**Контекст:** Мобильная игра анализирует, как покупки влияют на поведение игроков. Для каждой покупки нужно найти ближайший игровой сеанс до и после неё.
**Данные:**
[см. код в задании]
**Задание:**
Для каждой покупки найдите:
1. **Последний сеанс до покупки** — его длительность, score и level
2. **Первый сеанс после покупки** — его длительность, score и level
3. Изменение score (после - до) и level (после - до)
4. Время между покупкой и следующим сеансом (engagement lag)
Выведите только покупки за последние 30 дней.
Структура для ориентира — реальные значения из эталонного решения.
CREATE TABLE game_purchases (
id SERIAL PRIMARY KEY,
player_id INT NOT NULL,
item_name VARCHAR(200) NOT NULL,
price_usd NUMERIC(8,2) NOT NULL,
purchased_at TIMESTAMP NOT NULL
);
CREATE TABLE game_sessions (
id SERIAL PRIMARY KEY,
player_id INT NOT NULL,
session_start TIMESTAMP NOT NULL,
session_end TIMESTAMP NOT NULL,
score INT NOT NULL,
level INT NOT NULL
);коррелированный подзапрос LATERAL ближайшее событие оптимизация
Это задание для уровня Senior. Senior-уровень — глубокое понимание темы, опыт решения нестандартных задач, обсуждение trade-off на собеседовании.
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: коррелированный подзапрос, LATERAL, ближайшее событие, оптимизация.
На реальном собеседовании на подобную задачу отводится 30-60 минут с обсуждением подходов, оптимизаций и trade-off. 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