Команда сравнила среднее время доставки между region north и region south и увидела, что в north дольше. Позже выяснилось, что в north больше заказов крупногабаритных товаров. Что здесь наиболее вероятно объясняет разницу?

Крупногабаритные товары обычно доставляются дольше, поэтому состав заказов влияет на среднее время. Если в north доля такого segment выше, среднее будет хуже даже при одинаковой скорости логистики. Корректно сделать stratification по product category или сравнить like-for-like внутри одинаковых типов товаров.