Распределение зарплат россиян, 2023
И снова данные исследований Вышки. См. прошлый пост Источники трафика кандидатов, 2023
На диаграмме:
• По оси X – зарплата в тыс. рублей с шагом в 20 000 – мне так показалось удобным для восприятия
• По оси Y – как часто респонденты упоминают зарплату.

Данные для диаграммы взяты из ответа на вопрос:
Сколько денег в течение последних 30 дней Вы получили по основному месту работы после
вычета налогов и отчислений?

Т.е. (важно!) обратите внимание, эти данные не учитывают: 1) квартальные, годовые премии, 2) доходы по не основному месту работы
А кроме того, большая доля респондентов не дала ответ на вопрос о зарплате. Но я решил по прокси-переменной проверить гипотезу о том, что более богатые не сообщают о зарплате. Прокси-переменная – это, например, характер труда респондента (нужно указать, занимаешься физически, интеллектуальным, управленческим трудом). Не нашел я различий, т.е. вроде все в равной мере указывают и скрывают инфо о зарплате, но вероятность того, что более богатые не указывают зарплату, остается.

И тем не менее, будем относиться к данным, как к одним из самых правдивых: медиана по зарплате 35 000 рублей, и самый популярный размер зарплаты от 20 до 40 000 рублей. Чего вам не желаю....

ТГ канал HRtech

Удовлетворенность россиян работой, 2023
Снова вышкинские исследования, простите
Результаты ответов на вопрос

Насколько Вы удовлетворены или не удовлетворены Вашей работой в целом?
Где 5 – Полностью удовлетворены, 1 – совсем не удовлетворены.

Среднее значение равно 3.92
Следующее, что я сделаю – посмотрю динамику удовлетворенностью работой по годам.
ВОПРОС: давайте повангуем, как вы считаете, удовлетворенность работой стала выше или ниже, чем, в 2022 году? И каков тренд за последние 5, 10 лет?

И прошлые посты

Источники трафика кандидатов

Распределение зарплат

​​Тренды HR в 2025 году: время кадровой диктатуры

Об авторе: Сергей Ахметов, генеральный директор HRTech-компании «Поток».

Что такое кадровая диктатура и как она влияет на HR-рынок
Кадровая диктатура — это ситуация на рынке труда, когда высокий спрос на специалистов позволяет им диктовать условия найма, а работодателям приходится их принимать для привлечения и удержания квалифицированных работников. Это характерно для рынка кандидатов.

Какие HR-тренды оказывают наибольшее влияние на бизнес
✅Усугубление дефицита кадров
Дефицит кадров (27%) самый актуальный HR-тренд. Сложности испытывают компании всех размеров, особенно средний бизнес (32%), не имеющий гибкости малого бизнеса и ресурсов крупных корпораций. Это приводит к удлинению процесса найма и использованию новых методов поиска сотрудников. Рынок труда в России столкнулся с парадоксом: исторически низкая безработица при рекордно высокой загрузке производств. Это порождает острую нехватку персонала, в первую очередь рабочих и сервисных специальностей.

✅Зарплатная гонка
Компании повышают зарплаты, иногда до 40% в год — об этом заявили 15% респондентов. Это приводит к конкуренции не только между целыми отраслями. Крупный бизнес (21%) сильнее отмечает этот тренд, имея больше ресурсов для аналитики и повышения оплаты труда, в отличие от среднего (14%) и малого (6%) бизнеса. За 10 месяцев 2024 года медианные зарплаты в России выросли на 17%, достигнув ₽70 тыс. (ожидания кандидатов) и ₽71 тыс. (предложения работодателей).

✅Неадекватные зарплатные ожидания
Зарплатные ожидания кандидатов становятся проблемой для каждой седьмой компании. Это касается начинающих специалистов, чьи амбиции по зарплате значительно превышают их реальный опыт и квалификацию. Остро несоответствие квалификации и зарплатных запросов ощущается в малом бизнесе (25% опрошенных). Малый бизнес имеет ограниченные возможности для конкуренции по зарплатам и не может вкладывать ресурсы в обучение новичков. В среднем бизнесе эта проблема у 12% работодателей, а в крупном — всего 9%.

✅Возросший отток персонала
По итогам опроса 11% работодателей отметили увеличившуюся текучесть кадров на всех этапах жизненного цикла сотрудников. Молодые могут уволиться одним днем еще на испытательном сроке. Работу меняют «старички», которые прошли с компанией через несколько кризисов. Реже остальных на отток персонала жалуются компании малого бизнеса (7%). Это объясняется меньшей численностью штата и более тщательным подбором кадров. Средний и крупный бизнес указывает на эту проблему почти в два раза чаще: 13 и 12% соответственно.

✅Снижение мотивации работать
Рост зарплат и конкуренция сопровождаются снижением мотивации сотрудников (заявили 9% респондентов). Кандидаты медленнее откликаются на предложения, действующие сотрудники теряют интерес к развитию. Это особенно заметно среди представителей поколения Z. Малый бизнес (15%) чаще всех отмечает проблемы с мотивацией, в то время как средний бизнес (4%) и крупные компании (11%) сталкиваются с этим менее часто.

РБК

Студенты США имеют лучше знания в области компьютерных наук, чем студенты России, Китая и Индии

Это специальная программа Стенфордского универа, тщательно отбирали вузы, пот студентов

Отобранные студенты последнего курса из четырех стран прошли двухчасовой компьютерный стандартизированный экзамен по CS из серии тестов "Major Field Test", разработанных Educational Testing Service (ETS). Экзамен оценивает, насколько хорошо студенты последнего курса по CS владеют концепциями, принципами и знаниями в области CS. Он состоит из 66 вопросов с множественным выбором.Фактически, в нем используется псевдокод, который должен быть легко понятен студентам по CS независимо от программы или страны. Области содержания экзамена включают дискретные структуры, программирование, алгоритмы и сложность, системы, программную инженерию, управление информацией и "другие"
В общей сложности экзамен сдали 678 студентов из Китая (119 из элитных программ), 364 студента из Индии (71 из элитных программ) и 551 студент из России (116 из элитных программ).

Источник

Опросник для выявления драйверов участия в корпоративных соцсетях

Даю предельно общий шаблон оценки вовлеченности в корпоративные сети - понять портрет и драйверы - с тем, чтобы выдать рекомендации по вовлечению. Это такой кусочек изучения пользовательского опыта сотрудников.

Блок 1. Общая информация
Укажите ваш возраст:
( ) до 25 лет
( ) 25–34
( ) 35–44
( ) 45–54
( ) 55 и старше

Ваш стаж работы в компании:
( ) менее 1 года
( ) 1–3 года
( ) 3–5 лет
( ) более 5 лет

Ваш департамент / подразделение: __________

Должность:
( ) Специалист / исполнитель
( ) Руководитель группы / отдела
( ) Менеджер среднего звена
( ) Топ-менеджер

Блок 2. Участие в корпоративных соцсетях
Состоите ли вы в официальных корпоративных группах компании в соцсетях (например, Telegram, VK, Workplace и т.д.)?
( ) Да
( ) Нет

Как часто вы взаимодействуете с контентом в этих группах?
( ) Никогда
( ) Редко (1-2 раза в месяц)
( ) Иногда (еженедельно)
( ) Часто (несколько раз в неделю)
( ) Очень активно (ежедневно)

Какие типы активности вам ближе? (можно выбрать несколько)
[ ] Читаю посты
[ ] Лайкаю/реагирую
[ ] Комментирую
[ ] Публикую сам(а) контент
[ ] Участвую в обсуждениях и опросах
[ ] Не взаимодействую

Блок 3. Личностные характеристики (Big Five mini)
(по шкале от 1 до 5: 1 – совсем не про меня, 5 – полностью про меня)

Мне нравится общаться с коллегами и заводить новые знакомства.
Я легко поддерживаю беседу в любой компании.
Я люблю работать в команде и чувствовать себя частью коллектива.
Мне комфортнее работать самостоятельно, чем в группе. (обратная шкала)
Я чувствую ответственность за общие цели компании.
Блок 4. Восприятие корпоративной культуры
(1 – полностью не согласен, 5 – полностью согласен)

У нас в компании поощряют открытое общение и дележку знаниями.
Руководители положительно относятся к участию в корпоративных соцсетях.
Я чувствую себя частью корпоративного сообщества.
Коммуникация внутри компании строится прозрачно и доступно для всех.
Блок 5. Мотивация
Почему вы участвуете / не участвуете в корпоративных группах?
(выберите все подходящие)
[ ] Интерес к новостям компании
[ ] Желание быть в курсе изменений
[ ] Поддержка со стороны коллег и руководителя
[ ] Возможность проявить себя
[ ] Страх упустить важную информацию
[ ] Участие не требуется / нет интереса
[ ] Нет времени
[ ] Другое (укажите): ___________
Блок 6. Digital-ориентированность
Насколько комфортно вы используете цифровые каналы и соцсети в повседневной жизни?
( ) Очень некомфортно
( ) Скорее некомфортно
( ) Нейтрально
( ) Скорее комфортно
( ) Очень комфортно

В каких соцсетях вы активны чаще всего?
[ ] Telegram
[ ] VK
[ ] WhatsApp
[ ] Workplace / Teams
[ ] Facebook
[ ] Другое: ___________

Бонус: Оценка вовлеченности
Насколько вы вовлечены в жизнь компании в целом?
(1 – совсем не вовлечен(а), 5 – полностью вовлечен(а))

Как правильно "продавать" проект.

Сериал "Силиконовая долина"

АХТУНГ! Эту сцену вырезали онлайн-кинотеатры. Не рекомендую для людей, которые не любят неприличных шуток.

Это очень неприличная сцена, но очень смешная.

Удовлетворенность работой в России растет!

Напомню, что смотрю сейчас исследования Вышки - Мониторинг населения России. Исследователи опрашивают несколько тысяч человек. Важно: выборка репрезентируют состав населения России.

Так вот. На диаграмме результаты ответа на вопрос

Насколько Вы удовлетворены или не удовлетворены Вашей работой в целом?
Где 5 – Полностью удовлетворены, 1 – совсем не удовлетворены.

И даю срез по 2021 и 2023 годам.
По оси X - оценка удовлетворенности, а высота столбца означает число респондентов, выбравших тот или иной вариант.

Среднее значение удовлетворенности 2021 - 3, 81
2023 - 3, 92

Разница всего 0, 1 балла, но эти различия значимы!

Ожидали? Я - нет, считал, что в сравнении с 2021 мы сейчас менее удовлетворены.

Как объяснили бы результаты?

Эксперимент с ИИ в Procter & Gamble

Ученые из Гарварда, Пенсильвании провели эксперимент в Procter & Gamble, взяв 776 манагеров и поделив их рандомно на 4 группы (см. диаграмму):
1. Индивидуальная работа менеджера без ИИ
2. Команда без ИИ
3. Индивид с ИИ
4. Команда с ИИ

Результаты на диаграмме: по оси X - группы эксперимента, а по оси Y - баллы качества выполнения работы.

Красиво?

Аннотация исследования

Мы исследуем, как искусственный интеллект (ИИ) трансформирует ключевые аспекты сотрудничества — производительность, обмен опытом и социальное взаимодействие — с помощью предварительно зарегистрированного полевого эксперимента с участием 776 профессионалов компании Procter & Gamble, мирового лидера в производстве потребительских товаров. Работая над реальными задачами в области инноваций продуктов, участники были случайным образом распределены для работы либо с ИИ, либо без него, а также индивидуально или в командах с другим профессионалом в рамках разработки новых продуктов.

Наши результаты показывают, что ИИ значительно повышает производительность: индивидуумы, работающие с ИИ, достигли результатов, сопоставимых с результатами команд, работающих без ИИ, что демонстрирует, что ИИ может эффективно воспроизводить определенные преимущества человеческого сотрудничества.

Кроме того, ИИ разрушает функциональные барьеры. Без ИИ специалисты по исследованиям и разработкам (R&D) чаще предлагали технические решения, в то время как коммерческие специалисты склонялись к коммерчески ориентированным предложениям. Профессионалы, использующие ИИ, предлагали сбалансированные решения, независимо от их профессионального опыта.

Наконец, языковой интерфейс ИИ вызвал более позитивные эмоциональные реакции у участников, что позволяет предположить, что ИИ может частично выполнять социальную и мотивационную роль, традиционно отводимую человеческим коллегам.

Наши результаты свидетельствуют о том, что масштабное внедрение ИИ в интеллектуальной работе не только меняет производительность, но и то, как проявляются экспертные знания и социальные связи внутри команд, что заставляет организации переосмысливать саму структуру совместной работы.

Источник

ТГ канал HRtech

​​Семинар Введение в HR-аналитику, 17-18 апреля 2025 года

Назначил новые даты семинара на 17-18 апреля, офлайн, Москва

Это на самом деле вводный семинар для тех, кто хочет использовать Excel в HR-аналитике, автоматизировать рутинные операции и расчет показателей, создание отчетности. Для тех, кто хочет понимать азы использования матстатистики, расчета формул в Power Pivot и т.п.
Два плотных дня решения кейсов

SuperJob начал тестировать «аукционы» — работодатели смогут открыто «торговаться» за соискателя
Перебивать предложения других компаний — по зарплате и условиям.

✅SuperJob запустил пилот аукционной модели найма сотрудников на «ограниченную выборку», рассказала компания. Работодатели могут открыто «торговаться» и перебивать предложения своих конкурентов: повышая возможную зарплату или предлагая лучшие условия.
✅При повышении зарплатного предложения каждый шаг на аукционе составляет не менее 5% от оффера, ограничений по сумме шага нет. Например, если кандидату сделали предложение на 100 тысяч рублей, другой работодатель может перебить его суммой от 105 тысяч рублей и выше.
✅Кроме зарплаты компании могут выставить другие условия — например, гибкий или удалённый график работы, расширенный ДМС, программы обучения. Ограничений по количеству работодателей, которые участвуют в аукционе, нет.
✅Время аукциона устанавливает та сторона, которая его инициирует (соискатель или работодатель), обычно это три рабочих дня, уточнили в SuperJob: «Этого, как правило, достаточно для принятия решения». При этом кандидат может принять наиболее интересный ему оффер в любой момент, необязательно ждать окончания «торгов».

Аукционную модель запустили в тестовом режиме, и пока воспользоваться этой опцией могут лишь некоторые работодатели, представленные на платформе.

На самом сайте Суперджоба не нашел, но источники говорят о том, что новость от пресс службы компании исходит

Как думаете, взлетит?

Агентный ИИ: Следующий этап эволюции в подборе персонала?

Статья – даю ее, потому что она попала в несколько рейтингов статей по HR-аналитике

Резюме статьи:
1️⃣ Генеративный ИИ сегодня
✅Умные вопросы и ответы: Вы задаете вопрос, ИИ отвечает.
✅Генерация контента: Он пишет все, от электронных писем и постов в социальных сетях до кода.
✅Помощь в исследованиях: Он суммирует ключевые моменты, генерирует идеи и предлагает стратегии.


2️⃣Появление агентного ИИ
✅Проявляют инициативу: Они не просто ждут команд, а проактивно выполняют задачи.
✅Используют логику и стратегию: Они могут разбивать многошаговые процессы на этапы и расставлять приоритеты.
✅Интегрируются с инструментами и API: Они имеют доступ к различным системам, таким как ваша система отслеживания кандидатов (ATS), CRM или инструменты коммуникации.
✅Самоисправляются и итеративно улучшаются: Они учатся на ошибках или неполных данных и автоматически корректируют свой подход.


Представьте разницу в вашем рабочем процессе:
1️⃣Чат-бот может помочь вам составить персонализированное письмо для привлечения кандидатов.
2️⃣Агент ИИ может найти подходящих кандидатов, отправить им письма, отслеживать ответы и планировать следующие шаги — все без вашего постоянного контроля.

Телеграм канал HRtech

Слайд с HR-конференции.
Американской, если что)

Спикер - приверженец DEI - разнообразия и всего такого....

На слайде слова:

"Uniformity" (единообразие)

"Inequity" (несправедливость)

"Exclusion" (исключение)

Эти термины как бы характеризуют политику Трампа в оппозицию DEI.

Вот такие там конференции - это вам не покажут по телевизору, покажут только в нашем телеграм канале

Дорогой профессор Бабушкин или, почему модели прогноза оттока не работают

Помните историю про Иву?
Я рассказывал про стартап, цель которого была прогнозировать увольнение сотрудников? В том посте я рассказ причины неуспеха – почему, на мой взгляд, это не работает.
Сегодня продолжение истории. Раньше я активно крутился в западной тусовке, меня даже считали профессором, я вел переписку по предиктивным моделям, и однажды получил вот такое письмо.

Dear Professor Edward Babushkin,
I hope this email finds you well! My name is Fernando, I'm from Brazil and I currently work as an Attrition Evaluation and Prediction Data Scientist. My colleagues and I have found your blog and have benefited a lot from your ideas!
We have some fairly well performing models, but also an alarming issue nonetheless: even though our models perform well in train_test splitting, everytime we try and confront our predictions to what really happened (deploy in production), the predictions fail. If we try, for example, to use data from six months ago to predict what has happened today, our attrition precision and recall are always disturbingly low...
We suspect our issue lies in the ways our databases are built and in variable drifts, and we sincerely don't have any idea on how to solve this, or even whether trying to predict what has already happened simulating a model using past data makes any sense at all... Have you ever succeeded in such an analysis? Would you say that this kind of validation makes sense? If so, which format of database do you think would be best?
If you had any experience with a situation like this, it would be great if you could share with us any knowledge about how to build or organize a database in which such a validation is possible.

В первую очередь, публикую письмо (а таких писем было несколько), чтобы показать, каким крутым меня считали. Похвастаться. Во-вторых, это письмо показывает ситуацию, с которой сталкивался каждый, кто прогнозировал увольнения

even though our models perform well in train_test splitting, everytime we try and confront our predictions to what really happened (deploy in production), the predictions fail. If we try, for example, to use data from six months ago to predict what has happened today, our attrition precision and recall are always disturbingly low...

Модель может прекрасно работать на исторических данных, но как только мы начинаем прогнозировать новый период, модель падает. У меня есть только гипотезы на этот счет.
Никакая модель не учитывает внешние переменные. Даже если работник понял, что а) выгорел б) не готов работать с нынешним руководителем, даже если работник начал активно вести поиск работы, не факт, что уволится в отведенные ему моделью сроки. Чаще всего работник увольняется, когда он находит новое место работы, он не увольняется в никуда. А поиск новой работы это совсем другой процесс, чем модель выгорания и т.п.. И время поиска работы определяется факторами, которые не подвластны никакой модели оттока, более того, эта факторы чаще всего сильно переменчивы и определяются рынком труда – а это учесть совсем не просто. Кроме того, сотрудника могут схантить, когда он еще совсем не выгорел в компании, но ему предложат лучшие условия – и модель опять выстрелит в холостую.
Исторические данные хороши, потому что модель подгоняется под полученные данные в определенном периоде
Поэтому – дата увольнения – это на мой взгляд – компромисс между двумя процессами – выгоранием и поиском нового места, а любая модель оттока описывает только один из них. Ну как-то так...

Телеграм канал HRtech

Наш HRtech проект

идеальный пример фронтенда и бэкенда.

У Вас в компании не так?

На Форуме Труда в СПб сегодня была сессия молодежных стартапов в HR.
Я даю список, что запомнил:
1⃣ голосовой ассистент. Общается с кандидатами
2⃣ бот профориентатор
3⃣ бот с базой резюме: т.е через бота обращаешься к базе резюме
4⃣ коучинговый стартап- автоматизация коучинга
5⃣ автоматизация психологического тестирования
6⃣система создания контента- например, размещение коротких видео инструкций
7⃣ корпоративное коммюнити

Ну т.е я не увидел особой новизны идей, но некоторые стартапы уже имеют кучу клиентов

ИИ-энтузиаст собрал 100 нейронок на все случаи жизни

делюсь

ТГ канал HRtech

🔧 Новые роли в мире ИИ: кто нужен бизнесу уже сейчас?

Gartner опубликовали обзор ключевых и "всплывающих" ролей в сфере искусственного интеллекта. Если раньше мы говорили о “Data Scientist” и “ML-инженерах”, то сегодня на сцену выходят десятки новых профессий — и HR стоит держать руку на пульсе. Вот что важно знать 👇

🧠 AI-архитектор, этик и переводчик данных
Роли, которые соединяют бизнес, технологии и этику. Это те, кто умеет задать вектор развития ИИ-инициативы и не потеряться между алгоритмами и законами.

🛠 Маст-хэвы (оранжевые точки на графике):

ML-инженер

Data Engineer

Prompt Engineer

Head of AI

AI Ethicist

Knowledge Engineer
Это не “будущее”, это уже “позавчера надо было нанять”.

🌀 Внизу графика — цикл жизни AI-продукта. От подготовки данных до валидации моделей и их внедрения. В каждой точке — конкретная роль: от Data Scientist до Software Engineer.

Китай официально вступил в эпоху летающих такси

Не совсем HRtech, но, думаю, простите.

Уже 2 китайские компании получили разрешение на коммерческую эксплуатацию автономных пассажирских дронов от CAAC — администрации гражданской авиации Китая.

Перепрыгнули в 2125-й

ПыСы. Поставьте плиз лайки / дислайки, если считаете, что такому место / не место в канале

Конец традиционного найма? Добро пожаловать на рынок талантов с ИИ
мне показались очень интересными и в будущем реализуемыми идеи
Далее цитирую почти всю статью:

Вместо эпизодического найма появится динамическая система, где ИИ в реальном времени:

1️⃣отслеживает, какие навыки нужны компании,
2️⃣автоматически подбирает подходящих кандидатов (сотрудников, фрилансеров, бывших коллег),
3️⃣предлагает их менеджерам до того, как возникнет запрос.

✅Как это будет работать?
Допустим, вам срочно нужен копирайтер. Вы не публикуете вакансию — открываете «маркетплейс талантов». Система показывает:

1️⃣внутренних сотрудников, которые скоро освободятся,
2️⃣проверенных внешних специалистов,
3️⃣их рейтинг, стоимость, доступность и актуальные навыки.
4️⃣Вы выбираете → человек приступает к работе. Без объявлений, поиска и задержек.

✅Как изменится работа?
Гибкость вместо фиксированных ролей
Сотрудники будут переходить между проектами, отделами и даже компаниями. Пример: во время пандемии Hilton и Marriott временно отправляли персонал в CVS и Walgreens.
«Карьерный агент» на основе ИИ
Приложение будет анализировать ваши цели, навыки и предпочтения, предлагая:
проекты для роста (например, роль с меньшей оплатой, но полезным опытом),
высокооплачиваемые, но менее интересные задачи.
Талант станет «ликвидным»
Работа разобьётся на модули, а карьера превратится в динамичный трек развития.

✅Что будет с рекрутингом?
Рекрутеры не исчезнут, но их роль изменится:
1️⃣Стратеги маркетплейса — прогнозируют спрос на навыки и управляют «цепочками поставок» талантов.
2️⃣Карьерные агенты — помогают сотрудникам выбирать проекты (ИИ берёт на себя поиск).
3️⃣Кураторы нишевых пулов — например, эксперты по топ-200 копирайтерам Чикаго.

И это не такое уж далекое будущее - например, внутренние маркетплейсы уже реализуются

Таблица умножения
Честно признаюсь, стибрил этот текст у чувака с фото - это его профиль в Твиттере. Но текст мне так понравился, что даю без правок, полностью

Только что провел увлекательный обед с 22-летним выпускником Стэнфорда. Умный парень. Идеальное резюме. Но что-то не так.

Он все время останавливался на полуслове, подыскивая слова. Не сложные слова — простые. Как будто его мозг буферизировал.

Наконец спросил, все ли с ним в порядке. Его ответ меня сразил.

«Иногда я теперь забываю слова. Я настолько привык, что ChatGPT дополняет мои мысли, что когда его нет, мой мозг работает... медленнее».

Он использовал ИИ для всего. Письма, мышления, общения. Он стал его внешним мозгом. А теперь его внутренний мозг слабел.

Заставил меня задуматься о калькуляторах. Помните, как учителя говорили, что нам нужно учить математику, потому что "у вас не всегда будет калькулятор"? Они ошибались.

Но, возможно, они были правы в чем-то более глубоком.

Мы проводим первый масштабный эксперимент по человеческому познанию. Что происходит, когда целое поколение отдает свое мышление на аутсорсинг?

Не поймите меня неправильно, я в таком же восторге от того, что искусственный интеллект и агенты искусственного интеллекта сделают для людей, как и в 2009 году, когда был запущен App Store.

Но если подумать вслух, то можно подумать, что этот парень, с которым я встретился, не единственный, кто будет полностью зависеть от ИИ.

Телеграм канал HRtech

Очередная встреча HR-аналитиков.

Уже пятая по счету. Сегодня мы встречались с командой HRаналитики Егора Павловского из ECOM - это группа компаний Сбера - Самокат, Купер, Сберлогистика и т.п.
Кусок навряд ли будет информативным, записал уже конец, но дух встречи передает