Вопросы на собеседовании: Аналитик данных
23 реальных вопросов с собеседований на позицию аналитика данных — по навыкам, которые работодатели требуют в живых вакансиях. К каждому вопросу — что проверяет интервьюер и как звучит сильный ответ.
Медиана зарплаты по живым вакансиям: примерно 200 000 ₽ — 250 000 ₽ (по 259 вакансиям с указанной зарплатой).
Что чаще всего требуют работодатели
🤖 ИИ-тренажёр ответов: на этой странице можно написать свой ответ на любой вопрос — ИИ разберёт его как реальный интервьюер (оценка, сильные стороны, что добавить, пример сильного ответа). Бесплатно, 5 разборов в неделю.
SQL
Чем INNER JOIN отличается от LEFT JOIN? Когда что использовать?
Что проверяют: База, спрашивают почти всегда. Сильный ответ — с примером: LEFT JOIN сохраняет все строки левой таблицы (пользователи без заказов попадут в результат с NULL), INNER — только совпадения.
Как найти дубликаты в таблице?
Что проверяют: Классика: GROUP BY по ключевым полям + HAVING COUNT(*) > 1. Плюс — упомянуть ROW_NUMBER() OVER (PARTITION BY …) для удаления дублей.
Что делают оконные функции? Чем ROW_NUMBER отличается от RANK?
Что проверяют: Проверяют уровень выше джуна. Оконные функции считают агрегат без схлопывания строк. RANK даёт одинаковый ранг при равенстве значений (с пропусками), ROW_NUMBER — всегда уникальный номер.
В чём разница между WHERE и HAVING?
Что проверяют: WHERE фильтрует строки ДО группировки, HAVING — группы ПОСЛЕ агрегации. Пример: HAVING COUNT(*) > 10 нельзя заменить WHERE.
Напишите запрос: топ-3 товара по выручке в каждой категории.
Что проверяют: Типовая live-задача. Решение — оконная функция: ROW_NUMBER() OVER (PARTITION BY category ORDER BY revenue DESC) + фильтр rn <= 3 в подзапросе или CTE.
Метрики и продукт
Метрика упала на 20% — ваши действия?
Что проверяют: Главный кейс-вопрос аналитика. Сильный ответ — структура: проверить данные (не сломался ли сбор), декомпозировать по сегментам (платформа, гео, канал, когорта), найти где именно упало, сопоставить с релизами/маркетингом/сезонностью, и только потом — гипотезы.
Что такое retention и как его считать?
Что проверяют: Доля пользователей, вернувшихся через N дней после первого визита. Упомянуть classic/rolling retention и когортный анализ — это показывает, что вы работали с метрикой, а не читали определение.
Чем DAU/MAU полезен и когда он врёт?
Что проверяют: Sticky factor — частота использования. Врёт при сезонности, всплесках трафика от рекламы (растёт MAU — падает DAU/MAU при том же продукте).
Какие метрики вы бы выбрали для оценки нового онбординга?
Что проверяют: Проверяют продуктовое мышление: конверсия в завершение онбординга, time-to-value, retention D7 новых пользователей против контроля, и одна north-star метрика продукта.
Что такое unit-экономика? Что значит LTV > CAC?
Что проверяют: Экономика на одного пользователя: если ценность клиента за жизнь (LTV) больше стоимости его привлечения (CAC) — рост окупается. Хороший ориентир LTV/CAC ≥ 3.
Статистика
Чем медиана лучше среднего? Приведите пример.
Что проверяют: Медиана устойчива к выбросам. Классический пример — зарплаты: один топ-менеджер тянет среднее вверх, медиана честнее описывает «типичного» сотрудника.
Корреляция и причинность — в чём разница?
Что проверяют: Корреляция ≠ причинность: продажи мороженого коррелируют с утоплениями (общая причина — лето). Причинность доказывает эксперимент (A/B), а не наблюдение.
Что такое перцентиль? Зачем аналитику p95?
Что проверяют: p95 времени ответа/чека показывает «хвост» распределения, который среднее прячет. Реальные SLA и мониторинг строятся на перцентилях.
Выборка 30 человек показала рост конверсии на 5% — верите?
Что проверяют: Проверяют статистическую грамотность: на малой выборке это шум. Нужно посчитать значимость и необходимый размер выборки до вывода.
A/B-тесты
Как спланировать A/B-тест: с чего начать?
Что проверяют: Порядок: гипотеза → целевая метрика → минимальный детектируемый эффект → размер выборки и длительность → критерий остановки. Начинать с метрики, а не с дизайна варианта.
Почему нельзя останавливать тест, как только «стало значимо»?
Что проверяют: Peeking problem: при постоянном подглядывании вероятность ложноположительного результата резко растёт. Тест держат до запланированного размера выборки.
Тест показал +2% к конверсии, p-value 0.04. Раскатываем?
Что проверяют: Сильный ответ смотрит шире: практическая значимость против статистической, стоимость внедрения, влияние на смежные метрики (guardrails), повторяемость результата.
Инструменты и визуализация
Сводные таблицы в Excel: для чего и как устроены?
Что проверяют: Быстрая агрегация без формул: строки/столбцы/значения/фильтры. Упомянуть ВПР/XLOOKUP и Power Query — плюс в карму.
Какой график выбрать для динамики метрики? Для структуры?
Что проверяют: Динамика — линия, сравнение категорий — бар, структура — stacked bar или treemap (не pie при 5+ категориях). Проверяют, думаете ли вы о читателе дашборда.
Чем BI-инструмент (Power BI, DataLens) лучше Excel-отчёта?
Что проверяют: Автообновление из БД, интерактивные фильтры, один источник правды вместо пересылки файлов. Excel — для ad-hoc, BI — для регулярного.
Кейсы и поведенческие
Расскажите о задаче, где ваш анализ повлиял на решение бизнеса.
Что проверяют: Отвечать по STAR: ситуация → задача → действия → результат с цифрой. Подойдёт и учебный проект — главное показать цикл «данные → вывод → решение».
Заказчик просит «выгрузить цифры» без объяснения зачем. Ваши действия?
Что проверяют: Проверяют зрелость: выяснить бизнес-вопрос за запросом — часто нужна другая выгрузка или уже существующий дашборд.
Как вы проверяете качество данных перед анализом?
Что проверяют: Пропуски, дубли, выбросы, согласованность сумм с другими источниками, здравый смысл (может ли конверсия быть 140%). Показывает опыт реальной работы с грязными данными.
Как проходить собеседование: советы
- На SQL-секции вслух проговаривайте ход решения — интервьюеру важен ход мысли, а не идеальный синтаксис с первого раза.
- На кейсах («метрика упала») сначала структура, потом детали: данные → сегменты → внешние факторы → гипотезы.
- Подготовьте 2–3 истории по STAR из своих проектов (учебные тоже считаются) — они закрывают большинство поведенческих вопросов.
- Честное «не знаю, но рассуждал бы так…» ценится выше заученного ответа мимо вопроса.
Подготовка и вакансии
- Гайд по профессии: Аналитик данных — навыки, зарплаты, с чего начать
- Дорожная карта аналитика данных — план обучения по шагам
- Бесплатный курс — практика с проверкой заданий от ИИ
- Живые вакансии аналитика данных из Telegram — откликайтесь после подготовки
- Проверить совместимость резюме с вакансией перед откликом