КОНЦЕПТУАЛЬНАЯ АРХИТЕКТУРА ОРГАНИЗАЦИИ СТАТИСТИЧЕСКОГО ИЗМЕРЕНИЯ КРАТКОСРОЧНОЙ ТУРИСТСКОЙ МОБИЛЬНОСТИ НА ОСНОВЕ РАЗНОРОДНЫХ ИСТОЧНИКОВ ДАННЫХ

A CONCEPTUAL ARCHITECTURE FOR STATISTICAL MEASUREMENT OF SHORT-TERM VISITOR MOBILITY USING HETEROGENEOUS DATA SOURCES

Vyacheslav Andreevich Laptev

Postgraduate Student in Regional and Sectoral Economics, Russian University of Cooperation,

 Russia, Moscow

АННОТАЦИЯ

Цель исследования состоит в разработке предметно-ориентированной концептуальной архитектуры организации статистического измерения краткосрочной туристской мобильности на основе разнородных источников данных. Краткосрочная туристская мобильность операционализируется как совокупность однодневных посещений и туристских поездок продолжительностью от одной до трех ночевок, совершаемых за пределами обычной среды посетителя. Методология объединяет системный и процессный подходы, классификацию, концептуальное моделирование и проблемно-ориентированный анализ международных стандартов, официальных методических документов и прикладных исследований. Сформирована модель объекта, включающая субъект мобильности, туристское событие, его пространственно-временную реализацию, экономические проявления и информационный контур. Определены информационные потребности и требования к данным; предложена процедура многокритериального профилирования контекстно зависимого информационного потенциала источника, включающая базовую порядковую шкалу и пороговое правило методологической пригодности. Разработанная архитектура объединяет концептуальный, информационно-методический и операционный уровни, внешнюю информационную среду и итерационный механизм обратной связи. Логика ее применения показана на иллюстративном сопоставлении источников для оценки однодневных посещений. Архитектура позволяет обосновывать выбор и интеграцию административных, коммерческих и цифровых ресурсов исходя из содержания измеряемого объекта.

ABSTRACT

The study develops a domain-specific conceptual architecture for organizing the statistical measurement of short-term visitor mobility using heterogeneous data sources. Short-term visitor mobility is operationalized as same-day visits and trips lasting one to three nights outside the visitor’s usual environment. The methodology combines systems and process approaches, classification, conceptual modeling, and a problem-oriented analysis of international standards, official methodological documents, and applied studies. The proposed object model includes the subject of mobility, a visitor-mobility event, its spatial and temporal realization, economic manifestations, and an information layer. The study identifies information needs and data requirements and proposes a multicriteria profiling procedure for the context-dependent information potential of a data source, including a basic ordinal scale and a threshold rule for methodological suitability. The architecture integrates conceptual, information-methodological, and operational levels, an external information environment, and an iterative feedback mechanism. Its application logic is illustrated by comparing data sources for measuring same-day visits. The architecture supports the selection and integration of administrative, commercial, and digital resources according to the content of the measured phenomenon rather than the structure of available data.

Ключевые слова: статистическое измерение; краткосрочная туристская мобильность; разнородные источники данных; информационные потребности; информационный потенциал; профилирование источников; интеграция данных; концептуальная архитектура.

Keywords: statistical measurement; short-term visitor mobility; heterogeneous data sources; information needs; information potential; data-source profiling; data integration; conceptual architecture.

Введение

Цифровая трансформация социально-экономических процессов расширяет информационную базу официальной статистики. Наряду с традиционными наблюдениями используются административные регистры, данные операторов мобильной связи, сведения о финансовых транзакциях, геопространственная информация и цифровые платформы. Эти ресурсы способны повысить оперативность и пространственно-временную детализацию статистических оценок, однако их наличие само по себе не обеспечивает корректного измерения. Источники различаются по целям формирования, единицам учета, охвату совокупности, периодичности обновления и качеству метаданных; поэтому требуется предварительно определить содержание измеряемого объекта, информационные потребности и требования к данным.

Универсальные модели статистического производства – Generic Statistical Business Process Model, Generic Statistical Information Model и Generic Activity Model for Statistical Organisations – формируют согласованный язык описания процессов, информационных объектов и функций статистической организации [1–3]. Вместе с тем они не заменяют предметно-ориентированного проектирования взаимосвязей между концептуальной моделью конкретного явления, потребностями в информации, оценкой источников и процедурами интеграции.

Особую актуальность данная проблема приобретает при измерении краткосрочной туристской мобильности. Международные рекомендации по статистике туризма определяют категории посетителей, туристские поездки, обычную среду, цели и продолжительность поездок, расходы и другие базовые элементы статистического учета [4, 5]. Однако информация о краткосрочных перемещениях распределена между обследованиями, отчетностью средств размещения, транспортными и административными системами, мобильными и платежными данными. Каждый ресурс отражает лишь часть явления.

Исследования больших данных в туризме подтверждают потенциал мобильного позиционирования, банковских транзакций и цифровых следов для анализа потоков, маршрутов и расходов [6–10]. Российские работы также демонстрируют возможности геоаналитики и одновременно фиксируют фрагментарность региональной информационно-статистической базы туризма [11, 12]. Проблемно-ориентированный анализ отобранных прикладных работ показывает преобладание исследований, исходящих из возможностей конкретного массива данных. Последовательность перехода от содержания объекта к информационным потребностям, требованиям к данным, выбору источников и итоговой статистической оценке представлена фрагментарно и нуждается в предметно-методологической систематизации.

Цель исследования заключается в разработке концептуальной архитектуры организации статистического измерения краткосрочной туристской мобильности на основе разнородных источников данных. Для ее достижения уточняются границы объекта; формируется его концептуальная модель; определяются информационные потребности и требования к данным; предлагается процедура многокритериального профилирования информационного потенциала источников; обосновываются принципы их выбора и интеграции; полученные элементы объединяются в трехуровневую архитектуру с механизмом обратной связи.

Методологическую основу составляют системный и процессный подходы, анализ и синтез, классификация, сравнительный анализ международных стандартов и профильных исследований, а также концептуальное моделирование. Научная новизна состоит в разработке предметно-ориентированной цепочки «характеристика объекта — информационная потребность — требование к данным — контекстный профиль источника — статистическая оценка». В отличие от общей оценки качества массива источник оценивается применительно к конкретной паре «источник — потребность», а критические ограничения не могут быть компенсированы высокими значениями нерелевантных критериев. Исходным является принцип: не доступные данные определяют содержание измерения, а содержание объекта определяет требования к источникам.

Корпус источников сформирован посредством целевого проблемно-ориентированного отбора и не претендует на систематический обзор литературы. В него включены: международные стандарты, определяющие объект и процесс статистического измерения; официальные методические документы по качеству и интеграции данных; рецензируемые прикладные исследования, представляющие мобильное позиционирование, платежные данные, цифровые следы и российскую геоаналитику. Критериями отбора являлись методологическая авторитетность, непосредственная связь с измерением туризма или оценкой альтернативных источников и представленность основных типов данных. Актуальность официальных документов проверена по состоянию на 2 августа 2026 г.

1. Методологические основания и операциональные границы объекта

Под статистическим измерением понимается процесс получения количественных характеристик явления посредством его концептуального определения, операционализации признаков, формирования наблюдаемых данных и построения статистической оценки. Организация статистического измерения – более широкая система методологических решений, определяющих принципы, структуру и последовательность данного процесса. Статистическое производство обеспечивает институциональную и технологическую реализацию этих решений; поэтому выбор источников и процедур обработки должен быть подчинен предварительно спроектированной логике измерения.

Согласно IRTS 2008 посетителем является лицо, совершающее поездку в основное место назначения за пределами обычной среды на срок менее одного года с деловой, досуговой или иной личной целью, за исключением трудоустройства у резидентной единицы посещаемого места. При наличии ночевки посетитель классифицируется как турист, при ее отсутствии – как однодневный посетитель [4, пп. 2.9–2.13]. Следовательно, отчетность средств размещения не способна самостоятельно описать однодневную туристскую активность.

Понятие обычной среды имеет ключевое значение: регулярные поездки на работу, учебу и иные повседневные перемещения исключаются из туризма независимо от пересечения административных границ. Универсальная пространственная граница обычной среды международными рекомендациями не устанавливается; при ее операционализации учитываются частота и продолжительность поездок, расстояние, пересечение административных границ и особенности территориальной организации [4, пп. 2.21–2.28, 2.50–2.53]. Для коротких перемещений это особенно существенно, поскольку административная граница не всегда совпадает с содержательной границей туристской активности.

IRTS 2008 не закрепляют краткосрочную туристскую мобильность как отдельную универсальную категорию. В настоящем исследовании она выделяется автором для аналитических целей и включает однодневные посещения и поездки продолжительностью от одной до трех ночевок. Граница 1–3 ночевки соответствует используемой в европейской статистике группировке коротких поездок, тогда как поездки с четырьмя и более ночевками относятся к длинным [13, приложение II, раздел 1]. Российская методика разграничивает туристский поток, формируемый многодневными поездками, экскурсионный поток, формируемый однодневными поездками, и туристско-экскурсионный поток; для этих показателей предусмотрены раздельные процедуры и наборы исходной информации [14].

Таблица 1.

Операциональные границы краткосрочной туристской мобильности

Источник: составлено автором на основе [4, 13, 14].

Целевой статистической единицей выступает туристское событие – однодневное посещение либо поездка с одной–тремя ночевками. Термин используется как аналитическая конструкция, объединяющая две формы мобильности без изменения категорий IRTS. Посетитель является субъектом события, а записи мобильного оператора, платежной системы или платформы – лишь наблюдаемыми информационными единицами. Их статистическая ценность возникает после обезличенного отнесения к событию, территории, временному интервалу или агрегированной группе.

Концептуальная модель объекта включает четыре содержательных компонента. Первый – субъект мобильности: место обычного проживания, категория посетителя и классификационные признаки. Второй – туристское событие: цель, продолжительность, способ организации, транспорт и размещение. Третий – пространственно-временная реализация: происхождение и назначение, маршрут, последовательность посещений, время начала и окончания, число ночевок и сезонность. Четвертый – экономические проявления: расходы, структура потребления и взаимодействие с транспортными, гостиничными, культурными и иными услугами [5]. Отдельно выделяется информационный контур – формы фиксации этих характеристик в статистических, административных, коммерческих и цифровых системах.

Разграничение содержательных компонентов и информационного контура предотвращает подмену объекта структурой доступных данных. Например, мобильное позиционирование детально отражает пространственно-временную реализацию, но обычно не раскрывает цель и расходы; банковские транзакции характеризуют экономические проявления, но ограниченно идентифицируют маршрут и состав участников. Поэтому источник должен оцениваться не вообще, а относительно конкретной характеристики объекта.

2. Информационные потребности, требования к данным и потенциал источников

Из концептуальной модели выводятся четыре группы информационных потребностей. Идентификационно-классификационные потребности охватывают признаки, необходимые для отнесения лица и события к целевой совокупности и разграничения резидентных, въездных и выездных потоков. Событийно-поведенческие потребности включают цель, продолжительность, способ организации, транспорт, размещение и состав участников. Пространственно-временные потребности описывают происхождение, назначение, маршрут, время и длительность пребывания. Экономические потребности связаны с объемом и структурой расходов и потреблением туристских услуг.

Информационные потребности формулируются независимо от доступных ресурсов. Иначе возникает источникоцентричное смещение: измеряется не то, что содержательно характеризует явление, а то, что проще извлечь из конкретного массива. После определения потребностей устанавливаются свойства требуемых данных: релевантность; полнота; достоверность и точность; актуальность; пространственная и временная детализация; сопоставимость; интегрируемость. Для каждого свойства в паспорте статистического измерения должны быть заданы наблюдаемые индикаторы и приемлемый уровень, зависящие от задачи, территории, периода и единицы оценки.

Требования к данным следует отличать от институциональных условий их применения. Правовой режим доступа, конфиденциальность и этическая допустимость, стоимость получения, устойчивость поставки, технологическая совместимость и воспроизводимость процедур не являются характеристиками статистического содержания, однако определяют практическую реализуемость проекта. Поэтому оценка источника включает два последовательных фильтра: методологическую пригодность и институционально-технологическую осуществимость.

Информационный потенциал источника определяется как контекстно зависимая способность удовлетворять конкретную информационную потребность при соблюдении установленных требований. Он не является постоянным свойством массива и не тождествен общей характеристике качества источника. Один ресурс может обладать высоким потенциалом для выявления маршрутов и низким – для определения целей поездки; другой — надежно характеризовать зарегистрированные расходы, но не однодневные перемещения. Основным результатом оценки должен быть многомерный профиль для пары «источник — потребность», а не единый универсальный рейтинг.

Формально профиль источника s применительно к потребности n может быть представлен вектором P(s,n) = (R, C, A, T, SD, TD, K, I), где R — релевантность; C — полнота; A — достоверность и точность; T — актуальность; SD и TD — пространственная и временная детализация; K — сопоставимость; I — интегрируемость. Значения могут задаваться количественными показателями, экспертными оценками или комбинированной процедурой. Интегральный балл допустим только после проверки пороговых требований и при явном обосновании весов и правил агрегирования; в противном случае он способен скрыть критические ограничения отдельных критериев.

Для стандартизации качественных оценок предлагается базовая порядковая шкала: 0 — критерий не выполняется или требуемый признак отсутствует; 1 — низкая пригодность, требующая существенной корректировки; 2 — приемлемая пригодность при документированной калибровке или дополнительной обработке; 3 — соответствие установленному требованию без существенных корректировок. Для каждой потребности n заранее задаются пороговые значения по критериям и перечень критических критериев. Источник признается методологически пригодным только при достижении порога по каждому критическому критерию. Такой пороговый механизм исключает ситуацию, при которой, например, высокая актуальность компенсирует отсутствие релевантности или недостаточный охват.

Таблица 2.

Операционализация критериев оценки информационного потенциала источника

Источник: составлено автором.

Оценивание выполняется по следующей последовательности: выбирается информационная потребность; устанавливаются ее наблюдаемые признаки, индикаторы и допустимые пороги; описываются единицы учета, охват, периодичность, метаданные и ограничения источника; по каждому критерию формируется количественная, порядковая или комбинированная оценка; проверяется выполнение критических порогов; результаты представляются в виде профиля; затем сопоставляются профили нескольких ресурсов и выявляются информационные дефициты. Документирование шкал, индикаторов, порогов и оснований экспертных суждений повышает прозрачность процедуры и создает условия для воспроизводимости выводов разными исследователями, не подменяя последующую эмпирическую валидацию.

Сопоставление профилей обеспечивает обоснование интеграции. Мобильные данные могут компенсировать слабую пространственно-временную детализацию обследований, но требуют калибровки охвата и алгоритмов выделения событий [7, 8, 15]. Платежные данные позволяют детально описывать пространственное распределение зарегистрированных карточных расходов, но не охватывают все формы туристского потребления и требуют явного документирования границ совокупности и единицы наблюдения [9]. Цифровые следы отражают активность пользователей конкретных сервисов; разные платформы фиксируют различные типы поведения, поэтому их результаты следует интерпретировать как частично взаимодополняющие [6, 10]. Следовательно, интеграция оправданна только тогда, когда она устраняет конкретный информационный дефицит и улучшает профиль итоговой статистической оценки.

Логика применения профилей может быть показана посредством качественного сопоставления источников в иллюстративной задаче оценки числа и пространственно-временной структуры однодневных посещений муниципального образования по месяцам. Представленное ниже сопоставление не является результатом эмпирического расчета: оно демонстрирует способ применения критериев к типовым свойствам источников, зафиксированным в профильных исследованиях [7–9, 11, 15].

Таблица 3.

Иллюстративное сопоставление источников для оценки однодневных посещений

Источник: составлено автором в иллюстративных целях на основе [7–9, 11, 15].

Иллюстративное сопоставление показывает, что ни один источник не доминирует по всем критериям. Для рассматриваемой задачи мобильные данные могут образовывать ядро оценки потока, обследование – обеспечивать семантическую калибровку и проверку классификации, а платежные данные – дополнять экономическую характеристику посещений. Отчетность средств размещения не измеряет однодневный сегмент непосредственно, но помогает контролировать разграничение частей объекта. Тем самым состав источников определяется конкретными дефицитами профиля, а не стремлением объединить максимально возможное число массивов.

Качество результата должно анализироваться с учетом релевантности, точности, своевременности, согласованности, доступности и интерпретируемости статистического продукта. Международные рамки обеспечения качества требуют документировать происхождение данных, процессы преобразования, ограничения и риски использования административных и иных источников [16, 17]. Руководство по интеграции данных для официальной статистики дополнительно подчеркивает необходимость описывать способы связи массивов, допущения и ошибки сопоставления [18]. Для разнородных данных это означает сохранение метаданных, версионирование правил классификации событий, оценку ошибок связи и калибровки, количественное или качественное описание неопределенности и возможность повторного формирования статистической оценки.

3. Концептуальная архитектура организации статистического измерения

Под концептуальной архитектурой организации статистического измерения понимается иерархически организованная система взаимосвязанных элементов, определяющая логику перехода от концептуального описания объекта к статистической оценке на основе разнородных источников данных. Архитектура не является технологической блок-схемой обработки; она задает методологические решения, которые предшествуют производственным операциям и определяют их функциональное место.

Предлагаемая архитектура включает три уровня. Концептуальный уровень содержит объект и его модель и отвечает на вопрос, что именно подлежит измерению. Информационно-методический уровень объединяет информационные потребности, требования к данным и оценку информационного потенциала; его функция состоит в переходе от содержания объекта к обоснованному составу ресурсов. Операционный уровень включает интеграцию, статистическое измерение, формирование оценки и анализ качества.

Источники данных образуют внешнюю информационную среду и не включаются непосредственно в архитектуру как заранее заданные элементы. Они взаимодействуют с ней через процедуру оценки информационного потенциала. Тем самым административный регистр, мобильный массив или платежная система получают конкретную роль только после сопоставления с потребностью и требованиями. Данный принцип препятствует подмене статистического объекта удобной структурой доступной информации.

Интеграция также не является обязательной самоцелью. Если один источник удовлетворяет потребность с требуемым качеством, его использование может быть достаточным. Совместное применение нескольких ресурсов обосновано при комплементарности: один источник обеспечивает характеристики, отсутствующие в другом, либо повышает точность, охват, детализацию или своевременность. Интеграция может выполняться на уровне единиц и событий посредством детерминированного или вероятностного сопоставления, на уровне территориально-временных ячеек, путем статистического согласования, калибровки либо объединения агрегированных показателей. Выбранный способ должен соответствовать доступным ключам связи, правовому режиму и допустимому уровню ошибки сопоставления [18]. Разработанная архитектура представлена на рисунке 1.

Рисунок 1. Концептуальная архитектура организации статистического измерения краткосрочной туристской мобильности

Источник: разработано автором.

Итерационный механизм обратной связи связывает анализ качества с предыдущими элементами. Выявленное несоответствие может потребовать уточнения операционализации потребности, изменения порогов требований, переоценки источника, изменения состава ресурсов или совершенствования интеграции. Концептуальный уровень обладает большей устойчивостью и пересматривается только при изменении теоретического понимания объекта, его границ или исследовательских задач.

Согласование предлагаемой архитектуры с GSBPM, GSIM и GAMSO носит функциональный, а не взаимно однозначный характер [1–3]. Концептуальный уровень предметно уточняет задачи определения потребностей и проектирования, представленные в GSBPM, и задает содержательные понятия, единицы и совокупности, описываемые средствами GSIM. Информационно-методический уровень переводит характеристики объекта в требования к данным и спецификации источников. Операционный уровень соотносится с производственными фазами построения, сбора, обработки, анализа и оценки GSBPM и с областью статистического производства GAMSO. Таким образом, архитектура не заменяет универсальные модели, а конкретизирует для краткосрочной туристской мобильности связь «объект — потребность — требование — источник — процедура — оценка качества».

Практическое применение архитектуры начинается с паспорта статистического измерения: фиксируются границы объекта, целевые единицы, показатели и критические требования; затем формируется карта информационных потребностей; для каждой потребности устанавливаются индикаторы и пороги и оцениваются потенциальные ресурсы; по результатам профилирования выбирается достаточная комбинация источников; документируются процедуры интеграции, неопределенность и институциональные ограничения; полученная оценка проходит анализ качества и при необходимости запускает новый цикл проектирования. Комбинация считается минимально достаточной, если исключение любого входящего в нее источника приводит к нарушению хотя бы одного критического порога по приоритетной потребности. При наличии нескольких минимально достаточных комбинаций выбор осуществляется с учетом стоимости, правовой и этической допустимости, устойчивости поставки и технологической реализуемости.

Такой подход позволяет рассматривать организацию статистического измерения как самостоятельный объект методологического проектирования. Качество итоговой оценки определяется не объемом или технологичностью данных сами по себе, а согласованностью переходов от теоретической модели явления к измеряемым характеристикам, наблюдаемым информационным единицам, процедурам интеграции и документированной неопределенности.

Заключение

Проведенное исследование показало, что расширение административных, коммерческих и цифровых данных требует перехода от источникоцентричного подхода к предварительному проектированию статистического измерения. Краткосрочная туристская мобильность определена как совокупность однодневных посещений и туристских поездок продолжительностью от одной до трех ночевок за пределами обычной среды посетителя.

Концептуальная модель объекта включает субъект мобильности, туристское событие, его пространственно-временную реализацию и экономические проявления; информационный контур отражает способы фиксации этих характеристик. Из модели выводятся четыре группы информационных потребностей и восемь требований к данным. Информационный потенциал трактуется как контекстно зависимая способность источника удовлетворять конкретную потребность, а результатом его оценки является многомерный профиль для пары «источник — потребность».

Основной научный результат – трехуровневая архитектура, объединяющая концептуальный, информационно-методический и операционный уровни, внешнюю информационную среду и итерационный механизм обратной связи. Процедура профилирования дополнена базовой порядковой шкалой, критическими порогами и правилом методологической пригодности. Иллюстративное сопоставление источников для оценки однодневных посещений показало, каким образом их роли выводятся из сильных сторон и дефицитов профиля, а интеграция обосновывается взаимодополняемостью, а не количеством доступных массивов.

Теоретическое значение подхода заключается в рассмотрении организации статистического измерения как самостоятельного объекта методологического проектирования и в разграничении общей характеристики качества источника и его контекстного потенциала для конкретной потребности. Практическое значение состоит в возможности применять архитектуру при разработке региональных систем мониторинга туристской мобильности, выборе данных мобильных операторов, финансовых организаций, обследований, средств размещения и цифровых платформ, а также при документировании процедур интеграции и ограничений формируемых оценок.

Ограничением исследования является его концептуально-методологический и иллюстративный, а не эмпирический характер. Предложенная шкала 0–3 является базовой нормативной конструкцией и требует калибровки на реальных массивах. Последующая апробация должна включать разработку измеримых индикаторов, эмпирическое обоснование порогов, оценку межэкспертной согласованности, проверку устойчивости профилей к изменению шкал и экспериментальное формирование статистических оценок по территориям. Тем самым архитектура задает проверяемую программу дальнейшего исследования, а пределы сделанных выводов явно отделены от результатов будущей эмпирической валидации.

Список литературы:

1. United Nations Economic Commission for Europe. Generic Statistical Business Process Model (GSBPM), version 5.2. Geneva: UNECE, 2025. URL: https://unece.org/statistics/gsbpm-v5.2 (дата обращения: 02.08.2026).
2. United Nations Economic Commission for Europe. Generic Statistical Information Model (GSIM), version 2.0: User Guide. Geneva: United Nations, 2024. URL: https://unece.org/info/publications/pub/400014 (дата обращения: 02.08.2026).
3. United Nations Economic Commission for Europe. Generic Activity Model for Statistical Organisations (GAMSO), version 2.0. Geneva: UNECE, 2026. URL: https://unece.org/statistics/documents/2026/06/gamso-v2.0 (дата обращения: 02.08.2026).
4. United Nations; World Tourism Organization. International Recommendations for Tourism Statistics 2008. New York: United Nations, 2010. 134 p. URL: https://unstats.un.org/unsd/publication/Seriesm/SeriesM_83rev1e.pdf (дата обращения: 02.08.2026).
5. United Nations; Eurostat; OECD; World Tourism Organization. Tourism Satellite Account: Recommended Methodological Framework 2008. Luxembourg; Madrid; New York; Paris, 2010. 110 p. URL: https://unstats.un.org/unsd/publication/Seriesf/SeriesF_80rev1e.pdf (дата обращения: 02.08.2026).
6. Li J., Xu L., Tang L., Wang S., Li L. Big data in tourism research: A literature review // Tourism Management. 2018. Vol. 68. P. 301–323. DOI: 10.1016/j.tourman.2018.03.009.
7. Ahas R., Aasa A., Roose A., Mark Ü., Silm S. Evaluating passive mobile positioning data for tourism surveys: An Estonian case study // Tourism Management. 2008. Vol. 29, no. 3. P. 469–486. DOI: 10.1016/j.tourman.2007.05.014.
8. Saluveer E., Raun J., Tiru M., Altin L., Kroon J., Snitsarenko T., Aasa A., Silm S. Methodological framework for producing national tourism statistics from mobile positioning data // Annals of Tourism Research. 2020. Vol. 81. Art. 102895. DOI: 10.1016/j.annals.2020.102895.
9. Aparicio D., Hernández Martín-Caro M. S., García-Palomares J. C., Gutiérrez J. Exploring the spatial patterns of visitor expenditure in cities using bank card transactions data // Current Issues in Tourism. 2022. Vol. 25, no. 17. P. 2770–2788. DOI: 10.1080/13683500.2021.1991898.
10. Salas-Olmedo M. H., Moya-Gómez B., García-Palomares J. C., Gutiérrez J. Tourists’ digital footprint in cities: Comparing Big Data sources // Tourism Management. 2018. Vol. 66. P. 13–25. DOI: 10.1016/j.tourman.2017.11.001.
11. Радченко Т. А., Банникова К. А., Кочеткова Н. М. Развитие туриндустрии: геоаналитические данные как инструмент принятия решений // Вопросы государственного и муниципального управления. 2022. № 3. С. 193–218. DOI: 10.17323/1999-5431-2022-0-3-193-218.
12. Сергиенко Ю. Ю., Гомилевская Г. А., Щур В. В. Методический подход к формированию информационно-статистических данных в сфере туризма в регионах Российской Федерации // Фундаментальные исследования. 2016. № 12-4. С. 907–911. URL: https://fundamental-research.ru/ru/article/view?id=41192 (дата обращения: 02.08.2026).
13. European Parliament; Council of the European Union. Regulation (EU) No 692/2011 of 6 July 2011 concerning European statistics on tourism and repealing Council Directive 95/57/EC // Official Journal of the European Union. 2011. L 192. P. 17–32. URL: https://eur-lex.europa.eu/eli/reg/2011/692/oj (дата обращения: 02.08.2026).
14. Федеральная служба государственной статистики. Методика оценки туристского потока: утв. приказом Росстата от 26.02.2021 № 109; в ред. приказа Росстата от 01.03.2022 № 100. URL: https://rosstat.gov.ru/statistics/turizm/methodology (дата обращения: 02.08.2026).
15. Eurostat. Feasibility Study on the Use of Mobile Positioning Data for Tourism Statistics: Consolidated Report. Luxembourg: Publications Office of the European Union, 2014. 34 p. DOI: 10.2785/55051. URL: https://ec.europa.eu/eurostat/documents/747990/6225717/MP-Consolidated-report.pdf (дата обращения: 02.08.2026).
16. United Nations. National Quality Assurance Frameworks Manual for Official Statistics: Including recommendations, the framework and implementation guidance. New York: United Nations, 2019. URL: https://unstats.un.org/unsd/methodology/dataquality/un-nqaf-manual/ (дата обращения: 02.08.2026).
17. United Nations. Module for Quality Assurance when using Administrative and Other Data Sources to produce Official Statistics. New York: United Nations, 2025. URL: https://unstats.un.org/unsd/methodology/dataquality/aos/ (дата обращения: 02.08.2026).
18. United Nations Economic Commission for Europe. Guide to Data Integration for Official Statistics. Geneva: UNECE, 2017. URL: https://unece.org/statistics/documents/2017/12/guide-data-integration-official-statistics-2017 (дата обращения: 02.08.2026).