Оконные функции SQL: задачи с собеседований аналитика

55 задач Лёгкие, средние, сложные С эталонными решениями Решение в браузере

Оконные функции — самая частая тема на собеседовании аналитика данных уровня Middle и Senior. Если ты не умеешь использовать ROW_NUMBER, RANK, LAG, LEAD и PARTITION BY — оффер не получишь. Здесь собраны 47 задач с реальных интервью на оконные функции — от лёгких (нумерация строк) до hard (когортный анализ через окна).

Начать решать задачи →

Все задачи на «Оконные функции» (55)

Нумерация заказов клиента Лёгкая ROW_NUMBER PARTITION BY ORDER BY
Ранг товаров по продажам в категории Лёгкая RANK PARTITION BY ORDER BY
Изменение выручки день ко дню Средняя LAG OVER ORDER BY ROUND
Нарастающий итог продаж Средняя SUM OVER PARTITION BY ROWS BETWEEN
Топ-2 заказа каждого клиента Средняя ROW_NUMBER PARTITION BY SUBQUERY
Разделение сотрудников на квартили по зарплате Средняя NTILE PARTITION BY ORDER BY
Время между заказами клиента Сложная LAG PARTITION BY JULIANDAY
Скользящее среднее выручки за 3 дня Сложная AVG OVER ROWS BETWEEN ROUND
Доля продавца в выручке отдела Сложная SUM OVER PARTITION BY ROUND
Процентный ранг зарплат Лёгкая PERCENT_RANK PARTITION BY ROUND
Скользящее среднее за 3 дня Средняя AVG OVER ROWS BETWEEN WINDOW FRAME
Кумулятивное распределение заказов Средняя CUME_DIST OVER ORDER BY
Разница с первым и последним значением группы Сложная FIRST_VALUE LAST_VALUE PARTITION BY WINDOW FRAME
Разбиение на группы с нарастающей нумерацией Сложная SUM CASE WHEN OVER WINDOW FRAME
Пользователи с падением активности Средняя LAG PARTITION BY CHURN DETECTION
Дни между покупками и средний цикл Сложная CTE LAG JULIANDAY AVG
Аномальные всплески: дни с отклонением > 2σ Сложная WINDOW FRAME SQRT AVG ANOMALY DETECTION
Нумерация заказов клиента Лёгкая ROW_NUMBER WINDOW PARTITION BY
Ранг сотрудников по зарплате в отделе Лёгкая DENSE_RANK WINDOW PARTITION BY
Топ-2 товара по продажам в каждой категории Лёгкая ROW_NUMBER WINDOW SUBQUERY
Разница с предыдущим заказом Средняя LAG WINDOW PARTITION BY
Скользящее среднее за 3 дня Средняя AVG WINDOW ROWS BETWEEN
Доля каждого товара в выручке категории Средняя SUM WINDOW PARTITION BY
Время до следующего заказа Средняя LEAD WINDOW JULIANDAY
Нарастающая сумма по месяцам в каждой категории Средняя SUM WINDOW PARTITION BY ORDER BY
Ранг объявлений по просмотрам с плотным рангом Средняя RANK DENSE_RANK WINDOW PARTITION BY
Разница выручки с лучшим в категории Средняя MAX WINDOW PARTITION BY
Первый и последний заказ каждого клиента Сложная FIRST_VALUE LAST_VALUE WINDOW DISTINCT
Изменение позиции товара в рейтинге Сложная RANK LAG CTE WINDOW
Сегментация по активности с NTILE Сложная NTILE WINDOW ORDER BY
Процентное изменение выручки month-over-month Сложная LAG WINDOW ROUND
Медианная зарплата по отделам Сложная ROW_NUMBER COUNT WINDOW CTE
Ранжирование товаров по выручке в категории Лёгкая RANK OVER PARTITION BY WINDOW
Нарастающий итог заказов за месяц Лёгкая SUM OVER WINDOW GROUP BY
Предыдущая покупка клиента Лёгкая LAG OVER PARTITION BY WINDOW
Процентиль выручки продавцов Средняя NTILE OVER WINDOW PERCENTILE
Скользящее среднее за 3 дня Средняя AVG OVER ROWS WINDOW
Разница с лучшим результатом в отделе Средняя MAX OVER PARTITION BY WINDOW
Доля товара в выручке категории Средняя SUM OVER PARTITION BY WINDOW
Обнаружение пробелов в ежедневных визитах Сложная LAG OVER WINDOW JULIANDAY
Определение островов активности (gaps-and-islands) Сложная ROW_NUMBER OVER WINDOW GAPS AND ISLANDS
Медианная выручка по регионам Сложная ROW_NUMBER OVER WINDOW MEDIAN
Первая и последняя покупка в каждой категории Лёгкая FIRST_VALUE LAST_VALUE OVER WINDOW
Номер покупки клиента Лёгкая ROW_NUMBER OVER PARTITION BY WINDOW
Кумулятивная сумма с фреймом RANGE vs ROWS Сложная SUM OVER ROWS RANGE
Время между заказами и среднее по всем пользователям Сложная LAG AVG OVER WINDOW
Dense Rank для рейтинга курьеров Средняя DENSE_RANK SUM OVER WINDOW
Топ-3 товара в каждой категории по выручке Средняя WINDOW RANK PARTITION BY TOP-N
Пользователи с ростом заказов месяц к месяцу Сложная CTE CASE WHEN GROUP BY ROUND
Накопительная выручка нарастающим итогом Средняя WINDOW SUM OVER PARTITION BY FRAME
Интервал между покупками одного клиента Средняя WINDOW LAG JULIANDAY DATE-DIFF
Последовательные дни активности пользователя Сложная WINDOW GAPS-AND-ISLANDS CTE ROW_NUMBER
Каждый N-й заказ клиента Средняя WINDOW ROW_NUMBER MOD
Клиенты с ростом среднего чека квартал к кварталу Сложная CTE CASE WHEN AVG HAVING
Скользящее среднее выручки за 7 дней Средняя WINDOW AVG OVER FRAME MOVING AVERAGE

FAQ: частые вопросы про оконные функции

Что такое оконные функции в SQL?

Оконные функции — это функции, применяемые к набору строк, связанных с текущей строкой. В отличие от GROUP BY, они не сворачивают строки, а добавляют значение в каждую строку результата. Базовый синтаксис: FUNCTION() OVER (PARTITION BY ... ORDER BY ...).

Чем ROW_NUMBER отличается от RANK?

ROW_NUMBER даёт уникальный номер каждой строке (1, 2, 3, 4). RANK даёт одинаковый ранг для равных значений и пропускает следующий (1, 2, 2, 4). DENSE_RANK не пропускает (1, 2, 2, 3).

Когда использовать LAG/LEAD?

LAG берёт значение из предыдущей строки, LEAD — из следующей. Используются для расчёта изменений (выручка месяц-к-месяцу), retention (был ли юзер активен в прошлом периоде), сессионизации.

Что значит PARTITION BY?

PARTITION BY разбивает данные на группы для применения оконной функции. Например, ROW_NUMBER() OVER (PARTITION BY user_id ORDER BY created_at) даст порядковый номер заказа внутри каждого пользователя.

Связанные темы SQL

Агрегации · JOIN-запросы · CTE (Common Table Expressions) · Подзапросы · Работа с датами · Строковые функции · Условная логика · Retention-анализ

Открыть весь SQL-тренажёр (325 задач) →