Caso 2: Ci sono due livelli di dati indipendenti — analisi delle sessioni utente, dispositivi e fonti pubblicitarie, e un backend transazionale per la pipeline di credito. È necessario sviluppare uno schema di relazioni e tabelle per il database, che consenta di raccogliere l'economia unitaria in base alle fonti di marketing, indicando le chiavi, e dimostrare la soluzione al problema di matching — la fusione del profilo utente anonimo prima dell'autenticazione con il suo ID reale dopo aver ottenuto il credito.