Аналитика данных / Data Study: “🎯 Задача с собеседования Есть таблица transactions с транзакциями кли…”

🎯 Задача с собеседования

Есть таблица transactions с транзакциями клиентов. Для каждого клиента нужно посчитать выручку за последние 90 дней, а также долю выручки от топ‑3 категорий в этой сумме. При этом в отчёт должны попасть только клиенты, у которых общая выручка за период больше 50 000 ₽

Это часто попадающиеся формулировки задач на интервью, здесь проверяют сразу несколько вещей — работу с датами, оконные функции, агрегацию с фильтрацией по результату и умение не усложнять запрос лишними слоями.

Решение:

WITH client_stats AS (
    SELECT
        client_id,
        category,
        amount,
        SUM(amount) OVER (PARTITION BY client_id) AS total_client_revenue,
        RANK() OVER (
            PARTITION BY client_id
            ORDER BY SUM(amount) OVER (PARTITION BY client_id, category) DESC
        ) AS category_rank
    FROM transactions
    WHERE created_at >= CURRENT_DATE - INTERVAL '90 days'
)
SELECT
    client_id,
    total_client_revenue,
    SUM(amount) FILTER (WHERE category_rank <= 3) AS top3_categories_revenue,
    ROUND(
        100.0 * SUM(amount) FILTER (WHERE category_rank <= 3) / NULLIF(total_client_revenue, 0),
        2
    ) AS top3_share_pct
FROM client_stats
GROUP BY client_id, total_client_revenue
HAVING total_client_revenue > 50000
ORDER BY total_client_revenue DESC;

Если сразу решишь такое на собесе, покажешь свой сильный навык в SQL: ✅ Фильтрация по итоговой метрике через HAVING — сразу видно понимание разницы между WHERE и HAVING. ✅ Доля топ‑3 считается без отдельного подзапроса — логика в одном слое, легко читать и поддерживать. ✅ Используется FILTER для наглядности и эффективности, а NULLIF страхует от деления на ноль. ✅ Работа с окном по 90 дням и ранжирование категорий — типичный паттерн для продуктовой аналитики.

Ставь реакции если пост полезен 😉