01 / тестовое задание

EasyBrain:
тестовое задание для аналитика данных

Реальное тестовое с собеседования на Middle Data Analyst: исходный текст задания, как решать и частые ошибки.

02 / оригинальный текст

Текст тестового задания

Исходный текст задания без редактуры — так, как его прислали кандидату.

Данные к заданиюОткрыть данные →

Во вложении сет test_analyst.csv содержит информацию о поведении юзеров.

Название столбцов:

us_id – user id event_name – название ивента created_at – время ивента в unixtime installed_at - время установки приложения в unixtime

Содержит ивенты:

'ad_start_session' Старт сессии (зашел в приложение) ad_banner_impression' Показ баннерной рекламы 'ad_interstitial_impression' Показ inter рекламы

Задание #1

Рассчитать DAU для каждого дня, период 18.05 - 01.06.

Задание #2

Рассчитать накопительные показы на юзера по типам рекламы до 12 дня жизни когорты.

Данные должны быть в виде таблицы, где названия строк — это дата установки, а названия столбцов — день жизни когорты. 2й столбец таблицы - Кол-во юзеров в когорте

Задание #3

Сделать прогноз накопительных показов баннера на юзера и построить график в Python до 180 дня (для каждого дня) для когорты с датами установки 01.05 - 07.05.

Задание #4

Рассчитать Retention rate до максимального дня жизни когорты.

Данные должны быть в виде таблицы, где названия строк — это дата установки, а названия столбцов — день жизни когорты. 2й столбец таблицы - Кол-во юзеров в когорте.

Задание #5

Описание данных:

test_rr.csv user_id - идентификатор пользователя, abgroup - тестовая группа test_day - день теста in_game - заходил пользователь в приложение (1) или нет (0) test_arpu.csv user_id - идентификатор пользователя abgroup - группа теста test_day - день теста ad_type - тип рекламы value - принесенная выручка

Рассматриваем мобильную игру-головоломку с рекламной монетизацией и средним lifetime = 15 месяцев. На ней проводился эксперимент (в виде АБ теста) по внедрению нового типа рекламы. Для каждого пользователя есть данные о его заходе в игру и принесенной выручке по каждому типу рекламы за каждый день теста.

Нужно ответить на вопрос, стоит ли применять тестируемый функционал для всех игроков на проекте

Все расчеты и преобразования производятся в Python

Полученный результат:

Файл Excel/Google docs результатами

Файл расчетов в Python Notebook .ipynb (добавить комментарии Краткое описание каждого шага)

03 / что проверяют

Что проверяет это задание

01

Python

Обработка данных и расчёты: pandas, скрипты, автоматизация.

02

Продуктовый кейс

Разложить задачу, выбрать метрики и сделать выводы.

03

Аналитическое мышление

Как разложить задачу, выбрать подход и обосновать решение.

04 / как решать

Как подойти к решению

  1. 1

    Разберите условие: что именно просят посчитать и в каких разрезах.

  2. 2

    Сверьтесь с данными: какие таблицы есть, период и нужные фильтры.

  3. 3

    Решайте по шагам и фиксируйте промежуточные результаты и допущения.

  4. 4

    Доведите до финальных чисел и коротких выводов или рекомендаций.

05 / частые ошибки

Частые ошибки

  • Неверный период, разрез или единицы измерения.
  • Не учтены фильтры и сегменты из условия.
  • Решение без промежуточных шагов — только финальная цифра.
  • Нет выводов и рекомендаций по результату.
06 / хороший ответ

Каким должен быть сильный ответ

Хороший ответ — это не просто финальные числа или код. Работодатель должен увидеть, как вы думаете, как проверяете ограничения задачи и как оформляете результат.

  • короткое описание логики решения;
  • промежуточные таблицы, запросы и фильтры;
  • финальные значения по каждому пункту задания;
  • понятные выводы и рекомендации.
07 / похожие задания

Похожие задания

08 / разборы в telegram

Хочешь больше таких разборов?

В Telegram-канале разбираю тестовые с собеседований, метрики и типичные ошибки кандидатов.

Подписаться в Telegram →
09 / следующий шаг

Разбираешь тестовые, но не уверен в решении?

На интенсиве разбираем реальные кейсы, A/B-секции, метрики, SQL, Python и типовые ошибки кандидатов.