Ситуация: Доля SKU отсутствующих на полке (среди топ-300) выросла в 2.3x. Заказы поставщикам идут по плану.
CFO теряет ~2% revenue на substitution и lost-sales. Команда supply chain винит «сезонность», аналитика подозревает forecast model.
inventory: store_id, sku, ts, qty_on_hand, qty_in_transitorders_to_supplier: sku, qty_ordered, ts_placed, ts_arrivedsales_forecast: sku, store_id, ts, predicted_qtyactual_sales: sku, store_id, ts, qtyforecast_model_releases: model_version, deploy_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.