Funnel-анализ с атрибуцией времени

Условие задания

**Контекст:** Fintech-приложение анализирует воронку заявки на кредитную карту с учётом времени прохождения каждого шага.

**Данные:** DataFrame `app_events` — колонки: `user_id`, `event_type` (app_open, card_view, apply_start, docs_upload, approved, first_use), `created_at`, `session_id`.

**Задание:**
1. Постройте воронку конверсии для заявки на кредитную карту
2. Для каждого перехода рассчитайте: медианное время конверсии, p25/p75
3. Рассчитайте процент пользователей, уложившихся в SLA (24 часа)
4. Определите самое «узкое» место воронки

Пример данных

Структура для ориентира — реальные значения из эталонного решения.

import pandas as pd
import numpy as np

np.random.seed(42)
n_users = 8000
steps = ['app_open', 'card_view', 'apply_start', 'docs_upload', 'approved', 'first_use']
step_conv = [1.0, 0.50, 0.65, 0.55, 0.70, 0.80]  # step-to-step конверсия
step_hours = [0, 0.5, 2, 8, 48, 24]  # медианное время до шага (часы)

records = []
for uid in range(n_users):
    base = pd.Timestamp('2024-01-01') + pd.Timedelta(hours=np.random.randint(0, 2160))
    active = True
    for i, (step, conv, hrs) in enumerate(zip(steps, step_conv, step_hours)):
        if i > 0:
            if np.random.random() > conv:
                active = False
                break
            delay = max(0.01, np.random.exponential(hrs))
            base += pd.Timedelta(hours=delay)
        records.append({'user_id': uid, 'event_type': step, 'created_at': base})

events = pd.DataFrame(records)

# Pivot: одна строка — один пользователь, колонки — время каждого шага
step_times = {}
for step in steps:
    s = events[events['event_type'] == step][['user_id', 'created_at']]
    step_times[step] = s.rename(columns={'created_at': f't_{step}'})

# Строим сводную таблицу пользовательских путей
user_journey = step_times[steps[0]]
for step in steps[1:]:
    user_journey = user_journey.merge(step_times[step], on='user_id', how='left')

# Анализ каждого перехода
SLA_HOURS = 24
results = []

for i in range(1, len(steps)):
    prev, curr = steps[i - 1], steps[i]
    prev_col, curr_col = f't_{prev}', f't_{curr}'

    mask = user_journey[curr_col].notna() & user_journey[prev_col].notna()
    subset = user_journey[mask].copy()
    time_diff = (subset[curr_col] - subset[prev_col]).dt.total_seconds() / 3600

    arrived_prev = user_journey[prev_col].notna().sum()
    arrived_curr = user_journey[curr_col].notna().sum()

    results.append({
        'transition': f'{prev} → {curr}',
        'users_from': arrived_prev,
        'users_to': arrived_curr,
        'step_cvr_pct': round(arrived_curr / arrived_prev * 100, 1),
        'median_hours': round(time_diff.median(), 2),
        'p25_hours': round(time_diff.quantile(0.25), 2),
        'p75_hours': round(time_diff.quantile(0.75), 2),
        'sla_compliance_pct': round((time_diff <= SLA_HOURS).mean() * 100, 1),
    })

funnel_df = pd.DataFrame(results)
print("Воронка кредитной карты:")
print(funnel_df.to_string(index=False))

bottleneck = funnel_df.loc[funnel_df['step_cvr_pct'].idxmin()]
print(f"\nУзкое место: {bottleneck['transition']}")
print(f"  Конверсия: {bottleneck['step_cvr_pct']}%")
print(f"  Медианное время: {bottleneck['median_hours']} часов")
print(f"  SLA compliance ({SLA_HOURS}h): {bottleneck['sla_compliance_pct']}%")

Темы

pandas воронка конверсия time-to-convert percentile

Подсказки

• merge_asof или sequential merge для привязки шагов
• describe(percentiles=[.25, .5, .75]) для распределения
• SLA compliance = (time <= 24h).mean() * 100

Все тестовые задания →

Частые вопросы

Какой уровень знаний нужен для задачи "Funnel-анализ с атрибуцией времени"?

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 «Python» регулярно дают на собеседованиях аналитика данных в Яндекс, Сбер, Ozon, Авито, Тинькофф, Wildberries, T-Bank, X5, ВТБ и других крупных IT-компаниях. Тематика: pandas, воронка, конверсия, time-to-convert, percentile.

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 «Python»?

На zasqlpython.ru есть 482 Python задачи с проверкой через Pyodide, конспекты Python и pandas, AI мок-собеседование с разбором ваших ответов.

← Все задания