Тестовое задание
на аналитика данных
Technesis

1. Цель - Вам необходимо обработать сырые данные поступившие от парсера.

2. Описание

В файле hotels_parsing_result.xlsx две вкладки platform1, platform2. Это данные о гостиницах от двух разных платформ в одном регионе. Ссылка на файл

2.1 Поля
id - Идентификатор в БД
create_time - Дата создания
title - Название
hotel_type_original - Тип гостиницы
city -  Город
address - Адрес
rating - Рейтинг
rating_5 - Рейтинг по 5-ти бальной шкале
review_count - Количество отзывов
star_rating - Звездность
rooms_count Количество номеров
contact_social -  Контакты соц. сетей
description - Описание
email - строкой, несколько значений через запятую
phone - телефон строкой, несколько значений через запятую
website - сайты строкой, несколько значений через запятую
uid -  Уникальный идентификатор гостиницы на платформе, не может быть разным у одной гостиницы, и не может повторяться у разных гостиниц, но в рамках одной платформы
parsing_time - Время сбора
lat - Широта
lon - Долгота


2.2 Состав данных

• Записи могут повторятся, и самые актуальные данные идут в конце
• Если какое-то поле по конкретной гостинице пустое в последней записи, но встречалось ранее, то необходимо его взять из более ранних записей
• Поля телефона, email, сайтов могу содержать лишние символы, несколько записей и прочее
• Формат записи названия, адреса, типа гостиницы отличается в разных платформах

3. Требования

1. Результат должен быть представлен Jupyter notebook
2. Результат должен воспроизводится автоматически и нуля при повторном запуске, ручные правки должны быть учтены в коде
3. Комментарии приветствуются

1. Собрать от каждой платформы финальный список гостиниц, в котором по каждой гостинице внутри платформы будет только одна запись с самыми актуальными и полными данными


2. Почистить данные


3. Поля телефона, email, сайтов распарсить и сохранить как списки в одинаковом формате ( address@domen.org, 79234553322, domen.ru)


4. Вывести топ 10 по каждой платформе, по параметрам:

a. больше всего телефонов
b. больше всего отзывов


5. Вывести квадрат координат размером 1км на 1км, где больше всего гостиниц


6. Задача со *, объединить данные от двух платформ, по критерию который вы придумаете

a. Вывести все гостиницы, которые есть в платформе 1 и нет в платформе 2
b. Вывести топ 10 гостиниц которые есть в обоих платформах, по суммарному количеству отзывов

Тестовое задание на аналитика данных в Technesis. 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 Technesis и понять ожидания работодателя.