01 / тестовое задание

Hunter Mob:
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 →

Задание #1

Данные в файле:

лист Plarin - данные из рекламной площадки. В рублях.

лист Revenue API - данные по ревеню из мобильного трекера. В долларах

лист Installs API - данные по установкам из мобильного трекера

Все данные на 3 листах можно соединить по уникальному номеру объявления. На листе Plarin ID Объявления (столбец А), на листе Revenue API Adgroup (столбец F), на листе Installs API Adgroup (столбец D)

Сводная таблица. Необходимо распределить все данные и вывести, как указано в таблице

Разделение СНГ-Россия

- страну можно определить столбцы F лист Revenue API и Installs API

- по названию кампании столбец D лист Plarin (если в названии кампании есть «cis», то эта кампания запущена на СНГ и все ее показатели можно отнести к СНГ)

Разделение по датам

- даты указаны столбец H лист Plarin, столбец A лист Revenue API, столбец A лист Installs API

- Период - гибкие даты. Данные должны меняться в зависимости от введенных дат

Метрики

- Spend. Это расход, количество потраченных денег. Выводим в $, курс берем средний за май 2023 года. Расход указан на листе Plarin столбец K

- Installs. Общее количество установок за указанный период по определенному направлению. Указано на листе Installs API столбец I

- CPI. Cost per Install - стоимость 1 установки за выбранный период по выбранному направлению. Считается как Spend/Installs. Выводим в $

- Окупаемость. % окупаемости трафика за выбранный период по выбранному направлению. Считается как Revenue / Spend. Выводится в %. Revenue - столбец J Лист Revenue API

- Profit. Прибыль по данному направлению за данный период. Считается как Revenue-Spend. Выводится в $

Как результат представьте jupyter notebook файл с выполненными ячейками.

Задание #2

Те же данные, что и в первом задании.

Необходимо собрать данные по каждому объявлению и посчитать Итого.

Для решения задачи необходимо вывести уникальные значения ID объявления, а затем по ним собрать всю таблицу

- Кабинет. Название Клиента, соответствующее ID Объявления. Берется с листа Plarin столбец G

- ID Кампании. Номер Кампании, соответствующее ID Объявления. Берется с листа Plarin столбец С

- Название кампании. Вывести название кампании, соответствующее ID кампании. Берется с листа Plarin столбец D

- ID Объявления. Уникальное значения объявления. Лист Plarin столбец A

Profit, Spend, Окупаемость - рассчитывают также, как и на листах выше. Только значения считаются по каждому уникальному id объявления и Итого

Как результат представьте jupyter notebook файл с выполненными ячейками.

Задание #3

В любом удобном формате представьте решения и ответы приведенных ниже задач

1. В городе N завелись воришки. Следователь пытается выявить всех воришек. При допросе вероятность признать виновным действительно виновного в краже равна 0.9, а вероятность принять невиновного за воришку - 0.01. Доля воришек в городе N по отношению ко всем жителям города равна 0.001. Найдите вероятность того, что житель невиновен, если он был признан виновным при допросе.

2. На ферме два одинаковых автомата выдают молоко. Вероятность того, что к концу дня в автомате закончится молоко, равна 0,25. Вероятность того, что молоко закончится в обоих автоматах, равна 0,17. Какова вероятность того, что к концу дня молоко останется в обоих автоматах?

3. Ниже приведена таблица сопряженности двух признаков: пол респондента и его ответ на вопрос: Ложитесь ли вы спать раньше 23:00?

____a) необходимо проверить есть ли связь между этими признаками. Сформулируйте нулевую и альтернативную гипотезы. Какие распределение имеет статистика критерия, используемого для проверки нулевой гипотезы?

____b) известно что p-value равно 0.006. какой вывод относительно нулевой гипотезы можно сделать?

03 / что проверяют

Что проверяет это задание

01

Excel

Формулы, сводные таблицы и аккуратная работа с таблицами.

02

Теория вероятностей

Вероятностные модели и аккуратные рассуждения.

03

Матстатистика

Оценки, распределения и проверка гипотез.

04

Python

Обработка данных и расчёты: pandas, скрипты, автоматизация.

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.