Валерий Бабушкин руководит управлением развития данных в X5 Retail Group, которое применяет технологии машинного обучения и компьютерного зрения в супермаркетах корпорации. Бабушкин входит в сотню лучших специалистов по data science в мире и помогает ритейлеру делать ставку на персонализацию предложения для покупателей и предсказывание появление очередей в «Перекрестках», «Пятерочках» и «Каруселях» по всей России. После AI Conference в Москве он рассказал «Хайтеку» об использовании чеков покупателей для представления клиента в виде вектора, зарплатах специалистов в его области и том, как можно с помощью Coursera и книг работать с машинным обучением на высоком уровне.
Читайте «Хайтек» в
«Несложно вырасти на 20%, если вы открыли в полтора раза больше магазинов»
— В своем выступлении вы рассказали, что выручка у X5 Retail Group достигла 1,286 трлн рублей в 2017 году, а сокращение расходов даже на маленькую долю приводит к огромной прибыли. Как X5 расширяется?
8 вопросов дата сайентисту // Валерий Бабушкин: о зарплатах, будущих трендах и переезде за рубеж 12+
— Оборот у Х5 еще будет расти. В целом рынок стремится к консолидации в ритейле. На текущий момент у нас три лидирующих ритейлера занимают примерно 20% рынка, и мы видим по странам развитого капитализма, что эта доля будет около 70–75%.
Каждый день в среднем Х5 открывает по шесть новых магазинов. Пока мы с вами общаемся, Х5 открывает новый магазин (смеется). Действительно, дела идут неплохо, в отличие от некоторых других игроков рынка. Если смотреть открытые данные, у одного из них при росте площадей на 12% оборот увеличился всего на 84%. Несложно посчитать: они начинают работать в минус.
Есть такой показатель, LFL — Like for like, сравнение одних и тех же магазинов год в год. У Х5 по нему хоть и небольшой, но плюс. То есть несложно вырасти на 20%, если вы открыли в полтора раза больше магазинов, но это отрицательный рост по факту. Если вы растете за счет того, что и старые магазины работают лучше, и новые открываются, то это довольно позитивно.
— Как вы считаете, какая доля заслуги вашей команды в этом?
— Пока не очень большая, потому что команда сформирована не так давно. Давайте будем откровенны, рост X5 в 2017 году вряд ли обусловлен тем, что мы применяем анализ данных, с помощью команды, созданной в 2018 году.
Руководитель нашей дирекции — Антон Мироненков, человек, который принимал участие в создании компании Х5. Он занимался слиянием «Перекрестка» и «Пятерочки», после чего и появилась Х5.
Мы считаем направление big data стратегическим. Будущее розничной торговли связано с тем, как быстро ритейлеры научатся монетизировать, использовать для оптимизации процессов и улучшения клиентского опыта те данные, которые мы каждый день генерируем в достаточно больших количествах. Поэтому мы решили выделить все это в отдельное направление и дать больший фокус, чтобы оно быстрее развивалось.
Антон Мироненков, руководитель дирекции больших данных X5
В рамках этой дирекции у нас свои мощности, кластер, разработчики, тестировщики, аналитики, проджекты, продакты — все, что нужно. Мы уже какие-то вещи сделали, а это очень большой прогресс для срока меньшего, чем год. Четко понимаем, что довольно большой профит дадим компании, но опять же, эти результаты будут видны только через год.
Вся информация в чеке — если вы купили водку, то вам больше 18 лет
— Если я приду в «Перекресток» и сделаю покупку, что из всего этого возьмете вы для анализа?
— Чек. Ваши товары довольно хорошо характеризую вас. Если покупаете памперсы, наверное, у вас есть маленький ребенок. Если водку, то вам больше 18 лет. Человек может купить чипсы, и это будет с определенной вероятностью подросток 16 лет. А если купили дневник, то либо вы, либо у вас в семье есть ребенок от семи до 17 лет.
Это уже немало информации.
Представьте: вы приходите в магазин, смотрите на какие-то товары и понимаете, что магазин дорогой, дешевый или средней ценовой категории. В «Пятерочке» от 4 до 8 тыс. уникальных товаров. Вряд ли вы ходите с блокнотом и записываете цены на все множество товаров, а потом смотрите средние цены на товары по городу и делаете вывод. Достаточно посмотреть на пять-десять товаров. А тем, на какие товары вы смотрите, мы тоже занимаемся.
Товары, на которые люди смотрят, тоже меняются со временем. Простой пример: 20 лет назад не было никаких товаров, связанных с мобильной связью. Сейчас вы можете, не во всех магазинах, но купить сим-карту. 20 лет назад в России вообще были времена чуть пожестче, чем сейчас, и потребление было совершенно другим.
— Как происходит составление профилей клиентов для предложения им скидок?
— Есть два продукта: профиль клиента и лояльность. Профиль клиента — это такая задача, когда у вас нет какой-то разметки и используются разные подходы. Мы используем различные подходы к кластеризации — начиная от стандартных статистик, просчитать какие-то зет-скоры, робастные отклонения от медианы, и заканчивая Word2vec, наложенным на чеки, и «переводом» человека в вид вектора усредненного через TF-IDF по Word2vec.
Зет-скоры, Z-score — статистическая оценка, которая выражает расстояние (измеряемое как среднеквадратическое отклонение) данного уровня от среднего значения по набору данных. В частности, Z-оценка является выходным показателем кредитоспособности компании и степени риска ее банкротства.
Робастные отклонения, от англ. robust, «надежный» — устойчивость оценок по отношению к выбросам в данных. Считаются относительно медианы.
Word2vec — инструмент, позволяющий представлять слова в виде векторов.
TF-IDF — термин в статистике, обозначающий степень важности слова в корпусе текстов.
Если у вас есть какая-то модель, которая делает персональное предложение, то давайте считать, что кластеризация удачная, если после добавления признаков качество моделей улучшается. Тут можно посчитать и экономический эффект, и какую-то метрику.
— В какой доле магазинов используются ваши разработки?
— Во всех. Персонализированную скидку мы протестировали на полумиллионе пользователей, чтобы понять ее эффект во всех 14 тыс. магазинов Х5. Мы собираем интерактивную отчетность со всех этих магазинов. У нас есть продукт промо, который присутствует во всех магазинах. У нас есть матрица ассортимента, у нас есть предсказание спроса.
Они следят, чтобы в магазине, во-первых, была курица и, во-вторых, курица не стухла.
Сейчас начнем делать компьютерное зрение, оно будет не во всех магазинах поначалу. Начнем с самых крупных — есть смысл тестировать только в них. Задача довольно простая, выгода с нее понятна. Есть товар, он на полке может отсутстWowать, а на складе лежать, и в этот момент товар не покупают. Это очень плохо.
Магазин его купил, а продавать не может. В лучшем случае пользователь не купит товар, а в худшем он развернется и уйдет, потому что ему не нужно приходить туда, где он купит два товара из трех, а за третьим пойдет в другой магазин. Он придет сразу в тот магазин, где можно купить все. И это решается с помощью компьютерного зрения.
Ставится камера, она обнаруживает, что у вас осталось мало товара. Приходит уведомление ответственному за это человеку, он идет на склад за этим товаром.
Вторая задача — очередь. Мы знаем, что у нас есть очереди в магазине. Либо вы стоите в очереди, недовольны и тратите время, что никому не нравится, либо заходите в магазин, смотрите на очередь, разворачиваетесь и уходите. Если причина очереди в том, что штат недоукомплектован, тут ничего нельзя поделать.
А если проблема в том, что условная продавщица сидит в подсобке, отдыхает и пьет чай, а ее вызывает директор. В магазине уже очередь, и пока она дойдет, сядет за компьютер, включит его, начнет кассу дергать — пройдет время. Все еще на нее смотрят, она нервничает, люди тоже. Этот кассир должен выходить до того, как очередь сформировалась, чтобы к моменту выхода люди уже пошли на кассу. Это довольно просто решить с помощью компьютерного зрения.
Мы будем это тестировать его примерно в 150 магазинах, и скорее всего, в Москве. Во-первых, мы сами в Москве, а, во-вторых, здесь трафик больше. Тогда станет понятно, как сделать лучше пользовательский опыт и какая от этого польза Х5.
«Мне очень не нравится слово “дата-сайентист”»
— Вы расширяете свое управление?
— Безусловно, руководители видят, что мы даем результат. Никто не позволяет расширять команду в два раза, если вы плохо работаете. Сам по себе этот факт говорит о нашей эффективности.
— Вы говорили, что у вас 32 человека работают, сколько еще будете набирать?
— Еще где-то 20–30. У нас будут использоваться теперь компьютерное зрение и речевые технологии в рамках моего управления. Будут два новых отдела, то есть это еще плюс десять человек, по-моему, еще 10–15 согласовано на следующий год. Есть так называемые проектные ставки. Мы ожидаем, что это плюс 30–36, где-то за 60 человек.
Это конкретно те люди, которые занимаются анализом данных и машинным обучением.
— Кого приглашаете на работу?
— Мне очень не нравится слово «дата-сайентист», потому что оно никакой информации не несет. Вы можете прийти в десять компаний, где ищут дата-сайентиста, и это будут десять абсолютно разных должностей. Мне нравится слово «аналитик». У меня названия отделов говорят сами за себя: есть отдел машинного обучения, отдел анализа данных, группа R&D, то есть исследований, отдел компьютерного зрения, отдел речевых технологий и группа внепродуктовой аналитики для решения тех задач, которые прилетают вне какого-то существующего продуктового направления.
Ищу людей, которые умеют программировать на Python, знают теорию вероятности и математическую статистику, если мне нужно моделирование, то требуются навыки машинного обучения. Но самое главное — это способность человека мыслить и анализировать. Я все больше прихожу к мысли, что аналитическое мышление и критическое — это то, чему очень сложно научить. Если к 20–25 годам уже есть какое-то мировоззрение, оно вряд ли изменится.
— Вы это поняли в Х5?
— Не то, чтобы именно Х5 к этому меня привел. Я же тоже смотрю на людей, общаюсь, вижу, как они работают. Как известно, лучшее собеседование — это испытательный срок. И вы в какой-то момент видите, что это просто не для этого человека. То есть вроде и мехмат окончил, вроде не дурак, но не его.
Нет правильного настроя, не так видит вещи. Это было еще в книжке у Даниэля Канемана «Thinking, Fast and Slow», где он описывал, что соответствует критическому мышлению. Это в том числе пессимистичный взгляд на мир, и это больше врожденное качество, чем приобретенное, к сожалению или к счастью.
— Если приходит аналитик, и после испытательного срока вы понимаете, что он подходит, на что человек может рассчитывать?
— Стандартно в ИТ есть градации — джуниор, мидл, сеньор и стажер. Выше уже редко встречается — это стафф или ведущий. Я считаю, что происходит инфляция должности сеньора: у нас их куча, а по факту они редко дотягивают до среднего мидла.
Если брать средние по рынку зарплаты, джуниор получает где-то на 120–150 тыс. рублей до налогов в месяц, мидл — до 250 тыс. Сеньоры порядка 400 тыс. рублей. Верхняя планка: я лично держал оффер в руках на ведущего разработчика, это было больше 600 тыс. рублей.
«Data science — действительно какая-то “вишенка на тортике”»
— Как вы начали заниматься машинным обучением?
— В университете вообще не было машинного обучения. Потому что я окончил вуз в 2012 году, примерно тогда же произошел очередной подъем вещей, связанных с ним. Не успел. Закончил два университета, последний — это Университет прикладных наук в Карлсруэ, магистратура по мехатронике.
До этого учился в Московском институте химического машиностроения, сейчас это называется Московский политех. Машинным обучением я ни там, ни там не занимался.
Забавная вещь: сейчас собеседую тех, которые заканчивают data science, и создается ощущение, что их уровень слабее и ниже, чем у тех ребят, которые закончили физику, инженерные специальности, компьютерные науки, а потом машинное обучение на это «накрутили». Может, это некоторое смещение, потому что ребята, которые сами это выучили, изначально были сильными, еще что-то новое выучили и пришли. А data science — действительно какая-то «вишенка на тортике», и если самого «тортика» нет, а «вишенка» есть, то это не так интересно.
— Как вы этому самообучились?
— Есть старая поговорка, что на Coursera есть два серьезных курса, даже полтора. Это курс Хинтона про машинное обучение и нейронные сети (курс более не доступен на Coursera, но его можно посмотреть на YouTube — «Хайтек») и курс Дафны Коллер про вероятностные неографические модели.
Курс Коллер — это записанные на видео лекции, который она читает аспирантам в Стэнфорде. Поэтому назвать его не совсем серьезным не поворачивается язык. Курс Хинтона длится 16 недель, а у Коллер — три курса по пять-шесть недель. И я собрал силы в кулак, прошел первый курс и понял, что второй и третий не готов проходить.
Но Coursera — это не единственное средство. Я читаю очень много книг. Сейчас закончил, кстати, книжку Брэдли Эфрона по статистике (американский статистик, лауреат Национальной медали почета США — высшей государственной награды для американских ученых — «Хайтек»).
До этого — книгу Йена Годфеллоу (американский специалист по машинному обучению, работает в Google Brain — «Хайтек») по глубокому обучению. Это непрерывный процесс обучения. Coursera — лишь один из ресурсов, Kaggle (онлайн-сообщество специалистов по компьютерным наукам, где регулярно проводятся соревнования — «Хайтек») — это другой, но главное — чтение, чтение, чтение и проверка. Если вы прочитали и не поняли, это плохо. Если вы поняли, как это работает, то можете что угодно сделать.
Это как с таблицей умножения. Представьте, что человек таблицу умножения не понимает, но выучил наизусть. Его спрашивают: «Шесть на шесть?» — «36». — «Семь на восемь?» — «56». — «Ну хорошо, последний вопрос, 10 на 11?» — Человек говорит: «Я не знаю, в таблице умножения этого не было». Ну и все. Вот с такими людьми я часто встречаюсь.
10 на 11 гораздо проще посчитать, но этого же нет в таблице, надо понимать принцип. Если вы понимаете принципы, дальше все гораздо легче.
Все остальное зависит от человека. Кажется, что любую вещь мы выучиваем сами. Нам просто помогают и не мешают другие люди. Все это вопрос самодисциплины.
— Расскажите о вашем курсе по data science в ВШЭ.
— Это бесплатный курс, он в рамках стандартной программы, на нем рассказываю базовые простые вещи, которые для многих людей — откровение. Например, какие есть метрики, зачем они вообще существуют, как друг от друга отличаются, в каких случаях какая нужна, как проверить вашу идею, что такое A/B-тест. Это то, что я для себя вывел, что важно знать людям и что им действительно нужно в работе.
— Каким вы видите будущее ритейла через пять-десять лет?
— Если мы про продуктовый ритейл говорим, то формат гипермаркетов будет отмирать. Это видно сейчас по Штатам, как там отмирают большие торговые центры, и в России, кстати, тоже. Раньше какой был паттерн потребления? Мы приходим в торговый центр, в кино, в ресторанный дворик, еще что-нибудь купим.
Сейчас приходим домой, ivi, Okko, Netflix, Яндекс.Еда, Delivery Club, доставка из ресторана, шопинг онлайн. Надо идти в сторону персонализации.
— Что это будет значить для потребителя?
— Человек пользуется чем? Тем, что может себе позволить, и тем, что ему удобно. Соответственно, нужно снижать расходы, держать то же качество или повышать его. Вот тут на ум и приходит персонализация.
— Человек покупает то, что может себе позволить. Сейчас реальные доходы населения падают, затраты сокращаются.
— При такой ситуации магазинные эконом-форматы чувствуют себя лучше и растут. Есть два пути решения многих проблем для ритейлеров. Либо автоматизация, либо нанять еще десять человек. В краткосрочной перспективе второй путь — это выигрышная стратегия, потому что интеграция — это дорого, долго, что-то пойдет не так, можно премии лишиться.
А теперь представьте, что вы — директор департамента с очень большой премией, и можете ее лишиться. Будете вы работать в компании через два года, когда станет известен результат этой автоматизации, или нет, и похвалят вас за них, — непонятно. А премия у вас вот уже может быть. Поэтому нанимаем десять человек еще. Но это в долгосрочной перспективе ведет к большому убытку.
Источник: hightech.fm
Я выбрал Х5, а не Google
Alumni Х5 – наши бывшие сотрудники, сегодня работают, пожалуй, во всех крупнейших компаниях страны. Это неудивительно, ведь у такого работодателя, как Х5, масса преимуществ – невероятный опыт первопроходцев в ритейле будущего, масштаб и социальная значимость деятельности, проекты и решения для миллионов людей почти во всех регионах России. И именно они помогли Валерию Бабушкину, экс- директору по моделированию и анализу данных X5, пойти еще дальше и устроиться на работу в Facebook, компанию, которая работает с миллиардами людей по всей планете.
7769 просмотров
X5 — первое место за многие годы моей работы, где мне на протяжении всего времени было интересно
Валерий Бабушкин, Руководитель Школы Аналитиков данных Х5.
— Расскажи, пожалуйста, куда ты переехал и чем будешь заниматься?
Я переехал в Лондон и уже приступил к работе в Facebook. Буду отвечать за машинное обучение в WhatsApp Integrity. Это команда, которая занимается кибербезопасностью, предотвращая кражу аккаунтов, спам, различные вредоносные действия, и вскоре будет запускаться как платежная система.
— А почему не просто международная компания, а другая страна?
Мне очень интересно поработать не только с лучшими людьми из России, но и с лучшими людьми со всего мира. Чтобы это сделать, нужно попасть в компанию, куда набирают со всего мира лучших людей — по компетенциям, по навыкам, прошедших серьезный отбор. В голове я держал две таких компании — Google и Fb. Они на острие того, чем я занимаюсь: анализ данных, машинное обучение. На текущий момент это самые крутые технологические компании мира, в которых есть как исследования, так и прикладная разработка.
«2,5 года назад у меня на руках было два оффера — от Google и от Х5. Я пошёл в «Пятёрочку» заниматься большими данными – на интересные проекты, сбор команды с нуля и большой управленческий опыт.
— Валера, а что в работе в Х5 помогло перейти на международный уровень?
На финальном этапе в Facebook я прошел 10 различных интервью в один день, и на каждом я рассказывал про опыт в Х5 – про проекты и работу с командой. Мы большая корпорация, у нас много людей, много интересов у каждой стороны, технологической и клиентской. Х5 дает отличный опыт и умение учитывать интересы разных групп, находить общий язык, единый знаменатель, выстраивать отношения в команде, планировать и реализовывать общие проекты. Это компетенции, которые важны в любой стране и в любой компании.
X5 – компания публичная, ее акции торгуются на бирже, и это высокий уровень. Опыт работы в крупной компании очень важен, его ничто не может заменить. Помог опыт руководства и выстраивания большого коллектива с нуля, это уникальная практика.
Когда 2,5 года назад я пришел в Х5 работать с большими данными, у меня было 5 человек, сейчас – 120. Из моей команды по своей инициативе ушло 3 или 4 человека, а в нашей специальности 2 года — почти вечность. Значит, людям было комфортно, и я этим горжусь.
— А какими достижениями в Х5 еще гордишься?
Большим достижением в Х5 я считаю создание собственной платформы A/B-тестирования.
В середине 2020 года в Х5 появился процесс оценки эффективности технических инициатив через A/B-тестирование, это большое структурное изменение процессов. Компании, у которых есть собственная платформа А/В-тестирования, в мире можно пересчитать на пальцах. С недавнего времени Х5 входит в их число. Уникальный опыт для ритейла, ведь мы пока на 99% оффлайн-бизнес.
А/В-тестирование – это большой культурный сдвиг. При желании можно посчитать любую инициативу так, что она будет мега-успешной, а на самом деле это будет не так. И оценку нужно переводить в русло максимальной объективности, чтобы понимать, куда идти. Есть 100 дверей, но золотой клад только за одной из них.
И чтобы его найти, нужно открывать дверь за дверью, а не пытаться, открыв лишь одну дверь, убедить себя и других, что клад именно за ней. Чтобы потом не оказалось, как в известной сказке — смотрите, король-то голый.
— А что ты порекомендуешь коллегам, которые тоже хотят работать в Google, Facebook, Amazon? Как построить бизнес-план, какие моменты учесть?
Очевидный ответ – поработать над английским, это лимитирующий фактор. Чем выше по карьерной лестнице человек хочет подняться, тем больше ему надо работать над языком.
Любое общение с коллективом – это выступление. И если по-русски ты можешь пошутить, знаешь 10-15 синонимов, идиом, то по-английски в лучшем случае пять. И это уже тебя ограничивает. А если ты плохо говоришь? Волнуешься и не можешь вспомнить слово и объяснить команде, что от нее ждешь?
Я довольно сносно говорю по-английски, но понимаю, что в ближайшие год-два буду нарабатывать практику публичных выступлений, ораторское мастерство.
Второй совет – понимать, чего хочется и зачем, чтобы ожидания не разбивались вдребезги о реальность. Часто бывает так, что люди хотят за границу, потому что у них есть какой-то образ. А реальная жизнь всегда хуже, чем образ.
Я пошел в Facebook в том числе потому, что мне всегда хотелось сделать что-то, чем будут пользоваться миллиарды.
— А у тебя есть какой-то дальнейший план? Вот сейчас Facebook, а дальше?
Месяц назад я сформировал свою долговременную жизненную цель. Я хочу победить старение. Я изучил текущий опыт в области геронтологии и сделал вывод, что фундаментальных причин, которые помешали бы обратить старение, нет. Нет закона физики, который бы этому противоречил.
Для меня победить старение означает не просто остановить его, как процесс, а повернуть вспять. Условно говоря, если сейчас мы сделаем прорыв, то человек, которому 70, вполне сможет откатиться на 20, 30 или 40 лет. Я бы очень хотел, чтобы это было достигнуто на моем веку, а еще лучше, чтобы до этого дожили мои родители.
Я понимаю, что вряд ли сделаю прорыв в геронтологии сам, я специализируюсь в другой области. Но я хочу иметь возможность инвестировать в это миллиарды, направлять очень умных людей на борьбу со старением. Значит, нужно занять достаточно высокую позицию в такой компании, у которой есть средства, интеллектуальные ресурсы, инвестиционные программы в различные направления.
В Facebook есть Facebook AI Research. Это очень известная лаборатория, одна из лучших в мире, которые занимаются исследованиями в области искусственного интеллекта. Почему бы не сделать Facebook Anti-Aging Research? Есть FAIR, будет FAAR.
— Есть ли у тебя лайфхаки в изучении нового? Система?
— На мой взгляд, приобретение новых навыков, профессиональных или общих, напрямую связано с двумя вещами: некоторой природной одаренностью или склонностью, и количеством времени, которое ты можешь этому уделить. Чем больше времени ты инвестируешь, тем лучше будут твои результаты.
И это самое сложное. Тяжело себя заставлять, концентрироваться. Есть и ментальная привычка: вот сейчас я сделаю тяжелую работу, а потом посмотрю телевизор. Это очевидная награда сейчас. А если я что-то буду учить – это какая-то награда в будущем и то не факт, что она будет.
Совета тут два — понимать, что только упорство и усилия помогут чего-то достичь, и слушать свой организм, чтобы Wowремя взять паузу, отдохнуть и не сломаться.
— Мы не прощаемся, знаю, что ты останешься экспертом нашей Цифровой академии. Что пожелаешь ребятам, которые учатся или будут в ней учиться?
Пожелаю студентам и будущим, и нынешним не бросать это дело, относиться к обучению добросовестно, потому что это инвестиция в самое важное – в себя, в свои навыки, в свое развитие. Это окупится многократно.
Источник: vc.ru
Сколько зарабатывает Бабушкин, тот, который Евгений, — депутат из Знаменска
«Блокнот Астрахань» продолжает разбор деклараций местных парламентариев. И делаем мы это в алфавитном порядке — от А до Я. Следующий по списку депутат Думы Астраханской области Бабушкин Евгений Михайлович.
Евгений Михайлович избирался от партии «ЛДПР» по одномандатному избирательному округу № 1, за него отдали свои голоса 5561 житель ЗАТО Знаменск и части Ахтубинского района Астраханской области (за исключением самого города Ахтубинска и жителей Удаченского сельсовета). В Думе является членом комитета Думы по законотворческой деятельности и комитета Думы по социальной политике, а также заместителем руководителя фракции ЛДПР.
Бабушкин Евгений Михайлович родился 17 марта 1982 года в городе Петухово Курганской области. В 2019 году окончил Астраханский государственный университет по специальности «Педагогика и психология».
С 2005 года он руководит клубом рукопашного боя при Центре культуры города Знаменска и неизвестно с какого времени занимает должность заместителя начальника команды ведомственной охраны в/ч 47209.
В 2019 году Евгений Бабушкин был избран депутатом Совета ЗАТО Знаменск, а в 2021 году избран депутатом Думы Астраханской области седьмого созыва.
Награжден нагрудным знаком «Гвардия» (нагрудный знак, являющийся знаком отличия военнослужащих, удостоенных гвардейского воинского звания, проходящих военную службу в составе гвардейских воинских формирований Российской Федерации — инф. из интернет-источников) и Почетной грамотой Совета ЗАТО Знаменск.
Итак, сколько заработал Евгений Бабушкин, не путать с Игорем Бабушкиным, за 2021 год?
За прошлый год народный избранник, согласно опубликованной на сайте облдумы информации, заработал 296 316,94 рублей, в среднем, по 24 316, 94 рублей в месяц.
Любопытно, что за предшествующий его депутатству 2020 год Евгений Бабушкин получил из казны минобороны 363 512,74 рублей, по 30 292,72 рубля в месяц, — то есть зарплата депутата по основному месту работы за год снизилась на 6 тысяч рублей. А еще возникает вопрос, а за руководство клубом рукопашного боя при Центре культуры города Знаменска Евгений Бабушкин ничего не получает?
В собственности у депутата нет недвижимости. Имеется лишь квартира площадью 66,7 кв.м. в бессрочном пользовании по договору социального найма от 2016 года.
Автопарк народного избранника включает 1 транспортное средство: автомобиль Лада Гранта 2018 года.
Что касается супруги Евгения Бабушкина, то она заработала за 2021 год 20 тысяч рублей и в собственности у нее половина жилого дома площадью 48,2 кв.м. Кроме того, за ней и двумя несовершеннолетними детьми супругов в безвозмездном пользовании с 2002 года значится квартира по договору социального найма площадью 66,7 кв.м. Предполагаем, что это та же самая квартира, что фигурирует у самого депутата Бабушкина.
Также за третьим ребенком четы Бабушкиных — несовершеннолетней дочерью в безвозмездном пользовании значится другая жилплощадь — квартира площадью 48 кв.м.
Что полезного сделал Евгений Бабушкин для астраханцев за 9 месяцев своего депутатства
Не найдя на сайте областной Думы информации о деятельности депутата Евгения Бабушкина, мы направились прямиком в его социальные сети.
Итак, народный избранник провел для детей семинар по рукопашному бою, возложил цветы к Мемориалу «Крыло Икара» в Ахтубинске, инициировал проверку Роспотребнадзором полигона твердых коммунальных отходов в Знаменске и задал вопрос по проблеме отходов министру строительства и ЖКХ области, принял участив в автопробеге в поддержку российской армии, на одном из пленарных заседаний областной Думы поднял вопрос оплаты труда тренерского состава в регионе, а также задал два вопроса губернатору по поводу плохого обеспечения региона питьевой водой и строительства новых площадок под ТКО и мусороперерабатывающих заводов.
Татьяна Почевалова, фото личная страница Е. Бабушкина в социальных сетях
Новости на Блoкнoт-Астрахань
Будь в курсе событий!
Добавь «Блокнот Астрахань»
в избранное.
Источник: bloknot-astrakhan.ru