Ситуация: Total return rate +9 п.п. за месяц. Себестоимость reverse logistics ~340 ₽/возврат — большая дыра.
CFO: «убыток от возвратов 80М/мес». Команда: «новый трафик», «sezonality». Анализ нужен глубокий.
orders: order_id, user_id, ts, total, items_countreturns: order_id, ts, items_returned, reasonuser_history: user_id, total_orders, total_returns, ltvproduct_metadata: sku, category, return_rate_avgfraud_signals: user_id, score, flagged_tsЖанр кейса: Root cause / метрика упала — все кейсы этого типа.
Тип кейса «метрика упала на N%, найди причину». Проверяет умение декомпозировать метрику, ставить гипотезы и системно их проверять SQL.
Шаги: уточнить определение метрики и окно, декомпозировать по сегментам (платформа, регион, юзер, продукт), построить дерево гипотез (продукт/техника/поведение/внешние), проверить guardrail-метрики, дать вердикт rollback/hotfix/keep.
Сравнение «эта неделя vs прошлая» без сезонности, агрегат без сегментации, доверие к одной метрике без guardrail, игнорирование каннибализации между фичами.