Сегодня знакомимся с новым кейсом:

В прошлом кейсе мы сказали, что в первую очередь нужно сфокусироваться на исправлении подачи новых объявлений в недвижимости, так как именно этот сегмент даст наибольший импакт.

Продуктовая команда хорошо потрудилась, и теперь во всех новых объявлениях гарантированно будут хорошие адреса. Но исправить адреса в старых объявлениях возможности нет, поэтому при их реактивации адреса все еще будут плохими.

Нужно спрогнозировать, как будет меняться доля плохих объявлений в ближайшие 3 месяца.


Какие данные у нас есть:

• Количество объявлений с хорошими и плохими адресами за январь (представим, что сейчас конец января)
• Прогноз о том, сколько новых объявлений будет создано в ближайшие 3 месяца
• Данные о том, какая доля объявлений реактивируется в первый, второй и третий месяца

На этом воркшопе наша задача:


1. Построить таблицу с долей объявлений с плохими адресами на ближайшие 3 месяца (напомню, сейчас конец января)
2. Добавить к этой таблице условное форматирование
3. Построить диаграмму, которая визуализирует эти данные