Question 1

Як називається автоматизований робочий процес у Zapier?

Accepted Answer

У Zapier автоматизований робочий процес називається Zap. Кожен Zap складається з тригера (ініціюючої події) та однієї або декількох дій (завдань, що виконуються автоматично). Zap-и дозволяють з'єднувати різні застосунки між собою без написання коду, що робить їх центральним інструментом no-code автоматизації.

Question 2

Який тип графіка найкраще підходить для порівняння значень між різними категоріями?

Accepted Answer

Bar chart — це найефективніший графік для порівняння значень між різними категоріями. Людське око дуже добре порівнює довжини, вирівняні на одній осі, що робить читання інтуїтивним. Стовпчики можуть бути вертикальними або горизонтальними залежно від кількості категорій і довжини міток.

Question 3

Яка основна структура даних Pandas для зберігання табличних даних?

Accepted Answer

DataFrame — це основна структура даних Pandas. Він представляє двовимірну таблицю з рядками та стовпцями, подібну до електронної таблиці або таблиці SQL. Кожен стовпець — це Series, а кожен рядок має індекс. DataFrame дозволяє ефективно маніпулювати структурованими даними завдяки численним вбудованим методам.

Question 4

Яке посилання на клітинку позначає клітинку в стовпці B, рядку 5?

Accepted Answer

У Google Sheets посилання на клітинки завжди використовують літеру стовпця, за якою йде номер рядка. Стовпець B з рядком 5 дає B5. Ця нотація дозволяє точно ідентифікувати кожну клітинку в електронній таблиці.

Question 5

Який тип графіка найкраще підходить для відображення динаміки місячного доходу за рік на дашборді Google Sheets?

Accepted Answer

Лінійний графік (line chart) є оптимальним вибором для візуалізації безперервної динаміки часових рядів. Він підкреслює тенденції, піки та провали за певний період. Стовпчасті діаграми краще підходять для категоричних порівнянь, кругові діаграми для часток цілого, а діаграми розсіювання для кореляцій між двома змінними.

Question 6

Що таке підзапит у SQL?

Accepted Answer

Підзапит — це запит, вкладений всередині іншого SQL-запиту. Він може з'являтися в реченнях SELECT, FROM, WHERE або HAVING. Підзапит виконується першим, і його результат використовується зовнішнім запитом. Цей механізм дозволяє розкладати складні задачі на послідовні логічні кроки.

Question 7

Що таке window function у SQL?

Accepted Answer

Window function виконує обчислення над набором рядків, пов'язаних із поточним рядком, не згортаючи результати в один вихідний рядок. На відміну від GROUP BY, який зменшує кількість рядків, window function зберігає всі рядки в результаті, додаючи обчислений стовпець. Речення OVER() визначає вікно, над яким виконується обчислення.

Question 8

Яка основна роль дати першої взаємодії (first touch date) в аналізі когорт?

Accepted Answer

Дата першої взаємодії дозволяє групувати користувачів у когорти на основі того, коли вони вперше взаємодіяли з продуктом. Така часова сегментація необхідна для порівняння поведінки груп користувачів, залучених у різні періоди, та виявлення тенденцій або змін продуктивності з часом.

Question 9

Яка різниця між макросом і моделлю в dbt?

Accepted Answer

Макрос — це блок коду Jinja, який можна повторно використовувати, що динамічно генерує SQL, тоді як модель — це файл SQL, який створює таблицю або представлення у сховищі даних. Макроси допомагають факторизувати повторюваний код і створювати власні функції, тоді як моделі визначають структуру перетворених даних.

Question 10

Яка фундаментальна різниця між мірою та обчислюваним стовпцем у DAX?

Accepted Answer

Міра обчислюється динамічно при кожній взаємодії користувача (фільтр, слайсер) у контексті поточної візуалізації, тоді як обчислюваний стовпець оцінюється один раз під час завантаження даних і зберігається в пам'яті в таблиці. Міри оптимальні для агрегацій і KPI, що змінюються залежно від контексту, обчислювані стовпці — для фіксованих атрибутів, які потребують сортування або групування.

Питання зі співбесід з Data Analytics

Готовий до співбесіди з Data Analytics?

Дослідити всі теми Data Analytics

Google Sheets - Основи

Google Sheets - Розширені формули

SQL - Основи

SQL - Агрегації та групування

SQL - З'єднання

BigQuery - Основи

Data Cleaning - Очищення даних

KPI та бізнес-метрики

Описова статистика

Zapier та No-Code автоматизація

Принципи візуалізації даних

Python & Pandas - Основи

Google Sheets - Автоматизовані дашборди

SQL - Підзапити та CTE

SQL - Window Functions

BigQuery - Розширені можливості

Data Modeling

Аналіз воронок і конверсії

Аналіз когорт і утримання

Google Tag Manager та трекінг

API та вебхуки

dbt - Основи

AB Testing та прикладна статистика

Looker Studio (Google Data Studio)

Power BI - Основи

SQL - Розширені аналітичні запити

dbt - Розширені можливості

Power BI - DAX та просунуті дашборди

Python Analytics - Розширений аналіз та ML

Опануй Data Analytics для наступної співбесіди