**Контекст:** SaaS-компания хочет рассчитать Monthly Recurring Revenue (MRR) и Net Revenue Retention (NRR) по когортам — группам пользователей, начавших подписку в одном и том же месяце. NRR показывает, какую долю выручки когорта сохраняет спустя N месяцев.
**Данные:**
[см. код в задании]
**Задание:**
1. Определите когорту каждой подписки как месяц `started_at`
2. Для каждой когорты и каждого месяца жизни (month 0, 1, 2, ...) рассчитайте: суммарный MRR, количество активных подписок
3. Вычислите NRR = MRR в месяце N / MRR в месяце 0 × 100%
4. Выведите когорты за последние 12 месяцев, до 6-го месяца жизни
Структура для ориентира — реальные значения из эталонного решения.
CREATE TABLE subscriptions (
id SERIAL PRIMARY KEY,
user_id INT NOT NULL,
plan VARCHAR(50) NOT NULL,
mrr NUMERIC(10,2) NOT NULL, -- текущий MRR подписки
started_at TIMESTAMP NOT NULL,
cancelled_at TIMESTAMP -- NULL если активна
);
CREATE TABLE mrr_changes (
id SERIAL PRIMARY KEY,
subscription_id INT REFERENCES subscriptions(id),
change_month DATE NOT NULL, -- первое число месяца
change_type VARCHAR(30) NOT NULL, -- 'new', 'expansion', 'contraction', 'churn', 'reactivation'
mrr_delta NUMERIC(10,2) NOT NULL -- положительное или отрицательное изменение
);
когорты MRR NRR оконные функции DATE_TRUNC
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 «SQL» регулярно дают на собеседованиях аналитика данных в Яндекс, Сбер, Ozon, Авито, Тинькофф, Wildberries, T-Bank, X5, ВТБ и других крупных IT-компаниях. Тематика: когорты, MRR, NRR, оконные функции, DATE_TRUNC.
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 425 SQL задач в песочнице с автопроверкой кода, конспекты SQL для аналитика, AI мок-собеседование с разбором ваших ответов.
← Все задания