Дипломная работа на тему "Автоматизации учёта обращений пользователей для организации Valve Corporation"

Дипломная работа на тему "Автоматизации учёта обращений пользователей для организации Valve Corporation"

Дипломная работа по теме «Автоматизации учёта обращений пользователей для организации Valve Corporation» включает анализ текущей системы поддержки, проектирование ИС на базе микросервисной архитектуры, разработку прототипа и расчёт экономической эффективности. Работа соответствует требованиям Синергия по структуре, ГОСТ 34.602-2020 и включает реальные бизнес-процессы крупной IT-компании.

Нужен разбор вашей темы Дипломная работа на тему "Автоматизации учёта обращений пользователей для организации Valve Corporation"? Получите бесплатную консультацию: @Diplomit | +7 (987) 915-99-32 (WhatsApp)

Актуальность темы

Valve Corporation — разработчик Steam, одной из крупнейших цифровых платформ в мире. Ежедневно платформа обслуживает более 90 млн пользователей. В 2025 году официальный блог Steam сообщил, что служба поддержки получает до 150 000 обращений в месяц. При этом 68% запросов связаны с повторяющимися проблемами: возврат средств, блокировка аккаунта, активация ключей.

Сейчас Valve использует частично автоматизированную систему на базе Zendesk. Однако, по данным Gartner, 2025, компании с высоким объемом пользовательских запросов теряют до 22% времени на ручную классификацию обращений. Это приводит к задержкам ответов и снижению удовлетворенности клиентов.

Автоматизация учёта обращений — не просто модернизация, а необходимость. Особенно для IT-компаний, где репутация напрямую зависит от скорости реакции на проблемы пользователей.

Цель и задачи

Цель исследования: разработка проекта автоматизированной системы учёта обращений пользователей для Valve Corporation с интеграцией NLP-обработки и аналитики.

Задачи исследования:

1. Проанализировать текущую систему поддержки Steam и выявить узкие места.
2. Провести сравнительный анализ CRM-систем (Zendesk, Freshdesk, Jira Service Management).
3. Разработать архитектуру ИС с использованием микросервисов и очередей сообщений (RabbitMQ).
4. Спроектировать базу данных с поддержкой тегирования, приоритизации и маршрутизации запросов.
<5>Разработать прототип модуля классификации обращений на Python с использованием библиотеки spaCy.
5. Оценить экономическую эффективность внедрения: снижение времени обработки, сокращение штата поддержки.
6. Обеспечить соответствие требованиям ФСТЭК по защите персональных данных.

Задачи соответствуют методичке Синергия: от анализа «КАК ЕСТЬ» к проектированию «КАК ДОЛЖНО БЫТЬ» и расчёту эффекта.

Объект и предмет исследования

Объект: система технической поддержки пользователей Steam (Valve Corporation).

Предмет: процесс учёта, классификации и маршрутизации пользовательских обращений в условиях высокой нагрузки.

Не путайте: объект — где, предмет — что именно вы автоматизируете. В работах студентов Синергия часто встречается подмена: «объект — информационная система», что снижает оценку.

Ожидаемые результаты и практическая значимость

После внедрения системы ожидается:

• Снижение времени обработки обращения с 48 до 12 часов.
• Автоматическая классификация 85% запросов (NLP + правила).
• Снижение нагрузки на агентов поддержки на 35%.
• Интеграция с внутренними базами Steam (игры, транзакции, аккаунты).

Практическая значимость: повышение лояльности пользователей, снижение операционных затрат, улучшение SLA.

Рекомендуемая структура дипломной работы

Пример введения для Синергия

Современные цифровые платформы сталкиваются с растущим объемом пользовательских обращений. Valve Corporation, разработчик Steam, ежемесячно обрабатывает более 150 000 запросов. При этом 68% из них относятся к типовым сценариям (возврат средств, активация ключей, блокировка аккаунта), что указывает на высокий потенциал автоматизации. Внедрение интеллектуальной системы учёта обращений позволит сократить время реакции, снизить нагрузку на поддержку и повысить удовлетворённость пользователей. Цель работы — разработка проекта автоматизированной системы учёта обращений для Valve с использованием микросервисной архитектуры и NLP-обработки. Задачи включают анализ существующих решений, проектирование ИС, разработку прототипа и расчёт экономической эффективности. Исследование опирается на ГОСТ 34.602-2020 и методические рекомендации Синергия.

Как написать заключение по Прикладная информатика

В ходе работы была проанализирована система поддержки Steam и выявлены ключевые узкие места: ручная классификация, отсутствие единого реестра обращений, задержки маршрутизации. Разработана архитектура ИС на базе Python, FastAPI, PostgreSQL и RabbitMQ. Прототип модуля классификации показал точность 87% на тестовой выборке из 5000 обращений. Экономический расчёт подтвердил окупаемость проекта за 14 месяцев при снижении операционных затрат на 28%. Рекомендуется внедрение системы в пилотном режиме на 20% обращений с последующей масштабизацией. Работа соответствует требованиям ГОСТ 7.0.100-2018 и методичке Синергия по структуре и содержанию.

Требования к списку литературы Синергия

Список литературы должен содержать не менее 20 источников, из них:

• не менее 10% — за последние 2 года;
• обязательно: ГОСТ, законодательные акты, научные статьи;
• оформление — по ГОСТ Р 7.0.100-2018.

Примеры реальных источников:

1. ГОСТ Р 34.602-2020. Информационная технология. Комплекс стандартов на автоматизированные системы. Техническое задание на создание автоматизированной системы. — https://docs.cntd.ru/document/1200177886
2. Valve Corporation. Steam Support. — https://help.steampowered.com/
3. Spacy Documentation. NLP Pipeline. — https://spacy.io/usage/processing-pipelines

Вопросы, которые часто задают студенты

Можно ли использовать готовые решения в ВКР?

Да, но с адаптацией. Например, можно взять за основу архитектуру Jira Service Management, но переработать под специфику Steam. Главное — показать своё проектирование: почему выбраны те или иные компоненты, как они взаимодействуют. Наши студенты часто используют open-source CRM, но модифицируют логику маршрутизации и интеграции.

Сколько страниц должна быть практическая часть?

Рекомендуемый объём — 30–40 страниц. Включите: ER-диаграмму, дерево функций, блок-схемы алгоритмов, фрагменты кода (около 400 операторов), экранные формы. В Синергия акцент на реализации — чем больше деталей, тем выше оценка.

Можно ли использовать open-source решения?

Абсолютно. Например, модуль классификации можно построить на spaCy или Transformers. Главное — указать источник, лицензию и адаптировать под задачу. В работах по Прикладная информатика это не только разрешено, но и поощряется: показывает понимание реальных инструментов.

Уникальный пример: схема обработки обращений

Ниже — пример архитектуры обработки запросов:

Код модуля классификации (фрагмент)

import spacy
from typing import Dict

nlp = spacy.load("en_core_web_sm")

def classify_ticket(text: str) -> Dict[str, str]:
    doc = nlp(text.lower())
    
    if any(word in text for word in ["refund", "return", "money back"]):
        return {"type": "refund", "priority": "medium"}
    elif "banned" in text or "blocked" in text:
        return {"type": "ban", "priority": "high"}
    elif "activate" in text or "key" in text:
        return {"type": "activation", "priority": "low"}
    else:
        return {"type": "general", "priority": "low"}