Product: метрики антифрод-системы — T-БАНК

Условие задания

**Компания:** Т-Банк

**Контекст:** Вы аналитик в команде антифрод. Модель классифицирует транзакции как «фрод» или «легитимная».

**Задание:**
1. Какие метрики используются для оценки антифрод-модели?
2. Что важнее: precision или recall? Обоснуйте
3. Как меняется бизнес-эффект при изменении порога модели?

Темы

антифрод precision recall confusion matrix

Подсказки

• Confusion matrix: TP, FP, FN, TN
• В антифроде FN (пропущенный фрод) — потеря денег, FP (ложная блокировка) — потеря клиента
• ROC-AUC и PR-AUC для оценки модели в целом

Все тестовые задания →

Частые вопросы

Какой уровень знаний нужен для задачи "Product: метрики антифрод-системы — T-БАНК"?

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 «Метрики» регулярно дают на собеседованиях аналитика данных в Яндекс, Сбер, Ozon, Авито, Тинькофф, Wildberries, T-Bank, X5, ВТБ и других крупных IT-компаниях. Тематика: антифрод, precision, recall, confusion matrix.

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 «Метрики»?

На zasqlpython.ru есть другие задания в категории «Метрики», продуктовые кейсы, справочник метрик, AI мок-собеседование с разбором ваших ответов.

← Все задания