SQL: сводка по кредитам и полу — СБЕР

Условие задания

**Компания:** Сбер

**Данные:**

[см. код в задании]

**Задание:** Постройте сводную таблицу: для кредитов, выданных в 2020 году, посчитайте по каждому полу средний размер 1-го, 2-го, 3-го и 4-го контрактов клиента.

| gender | avg_1st | avg_2nd | avg_3rd | avg_4th |
|--------|---------|---------|---------|---------|

Пример данных

Структура для ориентира — реальные значения из эталонного решения.

CREATE TABLE loans (
    loan_id SERIAL PRIMARY KEY,
    client_id INT NOT NULL,
    gender CHAR(1) NOT NULL,        -- 'M' или 'F'
    amount NUMERIC(12,2) NOT NULL,
    issue_date DATE NOT NULL,
    contract_number INT NOT NULL     -- порядковый номер контракта клиента
);

Темы

оконные функции ROW_NUMBER CASE pivot

Подсказки

• Фильтр: WHERE issue_date >= 2020-01-01 AND issue_date < 2021-01-01
• Если contract_number не гарантирован — используйте ROW_NUMBER()
• CASE WHEN + AVG для pivot-таблицы

Все тестовые задания →

Частые вопросы

Какой уровень знаний нужен для задачи "SQL: сводка по кредитам и полу — СБЕР"?

Это задание для уровня Middle. Для middle-аналитиков с опытом 1-3 года, требует уверенного владения темой и понимания edge cases.

На каких собеседованиях встречается такая задача?

Подобные задания в категории «SQL» регулярно дают на собеседованиях аналитика данных в Яндекс, Сбер, Ozon, Авито, Тинькофф, Wildberries, T-Bank, X5, ВТБ и других крупных IT-компаниях. Тематика: оконные функции, ROW_NUMBER, CASE, pivot.

Сколько времени даётся на решение?

На реальном собеседовании на подобную задачу отводится 15-30 минут — оцениваются подход, корректность, обработка edge cases. Для тренировки рекомендуем сначала решить самостоятельно, потом сверить с эталонным решением и подсказками.

Где ещё потренироваться по теме «SQL»?

На zasqlpython.ru есть 425 SQL задач в песочнице с автопроверкой кода, конспекты SQL для аналитика, AI мок-собеседование с разбором ваших ответов.

← Все задания