**Контекст:** Ты — аналитик в команде маркетплейса (OZON / Wildberries / Ламода). В понедельник CPO сообщает: GMV в апреле снизился на **−8%** относительно марта. Нужно за день найти причину и доложить на stand-up во вторник.
**Данные:** полный доступ к `orders`, `users`, `products`, `sessions`, `ad_spend`, `merchants`.
**Задание:**
1. Разложить **GMV = orders × AOV** → что из двух просело?
2. Разложить каждый компонент до **actionable** уровня:
- Orders = DAU × Conversion × Orders_per_buyer
- AOV = items_per_order × avg_item_price
3. Предложить **гипотезы** для каждого просевшего компонента.
4. Представить план проверки: какие SQL-запросы делать, какие сегменты смотреть.
5. Выдать hypothesis ranking: от наиболее вероятных к менее.
**Ожидается:** структурированный ответ в формате «дерево декомпозиции» + план проверки + оценка приоритетов. Не конкретный код, а **фреймворк мышления**.
metrics-decomposition root-cause ecom gmv
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 «Продуктовые задачи» регулярно дают на собеседованиях аналитика данных в Яндекс, Сбер, Ozon, Авито, Тинькофф, Wildberries, T-Bank, X5, ВТБ и других крупных IT-компаниях. Тематика: metrics-decomposition, root-cause, ecom, gmv.
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 «Продуктовые задачи», продуктовые кейсы, справочник метрик, AI мок-собеседование с разбором ваших ответов.
← Все задания