Написать диплом по теме «Прогнозирование остатков рейтинговых пунктов в компании, реализующей размещение медиарекламы»
Прогнозирование остатков рейтинговых пунктов — критически важная задача для медиаагентств, где точность расчётов влияет на бюджеты клиентов и эффективность кампаний. В ВКР по Прикладной информатике (09.03.02) вы можете разработать модель прогнозирования на основе временных рядов, интегрировав её в ИС компании. В статье — структура, примеры, чек-листы и типичные ошибки студентов ВШЭ.
Нужен разбор вашей темы Прогнозирование остатков рейтинговых пунктов в компании, реализующей размещение медиарекламы? Получите бесплатную консультацию: @Diplomit | +7 (987) 915-99-32 (WhatsApp)
Актуальность темы
Медиаагентства ежедневно управляют сотнями рекламных кампаний, где рейтинговые пункты (GRP) — ключевой KPI охвата аудитории. По данным IAB России (2024), 68% компаний сталкиваются с перерасходом бюджета из-за неточного прогнозирования остатков GRP. Особенно остро это ощущается в ТВ и OOH-рекламе.
На практике сотрудники часто полагаются на Excel-модели, что приводит к ошибкам и задержкам. Автоматизация прогнозирования с использованием машинного обучения позволяет повысить точность на 30–45% (по данным CyberLeninka, 2024). Это делает тему не просто теоретической, а востребованной в реальных бизнес-процессах.
Цель и задачи
Цель исследования: разработка и внедрение модели прогнозирования остатков рейтинговых пунктов в информационной системе медиаагентства.
Задачи:
- Проанализировать бизнес-процессы управления рекламными кампаниями в выбранной компании.
- Изучить существующие методы прогнозирования GRP (линейная регрессия, ARIMA, Prophet).
- Разработать алгоритм прогнозирования на основе временных рядов.
- Интегрировать модель в прототип ИС (например, на Python + Django).
- Провести контрольный расчёт и оценить точность модели.
- Обосновать экономическую эффективность внедрения.
Задачи соответствуют требованиям методички ВШЭ по направлению 09.03.02: анализ → проектирование → разработка → экономика.
Объект и предмет исследования
Объект: процесс управления медиарекламными кампаниями в ООО «МедиаПроект» (реальная или вымышленная компания, используемая как кейс).
Предмет: алгоритм прогнозирования остатков рейтинговых пунктов на основе исторических данных и сезонных факторов.
Важно: объект — это где происходит автоматизация, предмет — что именно вы разрабатываете. Не дублируйте их.
Ожидаемые результаты и практическая значимость
По итогам ВКР вы получите:
- Прототип модуля прогнозирования с интерфейсом (например, Flask-приложение).
- Точность прогноза ±10% относительно реальных данных (проверяется на тестовых кампаниях).
- Снижение времени на подготовку отчётов — с 4 часов до 20 минут.
- Расчёт экономии: до 180 тыс. руб./год за счёт сокращения ручного труда.
Практическая значимость: решение может быть интегрировано в CRM-системы медиаагентств, использующие платформы типа 1C:ERP или Bitrix24.
Рекомендуемая структура дипломной работы
| Раздел ВКР | Рекомендуемый объем |
|---|---|
| Введение | 3–5 страниц |
| Теоретическая глава | 25–30 страниц |
| Аналитическая часть | 30–40 страниц |
| Практическая часть | 30–40 страниц |
| Экономическая эффективность | 20–25 страниц |
| Заключение | 3–5 страниц |
Пример введения для ВШЭ
Управление медиарекламными кампаниями требует точного контроля за расходованием рейтинговых пунктов (GRP), которые определяют охват аудитории. В условиях динамичного медиарынка ручной учёт остатков приводит к ошибкам и перерасходу бюджетов. По данным IAB, в 2023 году 62% рекламодателей сообщили о несоответствии плановых и фактических GRP более чем на 15%. Это подчеркивает необходимость автоматизации прогнозирования.
Целью выпускной квалификационной работы является разработка модели прогнозирования остатков GRP на основе временных рядов и её интеграция в информационную систему медиаагентства. Объектом исследования выступает процесс управления рекламными кампаниями, предметом — алгоритм прогнозирования.
Задачи включают анализ существующих методов, разработку прототипа, оценку точности и расчёт экономической эффективности. В работе используются данные за 18 месяцев из реальной кампании по продвижению FMCG-бренда. Методы исследования — анализ, моделирование, статистическая обработка, сравнительный анализ.
Как написать заключение по Прикладная информатика
В ходе работы была разработана модель прогнозирования остатков рейтинговых пунктов на основе алгоритма Prophet от Facebook. Точность модели составила 91,3% на тестовых данных, что превышает результаты линейной регрессии (78,4%) и ARIMA (83,1%).
Разработан прототип веб-модуля на Python (Flask), интегрированный с базой данных PostgreSQL. Решение позволяет автоматически обновлять прогнозы ежедневно и формировать отчёты в PDF.
Экономический эффект — сокращение трудозатрат на 75%, срок окупаемости — 4,2 месяца. Рекомендуется внедрение в ИС средних медиаагентств. Дальнейшее развитие — интеграция с API телеканалов и платформами программатик-закупок.
Требования к списку литературы ВШЭ
Список литературы должен соответствовать ГОСТ Р 7.0.100-2018. Объём — не менее 20 источников, из них 10% — за последние 2 года.
Примеры реально существующих источников:
- ГОСТ Р 7.0.100-2018. Система стандартов по информации, библиотечному и издательскому делу. https://docs.cntd.ru/document/1200157348
- Кагаловский М.Р. Прикладная информатика: учебник. — М.: Форум, 2023. — 448 с.
- Taylor, S.J., Letham, B. Prophet: Forecasting at scale // Facebook Research. 2024. https://research.facebook.com/publications/prophet-forecasting-at-scale/
⚠️ Типичные ошибки при написании Прогнозирование остатков рейтинговых пунктов в компании, реализующей размещение медиарекламы
- Ошибка: Использование абстрактных данных без привязки к реальной кампании → Как проверить: Добавьте в приложение выписки из договоров, графики эфиров, скриншоты CRM.
- Ошибка: Копирование кода Prophet без адаптации → Решение: Модифицируйте модель под сезонность GRP (например, добавьте праздничные дни как регрессоры).
- Ошибка: Несоответствие задач цели → Чек-лист: Проверьте, что каждая задача логически ведёт к достижению цели (например, «разработка модели» → «повышение точности прогноза»).
- Ошибка: Отсутствие экономических расчётов → Решение: Используйте методику сравнения базового и проектного вариантов (ГОСТ 34.602-2020).
Частые вопросы по теме «Прогнозирование остатков рейтинговых пунктов в компании, реализующей размещение медиарекламы»
- В: Сколько страниц должна быть практическая часть? О: В ВШЭ — 30–40 стр. с кодом, схемами, скриншотами. Главное — показать реализацию, а не «распушить» текст.
- В: Нужен ли реальный код в приложении? О: Да. Достаточно 400 строк ключевого модуля (например,
forecast_engine.py), оформленного по ГОСТ 19.402-78. - В: Как проверить уникальность перед сдачей? О: Используйте Антиплагиат.ВУЗ с настройками ВШЭ. Уникальность должна быть >75%.
- В: Можно ли использовать open-source решения? О: Да, но с обязательной адаптацией. Например, Prophet — можно, но с кастомными параметрами и интерфейсом.
Вопросы, которые часто задают студенты
Можно ли использовать готовые решения в ВКР?
Да, но с адаптацией. Например, вы можете взять библиотеку Prophet, но модифицировать её под специфику GRP: добавить веса по каналам, учесть прайм-тайм, праздники. Чистое копирование — риск замечания от научрука.
Сколько страниц должна быть практическая часть?
Рекомендуемый объём — 30–40 страниц. Включите: схему ИС, ER-модель, код, скриншоты интерфейса, результаты тестирования. Главное — не количество, а доказательство работоспособности.
Можно ли использовать open-source решения?
Да, это даже приветствуется. Например, Flask, Django, Prophet — всё это легально и документируется. Главное — показать, как вы адаптировали решение под задачу и оценили его эффективность.
✅ Чек-лист перед защитой Прогнозирование остатков рейтинговых пунктов в компании, реализующей размещение медиарекламы
- □ Все задачи из введения выполнены и отражены в заключении
- □ Структура соответствует требованиям методички ВШЭ
- □ Уникальность >75% по Антиплагиат.ВУЗ (настройки вуза)
- □ Источники оформлены по ГОСТ Р 7.0.100-2018
- □ Работа содержит реальные данные, а не шаблоны
- □ Код протестирован и приложен в приложении
- □ Экономический расчёт выполнен по методике ГОСТ 34.602-2020
Застряли на этапе экономического расчёта? Наши эксперты по Прикладная информатика помогут разобраться. Написать в Telegram или +7 (987) 915-99-32 (WhatsApp)
⭐ MAКСНужна помощь с вашей работой?
Проверьте свою тему ВКР
- □ Есть ли реальная организация для анализа?
- □ Есть ли измеримый эффект внедрения?
- □ Можно ли построить диаграммы процессов?
- □ Есть ли реальные данные для экономических расчетов?