Вопросы по теме «Временные ряды»
Line chart — стандарт для визуализации временных рядов: DAU, revenue, конверсия по дням. На собеседовании спрашивают, как показать сезонность, тренд и аномалии на одном графике, нужна ли ось Y с нуля и как сравнить несколько метрик с разными масштабами. Временные ряды — самый частый тип визуализации в аналитике.
Всего в этом разделе 20 вопросов. Каждый — с правильным ответом и кратким разбором теории. Разбито на 4 части по 5 вопросов.
Вопросы 1–5 из 20
1Промо-акция шла только 2 дня (пт–сб). Хотите увидеть её эффект на заказах на графике `time series`. Какая `granularity` наиболее уместна?
AАгрегировать заказы по дням и строить дневную `time series`
BАгрегировать по месяцам
CАгрегировать по кварталам
DПоказать одно число без временной оси
Ответ: Короткие изменения лучше смотреть на более мелкой `granularity`.
Если агрегировать слишком крупно, эффект двух дней «растворится» в периоде. Дневная `granularity` покажет изменение именно там, где оно произошло.
2На `time series` вы видите повторяющиеся провалы каждые 7 дней. Что это скорее всего означает?
AЕсть недельная `seasonality` (паттерн по дням недели)
BВ данных обязательно баг и их нужно удалить
CМетрика линейно растёт, потому что провалы повторяются
DЭто эффект `cumulative`
Ответ: Регулярное повторение с фиксированным периодом — признак `seasonality`.
Недельные провалы часто связаны с различиями будни/выходные. Для оценки тренда используйте `WoW` по одинаковым дням и/или `rolling average`.
3Команда хочет найти день, когда произошёл резкий сбой (падение конверсии на один день). Почему график `cumulative` может быть плохим выбором?
A`Cumulative` всегда лучше: он показывает всё сразу
B`Cumulative` нельзя строить для `time series`
C`Cumulative` автоматически убирает `seasonality`, поэтому годится для любого анализа
D`Cumulative` сглаживает краткосрочные провалы: разовый сбой может почти не быть заметен, лучше смотреть обычную `time series` по дням
Ответ: `Cumulative` полезен для прогресса, но скрывает краткосрочные изменения.
Кумулятивная кривая растёт почти монотонно и «размазывает» локальные провалы. Для аномалий лучше дневная `time series`, а `rolling average` можно добавить как вспомогательное сглаживание.
4Вы строите график выручки магазина как `time series` по дням. Какую агрегацию по дням выбрать для `revenue`?
AСредний чек (`AOV` (Average Order Value — средний чек)) за день
BСумму `revenue` за день
CМедиану `revenue` на пользователя
DКоличество визитов в день
Ответ: Для выручки по времени обычно нужна сумма за период.
Если цель — сколько денег получили за день, нужно суммировать `revenue`. `AOV` (Average Order Value — средний чек) отвечает на другой вопрос и может расти при падении числа заказов.
5Дневная метрика `DAU` (Daily Active Users) сильно шумит. Какой приём поможет показать тренд, не потеряв исходные значения?
AДобавить 7‑дневный `rolling average` поверх дневной линии
BПерейти на годовую агрегацию
CУбрать выходные из данных
DСортировать точки по величине, а не по дате
Ответ: `Rolling average` сглаживает шум, сохраняя смысл `time series`.
Скользящее среднее уменьшает случайные колебания и помогает увидеть тренд. Полезно подписать окно и не скрывать исходную линию полностью.
Хотите тренировать интерактивно?
В приложении — таймер, прогресс, стрики и 1700+ вопросов по всем темам.
Тренировать в TelegramДругие темы: Визуализация данных