**Контекст:** B2B SaaS для управления задачами хочет создать единый `Engagement Score` для предсказания churn. У компании 2 000 клиентов с различными паттернами использования.
**Данные:** выборка 5 клиентов за последний месяц:
| Клиент | `Логинов/мес` | `Задач создано` | `Коллабораций` | `API-интеграций` | `Churn через 3 мес` |
|---|---|---|---|---|---|
| A | 22 | 85 | 12 | 3 | Нет |
| B | 5 | 12 | 1 | 0 | Да |
| C | 18 | 60 | 8 | 2 | Нет |
| D | 3 | 5 | 0 | 0 | Да |
| E | 15 | 45 | 6 | 1 | Нет |
Средние значения по базе:
| Метрика | Медиана | 90-й перцентиль |
|---|---|---|
| `Логинов/мес` | 12 | 25 |
| `Задач создано` | 40 | 100 |
| `Коллабораций` | 5 | 15 |
| `API-интеграций` | 1 | 4 |
**Задание:**
1. Предложите весовые коэффициенты для `Engagement Score` (0–100). Обоснуйте.
2. Рассчитайте `Score` для каждого клиента.
3. Определите порог, ниже которого клиент «в зоне риска».
4. Какие действия должна предпринять команда `Customer Success`?
engagement score композитная метрика весовые коэффициенты health score churn prediction
Это задание для уровня Middle. Для middle-аналитиков с опытом 1-3 года, требует уверенного владения темой и понимания edge cases.
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: engagement score, композитная метрика, весовые коэффициенты, health score, churn prediction.
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.
На zasqlpython.ru есть другие задания в категории «Метрики», продуктовые кейсы, справочник метрик, AI мок-собеседование с разбором ваших ответов.
← Все задания