Кейс-интервью в Data Science: BCG GAMMA | #Нанято S1E04RU

Коротко о видео

Запись собеседования в BCG Gamma: после представления интервьюер и кандидат подробно разбирают опыт кандидата в Сбербанке и пилот модели для выявления мисселлинга. Центральная часть — бизнес-кейс авиакомпании о прогнозировании задержек рейсов: обсуждаются экономические потери, данные, постановка таргета, модели, валидация и оптимизация назначения бортов. В конце интервьюер даёт обратную связь: техническая часть в целом сильная, но рассказ о себе и собственной роли в проекте стоит сделать более структурированным.

Затронутые темы

Что взять на заметку

• Формат интервью включает рассказ о проекте кандидата, 20–30-минутный бизнес-кейс на стыке ML и бизнеса и вопросы кандидата.
• В проекте по мисселлингу кандидат описывает ранжирование сотрудников по риску, выбор признаков, на которые бизнес может воздействовать, и проверку эффекта через рандомизированные группы с разными вмешательствами.
• Для авиационного кейса важно сначала определить денежные последствия задержек: потерю удержания пассажиров, срыв пересадок и компенсации, а не сразу выбирать алгоритм.
• Таргет для модели задержек — величина задержки в минутах; при его расчёте нужно учитывать накопленный эффект опоздания предыдущих рейсов того же борта, чтобы не учить модель на смешанном шуме.
• Среди обсуждённых признаков — расписание, история рейсов, аэропорты, тип самолёта, оборот борта и погода; кандидат предлагает начать с базовой регрессии, затем сравнить Random Forest и градиентный бустинг.
• Для прогноза во времени нужна out-of-time валидация и контроль distribution shift между обучающей и тестовой выборками; при расширении данных следует также проверять различия по типам самолётов и аэропортам.
• Для перепланирования рейсов недостаточно точечного прогноза: распределение задержки позволяет через Monte Carlo simulation оценивать сценарии и выбирать назначения бортов, минимизирующие ожидаемые потери.