SQL - Zaawansowane zapytania analityczne
Analiza kohort, lejki, retencja, obliczanie KPI, zapytania pivot, optymalizacja
1Jaką główną rolę pełni data pierwszego kontaktu (first touch date) w analizie kohort?
Jaką główną rolę pełni data pierwszego kontaktu (first touch date) w analizie kohort?
Odpowiedź
Data pierwszego kontaktu pozwala grupować użytkowników w kohorty na podstawie momentu, w którym po raz pierwszy weszli w interakcję z produktem. Ta segmentacja czasowa jest niezbędna do porównywania zachowań grup użytkowników pozyskanych w różnych okresach oraz identyfikowania trendów lub zmian wydajności w czasie.
2Której funkcji okna należy użyć do obliczenia liczby dni między pierwszą a ostatnią aktywnością użytkownika?
Której funkcji okna należy użyć do obliczenia liczby dni między pierwszą a ostatnią aktywnością użytkownika?
Odpowiedź
Funkcje FIRST_VALUE i LAST_VALUE z klauzulą OVER pozwalają uzyskać odpowiednio pierwszą i ostatnią wartość kolumny w zdefiniowanym oknie. W połączeniu z DATEDIFF lub odejmowaniem dat umożliwiają obliczenie aktywnego okresu życia użytkownika bez konieczności stosowania wielu podzapytań.
3Jak zbudować miesięczną tabelę retencji w SQL używając kohort opartych na miesiącu rejestracji?
Jak zbudować miesięczną tabelę retencji w SQL używając kohort opartych na miesiącu rejestracji?
Odpowiedź
Budowa tabeli retencji wymaga najpierw identyfikacji kohorty każdego użytkownika za pomocą DATE_TRUNC na dacie rejestracji, a następnie obliczenia liczby miesięcy upływu między kohortą a każdą aktywnością. GROUP BY na tych dwóch wymiarach i COUNT DISTINCT aktywnych użytkowników dają kompletną tabelę.
Aby przeanalizować 4-etapowy lejek konwersji (wizyta → rejestracja → aktywacja → zakup), które podejście SQL jest najbardziej niezawodne?
Jak obliczyć miesięczny wskaźnik churn w SQL dla bazy subskrybentów?
+17 pytań z rozmów
Inne tematy rekrutacyjne Data Analytics
Google Sheets - Podstawy
Google Sheets - Zaawansowane formuły
SQL - Podstawy
SQL - Agregacje i grupowanie
SQL - Złączenia
BigQuery - Podstawy
Data Cleaning - Czyszczenie danych
KPI i metryki biznesowe
Statystyka opisowa
Zapier i automatyzacja No-Code
Zasady wizualizacji danych
Python & Pandas - Podstawy
Google Sheets - Automatyczne dashboardy
SQL - Podzapytania i CTE
SQL - Window Functions
BigQuery - Funkcje zaawansowane
Data Modeling
Analiza funneli i konwersji
Analiza kohort i retencji
Google Tag Manager i tracking
API i webhooki
dbt - Podstawy
AB Testing i statystyka stosowana
Looker Studio (Google Data Studio)
Power BI - Podstawy
dbt - Funkcje zaawansowane
Power BI - DAX i zaawansowane dashboardy
Python Analytics - Zaawansowana analiza i ML
Opanuj Data Analytics na następną rozmowę
Uzyskaj dostęp do wszystkich pytań, flashcards, testów technicznych, ćwiczeń code review i symulatorów rozmów.
Zacznij za darmo