BelkaCar включил в линейку новый тариф «Блиц» со скидкой 20% — минута поездки теперь стоит от 1,05 рубля. Это не просто маркетинговый ход, а пример того, как компании постоянно подстраивают цены под спрос. Для студента ИТ-направления такой кейс — готовый фундамент для ВКР: от аналитики данных до архитектуры микросервисов. В этой статье покажу, как превратить новость о реальном тарифе в защищаемый дипломный проект, какие технологии использовать и какие метрики считать, чтобы ваша работа выглядела современной и практичной.
Новость о «Блице» можно разложить на три технические задачи — каждая соответствует поддомену ИТ и закрывает реальную потребность бизнеса. Ниже — готовая структура тем с целями, задачами и планом глав.
| Направление | Актуальность (отсылка к статье) | Цель | Задачи | Структура |
|---|---|---|---|---|
| Data Engineering: ETL-пайплайн для анализа тарифов | BelkaCar регулярно меняет тарифы, значит, нужен автоматический сбор и пересчёт показателей. «Блиц» — удобный объект исследования. | Спроектировать и реализовать пайплайн, который собирает данные о поездках и тарифах, очищает их и строит витрины для аналитики. | 1. Определить источники и форматы данных. 2. Разработать схему DWH. 3. Реализовать ETL-процесс (Airflow + Kafka). 4. Построить дашборд ключевых KPI. | Глава 1 — обзор тарифных стратегий каршеринга. Глава 2 — проектирование хранилища и ETL. Глава 3 — тестирование, замер времени загрузки, оценка стоимости инфраструктуры. |
| ML: модель прогнозирования спроса для динамической цены | Тариф «Блиц» со скидкой вводится, чтобы стимулировать спрос в часы простоя. Чтобы понять, когда и насколько снижать цену, нужна модель. | Разработать модель, которая прогнозирует спрос на автомобили в зависимости от времени, локации и погоды. | 1. Подготовить датасет (аренда, геолокация, время). 2. Обучить модель (XGBoost, LightGBM). 3. Оценить качество по MAE/RMSE. 4. Предложить API для рекомендации тарифа. | Глава 1 — обзор методов прогнозирования. Глава 2 — проектирование и обучение модели. Глава 3 — эксперименты, сравнение алгоритмов, экономический эффект. |
| Backend: микросервисная архитектура тарифного сервиса | Запуск нового тарифа означает, что система бронирования должна гибко менять условия без остановки сервиса. Это классика микросервисов. | Спроектировать архитектуру сервиса «Тарифы» с возможностью горячего включения новых условий и A/B-тестирования. | 1. Провести декомпозицию предметной области. 2. Разработать REST/gRPC API. 3. Реализовать контейнеризацию и оркестрацию (Docker, K8s). 4. Провести нагрузочное тестирование. | Глава 1 — анализ архитектурных стилей. Глава 2 — проектирование и реализация. Глава 3 — тесты производительности, расчёт TCO. |
Недостаточно просто написать «BelkaCar запустила тариф». Нужно показать, как конкретный факт влияет на проектные решения. Вот три практических приёма.
В главе 1 постройте модель «как есть» на основе новости. Представьте, как сейчас работает тарифное ядро BelkaCar: заказ, возврат, расчёт по минутам. Опишите это в нотации C4 (контекст, контейнеры, компоненты). Нарисуйте UML-диаграмму вариантов использования для нового тарифа «Блиц»: выбор тарифа, активация скидки, контроль времени. Вузы любят стандарты: для архитектуры подойдёт ГОСТ 34.601-90, для качества — ISO/IEC 25010.
Если выбрали тему Data Engineering, покажите фрагмент ETL-процесса на Python. Например, расчёт средней стоимости минуты с учётом нового тарифа:
import pandas as pd
# Данные о поездках после запуска тарифа "Блиц"
df = pd.read_csv('trips_blitz.csv')
df['cost_per_minute'] = df['total_cost'] / df['duration_minutes']
# Фильтр только по новому тарифу
blitz = df[df['tariff'] == 'blitz']
print(f"Средняя стоимость минуты: {blitz['cost_per_minute'].mean():.2f} руб.")
print(f"Доля поездок с активацией скидки: {(blitz['discount'] > 0).mean():.1%}")Такой код можно вставить в приложение, а в тексте описать логику работы с реальными данными. Если доступ к данным компании закрыт — допустимо сгенерировать синтетический датасет, но обязательно укажите это в ограничениях исследования.
Для любой ВКР нужно показать, что ваше решение работает. Для кейса с тарифом подойдут:
Базово — да. Достаточно понимать принципы регрессии, уметь обучать модель на готовых данных и интерпретировать метрики. Если тема по Data Engineering, ML можно вообще не трогать.
Используйте новость как исходную точку: «Компания вводит тариф со скидкой 20%. Для того чтобы оценить последствия, необходимо…». Данные можно собрать вручную или сгенерировать. Честно опишите выбранный подход в главе 1.
Открытые датасеты каршеринга (например, CityBike), Kaggle, веб-скрапинг цен конкурентов. Также можно сделать выгрузку из материалов самой статьи: цена, контекст запуска.
Проверьте, какие нотации приняты на вашей кафедре. Обычно достаточно UML Use Case, ER-диаграммы и C4 — это признаётся современным. Обязательно подпишите все элементы и сделайте ссылки на рисунки в тексте.
Ошибка 1. Цель «разработать систему», а задачи — только аналитические. Если вы пишете «разработать», значит, в работе должен быть код или архитектурная схема, иначе комиссия спросит, где реализация. Свяжите цель с кейсом «Блиц»: например, «разработать ETL-модуль для расчёта оптимальной цены».
Ошибка 2. Игнорирование экономической эффективности. Для тарифной системы важно показать не только технические характеристики, но и TCO или ROI. Иначе возникает вопрос: зачем это вообще бизнесу?
Ошибка 3. Слабый нормоконтроль. Скриншоты из интернета вместо собственных диаграмм, код без пояснений, таблицы без ссылок. Всегда используйте вишлист «что проверить перед сдачей» ниже.
Если вы хотите сэкономить до 120 часов и получить гарантированный результат — наши специалисты помогут с любой темой ВКР: от выбора стека до расчёта экономической эффективности. Первая консультация — бесплатно. Расскажите о своей задаче, и мы предложим план действий.
Источник: Каршеринг BelkaCar запустил новый тариф «Блиц» (опубликовано 2026-03-17)