Подготовка к собеседованию — Аналитик данных

Короткий ответ: Оконная функция считает агрегат по «окну» строк, но при этом не схлопывает строки — каждая исходная строка сохраняется и получает своё значение. GROUP BY, наоборот, сворачивает группу в одну строку.

Подробно:

1. GROUP BY — N строк группы → 1 строка результата. Деталь теряется.
2. Оконная функция — N строк остаются N строками, рядом появляется агрегат (сумма, ранг, среднее, lag).
3. Синтаксис — func() OVER (PARTITION BY ... ORDER BY ...). PARTITION BY задаёт группы, ORDER BY — порядок внутри окна (нужен для нарастающих итогов и рангов).

-- Нарастающий итог продаж по каждому пользователю
SELECT
  user_id,
  order_date,
  amount,
  SUM(amount) OVER (
    PARTITION BY user_id
    ORDER BY order_date
  ) AS running_total
FROM orders;

⚠️ Частая ошибка: пытаться отфильтровать по результату оконной функции в WHERE — окна вычисляются после WHERE/GROUP BY, поэтому заворачивайте запрос в CTE/подзапрос и фильтруйте снаружи.

Короткий ответ: Среднее — сумма, делённая на количество, чувствительно к выбросам. Медиана — центральное значение упорядоченного ряда, устойчива к выбросам. Мода — самое частое значение. Для скошенных данных медиана точнее отражает «типичное» наблюдение.

Подробно:

1. Среднее (mean) — хорошо для симметричных данных и для дальнейших расчётов (дисперсия, регрессия), но один выброс сдвигает его.
2. Медиана — 50-й перцентиль; делит данные пополам и почти не реагирует на экстремумы.
3. Мода — единственная метрика для категориальных данных («самый частый тариф»).

⚠️ Частая ошибка: отчитываться средним по доходу или времени отклика. Длинный правый хвост тянет среднее вверх, и оно перестаёт описывать типичного пользователя — берите медиану.

Короткий ответ: A/B-тест — это рандомизированный эксперимент: пользователей случайно делят на контроль и тритмент, показывают разные версии и сравнивают одну заранее выбранную первичную метрику по фиксированному правилу решения.

Подробно:

1. Гипотеза — что меняем, на какую метрику влияем и почему.
2. Метрика и MDE — одна первичная метрика плюс минимально детектируемый эффект (MDE).
3. Рандомизация — случайное и устойчивое разбиение на контроль/тритмент.
4. Размер выборки и длительность — считаем и фиксируем до старта.
5. Запуск до N — крутим до набора выборки, не подглядывая в промежуточные итоги.
6. Анализ — сравниваем метрику, считаем p-значение и доверительный интервал лифта.
7. Решение — выкатываем или откатываем по заранее заданному правилу.

Гипотеза → Рандомизация → Запуск до N → Анализ → Решение
              │                                    │
       контроль / тритмент              выкатить ✓ / откатить ✗

⚠️ Частая ошибка: менять интерфейс по ходу теста или останавливать его в первый момент «значимости» — и то и другое ломает выводы.

Короткий ответ: Хорошая метрика измерима, сравнима, понятна и трудно поддаётся накрутке (gameable), а главное — actionable: по ней можно принять решение. KPI — это та же метрика, но привязанная к цели и целевому значению на период; KPI — подмножество метрик, а не синоним.

Подробно:

1. Actionable, а не vanity — метрика должна менять чьё-то решение. Если число выросло, но никто не знает, что делать, — это vanity-метрика.
2. Сравнимость — используй ставки и отношения (конверсия, retention %), а не абсолютные счётчики: они сопоставимы между периодами и сегментами.
3. Устойчивость к накрутке — спрашивай «как это можно нагнать, не создав ценности?». «Клики» легко накрутить, «активированные пользователи» — труднее.
4. Ясное определение — один числитель, один знаменатель, окно и фильтры зафиксированы, иначе две команды считают по-разному.

⚠️ Частая ошибка: называть KPI всё подряд. KPI — это 3–5 метрик, по которым команду реально оценивают; остальное — диагностические метрики.

Короткий ответ: Тип графика диктует не вкус, а характер связи в данных: сравнение категорий — столбики, динамика во времени — линия, корреляция двух величин — диаграмма рассеяния, доля немногих частей в целом — круговая. Если сомневаешься между круговой и чем-то ещё — почти всегда выбирай столбики.

Подробно:

Сначала формулируешь, какую связь показываешь, и только потом выбираешь визуализацию:

• Столбики — рабочая лошадка для категорий; ось Y начинается с нуля, иначе разница в высоте врёт.
• Линия — только для упорядоченной непрерывной оси (время, дни); не соединяй линией несвязанные категории.
• Scatter — для «связаны ли X и Y», добавь линию тренда при необходимости.

⚠️ Частая ошибка: круговая диаграмма с 8 секторами — доли на ней неразличимы; замени на горизонтальные столбики, отсортированные по величине.