Что проверяют на собеседовании аналитика данных
Аналитик данных переводит вопросы бизнеса на язык цифр. Поэтому интервьюер проверяет четыре умения: достать данные, проверить их на прочность, объяснить результат человеку без технического бэкграунда и не обмануться случайностью.
SQL в этом списке есть, но его мы уже разбирали в отдельной статье про вопросы по SQL на собеседовании. Здесь про вторую половину: статистику, A/B-тесты, продуктовые метрики и кейсы, на которых чаще всего сыпятся кандидаты.
Отдельно проверяют отношение к неопределённости. Ответ «посчитаю, и всё станет ясно» вызывает меньше доверия, чем «здесь данных может не хватить, и вот как я это проверю». Умение назвать границы анализа ценится не меньше, чем скорость счёта.
Как отвечать на кейс-вопрос
Сильный ответ на кейс — это алгоритм, а не догадка. Порядок, который интервьюеры хотят услышать, почти всегда один и тот же.
Сначала уточните условие: о какой метрике речь, как она считается, что считается нормой и за какой период смотрим. Затем проверьте данные: не изменилось ли определение метрики, не задвоилась ли выгрузка, нет ли сбоя в логах. После сегментируйте: платформа, регион, новые и старые пользователи, каналы. Дальше внешние факторы: сезонность, праздники, релизы, рекламные кампании. И только потом гипотезы, к каждой — план проверки.
Почему порядок важен. Слабый ответ начинается сразу с версий («наверное, конкуренты снизили цены») и рассыпается на первом уточнении. Сильный ответ показывает, что вы сначала отделяете шум от сигнала и не бросаетесь чинить то, что не сломано.
Пять вопросов, на которых сыпятся чаще всего
Ниже разбор типовых вопросов на собеседовании аналитика данных: что проверяют, как звучит слабый ответ и как сильный. Мини-кейс в конце учебный: ситуация придумана для примера, а логика разбора настоящая.
1. «Статистически значимо» и p-value
Проверяют не формулу, а смысл. Слабый ответ: «p < 0,05, значит, гипотеза верна». Это самая распространённая ошибка на интервью.
Сильный ответ объясняет, что p-value — это вероятность увидеть такой результат (или сильнее), если никакого эффекта на самом деле нет. Маленькое p значит, что такие данные трудно объяснить случайностью, а не то, что эффект точно существует. Вдобавок кандидат напоминает: кроме значимости смотрят на размер эффекта и на то, как тест был спроектирован.
2. Среднее или медиана: что показать заказчику
Вопрос на понимание распределений. Слабый ответ: «посчитаю среднее, оно универсально».
Сильный ответ сначала спрашивает про распределение и выбросы. Время ответа поддержки, чек, длительность сессии — величины с длинным хвостом: одно большое значение тянет среднее вверх, и оно перестаёт описывать типичного пользователя. Тогда честнее медиана, а иногда и персентиль p90, о котором стоит сказать отдельно.
3. Конверсия выросла: можно катить?
Вопрос про A/B-тест и дисциплину решений. Слабый ответ: «да, на пятый день стало значимо, выкатываем».
Сильный ответ просит контекст: размер выборки и длительность планировали заранее или тест остановили на первом красивом результате (подглядывание завышает шанс поймать случайность). Потом проверяет, не сломался ли контроль, и смотрит на остальные метрики: рост конверсии в оплату при падении удержания — не успех. И отдельно проговаривает сегменты: эффект может жить только в одном канале или на одной платформе.
4. Retention: почему одна цифра ничего не говорит
Слабый ответ называет число без контекста: «retention 40%, это нормально».
Сильный ответ уточняет день и тип метрики: удержание первого дня не сравнивают с удержанием седьмого. Дальше смотрит на кривую: вышла она на плато, значит, набралось ядро пользователей, или продолжает падать к нулю. И сравнивает когорты по датам прихода: если июльская когорта держится лучше июньской, дело может быть в изменениях продукта, а не в качестве трафика.
5. Метрика упала: с чего начнёте?
Формулировка может звучать по-разному, но суть одна: интервьюер хочет увидеть порядок из раздела выше в действии. Слабый ответ сразу переходит к версиям: «наверное, сломался платёжный провайдер» или «по пятницам всегда так».
Сильный ответ разворачивает схему на конкретной задаче: сначала проверяю, не изменилось ли определение метрики и не задвоились ли данные; потом разбиваю по платформам, устройствам и каналам; затем смотрю внешние события недели; и только после этого формулирую гипотезы с планом проверки. В конце добавляю, как пойму, что дело не в случайности.
Как подготовиться
Читать разборы полезно, но проверять себя нужно практикой. Тесты по статистике и A/B-тестам показывают пробелы объективнее самооценки: знакомая формулировка создаёт ощущение знания, а тест проверяет применение.
Второй шаг — репетиция вслух. Кейс-вопрос, который в голове выглядит стройным, при проговаривании часто рассыпается: выясняется, что половина рассуждения не сформулирована. Для этого есть режим интервью: ИИ задаёт вопросы с таймером, а после сессии показывает разбор по критериям: точность, полнота, структура, коммуникация. Это не замена живому интервьюеру: страх первого раза снимается, а слабые места видно сразу.
Если SQL подзабылся, начните с его разбора, а статистику и A/B закрепите тестами. Перед настоящим собеседованием проговорите вслух хотя бы три кейса из этой статьи: если ответы получаются связными и без подглядываний, база готова.
Частые вопросы
Какие вопросы задают на собеседовании аналитика данных?
Обычно проверяют три блока: работу с данными (SQL, выгрузки), статистику и A/B-тесты, продуктовые метрики и кейсы вида «метрика упала». Точный набор зависит от компании и уровня: на позицию джуна чаще дают задачи на агрегаты и логику, кандидату со стажем — на дизайн экспериментов и приоритизацию.
Нужно ли знать статистику глубоко, чтобы пройти интервью аналитика?
Формулы нужны реже, чем кажется: важнее понимать, что значит статистическая значимость, почему среднее обманывает на длинном хвосте и как устроен A/B-тест. Чаще сыпятся не те, кто не помнит формулу дисперсии, а те, кто не может объяснить своими словами, что показывает p-value.
Что делать, если на интервью дают кейс с незнакомой предметной областью?
Опирайтесь на структуру: уточнить условие, проверить данные, сегментировать, вспомнить внешние факторы, сформулировать гипотезы. Интервьюеру важнее ваша логика, чем отраслевые детали, о которых можно спросить по ходу решения.
Как проходит собеседование аналитика данных: бывает ли тестовое задание?
Формат зависит от компании: где-то это интервью по кейсам, где-то тестовое задание с выгрузкой. В тестовом обычно дают датасет и несколько вопросов: посчитать метрики, проверить гипотезу, объяснить аномалию. Пишите не только ответ, но и ход решения: его смотрят внимательнее цифр.
Можно ли подготовиться к собеседованию аналитика данных за несколько дней?
За несколько дней можно систематизировать то, что уже есть: разобрать кейсы, прогнать тесты по статистике и A/B-тестам, отрепетировать ответы вслух. Если база есть, такой прогон обычно придаёт уверенности. Если нет, честнее заложить больше времени на практику.
Проверьте себя перед интервью
Пройдите тесты по статистике и A/B-тестам и отрепетируйте ответы в режиме интервью: ИИ задаёт вопросы с таймером и показывает разбор. Начать можно бесплатно.
Тренировать аналитику данных