Мок-интервью для аналитика данных — тренировка с AI

Интервью аналитика данных на бумаге выглядят лёгкими — SQL, немного статистики, пара графиков — и устраивают засаду уже в комнате. Вопросы короткие. Ожидания — нет. SQL-скрининг из трёх задач может занять 45 минут; одно обсуждение A/B-теста может растянуться на час. Отработка формата на AI-моках превращает вопросы-засады в рутинные.

Как устроен цикл аналитика данных

В большинстве аналитических циклов четыре подвижные части. Скрининг с рекрутером. Технический SQL-скрининг (живой или домашний), обычно 45–60 минут с двумя-тремя задачами нарастающей сложности. Продуктовый/бизнес-кейс, где интервьюер выдаёт вам неоднозначный вопрос о метрике и наблюдает, как вы рассуждаете. И behavioral/кросс-функциональный раунд, который проверяет, способны ли вы говорить с людьми не из данных, не заставляя их чувствовать себя глупо.

Циклы senior-аналитиков и analytics engineer добавляют пятый раунд: вопрос по проектированию системы или экспериментов. «Спроектируйте фреймворк A/B-тестирования для нашей команды рекомендаций» или «спроектируйте слой метрик для нашего финансового отдела». Это вопросы с самым высоким разбросом во всём цикле — они вознаграждают структурированное мышление и наказывают тех, кто прыгает к дашбордам, ещё не определив метрики.

AI-моки хорошо справляются с тремя из четырёх частей. SQL-скрининги стоит тренировать в настоящем SQL-редакторе на настоящем наборе данных (LeetCode SQL, StrataScratch, туториалы Mode — всё подходит). Всё остальное — устные разборы SQL, кейсы, рассуждения по A/B-тестам, behavioral — это ровно то, для чего создавались AI-моки.

SQL-скрининги: где большинство кандидатов теряют баллы

SQL-скрининг отсеивает больше кандидатов, чем любой другой раунд, и отсеивает не по той причине, о которой думает большинство. Планка не «умеете ли вы написать join». Она такая: «можете ли вы написать чистый, корректный, эффективный запрос для слегка неоднозначной задачи и можете ли объяснить написанное вслух, пока за вами наблюдает другой человек?». Во второй половине и помогают моки.

Темы, которые точно всплывут

• Оконные функции — row_number, rank, lag, lead, агрегаты по партициям.
• CTE и рекурсивные CTE (реже, но появляются для senior).
• Все четыре типа join с граничными случаями (NULL с любой стороны, self-join, anti-join через NOT EXISTS).
• Агрегации с GROUP BY + HAVING, включая условные агрегаты (COUNT(CASE WHEN ...)).
• Арифметика дат — последние 7 дней, когорты удержания, сравнения неделя к неделе.
• Паттерны дедупликации (какую строку оставляете и почему).

Классические паттерны вопросов: «найдите топ-N по некоторой метрике внутри каждой группы», «посчитайте удержание неделя к неделе», «найдите пользователей, сделавших X, но не Y», «найдите второе по свежести событие для каждого пользователя». Если у вас нет по ним автоматической мышечной памяти — прорабатывайте их неделю перед любым настоящим интервью.

Рассуждения по A/B-тестам

Вопросы по A/B-тестам решают, пройдёте ли вы в следующий раунд. Это самое близкое к «продуктовому суждению», что интервьюер может проверить за 45 минут. Формат всегда похож: расплывчатая фича, расплывчатая цель, ваша задача — чисто спроектировать эксперимент вслух.

Цепочка, через которую нужно пройти

1. Определите изменение. Что именно является воздействием (treatment)? «Мы показываем новый баннер» — слишком расплывчато. «Мы показываем баннер на главной странице со ссылкой на страницу апгрейда — пользователям, которые были на бесплатном тарифе более 30 дней» — точно.
2. Сформулируйте гипотезу. Направление и величина. «Мы ожидаем, что конверсия в апгрейд вырастет на 2 процентных пункта среди затронутых пользователей.» Конкретно. Опровержимо.
3. Выберите основную метрику. Одну. Не три. «Конверсия в апгрейд в течение 7 дней после воздействия.» Обоснуйте, почему именно её, а не очевидные альтернативы.
4. Выберите контрольные (guardrail) метрики. То, что не должно ухудшиться. «Вовлечённость бесплатных пользователей, длина сессии, объём обращений в поддержку.» Если воздействие двигает основную, но ломает контрольную, вы не выкатываете.
5. Оцените размер выборки и длительность. Исходя из базового уровня, минимального обнаруживаемого эффекта, alpha и мощности. Считать вживую не обязательно — просто покажите, что понимаете входные данные.
6. Сформулируйте правило принятия решения. Какой порог доказательств выкатывает фичу. Что вы делаете, если результаты неоднозначны.

Интервьюеры зададут уточняющие вопросы с ловушками: эффекты новизны, сетевые эффекты (особенно в социальных продуктах), интерференция между одновременными экспериментами, подглядывание (peeking). Будьте готовы назвать каждое по имени и объяснить, почему это важно.

Дашборды и кейсы

Кейсы — это разговорные раунды без данных на экране. Типичный запрос: «DAU упал на 5% на прошлой неделе. Что вы делаете?». Интервьюер не ищет ответ (его нет без данных). Он ищет: чисто ли вы декомпозируете проблему, задаёте ли правильные уточняющие вопросы, приоритизируете ли гипотезы по вероятности и влиянию, знаете ли, какие данные подняли бы и какой запрос выполнили бы.

Чистый фреймворк: начните с уточняющих вопросов (какой продукт, какое определение DAU, какие сегменты, не известная ли это проблема конвейера данных), затем разделите гипотезы на внешние (сезонность, маркетинг, запуск конкурента), внутренние продуктовые (недавний деплой, изменение фичи, A/B-тест) и инструментальные (баг логирования, изменение схемы). Ранжируйте по вероятности. Для двух-трёх верхних скажите, что подняли бы и на что посмотрели бы.

Вопросы по дизайну дашбордов конкретнее. «Вы строите дашборд для главы роста — что на нём?». Не перечисляйте 40 метрик. Выберите 5–8, которые соответствуют решениям, которые глава роста реально принимает (привлечение, активация, удержание, монетизация, реферал — петля AARRR или вариант вашей компании). Для каждой скажите, какой порог запускает действие.

Как настроить AI-мок под аналитические роли

Установите роль «Аналитик данных» или вставьте описание вакансии, если оно есть. Для первой сессии выберите режим «Технический скрининг» и 10 вопросов — это даёт примерно равное распределение разборов SQL, рассуждений по A/B и одного-двух кейсов. Для более глубоких сессий используйте автономный режим и скажите AI сфокусироваться на одной области: «потратьте всю сессию на оконные функции SQL и условные агрегаты» или «потратьте всю сессию на проектирование A/B-теста с ловушками».

Один полезный паттерн специально для аналитиков: после AI-мока возьмите SQL-вопросы и реально напишите запросы в SQL-песочнице. Мок раскрывает, можете ли вы объяснить подход; песочница подтверждает, что вы можете выкатить код. Важно и то, и другое.

Часто задаваемые вопросы