Какие вопросы задать аналитику на собеседовании?

что он анализировал? че собирается анализироват? как собирается анализирвоать?? и т.д. куча вопросов можно придумать

Кем вы видите себя через пять дней?

Попроси рассказать про личный опыт, на примере поймешь подходит или нет. Если отвечает конкретно - с какими проблемами сталкивался, что было трудным, как и почему именно такой подход он выбрал - это только плюс. Можешь так же дать какую-то небольшую задачу - увидишь ход мыслей.

Технические навыки

• Напиши SQL-запрос для выборки топ-5 клиентов по сумме заказов за последний месяц (с группировкой и сортировкой).
• Как бы ты посчитал retention rate в таблице с user_id, date и event?
• Расскажи, как работаешь с пропущенными значениями в данных и выбросами.

Опыт и кейсы

• Опиши проект, где ты анализировал данные и повлиял на бизнес-решение. Какие метрики использовал и какой был результат?
• Какой инструмент визуализации предпочитаешь (Tableau, Power BI, Looker) и почему?

Логика и подход

• Дай задачу: у нас упала конверсия на 15%. С чего начнёшь расследование?
• Как отличаешь корреляцию от причинно-следственной связи на практике?

Ниже — универсальный сценарий для дата-/продуктового аналитика. Его можно провести за 45–60 минут даже без глубокого опыта в аналитике.

1. Попросите разобрать реальный опыт

• Расскажите о задаче, где ваши выводы повлияли на решение бизнеса.
• Как вы поняли, что именно нужно анализировать?
• Какие данные использовали и откуда знали, что им можно доверять?
• Какие альтернативные объяснения рассматривали?
• Как проверяли результат?
• Что изменилось после вашей работы?

Хороший ответ: кандидат говорит не только про графики и SQL, но и про цель, ограничения, выводы, действия и эффект. Может честно рассказать об ошибках.

2. Проверьте умение формулировать задачу

Спросите:

Руководитель говорит: «Продажи упали, разберись». Что будете делать?

Ожидаемая логика:

1. Уточнить, что именно упало: выручка, число заказов, средний чек, маржа.
2. Определить период и сравнение: неделя к неделе, год к году.
3. Проверить разрезы: продукт, регион, канал, сегмент клиентов.
4. Проверить качество данных и изменения в трекинге.
5. Сформировать гипотезы.
6. Проверить их и предложить действия.

Плохой сигнал: сразу говорит «построю дашборд» или «напишу SQL», не выясняя бизнес-вопрос.

3. Дайте небольшой кейс

Например:

После запуска новой версии сайта конверсия в покупку снизилась с 5% до 4%. Как будете искать причину?

Сильный кандидат уточнит:

• статистически ли значимо снижение;
• одинаковы ли периоды и источники трафика;
• не изменился ли состав пользователей;
• не сломался ли сбор событий;
• на каком шаге воронки падение;
• есть ли различия по устройствам, браузерам, регионам;
• была ли контрольная группа или A/B-тест;
• какие действия возможны по результатам.

Не обязательно, чтобы он сразу назвал «правильную» причину. Важнее последовательность проверки гипотез.

4. Проверьте базовую статистику

Можно задать 2–3 вопроса:

• Чем среднее отличается от медианы? Когда использовать каждую?
• Что такое доверительный интервал?
• Что значит статистическая значимость?
• Почему нельзя делать вывод только по тому, что одна конверсия выше другой?
• Что такое ошибка первого рода?
• Почему A/B-тест нельзя останавливать через час после первых хороших результатов?
• Чем корреляция отличается от причинно-следственной связи?

Настораживает: кандидат уверенно употребляет термины, но не может объяснить их простыми словами.

5. Проверьте SQL или работу с данными

Если SQL нужен в работе, дайте короткую практическую задачу, а не только вопросы:

Есть таблицы users, orders, order_items. Нужно посчитать выручку и число заказов по месяцам за последний год.

Или попросите объяснить:

• чем LEFT JOIN отличается от INNER JOIN;
• почему после JOIN могла удвоиться выручка;
• чем WHERE отличается от HAVING;
• как найти пользователей с повторной покупкой;
• как посчитать конверсию по этапам воронки.

Для собеседования важнее увидеть ход решения: кандидат уточняет структуру данных, проверяет дубли и понимает, что именно считается.

6. Проверьте визуализацию и коммуникацию

Спросите:

• Какой график выберете для динамики показателя?
• Как покажете сравнение нескольких сегментов?
• Что будете делать, если руководитель просит «просто все цифры на одном дашборде»?
• Как объясните сложный вывод человеку без аналитического опыта?
• Что напишете в итоговом сообщении по результатам анализа?

Хороший аналитик отделяет:

• факт — что произошло;
• гипотезу — почему это произошло;
• рекомендацию — что делать;
• ограничения — насколько выводу можно доверять.

7. Узнайте, как он работает с неопределённостью

Полезные вопросы:

• Что будете делать, если данных недостаточно?
• Как поступите, если заказчик требует вывод «на вчера»?
• Как оспорите некорректную постановку задачи?
• Что сделаете, если ваши выводы противоречат мнению руководителя?
• Как расставляете приоритеты между пятью срочными запросами?

Ищите не конфликтность, а способность спокойно объяснять риски и предлагать рабочий компромисс.

Простая оценочная таблица

После интервью поставьте оценки от 1 до 5:

На что обратить особое внимание

Хорошие признаки:

• задаёт уточняющие вопросы;
• признаёт, когда чего-то не знает;
• проверяет качество данных;
• говорит о влиянии на решение, а не только о построенных отчётах;
• умеет объяснять сложное простыми словами;
• предлагает несколько возможных причин, а не цепляется за первую.

Плохие признаки:

• много терминов без понятных объяснений;
• любой вопрос решает «дашбордом»;
• путает корреляцию и причинность;
• не учитывает статистическую значимость;
• не проверяет дубли и полноту данных;
• не может рассказать, что изменилось благодаря его работе.

Оптимальный формат: 20 минут про опыт, 15 минут кейс, 10 минут SQL/статистика, 10 минут коммуникация и вопросы кандидата. Не пытайтесь проверить всё — лучше глубоко разобрать одну-две реальные задачи и посмотреть на ход мышления.

Быстрый план собеседования аналитика (60–75 мин)

1. Разогрев (5 мин)

• Расскажите про последний проект: ваша роль, задача, результат.

2. Технические вопросы (20–25 мин)

Задавайте по стеку, который нужен вам. Типовой набор:

• SQL: чем JOIN отличается от LEFT JOIN; как найти дубликаты в таблице; что делают GROUP BY и HAVING; оконные функции (ROW_NUMBER, RANK) — где применяли.
• Python/Excel: как обычно чистите и агрегируете данные; что делали с пропусками и выбросами.
• BI-инструменты: в чём строили дашборды (Tableau, Power BI, Metabase, Superset); как выбирали метрики для дашборда.
• Статистика: что такое p-value простыми словами; как проверяли A/B-тест; что делать, если выборки мало.

3. Продуктовое/бизнес-мышление (15 мин)

• Как вы поймёте, что метрика «плохая»? Приведите пример.
• Пользователи стали реже заходить. Ваши действия по шагам.
• Как отличить корреляцию от причинности в данных?

4. Кейс или тестовое (15 мин)

Дайте мини-задачу: «Есть таблица заказов. Падает средний чек. Как разберётесь?» Смотрите на структуру рассуждения, а не на «правильный» ответ.

5. Поведенческие (10 мин)

• Расскажите о случае, когда данные противоречили гипотезе заказчика.
• Как объясняли сложный вывод нетехническому человеку?
• Что делали, когда данных не хватало, а решение нужно было завтра?

Красные флаги

• Не может объяснить, как считал метрику в своём проекте.
• Путается в базовом SQL (типы JOIN, агрегаты).
• Говорит только про инструменты, но не про бизнес-смысл.
• На «расскажите про ошибку» отвечает «ошибок не было».

Зелёные флаги

• Приводит конкретные цифры и контекст из прошлых проектов.
• Уточняет цель задачи перед тем, как считать.
• Признаёт ограничения данных и предлагает допущения.
• Понимает разницу между «метрика упала» и «метрика упала из-за X».

Если сомневаетесь в технике — попросите коллегу-аналитика или разработчика подключиться на 20 минут именно к техническому блоку. Это нормальная практика, даже если вы нанимаете впервые.