Написать диплом по теме «Анализ применения рекомендательных систем в бизнесе»

Если вы студент МТИ по специальности 38.03.02 «Информационный менеджмент» и выбрали тему «Анализ применения рекомендательных систем в бизнесе», эта статья — ваш полный гид. Здесь вы найдёте структуру ВКР, примеры из практики, чек-лист перед защитой и разбор типичных ошибок. Всё, что нужно для самостоятельной работы, с учётом требований методички МТИ и ГОСТ 7.0.100-2018.

Нужен разбор вашей темы Анализ применения рекомендательных систем в бизнесе? Получите бесплатную консультацию: @dan_kursach | +79851158222 (WhatsApp)

Актуальность темы «Анализ применения рекомендательных систем в бизнесе»

Рекомендательные системы — не просто «умные подсказки» в Netflix или Spotify. В бизнесе они напрямую влияют на конверсию и средний чек. По данным McKinsey (2024), компании, внедряющие персонализацию, видят рост выручки на 10–15%. В e-commerce доля продаж через рекомендации достигает 35% — это подтверждает IBM Consumer Study 2025.

В российском сегменте Wildberries, Ozon и СберМегаМаркет активно инвестируют в алгоритмы рекомендаций. Но большинство малых и средних бизнесов до сих пор используют базовые фильтры. Зачем тратить время на ручную сегментацию, если можно автоматизировать подбор товаров?

Цель и задачи диплома по теме «Анализ применения рекомендательных систем в бизнесе»

Цель ВКР: анализ эффективности внедрения рекомендательной системы в бизнес-процессы интернет-магазина одежды «StyleLab».

Задачи, соответствующие методичке МТИ:

1. Описать принципы работы рекомендательных систем (на основе ГОСТ Р 57700.2-2018 — «Интеллектуальные системы. Термины и определения»).
2. Проанализировать текущие бизнес-процессы в «StyleLab»: сбор данных, сегментация, маркетинг.
3. Выбрать и адаптировать алгоритм рекомендаций (collaborative filtering, content-based, hybrid).
4. Разработать прототип системы на Python с использованием библиотеки Surprise.
<5>Рассчитать экономическую эффективность внедрения (срок окупаемости, рост конверсии).

Каждая задача — отдельный логический блок в структуре диплома. Это соответствует требованиям МТИ к раскрытию темы.

Объект и предмет исследования

• Объект: бизнес-процессы интернет-магазина одежды «StyleLab».
• Предмет: процесс персонализации предложений с помощью рекомендательных систем.

Объект шире — это вся компания. Предмет — конкретная зона автоматизации. Такое разделение требует методичка МТИ и поддерживается ГОСТ 7.0.100-2018.

Ожидаемые результаты и практическая значимость

По итогам работы вы получите:

• Диаграмму бизнес-процессов до и после внедрения (BPMN 2.0).
• Фрагмент кода рекомендательной системы с комментариями.
• Расчёт: сокращение времени на подбор рекомендаций с 3 часов до 10 минут, рост конверсии на 22%.

Такие данные — основа для защиты. Научный руководитель ожидает измеримый эффект, а не абстрактные рассуждения.

Рекомендуемая структура дипломной работы

Пример введения для МТИ

Цифровизация розничной торговли требует перехода от массового маркетинга к персонализированным коммуникациям. Интернет-магазин «StyleLab» теряет до 18% потенциальных продаж из-за отсутствия автоматизированной рекомендательной системы. Анализ посещаемости сайта показывает, что 67% пользователей уходят после просмотра одной страницы. Целью данной работы является оценка эффективности внедрения рекомендательной системы на базе гибридного алгоритма. Исследование включает анализ текущих процессов, проектирование системы, разработку прототипа и расчёт экономической эффективности. Методологическая база — ГОСТ Р 57700.2-2018, BPMN 2.0, методика расчёта ROI по ФСБУ 25/2018.

Как написать заключение по Информационный менеджмент

В ходе работы была проанализирована возможность повышения конверсии интернет-магазина «StyleLab» за счёт внедрения рекомендательной системы. Был разработан прототип на Python с использованием библиотеки Surprise и алгоритма SVD. Экономический расчёт показал рост выручки на 22% и окупаемость проекта за 5 месяцев. Практическая значимость заключается в готовом решении, которое может быть адаптировано под другие e-commerce платформы. Рекомендуется продолжить разработку в рамках ИТ-стратегии компании.

Требования к списку литературы МТИ

Список литературы должен содержать не менее 25 источников, оформленных по ГОСТ Р 7.0.100-2018. Включайте:

• Официальные стандарты (ГОСТ, ISO).
• Научные статьи из eLibrary и CyberLeninka.
• Документацию разработчиков (например, Surprise Documentation).

Примеры реальных источников:

1. ГОСТ Р 57700.2-2018. Системы искусственного интеллекта. Термины и определения. — https://docs.cntd.ru/document/1200159986
2. Корнеев А.В. Персонализация в e-commerce: алгоритмы и практика. — https://cyberleninka.ru/article/n/personalizatsiya-v-e-commerce-algoritmy-i-praktika
3. IBM. AI in Retail: 2025 Outlook. — https://www.ibm.com/thought-leadership/institute-business-value/report/ai-retail-2025

Вопросы, которые часто задают студенты

Можно ли использовать готовые решения в ВКР?

Да, но с адаптацией. Например, вы можете взять open-source библиотеку Surprise, но изменить параметры модели под вашу задачу. Важно показать, что вы понимаете, как работает алгоритм, а не просто запустили чужой код.

Сколько страниц должна быть практическая часть?

В МТИ — от 30 до 40 страниц. Включайте: описание разработки, фрагменты кода, диаграммы, скриншоты интерфейса (если есть), расчёты. Главное — показать ваш вклад.

Можно ли использовать open-source решения?

Да, это даже приветствуется. Но вы обязаны указать источник и показать, как адаптировали решение. Например: «Модель на основе Surprise, версия 1.1.3, с изменённым параметром n_factors=100».