 |
«Сбербанк Лизинг» поставил Москве свыше 3 тыс. единиц коммунальной техники
07 ноября 2014 г., Москва. – «Сбербанк Лизинг» принимает активное участие в обновлении дорожно-коммунального парка столицы России. С 2013 года лизинговая компания передала Москве уже более 3 тыс. единиц техники для уборки дорог и благоустройства города. В октябре завершена поставка очередной партии коммунальных машин. В рамках контракта, заключенного между ЗАО «Сбербанк Лизинг» и ГБУ «Автомобильные дороги» в марте 2014 года, поставлено свыше 1,5 тыс. единиц техники и навесного оборудования к ним (962 единицы техники и 586 единиц навесного оборудования). Заключительные партии машин (почти 200 единиц) поступят в распоряжение лизингополучателя до конца года. В рамках трех госконтрактов лизинга Москва получает от ЗАО «Сбербанк Лизинг» свыше 3,4 тыс. единиц коммунальной техники. Общая стоимость проектов составляет более 12 млрд. рублей. В списке переданной техники – автосамосвалы, погрузчики разных назначений, траншейные экскаваторы, гидромолоты, компрессоры, катки, гидробуры, дорожные фрезы и другие машины. Они эксплуатируется на территории всех административных округов, в т.ч. «новой Москвы», в рамках обеспечения потребностей ГБУ «Жилищник» и других нужд городского хозяйства.
ЗАО «Сбербанк Лизинг» осуществляет деятельность на рынке лизинговых услуг РФ с 1993 года. Входит в ТОП-3 крупнейших лизингодателей в рэнкинге от РА «Эксперт». Высокая деловая репутация ЗАО «Сбербанк Лизинг» в январе 2014 года подтверждена Международным рейтинговым агентством Fitch Ratings - рейтинг «BBB». Рейтинг кредитоспособности от РА «Эксперт» на уровне «А++» - «Исключительно высокий (наивысший) уровень финансовой устойчивости». Единственным акционером компании является ОАО «Сбербанк России». Региональная сеть ЗАО «Сбербанк Лизинг» насчитывает 65 филиалов в крупнейших городах России и дочерние компании в Казахстане, Украине и Беларуси.
Сайт компании - www.sberleasing.ru Пресс-служба ЗАО «Сбербанк Лизинг» Эл.почта pr@sberleasing.ru
Контактное лицо: Пресс-секретарь
Компания: «Сбербанк Лизинг»
Добавлен: 01:32, 10.11.2014
Количество просмотров: 940
| Транспортные документы от Платформы ЭПД можно будет подписать в смартфоне, Платформа ОФД, 17:06, 17.08.2026, Россия610 |
| «Платформа ОФД» присоединилась к соглашению Минцифры России о развитии и внедрении мобильной электронной подписи «Госключ». Сотрудничество направлено на проработку новых сценариев использования сервиса, обмен технологической экспертизой и поддержку интеграции в продукты электронного документооборота. |
| UDV Group: банки столкнутся с ИБ-рисками из-за нейросетей без правил, UDV Group, 17:04, 17.08.2026, Россия601 |
| Российский разработчик решений в области киберустойчивости UDV Group прокомментировал рекомендации Банка России по безопасному использованию искусственного интеллекта финансовыми организациями. По оценке эксперта компании, ИИ постепенно становится для банков не только инструментом автоматизации, но и отдельным объектом управления информационной безопасностью. |
| ActiveCloud запустил в России услугу частного облака, ActiveCloud, 20:34, 16.08.2026, Россия680 |
| Облачный провайдер ActiveCloud запустил в России услугу частного облака для размещения критически важных систем, ресурсоемких приложений и инфраструктуры с повышенными требованиями к безопасности. |
| «НОБИЛИС» ПРЕДСТАВИТ ЦИФРОВУЮ ЭКСПЕРТИЗУ В СФЕРЕ КОРПОРАТИВНОГО ЗДОРОВЬЯ НА ВНОТ-2026, Нобилис ООО, 14:07, 14.08.2026, Россия791 |  |
| ООО «Нобилис», разработчик российской платформы управления корпоративным здоровьем TouchMED, объявляет об участии в ключевом отраслевом событии - XI Всероссийской неделе охраны труда (ВНОТ-2026). В фокусе презентации компании - практические инструменты цифровизации медосмотров, в том числе профилактических и предиктивной аналитики для снижения операционных рисков и повышения эффективности персонала. |
| Nexign: российский бизнес не спешит использовать ИИ для поиска аномалий, Nexign, 14:03, 14.08.2026, Россия134 |  |
| Почти 80% российских компаний уже применяют инструменты мониторинга своей ИТ-инфраструктуры, но лишь каждая шестая использует модели машинного обучения для обнаружения аномалий. Мешают нехватка внутренней экспертизы, низкое качество данных и сложность подсчета окупаемости инвестиций. |
|
 |