
    • Styleguide для BI-системы
    • Как выбрать BI-систему
  • Платформы
    • FineBI
    • FineReport
    • FineDataLink
    • Коннекторы данных из 1С в BI
    • Airflow + NiFi
    • Visiology
    • Luxms BI
    • Modus BI
    • PIX BI
    • Arenadata
    • ClickHouse
    • Greenplum
    • Postgres Professional
    • Open-source BI: Superset/Metabase
    • Loginom
    • Yandex.DataLens
    • AI / Исскуственный интеллект
    • Optimacros
    • Шины данных
  • Курсы
    • Учебный курс Информационная грамотность
    • Учебный курс для бизнес-аналитиков
    • Учебный курс для системных аналитиков
    • Учебный курс по Data Governance
    • Учебный курс Как стать CDO
    • Учебный курс Современная архитектура хранилища данных
    • Учебный курс по Fine BI
    • Учебный курс по FineReport
    • Учебный курс по DWH
    • Учебный курс по Data Science (ML, AI)
    • Учебный курс по PostgreSQL
    • Учебный курс по Apache Airflow и NiFi
    • Учебный курс по Open-source BI
    • Учебный курс по ClickHouse
    • Учебный курс по DataLens
    • Учебный курс по Loginom
    • Учебный курс по Modus BI и ETL
    • Учебный курс по Visiology
    • Учебный курс по dbt
  • Функциональные решения
    • Создание Data Lake
    • Цифровая трансформация
    • Управление по KPI
    • Финансы
    • Продажи
    • Склад
    • HR
    • Маркетинг
    • Внутренний аудит
    • Категорийный менеджмент
    • S&OP и прогнозная аналитика
    • Геоаналитика
    • Цепочки поставок (SCM)
    • AutoML
    • Process Mining
    • Сквозная аналитика
  • Компания
    • О нас
    • Руководство
    • Новости
    • Клиенты
    • Скачать
    • Контакты
    • Политика конфиденциальности
RutubeVkontakteLinkedInYouTube
ООО "Би Ай Консалт",
ИНН: 7811437757,
ОГРН: 1097847154184
199178, Россия,
Санкт-Петербург,
6-ая линия В.О., Д. 63, 4 этаж
Тел: +7 (812) 334-08-01
Тел: +7 (499) 608-13-06
E-mail: info@biconsult.ru

 

 

 

 

 

×

Пользуясь сайтом, вы соглашаетесь с использованием cookies и политикой конфиденциальности.