Как мы развивали федеральную ИТ-платформу для 300 000 пользователей

😐 Давно не рассказывали о наших проектах — исправляемся. Сейчас мы активно систематизируем реализованные кейсы и публикуем их на сайте, чтобы подробнее показывать задачи, с которыми работаем.

Один из таких проектов — развитие цифровой платформы Федерального центра компетенций в сфере производительности труда. Это федеральная государственная система, которая объединяет предприятия, региональные центры компетенций и органы управления по всей стране.

Платформой пользуются более 300 000 человек. Внутри работают свыше десяти типов личных кабинетов, аналитические сервисы, образовательные модули и инструменты сопровождения предприятий. Все новые функции внедрялись в действующую систему с учетом требований к высокой нагрузке, отказоустойчивости и непрерывности эксплуатации.

➡️ Разработали ИИ-ассистента на базе LLM

Ассистент интегрирован в рабочий контур платформы и помогает пользователям работать с базой знаний ФЦК. Он подбирает релевантные практики, методические материалы и рекомендации с учетом контекста запроса и профиля предприятия или учреждения. Ключевая задача заключалась в создании не отдельного чат-бота, а прикладного инструмента для быстрого доступа к накопленной экспертизе федеральной платформы.

➡️ Создали новый аналитический контур

Команда разработала BI-дашборды с отчетными метриками, отраслевыми показателями и статистикой федерального проекта. Для каждой группы пользователей предусмотрены собственные сценарии работы: предприятия получают доступ к операционным данным, региональные центры — к показателям подведомственных организаций, органы управления — к сводной аналитике.

Отдельным направлением стала проработка источников данных, правил расчета и трактовки показателей. Это позволило обеспечить единый подход к аналитике во всех модулях платформы.

➡️ Структурировали массив из 1500+ таблиц

Аналитический контур опирался на две базы данных с большим объемом накопленной информации и недостаточно формализованными связями между сущностями. Команда провела инвентаризацию таблиц и построила прозрачную модель данных, что создало основу для дальнейшего развития аналитики и новых функциональных модулей.

➡️ Начали переход к микросервисной архитектуре

Новые и модернизируемые модули выделялись в самостоятельные сервисы. Такой подход снизил связанность компонентов, упростил развитие отдельных частей платформы и уменьшил риски каскадных ошибок при внесении изменений.

В результате проект объединил сразу несколько направлений: разработку ИИ-ассистента, создание BI-системы, развитие личных кабинетов, модернизацию легаси-кода и структурирование крупного массива данных.

🟦 Подробнее о задачах, архитектуре и результатах проекта можно прочитать в полном кейсе на сайте BPA Tech