Будь ласка, використовуйте цей ідентифікатор, щоб цитувати або посилатися на цей матеріал: http://elartu.tntu.edu.ua/handle/lib/37914
Назва: Використання технік інтелектуального аналізу даних для визначення рівня цифрової зрілості малих та середніх підприємств
Інші назви: Applying of data mining techniques for estimating of digital maturity level of small and middle companies
Автори: Гладьо, Ольга Юріївна
Hlado, Olha Yuriivna
Приналежність: ТНТУ ім. І. Пулюя, Факультет комп’ютерно-інформаційних систем і програмної інженерії, Кафедра комп’ютерних наук, м. Тернопіль, Україна
Бібліографічний опис: Гладьо О. Ю. Використання технік інтелектуального аналізу даних для визначення рівня цифрової зрілості малих та середніх підприємств : кваліфікаційна робота освітнього рівня «Магістр» «122 – Комп’ютерні науки» / О. Ю. Гладьо – Тернопіль : ТНТУ, 2022 – 124 c.
Дата публікації: 26-тра-2022
Дата подання: 12-тра-2022
Дата внесення: 27-тра-2022
Країна (код): UA
Місце видання, проведення: ТНТУ ім. І.Пулюя, ФІС, м. Тернопіль, Україна
Науковий керівник: Струтинська, Ірина Володимирівна
Члени комітету: Осухівська, Галина Михайлівна
УДК: 004.09
Теми: малі та середні підприємства
small and medium enterprises
кластеризація
clustering
аналіз даних
data analysis
HIT-індекс
HIT index
цифрова зрілість
digital maturity
Короткий огляд (реферат): Кваліфікаційну роботу присвячено кластеризації набору даних опитування підприємців Тернопільської області щодо рівня цифровізації бізнес-процесів у їхніх компаніях та аналізу отриманих результатів. У першому розділі роботи розглянуто загальні поняття аналізу даних і бізнес-аналітики, а також описано різного роду типи задач та методи їх вирішення. Другий розділ роботи присвячено детальному огляду поняття кластеризації та її підходам, методам, поняттям міри відстані та метрикам якості кластерів тощо. У третьому розділі описано розробку програмного забезпечення для виконання поставлених завдань, проведення кластеризації даних декількома способами, візуалізацію та аналіз отриманих результатів. Окрім цього, у роботі коротко розглянуто поняття індексу цифрової трансформації підприємства НІТ. Обґрунтовано вибір методів кластеризації та використовуваних мір відстані на основі наявного набору даних та виокремлено спільні характерні риси у проблематиці цифровізації малих та середніх підприємств. The qualification thesis is dedicated to the process of clustering of the data set based on surveying entrepreneurs of the Ternopil region on the question of business processes digitalization in their companies. In addition, this research work is devoted to the analysis of the received results. The first section of the work describes general concepts of data analysis and business analytics. In addition, various types of tasks and methods used to resolve them are discussed. The second section of the thesis is dedicated to a detailed review of the clustering problem, its methods and approaches, the idea of distance measure, quality metric and more. The development of specialized software aimed at performing tasks set for the work, including clustering of the given data set by a few methods, visualization and analysis of obtained results are described in the third section of qualification work. Besides this, a short consideration of the digital transformation index (HIT) is presented. The common features in the issue of digitalization of small and medium enterprises are also highlighted.
Зміст: ВСТУП 10 1 АНАЛІЗ ДАНИХ ЯК ІНСТРУМЕНТ ПІДВИЩЕННЯ ЕФЕКТИВНОСТІ БІЗНЕСУ 14 1.1 Ідентифікація концепцій щодо роботи з даними 15 1.2 Загальні підходи до аналізу даних 18 1.3 Підходи до видобутку даних 20 1.3.1 Задача кластерного аналізу 22 1.3.2 Задача класифікації 23 1.3.3 Задача регресійного аналізу 23 1.3.4 Задача на пошук асоціацій 24 1.3.5 Задача виявлення викидів 25 1.3.6 Задача когортного аналізу 25 1.3.7 Задача факторного аналізу 26 1.3.8 Задача аналізу часових рядів 26 1.4. Аналіз наукових праць щодо аналізу даниx 27 1.5 НІТ-індекс як методика визначення цифрової зрілості підприємства в Україні 30 1.6 Висновки до першого розділу 35 2 КЛАСТЕРИЗАЦІЯ ЯК ОДНА ІЗ ЗАДАЧ ВИДОБУТКУ ДАНИХ 36 2.1 Основні підходи та методи кластеризації даних 37 2.1.1 Кластеризація на основі зв’язків, ієрархічна кластеризація 38 2.1.2 Кластеризація на основі центроїдів. Алгоритм К-середніх 42 2.1.3 Кластеризація на основі щільності. Алгоритми DBSCAN та OPTICS 44 2.1.4 Кластеризація на основі розподілу. Алгоритм очікування-максимізації 47 2.1.5 Нечіткa кластеризація 48 2.1.6 Кластеризація середніх зсувів 50 2.1.7 Алгоритм Affinity Propagation – поширення спорідненості 51 2.2 Поняття міри відстані у кластеризації 53 2.2.1 Евклідова відстань 53 2.2.2 Косинусна подібність 54 2.2.3 Мангеттенська відстань 56 2.2.4 Відстань Геммінга 57 2.2.5 Відстань Чебишева 58 2.2.6 Відстань Міньковського 59 2.2.7 Індекс Жаккарда. Індекс Соренсена-Дайса 60 2.3 Поняття метрики якості кластеризації 62 2.3.1 Внутрішній підхід. Коефіцієнт Силуетта 63 2.3.2 Внутрішній підхід. Індекс Девіеса-Боулдіна 63 2.3.3 Внутрішній підхід. Індекс Данна 64 2.3.4 Зовнішній підхід. Індекс Ранда 65 2.3.5 Зовнішній підхід. Індекс Калінського-Харабаша 65 2.3.5 Зовнішній підхід. Чистота 66 2.3.6 Визначення оптимальної кількості кластерів. Метод Елбоу 66 2.4 Висновки до другого розділу 68 3 КЛАСТЕРИЗАЦІЯ МІКРО, МАЛИХ ТА СЕРЕДНІХ ПІДПРИЄМСТВ ТЕРНОПІЛЬСЬКОЇ ОБЛАСТІ ЗА РІВНЕМ ЇХ ЦИФРОВОЇ ЗРІЛОСТІ 69 3.1 Огляд набору даних, що використовується у роботі 70 3.2 Розробка програмного додатку для кластеризації підприємств 72 3.2.1 Функціональні можливості розробленої програми 74 3.2.2 Збереження інформації у базі даних 77 3.3 Програмна реалізація основних функцій розробленої програми 78 3.4 Кластеризація підприємств за рівнем цифрової трансформації 85 3.5 Висновки до третього розділу 98 4 ОХОРОНА ПРАЦІ ТА БЕЗПЕКА В НАДЗВИЧАЙНИХ СИТУАЦІЯХ 99 4.1 Аналіз регулятивних вимог щодо охорони праці у мікро, малих та середніх підприємствах в Україні та країнах Європи 99 4.1.1 Регулювання роботи служб з охорони праці в Україні 100 4.1.2 Регулювання роботи служб з охорони праці в країнах Європи 101 4.1.3 Порівняння регулятивних вимог щодо служб з охорони праці у деяких країнах Європи 103 4.2 Державна система моніторингу довкілля як складова частина національної інформаційної інфраструктури, сумісної з аналогічними системами інших країн 106 4.2.1 Системи моніторингу довкілля у країнах Європейського Союзу 110 4.3 Висновки до четвертого розділу 111 ВИСНОВКИ 113 ПЕРЕЛІК ВИКОРИСТАНИХ ДЖЕРЕЛ 114 ДОДАТКИ 125
URI (Уніфікований ідентифікатор ресурсу): http://elartu.tntu.edu.ua/handle/lib/37914
Власник авторського права: © Гладьо Ольга Юріївна, 2022
Перелік літератури: 1. СЛОВНИК УКРАЇНСЬКОЇ МОВИ ONLINE. ТОМИ 1-11 [Електронний ресурс] – Режим доступу до ресурсу: https://services.ulif.org.ua/expl/Entry/index. 2. Sarangam A. Data Mining vs Data Analysis – An Easy Guide In Just 3 Points [Електронний ресурс] / Ajay Sarangam // Jigsaw. – 2021. – Режим доступу до ресурсу: https://www.jigsawacademy.com/blogs/data-science/data-mining-vs-data-analysis/#Difference-between-data-mining-and-data-analysis. 3. Data mining [Електронний ресурс] // Вікіпедія - вільна енциклопедія – Режим доступу до ресурсу: https://en.wikipedia.org/wiki/Data_mining. 4. Business analysis [Електронний ресурс] // Вікіпедія - вільна енциклопедія – Режим доступу до ресурсу: https://en.wikipedia.org/wiki/ Business_analysis 5. Business intelligence [Електронний ресурс] // Вікіпедія - вільна енциклопедія – Режим доступу до ресурсу: https://en.wikipedia.org/wiki/ Business_intelligence. 6. Business Intelligence vs. Business Analytics: What's The Difference? [Електронний ресурс] // Tableau. – 2020. – Режим доступу до ресурсу: https://www.tableau.com/learn/articles/business-intelligence/bi-business-analytics. 8. Business Analytics vs. Data Analytics: Which is Better for Your Business? [Електронний ресурс] // Talend – Режим доступу до ресурсу: https://www.talend.com/resources/business-analytics-vs-data-analytics/. 9. What is Data Analysis - Data Analytics Trends and Objectives - Methods of Data Analysis [Електронний ресурс] // The Scientific World. – 2019. – Режим доступу до ресурсу: https://www.scientificworldinfo.com/2019/10/what-is-data-analysis-objectives-of-data-analysis-and-trends.html 10. Data Analysis: What, How, and Why to Do Data Analysis for Your Organization [Електронний ресурс] // Import.io. – 2019. – Режим доступу до ресурсу: https://www.import.io/post/business-data-analysis-what-how-why/. 11. Calzon B. Your Modern Business Guide To Data Analysis Methods And Techniques [Електронний ресурс] / Bernardita Calzon // DataPine. – 2021. – Режим доступу до ресурсу: https://www.datapine.com/blog/data-analysis-methods-and-techniques/. 12. Stevens E. The 7 Most Useful Data Analysis Methods and Techniques [Електронний ресурс] / Emily Stevens // CareerFoundry. – 2021. – Режим доступу до ресурсу: https://careerfoundry.com/en/blog/data-analytics/data-analysis-techni ques/. 13. 16 Data Mining Techniques: The Complete List [Електронний ресурс] // Talend – Режим доступу до ресурсу: https://www.talend.com/resources/data-mining-techniques/. 14. Asrani V. Top 11 Data Mining Techniques of 2021 [Електронний ресурс] / Vivek Asrani // Just Total Tech. – 2021. – Режим доступу до ресурсу: https://justtotaltech.com/data-mining-techniques/. 15. Rai A. An Overview of Association Rule Mining & its Applications [Електронний ресурс] / Abhinav Rai // upGrad blog. – 2019. – Режим доступу до ресурсу: https://www.upgrad.com/blog/association-rule-mining-an-overview-and-its-applications/. 16. Remanan S. Association Rule Mining [Електронний ресурс] / Surya Remanan // Towards. Data Science. – 2018. – Режим доступу до ресурсу: https://towardsdatascience.com/association-rule-mining-be4122fc1793. 17. Chen, Hsiu-chin & Chiang, Roger & Storey, Veda. (2012). Business Intelligence and Analytics: From Big Data to Big Impact. MIS Quarterly. 36. 1165-1188. 10.2307/41703503. 18. Kanit Wongsuphasawat, Yang Liu, and Jeffrey Heer. (2019). “Goals, Process, and Challenges of Exploratory Data Analysis: An Interview Study”. Cornell Univercity. arXiv:1911.00568 19. Joel Ashirwadam. (2014). Communication Research Methods Methods of Data Analysis. 20. Kabir, Syed Muhammad. (2016). METHODS OF DATA COLLECTION. 21. Young, Ryan & Wahlberg, Luke & Davis, Elaina & Abhari, Kaveh. (2020). Towards a Theory of Digital Entrepreneurship Mindset: The Role of Digital Learning Aptitude and Digital Literacy. 22. Bican, Peter M., and Alexander Brem. 2020. «Digital Business Model, Digital Transformation, Digital Entrepreneurship: Is There A Sustainable “Digital”?» Sustainability 12, no. 13: 5239. 10.3390/su12135239 23. Hemmert, Martin & Cross, Adam & Cheng, Ying & Kim, Jae-Jin & Kohlbacher, Florian & Kotosaka, Masahiro & Waldenberger, Franz & Zheng, Leven J.. (2019). The distinctiveness and diversity of entrepreneurial ecosystems in China, Japan, and South Korea: an exploratory analysis. Asian Business & Management. 18. 10.1057/s41291-019-00070-6. 24. Marcello M. Mariani & Samuel Fosso Wamba. (2020). Exploring how consumer goods companies innovate in the digital age: The role of big data analytics companies. Journal of Business Research. Volume 121, Pages 338-352. 25. Gavurová, Beáta & Belas, Jaroslav & Kotaskova, Anna & Cepel, Martin. (2018). Management of education concepts in the field of entrepreneurship of university students in the Czech Republic. Polish Journal of Management Studies. 17. 52-62. 10.17512/pjms.2018.17.2.05. 26. Sestino, Andrea. (2019). Business Development, Marketing Automation and Predictive Analysis: An Integration Perspective - An Overview Towards New Opportunities for Studying Consumer Behavior and Business Integration.. SSRN Electronic Journal. 10.2139/ssrn.3316759. 27. Zhao, Jia & Xue, Fei & Khan, Shahnawaz & Khatib, Saleh. (2021). Consumer behaviour analysis for business development. Aggression and Violent Behavior. 101591. 10.1016/j.avb.2021.101591. 28. Pan, Yang & Russell, Gary. (2018). CONVENIENCE STORE ANALYTICS: ANALYZING HABITUAL AND SITUATIONAL SHOPPING BEHAVIOR USING CONSUMER BASKET DATA. 10.13140/RG.2.2.16191.41120. 29. Manpreet Kaur & Shivani Kang. (2016). Market Basket Analysis: Identify the Changing Trends of Market Data Using Association Rule Mining. Procedia Computer Science. Volume 85. Pages 78-85. ISSN 1877-0509 30. Kronberger, Gabriel & Affenzeller, Michael. (2011). Market Basket Analysis of Retail Data: Supervised Learning Approach. 464-471. 10.1007/978-3-642-27549-4_59. 31. Kurniawan, Fachrul & Umayah, Binti & Hammad, Jehad & Nugroho, Supeno & Hariadi, Mohamad. (2017). Market Basket Analysis to Identify Customer Behaviours by Way of Transaction Data. Knowledge Engineering and Data Science. 1. 20. 10.17977/um018v1i12018p20-25. 32. Golic, Merisa & Zunic, Emir & Donko, Dzenana. (2019). Outlier detection in distribution companies business using real data set. IEEE EUROCON 2019 - 18th International Conference on Smart Technologies 1-5. Doi: 10.1109 /EUROCON.2019.8861526. 33. Chang, Mona & Yuan, Yuan & Yue, Qi & Mincheol, Han. (2020). A CNN Image Classification Analysis for 'Clean-Coast Detector' as Tourism Service Distribution. Seed Science and Technology. 18. 15-26. 10.15722/jds.17.12.20201.15. 34. Agapie, Alexandru, Cristian Vizitiu, Silvia E. Cristache, Marian Năstase, Liliana Crăciun, and Anca G. Molănescu (2018). «Analysis of Corporate Entrepreneurship in Public R&D Institutions» Sustainability 10, no. 7: 2297. https://doi.org/10.3390/su10072297 35. Wood, E.H. (2006), «The internal predictors of business performance in small firms: A logistic regression analysis», Journal of Small Business and Enterprise Development, Vol. 13 No. 3, pp. 441-453. https://doi.org/10.1108/ 14626000610680299 36. Urban, Marcia & Klemm, Martin & Plötner, Kay & Hornung, Mirko. (2018). Airline categorization by applying the business model canvas and clustering algorithms. Journal of Air Transport Management. 71. 10.1016/j.jairtraman.2018.04.005. 37. Sammour, George & Qabbaah, Hamzah & Vanhoof, Koen. (2019). DECISION TREE ANALYSIS TO IMPROVE E-MAIL MARKETING CAMPAIGNS. 26. 3-36. 38. Михайло Федоров: Цифровізація економіки дозволить досягти мінімум 4% додаткового зростання ВВП на рік [Електронний ресурс] // Прес-офіс Міністерства цифрової трансформації. – 2021. – Режим доступу до ресурсу: https://thedigital.gov.ua/news/mihajlo-fedorov-cifrovizaciya-ekonomiki-dozvolit-dosyagti-minimum-4-dodatkovogo-zrostannya-vvp-na-rik 39. I. Strutynska, L. Dmytrotsa, H. Kozbur, O. Hlado, P. Dudkin and O. Dudkina, «Development of Digital Platform to Identify and Monitor the Digital Business Transformation Index,» 2020 IEEE 15th International Conference on Computer Sciences and Information Technologies (CSIT), 2020, pp. 171-175, doi: 10.1109/CSIT49958.2020.9322016. 40. Iryna Strutynska, Lesia Dmytrotsa, Halyna Kozbur, Liliya Melnyk, Hlado Olha. «Developing Practical Recommendations for Increasing the Level of Digital Business Transformation Index.» In ICTERI Workshops, pp. 351-362. 2020. 41. I. Strutynska, L. Dmytrotsa, H. Kozbur, O. Hlado and O. Sorokivska, «Working-Out of Recommendation System to Increase the Digital Maturity Level of Enterprises», 2020 IEEE International Conference on Problems of Infocommunications. Science and Technology (PIC S&T), 2020, pp. 147-151, doi: 10.1109/PICST51311.2020.9467978 42. Струтинська І. В. «Цифрова трансформація як імператив інноваційного розвитку бізнес-структур» : дис. докт. ек. наук : 08.00.04 — Екон / Струтинська Ірина Володимирівна, 2020. – 487 с. 43. Iryna Strutynska, Lesia Dmytrotsa, Halyna Kozbur, Liliya Melnyk., 2020. System-Integrated Methodological Approach Development to Calculating the Digital Transformation Index of Businesses. In ICTERI (pp. 373-379). 44. Prasad S. Different Types of Clustering Methods and Applications [Електронний ресурс] / Sunit Prasad // Analytix Labs. – 2020. – Режим доступу до ресурсу: https://www.analytixlabs.co.in/blog/types-of-clustering-algorithms/. 45. Sharma R. What is Clustering and Different Types of Clustering Methods [Електронний ресурс] / Rohit Sharma // upGrad. – 2020. – Режим доступу до ресурсу: https://www.upgrad.com/blog/clustering-and-types-of-clustering-methods/. 46. Different Types of Clustering Algorithm [Електронний ресурс] // GeeksForGeeks. – 2021. – Режим доступу до ресурсу: https://www.geeksforgeeks.org/different-types-clustering-algorithm/. 47. Cluster analysis [Електронний ресурс] // Вікіпедія - вільна енциклопедія. – 2021. – Режим доступу до ресурсу: https://en.wikipedia.org/wiki/ Cluster_analysis. 48. Scikit-Learn. Machine learning in Python [Електронний ресурс] – Режим доступу до ресурсу: https://scikit-learn.org/stable/. 49. ML | Hierarchical clustering (Agglomerative and Divisive clustering) [Електронний ресурс] // GeeksForGeeks. – 2021. – Режим доступу до ресурсу: https://www.geeksforgeeks.org/ml-hierarchical-clustering-agglomerative-and-divisive-clustering/. 50. Seif G. The 5 Clustering Algorithms Data Scientists Need to Know [Електронний ресурс] / George Seig // Towards Data Science. – 2018. – Режим доступу до ресурсу: https://towardsdatascience.com/the-5-clustering-algorithms-data-scientists-need-to-know-a36d136ef68. 51. Srivignesh R. Overview of Clustering Algorithms [Електронний ресурс] / Rajan Srivignesh // Towards Data Science. – 2021. – Режим доступу до ресурсу: https://towardsdatascience.com/overview-of-clustering-algorithms-27e979e3724d. 52. Sinclair C. Clustering Using OPTICS [Електронний ресурс] / Colin Sinclair // Towards Data Science. – 2019. – Режим доступу до ресурсу: https://towardsdatascience.com/clustering-using-optics-cac1d10ed7a7. 53. Affinity Propagation in ML [Електронний ресурс] // GeeksForGeeks. – 2019. – Режим доступу до ресурсу: https://www.geeksforgeeks.org/affinity-propagation-in-ml-to-find-the-number-of-clusters/. 54. Malkin C. Affinity Propagation Algorithm Explained [Електронний ресурс] / Cory Malkin // Towards Data Science. – 2019. – Режим доступу до ресурсу: https://towardsdatascience.com/unsupervised-machine-learning-affinity-propagation-algorithm-explained-d1fef85f22c8. 55. Groothenforst M. 9 Distance Measures in Data Science [Електронний ресурс] / Maarten Grootendorst // Towards Data Science. – 2021. – Режим доступу до ресурсу: https://towardsdatascience.com/9-distance-measures-in-data-science-918109d069fa. 56. Subramanian N. Distance/Similarity Measures in Machine Learning [Електронний ресурс] / Niranjan Subramanian // AiAspirant. – 2019. – Режим доступу до ресурсу: https://aiaspirant.com/distance-similarity-measures-in-machine-learning. 57. Kumar A. Different Types of Distance Measures in Machine Learning [Електронний ресурс] / Ajjitesh Kumar // VitaFlux. – 2020. – Режим доступу до ресурсу: https://vitalflux.com/different-types-of-distance-measures-in-machine-learning. 58. Rizk N. Building Skills for Data Science [Електронний ресурс] / Nouhad Rizk // University of Houston. – Режим доступу до ресурсу: https://uhlibraries.pressbooks.pub/buildingskillsfordatascience/chapter/cluster-validity/. 59. Pathak M. Quick Guide to Evaluation Metrics for Supervised and Unsupervised Machine Learning [Електронний ресурс] / Manish Pathak // Analytics Vidhya. – 2020. – Режим доступу до ресурсу: https://www.analyticsvidhya. com/blog/2020/10/quick-guide-to-evaluation-metrics-for-supervised-and-unsupervised-machine-learning/. 60. Assessment Metrics for Clustering Algorithms. [Електронний ресурс] // Medium. – 2018. – Режим доступу до ресурсу: https://medium.com/ @ODSC/assessment-metrics-for-clustering-algorithms-4a902e00d92d. 61. Zuccarelli E. Performance Metrics in Machine Learning – Part 3: Clustering [Електронний ресурс] / Eugenio Zuccsrelli // Towards Data Science. – 2021. – Режим доступу до ресурсу: https://towardsdatascience.com/performance-metrics-in-machine-learning-part-3-clustering-d69550662dc6. 62. Calinski-Harabasz Index – Cluster Validity indices. Set 3 [Електронний ресурс] // GeeksForGeeks. – 2022. – Режим доступу до ресурсу: https:// www.geeksforgeeks.org/calinski-harabasz-index-cluster-validity-indices-set-3/. 63. Elbow Method for optimal value of k in KMeans [Електронний ресурс] // GeeksForGeeks. – 2021. – Режим доступу до ресурсу: https:// www.geeksforgeeks.org/elbow-method-for-optimal-value-of-k-in-kmeans/. 64. Elbow Method (clustering) [Електронний ресурс] // Вікіпедія – вільна енциклопедія. – 2022. – Режим доступу до ресурсу: https://en.wikipedia.org/wiki/Elbow_method_(clustering) 65. I. Strutynska, H. Kozbur, L. Dmytrotsa, I. Bodnarchuk and O. Hlado, «Small and Medium Business Structures Clustering Method Based on Their Digital Maturity», 2019 IEEE International Scientific-Practical Conference Problems of Infocommunications, Science and Technology (PIC S&T), 2019, pp. 278-282, doi: 10.1109/PICST47496.2019.9061464. 66. Iryna Strutynska, Halyna Kozbur, Lesia Dmytrotsa, Olha Hlado, Liliya Melnyk «Comparative Analysis of Two Approaches to the Clustering of Respondents (based on Survey Results).» In CMiGIN, pp. 434-446. 2019. 67. ЗАКОН УКРАЇНИ «Про охорону праці» №2694-12 [Електронний ресурс] // Верховна Рада України. Законодавство України. – 1992. – Режим доступу до ресурсу: https://zakon.rada.gov.ua/laws/show/2694-12#Text. 68. Господарський кодекс України №436-15 [Електронний ресурс] // Верховна Рада України. Законодавство України. – 2003. – Режим доступу до ресурсу: https://zakon.rada.gov.ua/laws/show/436-15#Text 69. ЗАКОН УКРАЇНИ «Про бухгалтерський облік та фінансову звітність в Україні» №996-14 [Електронний ресурс] // Верховна Рада України. Законодавство України. – 1999. – Режим доступу до ресурсу: https://zakon.rada.gov.ua/laws/show/ 996-14#Text. 70. Статистична інформація. Економічна статистика. Діяльність підприємств. Кількість підприємств за видами економічної діяльності з розподілом на великі, середні, малі та мікропідприємства. [Електронний ресурс] // Державна служба статистики України. — 2020. — Режим доступу до ресурсу: http://www.ukrstat.gov.ua/. 71. European Agency for Safety and Health at Work [Електронний ресурс] // Вікіпедія — вільна енциклопедія. – 2021. – Режим доступу до ресурсу: https://en.wikipedia.org/wiki/European_Agency_for_Safety_and_Health_at_Work. 72. Improving Safety and Health in Micro-, Small and Medium-Sized Enterprises: An overview of initiatives and delivery mechanisms [Електронний ресурс] // International Labor Organization. – 2020. – Режим доступу до ресурсу: https://www.ilo.org/wcmsp5/groups/public/---ed_dialogue/---lab_admin/ documents/publication/wcms_740304.pdf. 73. National Focal Points [Електронний ресурс] // EU-OSHA – Режим доступу до ресурсу: https://osha.europa.eu/en/about-eu-osha/national-focal-points/focal-points-index. 74. Fulton L. Health and safety representation in Europe. Labour Research Department and ETUI (online publication) [Електронний ресурс] / Fulton // Workers' Interest Group of the Advisory Committee for Safety and Health at Work (of the EU Commission). – 2018. – Режим доступу до ресурсу: https://www.worker-participation.eu/National-Industrial-Relations/Countries. 75. Закон про захист працівників №450/1994 [Електронний ресурс]. – 1994. – Режим доступу до ресурсу: https://www.ris.bka.gv.at/NormDokument. wxe?Abfrage=Bundesnormen&Gesetzesnummer=10008910&FassungVom=2022-04-04&Artikel=&Paragraf=0&Anlage=&Uebergangsrecht=. 76. Закон про працю № 226/2006 [Електронний ресурс]. – 2006. – Режим доступу до ресурсу: https://www.mpsv.cz/documents/ 625317/625915/Labour+Code.pdf/b1f02b8f-ece9-c898-cd4b-4d4f448538c3 77. Закон про охорону праці [Електронний ресурс]. – 1999. – Режим доступу до ресурсу: https://www.riigiteataja.ee/en/eli/ee/Riigikogu/act/ 505052017007 78. Закон про нагляд за безпекою та гігієною праці та співробітництво з охорони праці на робочому місці №20.1.2006/44 [Електронний ресурс]. – 2006. – Режим доступу до ресурсу: https://www.ilo.org/dyn/natlex/docs/ ELECTRONIC/73020/97077/F1539695710/ FIN73020.pdf 79. Закон про безпеку та здоров’я працівників №IX-1672 [Електронний ресурс]. – 2003. – Режим доступу до ресурсу: https://e-seimas.lrs.lt/portal/ legalAct/lt/TAD/TAIS.215253 80. Закон про безпеку та гігієну праці №319 [Електронний ресурс]. – 2006. – Режим доступу до ресурсу: https://legislatie.just.ro/Public/Detalii Document/73772 81. Кодекс законів про охорону здоров’я та безпеку людини №3850 [Електронний ресурс]. – 2010. – Режим доступу до ресурсу: https://www.e-forosimv.gr/details.asp?ID=5145 82. Закон про вжиття заходів з охорони праці для заохочення вдосконалення безпеки та охорони здоров'я працівників на виробництві [Електронний ресурс]. – 1996. – Режим доступу до ресурсу: https://www.gesetze -im-internet.de/englisch_arbschg/englisch_arbschg.html 83. Закон про безпеку, здоров'я та добробут на роботі №10/2005 [Електронний ресурс]. – 2005. – Режим доступу до ресурсу: https://www.irish statutebook.ie/eli/2005/act/10/enacted/en/print 84. ЗАКОН УКРАЇНИ «Про охорону навколишнього природного середовища» №1264-ХІІ [Електронний ресурс] // Верховна Рада України. Законодавство України. – 1991. – Режим доступу до ресурсу: https://zakon.rada.gov.ua/laws/ show/1264-12. 85. Постанова Кабінету Міністрів України «Про затвердження Положення про державну систему моніторингу довкілля» №391-98-п [Електронний ресурс] // Верховна Рада України. Законодавство України. – 1998. – Режим доступу до ресурсу: https://zakon.rada.gov.ua/laws/show/391-98. 86. Екологічний моніторинг довкілля [Електронний ресурс] // Міністерство захисту довкілля та природних ресурсів України. – 2017. – Режим доступу до ресурсу: https://mepr.gov.ua/content/ekologichniy-monitoring-dovkillya.html. 87. Implementation of Community environmental legislation [Електронний ресурс] // European Commission. – Режим доступу до ресурсу: https://ec.europa.eu/ environment/legal/implementation_en.htm 88. Monitoring and reporting of environment legislation [Електронний ресурс] // European Commission. – Режим доступу до ресурсу: https://ec.europa.eu/ environment/legal/reporting/products_en.htm
Тип вмісту: Master Thesis
Розташовується у зібраннях:122 — комп’ютерні науки

Файли цього матеріалу:
Файл Опис РозмірФормат 
Mag_2022_SNnm-61_Hlado_O_Yu.pdf4,93 MBAdobe PDFПереглянути/відкрити


Усі матеріали в архіві електронних ресурсів захищені авторським правом, всі права збережені.

Інструменти адміністратора