**У каждого из 12 вопросов — пять вариантов.
Отметьте один вариант, который точнее всего описывает реальность вашей команды.
Посчитайте, какой буквы больше: A, B, C, D или E.
1. Какие цифры вы обсуждаете каждую неделю?** A. Выручку и прибыль. Иногда себестоимость и лиды. B. Помимо выручки и прибыли, еще метрики по рекламе, платёжеспособность, конверсии, частоту покупок, затраты на персонал, себестоимость продаж, ширину и глубину матрицы, стоимость привлечения и удержания. C. Те же метрики, что и в В плюс корреляции и регрессии. D. Всё вышеперечисленное плюс 12-месячный прогноз. E. Цифры? Мы смотрим отчёт раз в год.
2. Что делаете, когда падает выручка? A. «Чувствуем рынок» и принимаем решение интуитивно. B. Проверяем, какая из метрик просела. C. Ищем статистически значимые причины снижения. D. Запускаем предиктивную модель и план корректирующих действий. E. О падении узнаём, когда бухгалтер закрывает месяц.
3. Как считаете ROMI? A. «На глаз». B. Берём CAC, CRC и LTV из CRM. C. Делим по сегментам, считаем статистическую значимость. D. Прогнозируем ROMI и проверяем его A/B-тестами в онлайне. E. ROMI - это про ром?
4. Какая реплика чаще всего звучит в маркетинге? A. «Клиенты устали, нужен новый баннер». B. «Reach упал, CTR минус десять процентов». C. «Корреляция минус 0,73 между ценой и retention - ищем причинность». D. «Prophet предсказывает спад продаж через восемь недель - готовим акцию». E. «Reach? CTR? Мы печатаем листовки в ТЦ»/у нас нет маркетинга.
5. Как формируете бюджет-2026? A. Берём цифры 2025 года и прибавляем инфляцию. B. Умножаем каждую из 17 метрик на целевые значения. C. Строим driver-based модель с эластичностями. D. Делаем цифровой двойник бизнеса; reinforcement-learning сам корректирует бюджет. E. Бюджет? Тратим то, что осталось на счёте.
6. Кто реально заходит в BI-систему/1С/Excel отчеты? A. Только финансисты: выгрузили в 1С/Excel и пошли делать отчёт. B. Коммерческий блок и маркетинг. C. Плюс аналитики публикуют интерактивные дашборды для менеджеров. D. BI доступен каждому сотруднику в режиме self-service. E. BI? Бухгалтер расскажет всё на планёрке.
7. Как измеряете эффективность скидок? A. Сравниваем оборот «до» и «после» и радуемся. B. Смотрим, как изменились Price, Discount, Quantity Sold из 17 метрик. C. Строим ценовую эластичность на основании регрессионной модели. D. ML-модель рассчитывает оптимальный размер дисконта и uplift-эффект. E. Скидки? Даем процент “от души”, ничего не считаем.
8. Как ищете «бутылочное горлышко» процесса? A. Интуитивно «крутим гайки» в случайных местах. B. Ищем просевшую метрику. C. Используем факторный или АВС-XYZ анализ. D. Симулируем поток в цифровом двойнике и тестируем альтернативы. E. Горлышко? Мы о вине, что ли?
9. Что делаете с сырыми данными? A. Храним их в разрозненных Excel-папках. B. Загружаем в DWH и считаем базовые KPI. C. Сшиваем полноценные ETL-пайплайны и автоматически чистим выбросы. D. Обрабатываем данные в real-time стриме, сразу генерируя ML-фичи. E. Сырые данные? У нас все сухо.
10. Главный критерий при найме аналитика? A. «Хорошо чувствует рынок». B. Знает более 15 метрик и SQL. C. Умеет Python/R и профессиональную статистику. D. Пишет production ML-модели, владеет MLOps. E. Аналитик - это тот, кто делает красивые презентации?
11. Как реагируете на «чёрного лебедя»? A. Срочно режем расходы «по ощущениям». B. Пересматриваем ключевые коэффициенты. C. Строим причинно-сценарную карту и ранжируем действия. D. Запускаем стресс-тесты и обновляем адаптивный прогноз в реальном времени. E. Чёрный лебедь - это вид утки?
12. Какой главный вопрос задаёт совет директоров? A. «Сколько денег в кассе?» B. «Какой параметр сейчас тянет бизнес вниз?» C. «Почему это произошло?» D. «Что случится через квартал и как мы на это повлияем?» E. Совет задаёт вопросы? Мы слушаем отчёт и идём пить кофе.
Результаты - сегодня в 15.00
