Задачи с собесов аналитика: SQL, Python, теорвер

Тренажёр для подготовки к собеседованию на аналитика данных — продуктового, маркетингового, BI. Задачи взяты с реальных собеседований: сначала решаете сами, проверка подсказывает, в чём ошибка, а в следующем шаге — подробный разбор с таблицами и типичными ловушками.

Что внутри

• SQL для собеседования: оконные функции (ROW_NUMBER, RANK, DENSE_RANK, LAG, нарастающий итог), JOIN и подзапросы, NULL и агрегаты, условная агрегация (CASE внутри SUM и COUNT), топ-N в группе, первое и последнее событие.
• Python и pandas: те же задачи на pandas — groupby, merge, rank, shift, cumsum. SQL и pandas рядом — легко переводить одно в другое.
• Продуктовые метрики: конверсия и средний чек, DAU, WAU, MAU и sticky factor, retention по когортам, воронка, ARPU и ARPPU, NPS, повторные покупки, возвраты, брошенные корзины.
• Маркетинговые метрики: CTR, CPC, CPM, CR, CPA, ROAS, ROMI, CAC.
• Юнит-экономика: маржа заказа CM1 и CM2, CAC и LTV по каналам, LTV/CAC, окупаемость, точка безубыточности.
• Аналитика продаж: средний чек и выручка на клиента, ABC-, XYZ- и RFM-анализ.
• Теория вероятностей: матожидание, формула Байеса, полная вероятность, задача Монти Холла, оптимальная остановка, формула Бернулли.
• Статистика: типы данных, среднее, медиана, перцентили, дисперсия, корреляция, p-value, ошибки I и II рода, доверительные интервалы и бутстреп, A/A-тесты, SRM, CUPED, разность разностей, синтетический контроль.
• Продуктовое мышление: дерево метрик и North Star, «метрика упала — что делать», парадокс Симпсона, придумать метрику, RICE, кейсы на время.
• ML для аналитика: precision, recall, F1, ROC-AUC, MAE и RMSE, переобучение и утечки, как выбрать порог по цене ошибок и рассказать про ML-опыт.
• Теория с собеседований: порядок выполнения SQL, индексы и EXPLAIN, основы Python и лайфкодинг (словарь вместо двойного цикла, бинарный поиск, динамическое программирование), колоночные базы и DWH, Parquet, ClickHouse, Kafka, cron, Airflow и dbt.
• SQL-практика: блиц-вопросы с собеседований и задачи повышенной сложности.

Чем отличается

• Проверка объясняет ошибку: «похоже на RANK вместо DENSE_RANK», «JOIN размножил строки», «отменённые заказы посчитаны как покупки», «CPM — цена тысячи показов».
• Скрытые данные: решение проверяется ещё на других таблицах — подогнать ответ под пример не выйдет.
• Разбор после задачи, а не до: подсказка с ожидаемым ответом спрятана — открываете, когда нужно.
• Ответ в формате собеседования: какие вопросы задать интервьюеру, где ловушки, как проговорить решение.

Видео-разборы многих задач — в Telegram-канале @dima_sqlit: SQL, статистика и метрики для собеседований, карьера аналитика, ML и нейросети в работе.

Частые вопросы

Нужно ли что-то устанавливать? Нет: SQL и Python запускаются прямо в браузере на Stepik.

Какой диалект SQL? Проверка идёт на MySQL 8, задачи написаны на стандартном SQL — такие запросы работают и в PostgreSQL.

Подойдёт ли новичку? Нужен базовый SQL: SELECT, WHERE, GROUP BY, JOIN. Остальное разбирается в курсе.

Сколько времени займёт? Около 50–60 часов. Модули независимы — можно начать с того, что спросят на ближайшем собеседовании.