Кластеры в регионах: есть ли будущее?

Особенности кластерного развития в России

В европейских странах кластерная политика реализуется при поддержке различных структур, работающих при министерствах. Их может быть от одной до трех, например, в Германии и Финляндии за формирование и реализацию кластеров отвечают сразу три министерства. Швейцария – одна из богатых стран мира – также развивается в тенденциях кластеров, при этом правительство государства не принимает каких-то программ, видя свою цель в создании благоприятной бизнес-среды и обеспечении политической стабильности.

В 2012 году о реализации кластерной политики заявило правительство России, а сама Стратегия инновационного развития рассчитана до 2020 года. Тогда же были утверждены пилотные инновационные территориальные формирования. В списке – 25 инновационных кластеров, расположенных в разных субъектах РФ и ориентированных на отрасли, которые в будущем могли бы стабильно развиваться в этих регионах. Они отбирались на конкурсной основе. Для формирования кластеров требовалось соблюдение следующих критериев:

• научно-технологический и образовательный потенциал,
• производственный потенциал,
• соответствие стандартам качества жизни и уровня развития инфраструктуры (транспортной, инженерной, жилищной, энергетической),
• организационное развитие кластера.

Также обращалось внимание на запланированные мероприятия и степень их эффективности. В итоге инновационные кластеры стали появляться в таких федеральных округах, как Северо-Западный, Уральский, Центральный, Сибирский, Дальневосточный и Приволжский

Причем в каждом регионе у кластеров свой профиль. Например, в Санкт-Петербурге основной акцент делается на медицинской и фармацевтической промышленности, в Ульяновской области – на ядерно-инновационной, а в Новосибирской – на информационных и биофармацевтических технологиях.

Clara

Следующий шаг к улучшению масштабируемости k-medoids — это довольно известная модификация PAM, называемая clara. Из исходного графа случайным образом выбирается подмножество вершин, и кластеризуется подграф, образованный этими вершинами. Затем (в предположении связности графа) оставшиеся вершины просто распределяются по ближайшим медоидам из подграфа. Вся соль clara состоит в последовательном прогоне алгоритма на разных подмножествах вершин и выборе наиболее оптимального из результатов. За счет этого предполагается компенсировать ущерб от исключения части информации при каждом отдельном прогоне, а также избежать застревания в локальном минимуме. В качестве меры оптимальности при выборе результата мы использовали модулярность. Можно придумать много хитрых способов вычленения подграфа на первом этапе, но мы использовали несколько простейших:

1. Случайным выбором вершин с равной вероятностью;
2. С вероятностью, пропорциональной степени вершины в исходном графе;
3. Всегда выбирать фиксированное количество вершин с наибольшей степенью, а недостающие вершины — случайно с равной вероятностью;
4. Выбирать пары вершин с мерой Жаккарда между ними выше порога, а недостающее с равной вероятностью (либо ползти по соседям).

Все способы показали приблизительно одинаковое качество кластеров по популярной метрике WTF, которая равна числу возгласов «What the fuck?» при визуальном просмотре состава кластеров (например, при попадании в один кластер форума ВДВ и сайта cosmo.ru).

Выбор объёма подвыборки для clara также представляет собой компромисс между качеством и скоростью. Чем больше кластеров присутствует в данных, тем меньше наши возможности для семплинга: некоторые кластеры могут просто не попасть в выборку. Если разница в размерах кластеров большая, то такой подход вообще противопоказан. Если же структура более-менее равномерная, то мы рекомендуем семплировать узлов — половину графа. Мы пришли к этому соотношению, руководствуясь метрикой WTF. Когда имеешь дело с обучением без учителя, данная метрика, зачастую, полезнее всех.

По всей видимости, clara изначально предназначался для уменьшения времени выполнения алгоритмов кластеризации, чья вычислительная сложность растет быстрее, чем число вершин (когда прогнать несколько раз на подграфе быстрее, чем один раз на полном графе). Поэтому польза clara при использовании улучшенной эвристики (линейная сложность) резко падает. Однако мы нашли другое применение clara: ансамблевый подход, о котором речь пойдет позже.

3. Социальные аспекты урбанизации

Урбанизация имеет также значительные социальные последствия для китайского общества. Рассмотрим некоторые из них:

3.1 Миграция и социальная мобильность

Урбанизация приводит к массовой миграции населения из сельской местности в города. В результате многие люди получают доступ к лучшим возможностям образования, здравоохранения и трудоустройства. Это способствует социальной мобильности и улучшению качества жизни.

3.2 Проблемы социального неравенства

Однако, урбанизация также приводит к возникновению проблем социального неравенства. Многие мигранты из сельской местности сталкиваются с трудностями в интеграции в городскую среду и доступе к социальным услугам. Это создает разрыв между богатыми и бедными слоями населения.

Локальное прореживание (L-Spar)

Следующий шаг называется L-Spar (от local sparsification), и он подробно описан здесь. Это метод предобработки графа перед кластеризацией. Он «прореживает» граф путем удаления части ребер (но не узлов!), не разрушая, как правило, его связность.

Чтобы реализовать этот шаг, нужно знать степень «схожести» между двумя любыми узлами. Так как нам потребуется схожесть на каждой итерации k-medoids, мы решили считать заранее матрицу схожести и сохранять ее на диск. В качестве меры схожести была использована мера Жаккарда, с которой вы, скорее всего, уже встречались:

где — это множество соседей узла .

Алгоритм L-Spar очень прост. Сначала для каждого узла все его ребра отсортировываются в порядке убывания , после чего хвост списка включается в множество для фильтрации. Каждая следующая вершина дает свое множество ребер для фильтрации, которое объединяется с уже существующим. Когда каждая вершина обработана, все ребра из полученного множества удаляются из графа. Авторы метода предлагают включать в список «выживших» ребер, где — степень узла , а — степень от 0 до 1. Если ребро попало в список «выживших» для хотя бы одного из своих узлов, оно «выживает». Таким образом, не образуется новых изолированных узлов, и, если исходный граф был связным, разреженный с большой вероятностью останется связным.

Доказано, что при этом сохраняется степенной закон распределения степеней в графе, приводящий к феномену «тесного мира» или «small world», когда кратчайший путь между двумя узлами в среднем имеет очень маленькую длину. Это свойство присуще большинству сетей, порожденных человеком, и L-Spar не рушит его.

L-Spar обладает важным преимуществом перед, например, обрубанием всех ребер с ниже определенного порога, одного и того же на всем графе. А именно, при последнем методе в более разреженных кластерах удалятся практически все ребра, тогда как самые плотные сообщества останутся почти нетронутыми. В то же время, степень прорежения в L-Spar зависит от плотности графа в непосредственной близости от узла и сохраняет структуру как плотных, так и разреженных сообществ.

Данный метод предобработки графа, естественно, можно использовать при любом методе кластеризации. Самый большой эффект может быть достигнут для алгоритмов, чья сложность зависит только от числа ребер, но не узлов, так как сокращается только число ребер. В этом плане k-medoids не повезло: его сложность зависит только от числа узлов, однако при более отчетливой структуре сообществ может уменьшиться число итераций, необходимых для сходимости. Если sparsification удаляет «шумные» ребра, то можно ожидать более отчетливой структуры сообществ, а значит, и уменьшения числа итераций. Эту гипотезу подтвердили эксперименты авторов этого метода, но не подтвердили наши эксперименты.

В нашем графе доменов «шумных» рёбер нет, так как слабые аффинити между вершинами были заранее отфильтрованы. Если кластеры плохо выделяются визуально, они плохо выделяются и в данных. Поэтому для наших графов число итераций k-medoids не зависит от степени прорежения. При нет никакого эффекта на время выполнения ни при 1200, ни при 10000 доменов. Более того, при использовании k-medoids возникает негативный побочный эффект: чем ниже плотность графа, тем выше вероятность, что у конкретного узла будет нулевая схожесть по мере Жаккарда со всеми медоидами. Это усугубляется относительно небольшим количеством самих медоидов, то есть кластеров. Поэтому L-Spar было решено не использовать перед прогоном k-medoids (впрочем, он может быть чрезвычайно полезен для других алгоритмов).

Стоит отметить еще одно свойство L-Spar, которое мы использовали вовсю: улучшение читабельности картинки. Из-за радикального снижения числа ребер теперь, возможно, удастся лучше визуализировать Волосяные Шары социальных сетей и показывать сообщества на них. Пример такой визуализации был приведен в предыдущей части данного поста, где был граф из 1285 веб-доменов после применения L-Spar и до него.

Выбор размера нод

Что ж, выбор зависит от множества факторов, как всегда! Истина где-то посередине и не стоит выбирать ни одну из крайностей.

Вот несколько правил, которым я следую, и для меня они работают отлично. Вам нужно ответить на вопросы ниже, чтобы найти свой оптимальный размер.

Какой тип приложений вы запускаете?

Вы запускаете микросервисы из множества контейнеров, которые занимают мало места, или несколько монолитов, требующих гигабайты оперативной памяти и целые ядра CPU? Базы данных? Или все вместе?

Можно ли объединить приложения в группы?

Для смешанных окружений, можете ли вы разделить приложения по категориям? Например, если вы запускаете микросервисное приложение, которое работает с БД MySQL, вы разделяете его компоненты на группы приложений и баз данных. Аналогично, если вы запускаете вместе и монолиты и микросервисы, как ELK стек для мониторинга кластера, вы можете разместить его компоненты по разным группам. Для простоты я назвал только три категории, но вы можете создать столько, сколько хотите.

Максимальное количество ресурсов для каждой категории

Если вы можете сгруппировать приложения по категориям, то после этого вам нужно понять сколько максимум ресурсов может потребоваться на одно приложение из каждой категории. Например, если вы запускаете микросервисы, монолиты и БД в кластере, вам нужно взять максимальные затраты на один инстанс БД, микросервис или монолит.

Посчитать количество приложений в каждой категории

Следующий шаг это найти планируемое количество приложений в каждой из категорий. У вас может быть, например, 8 БД MySQL, 200 микросервисов и 9 монолитов. Запишите их. Не перебарщивайте. Kubernetes спроектирован для масштабирования и вы всегда можете использовать автоматическое масштабирование кластера у некоторых провайдеров. Либо, вы можете добавить ноду вручную позже.

Поместите каждую категорию в отдельный пул нод

Лучший способ оптимизировать ноды это создать пул нод под каждую категорию. Большинство Kubernetes кластеров работают с различными пулами нод и разнородные ноды можно подключать к самостоятельно управляемым кластерам.

Заложите отказоустойчивость

Нужно иметь минимум две ноды в каждом пуле для достижения отказоустойчивости. Kubernetes рекомендует максимум 110 контейнеров на ноду. Так же есть ещё системные контейнеры, которые запущены на нодах, так что имейте это ввиду.

Может вам придется согласовать это значение с вашим облачным провайдером, так как  они могут предоставлять разного уровня жесткости ограничения на количество подов, запущенных на ноде. Идея в том, что бы не вылезать за лимит.

Подгоните свои ноды под контейнеры для оптимального управления ресурсами

Если мы ожидаем падение одной ноды за раз, то должны заложить избыток ресурсов на каждой ноде так, чтобы при падении на них могли переехать ресурсы с упавшей ноды.

Подгоните ваши контейнеры и ноды для лучшего возможного управления ресурсами. Например, если у нас есть 20 контейнеров, лучше всего будет распределить по 4 пода на одну ноду, тогда нам нужно иметь в запасе 20% ресурсов на каждой ноде, вместо 100% как если бы у нас было всего 2 ноды.

Как я пришел к этой цифре? Просто возьмите квадратный корень от количества контейнеров и округлите в меньшую сторону. Это даст вам максимальное количество контейнеров, которое должно быть у вас на ноде.

Учтите нагрузку от самого Kubernetes

Учтите тот факт, что системные компоненты Kubernetes так же будут потреблять какое-то количество CPU и памяти на каждой ноде, поэтому на самом деле вам будет доступно меньше ресурсов, чем есть на ноде. Уточните эти параметры у вашего облачного провайдера и добавьте к ресурсам ноды.

NbClust

NbClustПакет предоставляет 30 индексов для определения соответствующего количества кластеров и предлагает пользователям наилучшую схему кластеризации из различных результатов, полученных путем варьирования всех комбинаций количества кластеров, расстояний и методов кластеризации.

res.nbclust <- NbClust(mammals_scaled, distance = "euclidean",                  min.nc = 2, max.nc = 9,                   method = "complete", index ="all")factoextra::fviz_nbclust(res.nbclust) + theme_minimal() + ggtitle("NbClust's optimal number of clusters")

Это говорит о том, что оптимальное количество кластеров — 3.

Cookie файлы бывают различных типов:

Необходимые. Эти файлы нужны для обеспечения правильной работы сайта, использования его функций. Отключение использования таких файлов приведет к падению производительности сайта, невозможности использовать его компоненты и сервисы.

Файлы cookie, относящиеся к производительности, эффективности и аналитике. Данные файлы позволяют анализировать взаимодействие посетителей с сайтом, оптимизировать содержание сайта, измерять эффективность рекламных кампаний, предоставляя информацию о количестве посетителей сайта, времени его использования, возникающих ошибках.

Рекламные файлы cookie определяют, какие сайты Вы посещали и как часто, какие ссылки Вы выбирали, что позволяет показывать Вам рекламные объявления, которые заинтересуют именно Вас.

Электронная почта. Мы также можем использовать технологии, позволяющие отслеживать, открывали ли вы, прочитали или переадресовывали определенные сообщения, отправленные нами на вашу электронную почту. Это необходимо, чтобы сделать наши средства коммуникации более полезными для пользователя. Если вы не желаете, чтобы мы получали сведения об этом, вам нужно аннулировать подписку посредством ссылки «Отписаться» («Unsubscribe»), находящейся внизу соответствующей электронной рассылки.

Сторонние веб-сервисы. Иногда на данном сайте мы используем сторонние веб-сервисы. Например, для отображения тех или иных элементов (изображения, видео, презентации и т. п.), организации опросов и т. п. Как и в случае с кнопками доступа к социальным сетям, мы не можем препятствовать сбору этими сайтами или внешними доменами информации о том, как вы используете содержание сайта.

Будущее социальных кластеров и их влияние

Социальные кластеры играют важную роль в современном обществе и будут продолжать оказывать значительное влияние в будущем.

Во-первых, социальные кластеры способствуют развитию экономики и инноваций. Кластеры, объединяющие предприятия из одной отрасли или смежных отраслей, способствуют обмену знаниями, опытом и технологиями между участниками. Это способствует повышению производительности и стимулирует разработку новых продуктов и услуг.

Во-вторых, социальные кластеры способствуют созданию благоприятных условий для развития общества. Кластеры в области образования, науки и культуры способствуют обмену знаниями, развитию творческого мышления и инноваций. Они создают условия для развития интеллектуального и культурного капитала общества, что повышает качество жизни людей и способствует их личностному росту.

В-третьих, социальные кластеры имеют потенциал для решения социальных проблем и повышения качества жизни. Кластеры, объединяющие организации и инициативы в сфере социального предпринимательства и благотворительности, способствуют сотрудничеству, ресурсам и опыту обмену. Это позволяет решать такие проблемы, как бедность, безработица, социальная и экономическая неравенство, а также способствует развитию социальной инфраструктуры и услуг.

В-четвертых, социальные кластеры играют важную роль в развитии туризма и привлечении инвестиций. Кластеры, объединяющие туристические предприятия и организации, способствуют совместному продвижению региона, развитию туристического продукта и привлечению туристов. Кроме того, кластерный подход позволяет создавать благоприятные условия для привлечения инвестиций и развития предпринимательства, что способствует экономическому росту и развитию региона.

В-пятых, социальные кластеры могут стать платформой для диалога, сотрудничества и разрешения конфликтов. Кластеры, объединяющие различные социальные и культурные группы, могут способствовать взаимопониманию, уважению и толерантности. Они создают условия для диалога и сотрудничества между участниками с разными мнениями и интересами, что способствует разрешению конфликтов и достижению компромиссов.

Таким образом, социальные кластеры имеют значительный потенциал для развития общества и будут играть важную роль в его будущем. Распознавая и поддерживая социальные кластеры, мы можем способствовать экономическому росту, инновациям, развитию общества и улучшению качества жизни.

Последствия для здоровья человека

5 ноября BBC News сообщила, что было обнаружено 12 случаев заражения людей вариантом кластера 5. Неделю спустя отчет ECDC по быстрой оценке риска показал, что произошло 214 случаев заболевания норками среди людей, однако некоторые из них, если таковые были, считаются дополнительными случаями, связанными со вспышкой кластера 5. Общее количество случаев заболевания людей, возможно, не превысило первоначально заявленных 12. К 20 ноября новых случаев заболевания людей штаммом Кластера 5 не было обнаружено, несмотря на широко распространенное генетическое секвенирование, в результате которого было выявлено 750 случаев, связанных с норкой, и было установлено, что Кластер 5 вариант больше не циркулировал у людей.

Урбанизация и качество жизни населения

Согласно «Национальному плану урбанизации нового типа» удельный вес постоянно проживающих в городах должен увеличиться до 60%, а численность населения с городской пропиской должна возрасти до 45% к 2020 г. На рисунке (1) представлен удельный вес городского населения в КНР в период 2006 – 2015 гг. В 2015 г. прирост населения в городах составил 1,33%. В период 2010 – 2015 гг. средний темп прироста составлял 1,23%. При сохранении темпов роста удельного веса городского населения к 2020 г. ожидается 61,02% горожан.

Рис. 1. Удельный вес городского населения в Китае 2006 – 2015 гг.

На рисунке (2) представлена диаграмма, указывающая численность населения с городской пропиской в Китае в период 2011 – 2015 гг. В 2015 г. на 2,8% увеличилось количество населения, имеющее регистрацию в городе. Необходимо отметить положительную динамику роста населения с городской пропиской. Коэффициент прироста за 2011 – 2015 гг. составляет 1,29%. Таким образом, даже при сохранении средних темпов роста населения с городской пропиской, можно прогнозировать достижение поставленной в «Национальном плане урбанизации новой типа» цели (45% населения с городской пропиской). Если учитывать снижение ограничений для получения городской прописки, которые указаны в тринадцатом пятилетнем плане, то, скорее всего, численность китайцев с городской регистрацией достигнет 50% и более.

 

Рис. 2. Численность населения с городской пропиской в Китае 2011 – 2015 гг.

Урбанизация в тринадцатом пятилетнем плане и «Национальном плане урбанизации нового типа» рассматривается руководством Китая как один из инструментов сокращения разрыва не только в доступности к социальным благам (образование, медицинское обслуживание и т.д.) между богатыми и бедными, городами и сёлами, но и в доходах. Урбанизация должна способствовать построению общества средней зажиточности, что означает увеличение доходов населения в 2020 г. в два раза по сравнению с 2010 г. В 2010 г. средний располагаемый доход жителей городов составлял 19109 юаней, в 2015 г. – 31790 юаней, а средний чистый доход сельского населения – 5919 юаней и 10772 юаней соответственно . К 2020 г., согласно теории о построении общества средней зажиточности, средний располагаемый доход в городе должен быть равным 38218 юаням (примерно 5580 долл. США), а средний чистый доход в сельской местности – 11838 юаням (примерно 1728 долл. США).

Одной из целей правительства КНР является повышение уровня жизни 55 млн. человек, которые на начало создания тринадцатого пятилетнего плана находились за чертой бедности, в течение пяти лет, что согласуется с задачей построения общества средней зажиточности к 2020 г. . В 2020 г. планируется достичь минимального уровня дохода сельских жителей, равного 2300 юаней (354 долл. США) .  В 2011 – 2014 гг. 95,5 млн. сельских жителей перешли черту бедности . Основной проблемой, с которой сталкиваются власти Китая в ходе борьбы с бедностью, является возвращение к прежнему достатку, что может быть объяснено рядом причин. К примеру, люди, участвующие в программе, оказываются в городах, где у них неодинаковые права с горожанами, затруднено получение городской прописки, семья не имеет возможности переехать вместе с мигрантом, нечестное поведение работодателя, который пользуется большим потоком дешёвой рабочей силы. Поэтому для повышения доходов населения и сокращения бедности необходимо проводить структурные реформы, а не заниматься единичными случаями.

В декабре 2016 г. заместитель президента Китайской академии социальных наук Ли Пэйлинь озвучил, что средний класс в Китае составляет 37,4% от всего населения . В 2016 г. уровень урбанизации оценивается в 57,35% , доля населения с городской пропиской равняется 41,2% .

Самая жадная эвристика

Поработав немного с этим алгоритмом, мы стали думать, как ускорить процесс, ибо кластеризовать граф из всего 1200 узлов на одной машине занимало несколько минут времени (для 10000 узлов — уже несколько часов). Одно из возможных улучшений состоит в том, чтобы сделать алгоритм еще более жадным, проводя поиск наилучшей замены только по одному кластеру, а ещё лучше — по маленькой доле точек внутри одного кластера. Последний вариант эвристики придает алгоритму следующий вид:

Простым языком, теперь мы ищем оптимальную замену не по всем вершинам графа, а по одному кластеру, причем перебираем не все вершины внутри этого кластера, а лишь из них. В этом случае сложность одной итерации будет , линейной по числу узлов. При этом , что радикально снижает вычислительную сложность, но не упадет ли качество кластеров при таком лихом упрощении? Есть статья, где приводится пример алгоритма, в котором имеется параметр с похожим на смыслом.

Оказывается, его снижение до 2 и даже до 1 практически не ухудшает различные метрики качества кластеров (например, модулярность). Поэтому мы решили взять (выбирать одну из двух точек внутри одного кластера), а прекращать процесс, если итераций подряд (StableSequence) текущий оптимум не меняется. В обычном PAM процесс обрывается после одной такой итерации. На практике это приводит к тому, что количество итераций при новой эвристике увеличивается в 10-20 раз, но это не компенсирует ускорения каждой итерации. В итоге данная модификация позволила снизить время кластеризации графа из 1209 узлов до 5.5 секунд, а из 10000 узлов — до 2-3 минут, что уже приемлемо, но всё ещё достаточно долго. Тем не менее, это самое главное усовершенствование алгоритма, после которого самым сложным шагом становится не сама кластеризация, а предобработка данных, в частности, вычисление попарных схожестей/расстояний между вершинами.

1. История урбанизации в Китае

Китай имеет богатую историю урбанизации, начиная с античности. Уже в древние времена китайские города развивались в центрах торговли, культуры и политической власти. Вплоть до XIX века, Китай оставался преимущественно сельской страной с небольшим количеством крупных городов. Однако, после реформ и открытия Китая в конце XX века, урбанизация страны начала стремительно расти.

1.1 Период реформ и открытия

В период реформ и открытия в Китае были предприняты значительные усилия для стимулирования урбанизации. Это включало в себя развитие специальных экономических зон, привлечение иностранных инвестиций и создание новых инфраструктурных проектов. Как результат, миллионы людей переехали в города в поисках лучшей жизни и работи.

1.2 Урбанизация в современном Китае

Современный период урбанизации в Китае характеризуется стремительным ростом городского населения и экономическим развитием. Многие крупные города, такие как Пекин, Шанхай и Гуанчжоу, стали мировыми экономическими и финансовыми центрами.

Уровни социального кластеризации

Социальный кластер может быть организован на разных уровнях общества. В зависимости от уровня социальной группы, кластер может быть маленьким и охватывать небольшое количество людей, либо большим, охватывающим несколько общественных сфер. Рассмотрим основные уровни социальной кластеризации:

1. Семейный кластер

Семейный кластер представляет собой группу людей, связанных близкими родственными узами. Это могут быть члены одной семьи, состоящей из родителей и детей, а также родственники, проживающие вместе или посещающие друг друга регулярно. Семейный кластер является основой для формирования других уровней социальной кластеризации.

2. Социальный кластер по интересам

Социальный кластер по интересам объединяет людей, имеющих общие интересы, хобби или увлечения. Это могут быть группы спортивных любителей, художников, музыкантов, путешественников и других людей, связанных общими интересами. Такой кластер позволяет людям обмениваться опытом, находить друзей среди единомышленников и развиваться в своей области.

3. Профессиональный кластер

Профессиональный кластер объединяет людей, занятых в определенной области профессиональной деятельности. Это могут быть работники одной компании, сотрудники определенной отрасли, специалисты в определенной области или члены профессиональных организаций. Такой кластер способствует обмену опытом, расширению профессиональных навыков и созданию благоприятного профессионального окружения.

4. Географический кластер

Географический кластер объединяет людей, проживающих в одной географической области. Это могут быть жители одного города, района, поселка или населенного пункта. Географический кластер способствует формированию общественных связей, соседства, развитию инфраструктуры и культурных ценностей в определенном регионе.

5. Этнический кластер

Этнический кластер объединяет людей, принадлежащих к одной этнической группе или национальности. Такой кластер может быть организован в рамках одного города, региона или даже страны. Этнический кластер способствует сохранению культурных традиций, языка, идентичности и солидарности между людьми, принадлежащими к одной этнической группе.

6. Отраслевой кластер

Отраслевой кластер объединяет компании, организации, работающие в определенной отрасли экономики. Это могут быть компании, занятые в производстве одного вида товаров или услуг, а также связанные компании, включающие весь цепочку производства и сбыта. Отраслевой кластер способствует развитию сотрудничества между компаниями, обмену знаниями и опытом, а также укреплению отраслевого потенциала.

Надо переставать быть обезьянами

— Кстати про «позицию наблюдателя». В 2019 году к вам в гости приезжал блогер Илья Варламов. Это как-то позволило сформировать массовое мнение о вашем продукте?

Варламов профессионально изучает скандинавский опыт туризма, и мне было важно понять, видит ли он какую-то перспективу в этом месте. Когда мы прочитали опубликованный материал, то получили вал свежей информации, отзывы, нам сразу стали видны слабые места, над которыми надо работать

Когда мы с ним разговаривали, он сказал: «Куда бы я ни приехал, мне сразу говорят, что у нас две главные ценности — это очень хорошие люди и очень красивая природа. И вот какая-то странная штука получается: когда очень хорошие люди встречаются с очень красивой природой, получается все время какое-то г***о». Это смешно с одной стороны, но с другой здорово мотивирует!

— Как вы считаете, ваш опыт реально использовать на подобных проектах в других регионах?

Мы заключили соглашение с Агентством стратегических инициатив, разрабатываем кейсы, чтобы наш опыт стал масштабируемым. Мы уже понимаем порядок действий, это только поначалу нам не все было очевидно, например, в тех же земельных вопросах. Мы даже получили опыт изменения правоприменительной практики.

Это как в истории с пятью обезьянами и бананом в клетке. Сначала их наказывают за то, что они пытаются этот банан достать, а потом по одной меняют каждую обезьяну на новую, причем «старые» дружно не дают «новой» взять банан. В итоге в клетке остаются обезьяны, которых никогда не наказывали за попытку взять банан, но которые при этом даже не пытаются до него дотянуться — потому что так тут заведено. Надо переставать быть обезьянами и мыслить по-новому. Тогда можно и туристический кластер построить!