В середине марта 2026 года CNews опубликовал данные исследования SkillStaff: выяснилось, что сильнее всего раздражает специалистов при поиске подработки. Это не просто строка новостей, а готовая фактура для технической части вашей выпускной работы. Если вы проектируете платформу для ИП, сервис подработки или HR-Tech-решение, такие данные помогают обосновать функциональные требования, спроектировать удобный интерфейс и заложить метрики качества.
В этой статье разберу, как превратить свежее маркетинговое исследование в полноценный дипломный проект: от аналитической главы до тестирования. Вы увидите конкретные темы ВКР, получат чек-лист и ответы на частые вопросы. Никакой воды — только практика.
Одно и то же исследование можно использовать по-разному: кто-то сделает упор на UX, кто-то — на микросервисную архитектуру, а кто-то — на автоматизацию бизнес-процессов. Ниже — три рабочие темы с планом глав. Выбирайте под свой стек и интересы.
| № | Тема ВКР | Актуальность (привязка к статье) | Цель |
|---|---|---|---|
| 1 | Разработка веб-платформы для подработки с учётом факторов раздражения пользователей | Статья дает список конкретных негативных факторов — их можно превратить в требования к UI/UX и логике работы сервиса | Спроектировать и реализовать платформу, которая устраняет эти факторы |
| 2 | Проектирование рекомендательной системы для подбора проектов с использованием исследования SkillStaff | Раздражение часто возникает из-за нерелевантных вакансий и долгого отклика — рекомендательная система решает эту задачу | Разработать алгоритм ранжирования проектов на основе поведения пользователя |
| 3 | Архитектура микросервисного приложения для платформы гибкой занятости | Статья показывает рост сегмента и необходимость масштабирования — обоснование для выбора микросервисов | Спроектировать высоконагруженную архитектуру с Kubernetes, CI/CD и наблюдаемостью |
В первой главе диплома обычно нужно показать актуальность и проанализировать предметную область. Исследование SkillStaff — отличный источник. Цитировать новость с CNews можно, главное — оформить ссылку в списке литературы по ГОСТ 7.0.5-2008. Используйте данные как отправную точку для сравнения.
Например, вы выделили фактор «долгий отклик на отклик» и хотите доказать, почему это критично. Постройте сравнительную таблицу конкурентов: HH.ru, Профи.ру и вашей разрабатываемой платформы. В таблице укажите скорость ответа, наличие автоматического уведомления, прозрачность статуса заявки.
| Критерий | Крупные платформы | Проектируемая платформа |
|---|---|---|
| Среднее время отклика | от 4 часов | до 15 минут |
| Уведомления в реальном времени | частично | WebSocket + push |
| Причина отмены | не указывается | обязательное поле |
Такой подход превращает абстрактный «тренд» в конкретные метрики и требования. Не забудьте ссылку на первоисточник в тексте: «По данным исследования SkillStaff (2026)…». Это повысит оригинальность и покажет, что вы умеете работать с реальными данными.
Когда функциональные требования ясны, переходим к проектированию. Здесь пригодится ГОСТ 34.602-89 — техническое задание. Оформите разделы, связанные с факторами раздражения: например, «Система должна автоматически отклонять неактуальные вакансии по истечении 24 часов» (если это было названо в исследовании).
Для архитектуры стоит рассмотреть микросервисы, если ваша платформа предполагает высокую нагрузку. Типичный набор сервисов:
Развернуть это можно в Kubernetes. В дипломе покажите схему кластера: ingress, поды с сервисами, configmap. Опишите CI/CD-пайплайн: GitHub Actions → сборка Docker-образа → деплой в k8s. Это сразу поднимает уровень работы до инженерного.
Недостаточно сказать, что «платформа лучше». Нужны метрики. Используйте стандарт ISO/IEC 25010: функциональная пригодность, производительность, совместимость, юзабилити. Для каждой характеристики определите, как вы её измерите.
Например, если исследование показало, что специалистов раздражает нерелевантный подбор, метрикой может быть точность рекомендаций (Precision@k). А если раздражает долгий отклик — проводите нагрузочное тестирование инструментами вроде JMeter или Locust. Внедрите мониторинг через OpenTelemetry: собирайте метрики времени ответа API, количество ошибок, частоту использования функций.
Да. Научная работа может использовать статьи, отчёты и новости как источник актуальных данных. Главное — оформить ссылку по ГОСТ и анализировать данные, а не просто копировать текст.
Для большинства технических направлений — да, это плюс. Но если тема теоретическая, например «Анализ архитектурных паттернов», можно ограничиться проектной документацией и обоснованием выбора. Однако исследование SkillStaff легко превратить в практическую часть: даже небольшой прототип значительно усилит защиту.
Используйте открытые датасеты вакансий с HeadHunter или Kaggle, а также соберите данные через опрос (Google Forms + Python-скрипт для обработки). Для демонстрации работы подойдут синтетические данные.
Сделайте диаграммы в PlantUML или Draw.io, сохраните в векторном формате, подпишите каждую элеметную нотацию. Укажите на диаграммах, какие факторы из исследования покрывает тот или иной сценарий.
Источник: В SkillStaff выяснили, какие факторы больше всего раздражают специалистов при поиске подработки (опубликовано 2026-03-17)