Привет, хабровчане! Недавно в OTUS мы провели соревнования по Data Science. По задаче в категории Data Warehouse нам прислали всего два решения — и мы решили поинтересоваться у более широкой аудитории, насколько сложной получилась эта задача. Если вы работаете с данными, приглашаем попробовать ее решить и получить приятные бонусы от OTUS.

Категория: Data Warehouse

Сквозная аналитика и практики Data-driven для e-Commerce: построение логической модели Хранилища Данных, расчет бизнес-метрик и формирование аналитических Витрин.

Задача:

Помочь владельцу e-Commerce-платформы принимать обоснованные и взвешенные решения на основании данных.

Бизнес-проблематика:

До того как вы взялись за задачу решения принимались на интуитивном уровне, без веских обоснований и часто оказывались ошибочными/убыточными.

Основная проблема бизнеса сегодня – отсутствие прозрачности и прогнозируемости по основным показателям: трафик, пользователи, взаимодействия, траты на привлечение, выручка, отдача на инвестиции, конверсии в клиентских воронках.

Владельцы бизнеса не могут ответить на элементарные вопросы:

• Поведенческие характеристики, вовлеченность, интерес аудитории (веб-аналитика)

• Какова доля рекламного трафика в общем объеме?

• Есть ли связь между затратами на рекламу и конверсиями?

• Какие каналы привлечения (кампании, объявления) являются наиболее перспективными и прибыльными, а от каких следует отказаться?

• Насколько эффективно выстроены этапы пользовательской воронки?

• На каких этапах воронки теряется большое количество лидов? Где и что можно улучшить?

Ваша задача — помочь выстроить культуру принятия решений, основанных на объективных фактах и событиях.

ПОЛНОЕ ОПИСАНИЕ С ДАННЫМИ ЗАДАНИЯ ЗДЕСЬ

Условия:

Свои решения присылайте через форму

Дедлайн: 30 мая, воскресенье, 23:00

Определение лучшего решения: 2 июня

Бонусы:

Автор лучшего решения по мнению команды жюри — экспертов OTUS — получит 50% скидку на курс на выбор:

• Data Engineer

• Hadoop, Spark, Hive

• Data Warehouse Analyst

• или другой из курсов раздела Data Science.

Все остальные участники, приславшие корректное решение, получат скидку 20% на один из курсов раздела Data Science.

В комментариях допустимо обсуждать задачу, но просим не публиковать здесь решение до закрытия дедлайна.

Жюри:

• Артемий Козырь – более 5 лет опыта с Хранилищами данных, построении ETL/ELT систем

В рамках соревнований была задача в категории Machine Learning, в которой требовалось построить рекомендательную систему для OTUS. При этом модель должна уметь работать, в том числе, и с новыми пользователями, которые еще не купили ни одного курса. Ответы на это задание прислали 14 участников. Итоговое решение получилось почти в 3 раза лучше по качеству, чем предложенный бейслайн.

Ждем ваших решений и комментариев по поводу задачи!