Data Analyst
260 вопросов в базе. Ниже — разобранные вопросы с ответами.
01Почему используется LEFT JOIN, а не другие типы JOIN?Intern
LEFT JOIN используется, когда нужно получить все записи из левой (основной) таблицы, даже если в правой таблице нет соответствующих записей. Это полезно, когда важна полнота данных из левой таблицы, а данные из правой нужны только если они есть. Например, если у вас есть таблица клиентов и таблица заказов, и вы хотите получить список всех клиентов с их заказами, включая тех, кто ещё не сделал ни одного заказа, то используете LEFT JOIN. Другие типы JOIN: • INNER JOIN возвращает только совпадающие записи из обеих таблиц. • RIGHT JOIN возвращает все записи из правой таблицы и совпадающие из левой. • FULL JOIN возвращает все записи из обеих таблиц, объединяя совпадения. Выбор зависит от задачи и того, какие данные нужно получить.
02SQL: выведите список сотрудников, которые старше своего руководителя (таблица employees с полями employee_id, department_id, is_chief, birthday).Intern
Для решения задачи нужно сравнить дату рождения сотрудников с датой рождения их руководителей. Предположим, что руководитель — это сотрудник с is_chief = true в том же department_id. Пример SQL-запроса: SELECT e.employee_id, e.department_id, e.birthday FROM employees e JOIN employees c ON e.department_id = c.department_id AND c.is_chief = TRUE WHERE e.birthday < c.birthday; Здесь мы соединяем таблицу сотрудников с таблицей руководителей по department_id, выбираем тех сотрудников, у которых дата рождения меньше (то есть они старше) даты рождения руководителя.
03Как проводить A/B-тесты?Intern
A/B-тестирование — это метод сравнения двух версий продукта или функции, чтобы определить, какая из них работает лучше по заданным метрикам. Основные шаги: • Определение цели теста. Например, увеличить конверсию или улучшить время на сайте. • Формирование гипотезы. Что именно вы хотите проверить и почему. • Разделение аудитории. Случайным образом делите пользователей на две группы: A (контрольная) и B (тестовая). • Запуск теста. Группе A показываете текущую версию, группе B — изменённую. • Сбор данных. Отслеживаете ключевые метрики для обеих групп. • Анализ результатов. Используете статистические методы (например, t-тест) для проверки значимости различий. • Принятие решения. Если новая версия лучше, внедряете её, иначе оставляете старую. Важно, чтобы выборка была достаточно большой, а тест — длительным, чтобы результаты были статистически значимыми.
04Есть ли у вас привычка изучать что-то дополнительно, читать, следить за кем-то в профессиональной сфере?Junior — Senior
Для повышения навыков аналитика данных важно постоянно учиться и практиковаться. Можно: • Изучать новые инструменты и языки программирования, например, Python, R, SQL. • Проходить онлайн-курсы и читать профильные книги. • Работать с реальными наборами данных, участвовать в проектах или конкурсах (например, Kaggle). • Следить за трендами в аналитике и машинном обучении. • Обсуждать задачи и решения с коллегами, участвовать в профессиональных сообществах.
05Расскажите о себе (карьерный опыт)Intern — Middle
Я начинающий аналитик данных с базовыми знаниями в области статистики, SQL и визуализации данных. В рамках учебных проектов я работал с набором данных о продажах, анализировал поведение клиентов и строил отчёты с помощью Excel и Power BI. Также знаком с Python для обработки данных и создания простых моделей. Стремлюсь развиваться в области анализа данных и применять полученные знания для решения реальных бизнес-задач.
06// У нас есть метод получения информации о товарах, данный метод вызывается очень часто // есть ли проблемы в этом коде и как исправить? база данных postgress func (r *ProductRepository) GetProductDetails(ctx context.Context, productIDs []int) []Product { products := make([]Product, 0, len(productIDs)) for _, id := range productIDs { go func(id int) { var p Product query := "SELECT name, price, description FROM products WHERE id = $1" err := r.db.QueryRowContext(ctx, query, id).Scan(&p.Name, &p.Price, &p.Desc) if err != nil { r.logger.Error("error get product", "err", err) return } products = append(products, p) }(id) } return products }Principal
В представленном коде есть несколько проблем: • Горутины и конкурентный доступ к срезу products — несколько горутин одновременно вызывают append к одному срезу без синхронизации, что приводит к гонкам данных и возможным паникам. • Отсутствие ожидания завершения горутин — функция возвращает products сразу после запуска горутин, не дожидаясь их завершения, поэтому результат всегда будет пустым или неполным. • Много отдельных запросов к базе — для каждого productID выполняется отдельный запрос, что неэффективно. Как исправить: • Использовать один запрос с оператором WHERE id IN (...) , чтобы получить все продукты за один вызов. • Если нужно параллельно, использовать синхронизацию (например, sync.WaitGroup и мьютекс) для безопасного доступа к срезу. Пример исправленного кода с одним запросом: func (r *ProductRepository) GetProductDetails(ctx context.Context, productIDs [] int ) ([]Product, error ) { if len (productIDs) == 0 { return nil , nil } query := `SELECT id, name, price, description FROM products WHERE id = ANY($1)` rows, err := r.db.QueryContext(ctx, query, pq.Array(productIDs)) if err != nil { return nil , err } defer rows.Close() var products []Product for rows.Next() { var p Product if err := rows.Scan(&p.ID, &p.Name, &p.Price, &p.Desc); err != nil { return nil , err } products = append (products, p) } return products, rows.Err() } Такой подход уменьшит нагрузку на базу и устранит проблемы с конкурентным доступом.
07Расскажите немного о себе и своём опыте, релевантном для нашей позиции.Middle — Middle+
В нашей команде бизнес-аналитик выступает связующим звеном между заказчиками и разработчиками. Процесс работы включает: • Сбор требований: проведение интервью, анализ бизнес-процессов, изучение документации. • Формализация требований: создание пользовательских историй, сценариев использования, диаграмм. • Валидация с заказчиком: обсуждение и уточнение требований. • Передача разработчикам: подготовка технических заданий или спецификаций. • Поддержка в процессе разработки: ответы на вопросы, участие в планёрках. • Тестирование и приёмка: проверка соответствия реализации требованиям. Мой опыт показывает, что активное взаимодействие и чёткая коммуникация на всех этапах помогают избежать недопониманий и ускоряют выпуск качественного продукта.
08Расскажите, что знаете про Apache Kafka. Из чего состоит топик?Middle
Apache Kafka — это распределённая платформа для потоковой передачи данных, которая позволяет публиковать, хранить и обрабатывать потоки событий в реальном времени. Топик в Kafka — это логическая категория или канал, куда публикуются сообщения. Топик состоит из нескольких партиций — это последовательные логи, которые хранят сообщения в порядке записи. Каждая партиция упорядочена и имеет уникальные смещения (offset) для сообщений. Основные компоненты топика: • Партиции (Partitions): позволяют масштабировать топик и обеспечивают параллелизм. • Сообщения (Messages): данные, которые публикуются в топик. • Офсеты (Offsets): уникальные идентификаторы сообщений внутри партиции, используемые для отслеживания позиции потребителя. Такое устройство позволяет Kafka эффективно обрабатывать большие объёмы данных с высокой производительностью и надёжностью.
09Задача 1. Подсчёт количества клиентов по статусу Требование: Написать запрос, который выводит количество клиентов в каждом статусе (active, inactive, blocked и т.д.). Результат должен содержать два столбца: status и cnt.Intern
Для подсчёта количества клиентов по статусу можно использовать SQL-запрос с группировкой по полю status и функцией COUNT(*) для подсчёта строк в каждой группе. Например: SELECT status, COUNT ( * ) AS cnt FROM clients GROUP BY status; Здесь clients — имя таблицы с клиентами, status — поле, в котором хранится статус клиента. Результат будет содержать два столбца: status и cnt — количество клиентов с этим статусом.
10-- Найти топ5 % пользователей с наибольшим количеством заказов по nameIntern
Для поиска топ 5% пользователей с наибольшим количеством заказов по имени, можно использовать SQL-запрос с агрегацией и оконной функцией для вычисления процента. Пример на SQL: WITH user_order_counts AS ( SELECT name, COUNT ( * ) AS order_count FROM orders GROUP BY name ), ranked_users AS ( SELECT name, order_count, NTILE ( 100 ) OVER ( ORDER BY order_count DESC ) AS percentile_rank FROM user_order_counts ) SELECT name, order_count FROM ranked_users WHERE percentile_rank <= 5 ORDER BY order_count DESC ; Здесь: • Сначала считаем количество заказов для каждого пользователя (по имени). • Затем с помощью NTILE(100) разбиваем пользователей на 100 групп по убыванию количества заказов. • Выбираем пользователей, попавших в верхние 5% (percentile_rank <= 5). Если база не поддерживает NTILE, можно использовать другие методы, например, вычислить порог по количеству заказов и выбрать пользователей с количеством заказов выше этого порога.
11class SparseVector: def __init__(self, nums: list[int]): def dotProduct(self, vec: 'SparseVector') -> int:Intern
python Функция для вычисления скалярного произведения двух RLE-сжатых векторов за один проход Каждый вектор представлен списком кортежей (значение, количество) def rle_dot_product(rle_vec1, rle_vec2): i, j = 0, 0 result = 0 count1, count2 = 0, 0 while i < len(rle_vec1) and j < len(rle_vec2): val1, len1 = rle_vec1[i] val2, len2 = rle_vec2[j] # Определяем минимальное количество для текущих блоков min_count = min(len1 - count1, len2 - count2) # Добавляем произведение значений, умноженное на количество совпадающих элементов result += val1 * val2 * min_count # Обновляем счетчики count1 += min_count count2 += min_count # Если достигли конца блока в первом векторе, переходим к следующему if count1 == len1: i += 1 count1 = 0 # Если достигли конца блока во втором векторе, переходим к следующему if count2 == len2: j += 1 count2 = 0 return result Пример использования vec1 = [(1, 3), (2, 2), (0, 4)] # соответствует [1,1,1,2,2,0,0,0,0] vec2 = [(0, 2), (3, 3), (2, 4)] # соответствует [0,0,3,3,3,2,2,2,2] print(rle_dot_product(vec1, vec2)) # Выводит скалярное произведение
12Что такое p-value и как по нему делать выводы при обсчёте A/B теста (отвергать или не отвергать нулевую гипотезу)?Intern
P-value — это вероятность получить наблюдаемые данные (или более экстремальные), если нулевая гипотеза верна. При A/B тестировании: • Нулевая гипотеза (H0) обычно утверждает, что между группами нет разницы. • Если p-value меньше выбранного уровня значимости (обычно 0.05), то мы отвергаем нулевую гипотезу — значит, есть статистически значимая разница. • Если p-value больше или равен уровню значимости, то нет оснований отвергать нулевую гипотезу — разница может быть случайной. Пример: Если p-value = 0.03 и уровень значимости 0.05, то отвергаем H0 и считаем, что изменения в группе B действительно влияют на метрику. Важно помнить, что p-value не показывает величину эффекта или его практическую значимость, а только статистическую.
13Расскажите подробнее о курсовом проекте: что за бот, какой функционал, какие фичи вошли в модель?Intern
В курсовом проекте я разработал чат-бота для поддержки пользователей в онлайн-магазине. Основной функционал включал автоматические ответы на часто задаваемые вопросы, помощь в навигации по каталогу товаров и оформление заказов. В модель бота вошли следующие фичи: • Обработка естественного языка для понимания запросов пользователей. • Интеграция с базой данных товаров для предоставления актуальной информации. • Возможность вести диалог с пользователем, уточняя детали заказа. • Логирование взаимодействий для последующего анализа и улучшения качества ответов. Например, бот мог распознать запрос "Покажи мне красные кроссовки размер 42" и выдать список соответствующих товаров с ценами и ссылками.
14Что можно и нельзя делать при проектировании API для сохранения обратной совместимости?Middle
При проектировании API для сохранения обратной совместимости важно: Что можно делать: • Добавлять новые поля или эндпоинты, не удаляя старые. • Использовать опциональные параметры вместо обязательных. • Версионировать API (например, через URL или заголовки). • Обрабатывать неизвестные поля на стороне клиента и сервера без ошибок. Что нельзя делать: • Удалять или переименовывать существующие поля и методы. • Изменять типы данных уже существующих полей. • Изменять поведение API, ломающее существующую логику клиентов. • Нарушать контракт, например, менять обязательность параметров. Таким образом, новые версии API должны быть расширяемыми, а старые клиенты должны продолжать работать без изменений.
15What challenges do you face when preparing for interviews? (повторный вопрос с просьбой развернуть ответ)Junior
При подготовке к интервью часто возникают следующие сложности: • Неопределённость формата и вопросов. Часто сложно понять, какие именно темы и задачи будут на интервью. • Объём материала. Нужно охватить много теории и практики, что требует времени и систематизации. • Практические навыки. Иногда сложно быстро и правильно решать задачи под давлением времени. • Стресс и волнение. Это влияет на концентрацию и уверенность. Чтобы справиться с этими вызовами, полезно: • Составить план подготовки и придерживаться его. • Практиковаться на реальных задачах и примерах из области. • Проходить пробные интервью или решать задачи с таймером. • Изучать типичные вопросы и ответы. • Работать над навыками коммуникации и презентации своих решений. Такой подход помогает повысить уверенность и улучшить результаты на интервью.
16расскажите о себе: где вы работаете или работали, какой у вас опыт и что вы умеете?Intern — Junior
Мой карьерный путь начался с получения базового образования в области статистики и анализа данных. Затем я прошёл стажировку в компании, где занимался подготовкой и очисткой данных, изучал SQL и основы визуализации. Со временем я специализировался на анализе больших данных и построении отчетов для поддержки бизнес-решений, используя инструменты вроде Python (pandas, matplotlib) и BI-системы (Tableau, Power BI). Сейчас моя специализация — это Data Analyst, который не только собирает и обрабатывает данные, но и формулирует гипотезы, проводит A/B тесты и помогает принимать решения на основе данных.
17Как можно ускорить решение, если алфавит состоит только из строчных латинских букв?Intern
Ответ доступен в приложении.
18Что такое PERCENTILE_CONT и что она возвращает?Intern
PERCENTILE_CONT — это аналитическая функция SQL, которая вычисляет непрерывный перцентиль для заданного набора данных. Она принимает значение перцентиля (например, 0.5 для медианы) и возвращает значение, соответствующее этому перцентилю, интерполируя между значениями, если необходимо. Например, если у вас есть набор чисел и вы хотите найти 90-й перцентиль, PERCENTILE_CONT(0.9) вернёт значение, ниже которого находится 90% данных. Это полезно для анализа распределения данных и определения пороговых значений. Пример использования в SQL: SELECT PERCENTILE_CONT ( 0.5 ) WITHIN GROUP ( ORDER BY salary) AS median_salary FROM employees; Этот запрос вернёт медиану зарплаты в таблице employees.
19Есть ли у тебя опыт в финансовом или операционном моделировании?Senior
Ответ доступен в приложении.
20Псевдокод sum_series(a={{1, 2}, {5, 1}}, b={{2, 4}, {3, 6}, {9, 7}}) -> {{1, 2}, {2, 6}, {3, 8}, {5, 7}, {9, 8}} def sum_series(a, b): result = [] i , j = 0, 0 val_a, val_b = 0, 0 while i < len(a) or j < len(b): a_next = a[i][0] if i < len(a) else float('inf') b_next = b[j][0] if j < len(b) else float('inf') if a_next <= b_next: val_a = a[i][1] t = a[i][0] i += 1 else: val_b = b[j][1] t = b[j][0] j += 1 result.append((t, val_a + val_b)) return resultIntern
Данный псевдокод реализует слияние двух временных рядов, представленных в виде списков пар (время, значение). Цель — получить объединённый ряд, где для каждого уникального времени сумма значений из обоих рядов. Идея алгоритма: • Используются два указателя i и j для прохода по спискам a и b. • На каждом шаге выбирается минимальное время из текущих элементов обоих списков. • Обновляется соответствующее значение val_a или val_b. • В результирующий список добавляется кортеж (время, val_a + val_b). Пример на Python: from typing import List , Tuple def sum_series ( a: List [ Tuple [ int , int ]], b: List [ Tuple [ int , int ]] ) -> List [ Tuple [ int , int ]]: result = [] i, j = 0 , 0 val_a, val_b = 0 , 0 while i < len (a) or j < len (b): a_next = a[i][ 0 ] if i < len (a) else float ( 'inf' ) b_next = b[j][ 0 ] if j < len (b) else float ( 'inf' ) if a_next <= b_next: val_a = a[i][ 1 ] t = a[i][ 0 ] i += 1 else : val_b = b[j][ 1 ] t = b[j][ 0 ] j += 1 result.append((t, val_a + val_b)) return result # Пример вызова print (sum_series([( 1 , 2 ), ( 5 , 1 )], [( 2 , 4 ), ( 3 , 6 ), ( 9 , 7 )])) # Вывод: [(1, 2), (2, 6), (3, 8), (5, 7), (9, 8)] Такой подход полезен для объединения и суммирования данных по времени из разных источников.
21Data AnalystMiddle
Ответ доступен в приложении.