Case interview для аналитика: как решать и готовиться

Что такое case interview

Case interview — собеседование, где кандидат решает бизнес-кейс вслух. Обычно даётся гипотетическая ситуация: у компании X упала метрика Y, нужно разобраться.

Для аналитика кейсы проверяют:

• Структурированное мышление.
• Продуктовое понимание.
• Знание метрик.
• Коммуникацию и способность рассуждать.
• Техническую грамотность (SQL, статистика).

Типичны для middle+ позиций в tech (Yandex, Avito, Ozon, Tinkoff) и почти всегда для senior/lead.

Типы кейсов

1. Диагностика метрики. «DAU упал на 10%, что делать?»

Проверяет, как вы структурируете поиск причины: сегментация, временной анализ, воронка.

2. Запуск продукта. «Как оценить успех новой фичи?»

Метрики, AB-тест, размер выборки, долгосрочный эффект.

3. AB-тест. «Результаты теста такие-то, что делать?»

Статистика, статзначимость, практическая значимость, граничные случаи.

4. Стратегия/прогноз. «Сколько поездок в такси в Москве за год?»

Market sizing, допущения, санити-чеки.

5. Технический. «Как бы ты посчитал retention в SQL?»

Иногда пересекается с отдельной SQL-секцией, но часто звучит как кейс.

При подготовке важно охватить все пять типов — в разных компаниях предпочитают разные форматы.

Универсальный фреймворк

Единый подход для решения любого кейса:

Шаг 1. Уточнить вопрос (2-3 минуты).

Не кидаться на ответ. Понять:

• Какой продукт/сервис?
• Какая метрика точно падает?
• За какой временной промежуток?
• Какие сегменты?
• Внешние события?

«Чтобы точнее ответить, уточните — речь про MAU или DAU? За какой период? Для всех стран или одной?»

Этот шаг помогает вам построить правильную структуру и показывает интервьюеру, что вы не торопитесь с ответом наугад.

Шаг 2. Проговорить структуру (1-2 минуты).

«Я бы подошёл к задаче так: 1) проверить качество данных, 2) разложить по сегментам, 3) искать гипотезы, 4) валидировать».

Интервьюер видит, что у вас есть структура. Может направить: «первую часть пропустим, давай сразу к сегментации».

Шаг 3. Генерировать гипотезы (5-10 минут).

Идти по дереву возможностей. Для каждой гипотезы:

• Чем объясняется наблюдаемое.
• Как проверить.
• Какое действие, если подтверждается.

Шаг 4. Приоритизировать и копать глубже.

Нельзя копаться во всех гипотезах — время ограничено. Интервьюер обычно подтолкнёт, куда копать.

Шаг 5. Синтезировать.

«На основе сказанного — я бы сфокусировался на гипотезе X. Проверил бы запросом Y. Если подтвердится — сделали бы Z».

Диагностика: декомпозиция

Классический фреймворк для «почему метрика упала».

Внешние vs внутренние причины:

• Внешние: сезонность, конкуренты, экономические события, праздники.
• Внутренние: продуктовые изменения, баги, маркетинговые изменения.

Метрика = Фактор1 × Фактор2 × ...

Например, Revenue = Users × AOV × Conversion. Смотрим, какой из компонентов просел.

Сегментация:

• По платформам (iOS/Android/Web)
• По странам
• По версиям продукта
• По каналам привлечения
• По сегментам пользователей (новые vs возвращающиеся)

Если падение в одном сегменте — подсказка о причине.

Временной анализ:

• Точное время начала.
• Резко или постепенно.
• Совпадение с релизом или событием.

Фреймворк продуктовых метрик

Для «как оценить запуск фичи» или «какие метрики важны»:

North Star Metric. Единая метрика, отражающая ценность. Пример: для Uber — завершённые поездки.

Input-метрики. Факторы, влияющие на North Star. Пользователи, сессии, конверсия.

Опережающие индикаторы. Ранние сигналы. Adoption фичи, вовлечённость.

Guardrail-метрики. Метрики, которые не должны упасть. Retention, производительность, ошибки.

Хороший ответ: не одна метрика, а согласованный набор.

Market sizing

Классика case interview. «Сколько в Москве водительских прав?»

Подход:

Top-down. От населения к ответу.

Москва: 13M людей
Взрослых (18+): 80% = 10.4M
С правами: 60% = 6.2M
Активных водителей: 50% = 3.1M

Bottom-up. От микро-наблюдения.

В моём районе ~1000 машин
В Москве ~10000 таких районов
Машин на домохозяйство: 1.2
Итого ~10M машин? (санити-чек)

Два способа должны давать сопоставимое число. Расхождение — индикатор проблем в допущениях.

Главное — не цифра, а логика рассуждения.

SQL кейсы

Часто совмещены с бизнес-кейсами. «Как посчитать churn за последние 30 дней?»

Подход:

1. Уточнить определение. Что такое churn здесь? Отменённая подписка? Отсутствие активности?
2. Сформулировать структуру SQL. «Нужны пользователи, кто был активен в месяце X, но не в месяце X+1».
3. Написать запрос (CTE, join-ы, оконные функции).
4. Обсудить граничные случаи: поздние возвратные, новые пользователи.

Показывать понимание не только синтаксиса, но и бизнес-семантики.

Кейсы по AB-тестам

Сильные вопросы:

«Тест показал прирост 5% при p=0.03. Запускать?»

Хорошие кандидаты отвечают не «да, p<0.05»:

• Какой размер выборки? Возможен ложноположительный результат при низкой мощности.
• Эффекты по сегментам? Положительный в целом может быть отрицательным для ключевого сегмента.
• Практическая значимость: 5% на маленькой метрике vs большая база.
• Опережающие vs отстающие метрики. Долгосрочный эффект может отличаться.
• Эффект новизны. Новые фичи могут показать краткосрочный прирост.
• Guardrail-метрики: что с retention, с выручкой на пользователя, с удовлетворённостью.

Case interview проверяет глубину размышлений.

Подготовка к техническим собеседованиям — долгая работа. В тренажёре Карьерник есть 1500+ вопросов с реальных интервью в Яндекс, Тинькофф, Ozon и Avito.

Примеры кейсов

Кейс 1: Падение MAU

«У dating-приложения MAU упал на 15% за квартал. Что делать?»

Подход:

1. Уточнить: платформа? Страны? Гендер? За какой квартал? Какой сегмент?
2. Декомпозиция: MAU = новые + возвращающиеся. Проблема в привлечении или удержании?
3. Гипотезы: сокращение маркетинга, баг в релизе, запуск конкурента, сезонность.
4. Что проверить: когортный retention, тренды каналов привлечения, таймлайн релизов, мониторинг конкурентов.

Кейс 2: Решение по ценам

«Тестируем повышение цены на 20%. Конверсия упала на 30%. Итоговый эффект на выручку?»

Подход:

1. Математика: конверсия × цена. Было: 100 × $100 = $10k. Стало: 70 × $120 = $8.4k. Потеря $1.6k.
2. Ещё: retention при более высокой цене может быть другой, LTV, кто уходит.
3. Решение: по простой математике — не стоит. Но в долгосрочной перспективе возможно.

Кейс 3: Запуск фичи

«Как измерить успех нового онбординга?»

Подход:

1. North star: активация в первые 7 дней.
2. Input-метрики: доля завершения, время на прохождение, отвалы на каждом шаге.
3. Guardrail-метрики: NPS, тикеты в саппорт, retention.
4. Дизайн AB-теста: рандомизация, размер выборки, длительность.

Как готовиться

1. Практика с друзьями. Взаимные интервью — дают реальное давление и обратную связь.

2. Книги по кейсам. «Case in Point», «Case Interview Secrets» — классика.

3. Mock-интервью. Платные или бесплатные. Facebook-группы, LinkedIn.

4. Продуктовый опыт. Думать о продуктах, которыми пользуетесь. Что бы ты измерил? Какие метрики важны?

5. Чтение. Stratechery, Lenny's Newsletter, продуктовая лента.

6. Решать задачи. Каждый день — один кейс. Письменно структурировать ответ, сверять с хорошими решениями.

На собеседовании

Думать вслух. Интервьюер ценит процесс, не только ответ. «Я думаю, что... потому что...»

Использовать бумагу. Рисовать деревья, фреймворки. Помогает структурировать и демонстрирует ход мыслей.

Не бояться пауз. 10-20 секунд тишины, чтобы подумать — нормально. Лучше качественный ответ с паузой, чем поспешный без логики.

Количественные допущения. «Предположим CTR 3% — это реалистично для баннерной рекламы».

Признавать незнание. «Я не уверен, но оценил бы X, потому что Y». Честнее, чем угадывать.

Типичные ошибки

Сразу бросаться к ответу. Пропустить уточнения → ответ не на тот вопрос.

Узкий фокус. Концентрация только на одной гипотезе без изучения других.

Слабые допущения. «Просто предположу это» без обоснования.

Игнорирование граничных случаев. «Мой план будет работать всегда» — проверяйте в голове граничные случаи.

Отсутствие синтеза. Генерация гипотез без финальной рекомендации.

Монолог. Не считывать реакцию, не подстраиваться под подсказки интервьюера.

Читайте также

• Как подготовиться к собеседованию
• SQL на собеседовании
• Продуктовые метрики для аналитика
• AB-тесты основы

FAQ

Сколько длится case interview?

30-60 минут. Обычно одна или две проблемы.

Можно ли отвечать «не знаю»?

Лучше «я бы это проверил так» или «у меня есть гипотеза, но её нужно проверить». Показываете процесс, не статичное знание.

Случаи у всех компаний одинаковые?

Структура — да. Контент варьируется. Продуктовые компании чаще спрашивают «как измерить», консалтинг — market sizing, финтех — риски и комплаенс.

Если не получается решить?

Продолжайте рассуждать вслух. В финале: «В итоге я бы сделал X на основе этих размышлений, понимая ограничения моего анализа». Честная попытка лучше идеального ответа.