Тестовое задание
на бизнес-аналитика данных
Doctolib

Контекст:

Doctolib предоставляет программные решения медицинским специалистам по подписке €129 в месяц. Продажами занимаются внутренние команды, которые связываются с потенциальными клиентами (врачами и другими специалистами).
В рамках этого кейса предполагается, что в конце 2016 года команда продаж получила базу из 300 000 потенциальных клиентов. Эта база не обновлялась и не пополнялась новыми контактами в течение следующего года.
Команда аналитиков Doctolib разработала скоринговую модель, которая присваивает каждому потенциальному клиенту баллы от 0 (наименьшая вероятность стать клиентом) до 100 (наибольшая вероятность). Баллы рассчитываются на основе характеристик клиентов и бизнес-правил, определённых коммерческой командой. Каждое значение и критерий имеет назначенное количество баллов. Модель не обновлялась с момента запуска.
Команда продаж видит как список клиентов, так и присвоенные им баллы. Эта информация используется для приоритизации и увеличения количества новых клиентов

Основные определения:

• Prospect (потенциальный клиент): Лицо, с которым может связаться команда продаж.
• Client (клиент): Потенциальный клиент, с которым подписан договор (есть дата подписи).
• Bucket (группа): Интервальный диапазон значений скоринга (например, 0–10, 10–20 и т.д.)
• Meeting Rate (MR): Кол-во встреч / кол-во потенциальных клиентов.
• Transformation Rate (TR): Кол-во клиентов / кол-во встреч.
• Signature delay: Разница в днях между датой встречи и датой подписания контракта.

Ссылка на данные
Данные представлены в виде CSV-файлов и включают следующие таблицы:

• business_dev: сотрудники команды продаж
• prospects: список потенциальных клиентов
• scores: скоринговые баллы для каждого клиента
• meetings: встречи между продавцами и потенциальными клиентами (дата встречи)
• contract_signature_dates: даты подписания контрактов с клиентами

В январе 2018 года руководитель отдела продаж обращается к вам, как к аналитику данных Doctolib, чтобы понять, как продвигается эта инициатива.

Ваша задача — провести глубокий анализ данных и ответить на следующие вопросы:

1. Работает ли модель скоринга?

• Оцените эффективность модели в прогнозировании вероятности, что потенциальный клиент станет клиентом.
• Проанализируйте корректность распределения баллов по отдельным признакам: медицинская специальность, возраст, география.

2. Используется ли модель скоринга командой продаж?

• По данным о том, кто был контактирован, оцените, использовалась ли модель скоринга.
• Меняется ли использование скоринга со временем?

3. Есть ли связь между эффективностью продавцов и использованием скоринга?

• Можно ли сопоставить показатели конкретных продавцов с уровнем использования скоринга

4. Дополнительные инсайты по данным.

• Есть ли что-то важное, что вы можете заметить при работе с данными?

5. Потенциальный эффект от более активного использования скоринга:

• Какую методологию вы бы предложили для оценки влияния повышения использования скоринга на число клиентов и выручку?
• Примените эту методологию и дайте предварительную оценку.

6. Презентация для руководства (1 слайд):

• Кратко сформулируйте доводы, которые помогут убедить команду продаж активнее использовать скоринг.

Ожидаемые результаты:

• Презентация (на английском, но можно на французском), рассчитанная на 20 минут (10–15 слайдов максимум). Презентация должна быть подготовлена до встречи с руководителем отдела продаж, он ознакомится с ней заранее.
• Код, SQL-запросы и визуализации, которые использовались для анализа.

Тестовое задание на бизнес-аналитика данных в Doctolib. Ознакомьтесь с примерами реальных тестовых заданий, которые предлагаются кандидатам. Узнайте, какие задачи могут встретиться и как они связаны с будущей работой. Это поможет лучше подготовиться к собеседованию в Doctolib понять ожидания работодателя.