Как пройти собеседование аналитиком в Яндекс Практикуме

Почему Яндекс Практикум — особенный работодатель для аналитика

Яндекс Практикум — крупнейшая EdTech-платформа в экосистеме Яндекса. Сервис предлагает онлайн-курсы по IT-профессиям: от аналитики данных и разработки до дизайна и менеджмента. Модель монетизации — подписочная: студенты платят за доступ к курсам, а весь образовательный процесс построен на data-driven подходе к обучению.

Для аналитика Практикум интересен тем, что продукт и данные неразрывно связаны. Каждое действие студента — прохождение урока, решение задачи, обращение к ментору — генерирует события, которые напрямую влияют на решения о контенте, методологии и монетизации. Аналитик здесь не просто считает метрики — он формирует образовательный продукт.

Актуальные вакансии — на карьерной странице Яндекса.

Этапы собеседования

1. HR-скрининг

Звонок на 20–30 минут. Рекрутер уточняет опыт, мотивацию и зарплатные ожидания. В Практикуме аналитики работают в разных командах: продуктовая аналитика, маркетинг и привлечение, контентная аналитика, монетизация, качество обучения и трудоустройство выпускников.

Что стоит подготовить:

• Краткий рассказ о себе с акцентом на аналитический опыт
• Ответ на вопрос «Почему Практикум, а не другой сервис Яндекса» — покажите, что понимаете специфику EdTech и образовательного продукта
• Вопросы к рекрутеру о команде и формате технических этапов

2. Техническое собеседование: SQL

Живое интервью на 60–90 минут. Задачи решаются в реальном времени — на общем экране или в совместном редакторе. Интервьюер наблюдает за ходом мысли, задаёт уточняющие вопросы и может предложить усложнения.

Что проверяют:

• Оконные функции — ROW_NUMBER, LAG/LEAD, SUM OVER. Задачи привязаны к EdTech-контексту: «Для каждого студента рассчитайте кумулятивное количество пройденных уроков по неделям курса». Подготовиться поможет шпаргалка по оконным функциям.
• JOIN и подзапросы — объединение таблиц студентов, курсов, уроков, платежей, обращений в поддержку. Типичная ловушка — забыть про LEFT JOIN, когда нужны студенты, не завершившие ни одного модуля.
• Агрегация и группировка — расчёт метрик по курсам, когортам, временным периодам. Работа с датами: длительность обучения, промежутки между сессиями, конверсия по неделям.
• CTE — многоступенчатые задачи, где промежуточные расчёты используются в финальной агрегации.

Типовые SQL-вопросы для подготовки — в разделе SQL.

3. Метрики, статистика и эксперименты

Второй технический этап, 45–60 минут. Проверяют аналитическое мышление за пределами SQL:

• EdTech-метрики — completion rate курса, retention студентов по неделям обучения, NPS, LTV студента, конверсия воронки «лид — регистрация — оплата — старт обучения — выпуск», доля трудоустроенных выпускников.
• Эксперименты — как спланировать A/B-тест в образовательном продукте, где результат виден через недели или месяцы. Как выбрать прокси-метрику для краткосрочной оценки долгосрочного результата. Основы — в разделе тестирования гипотез.
• Статистика — доверительные интервалы, проверка гипотез, p-value, ошибки первого и второго рода. Подробнее — в разделе статистики.

Для ряда команд могут спросить Python — pandas, обработка данных, визуализация. Если Python упомянут в вакансии, повторите основы.

4. Кейс-интервью

Финальный этап, 45–60 минут. Вам дают бизнес-задачу из реальной практики EdTech-сервиса. Параллельно обсуждают ваш опыт и совместимость с командой.

Примеры кейсов:

• «Completion rate на курсе аналитики данных упал с 65% до 50% за квартал. Как будете разбираться?»
• «Нужно построить систему метрик для нового формата обучения — короткие интенсивы на 2 недели. Какие метрики выберете?»
• «Как оценить эффект внедрения AI-помощника для студентов на качество обучения и бизнес-показатели?»

Кейсы привязаны к EdTech-специфике. Разберитесь заранее в ключевых метриках: воронка обучения, retention студентов по неделям, когортный анализ, unit-экономика курса. Знание продуктовых метрик обязательно.

Особенности EdTech-аналитики в Практикуме

Воронка от лида до выпускника — главная аналитическая рамка. Воронка длинная и многоэтапная: привлечение, регистрация, бесплатная часть, оплата, старт обучения, прохождение модулей, дипломный проект, выпуск. На каждом этапе свои причины отвала, и аналитик должен уметь находить узкие места.

Completion rate — ключевая метрика качества образовательного продукта. Доля студентов, дошедших до конца курса, зависит от сложности контента, работы менторов, вовлечённости и жизненных обстоятельств. Аналитик декомпозирует completion rate по модулям и когортам, находя конкретные точки потерь.

Retention по неделям курса — в EdTech retention считается не по дням, а по неделям обучения. Падение активности на 3–4 неделе — типичный паттерн, и аналитик исследует, какие факторы удерживают студентов: сложность заданий, обратная связь от менторов, социальные механики.

Трудоустройство выпускников как north star — для Практикума трудоустройство выпускников это не просто метрика, а стратегический ориентир. Доля выпускников, нашедших работу по новой специальности, влияет на репутацию, привлечение новых студентов и LTV. Аналитик связывает поведение студента на курсе с результатом после выпуска.

Когортный анализ — студенты приходят потоками, и каждый поток — отдельная когорта со своими характеристиками. Сравнение когорт позволяет оценить эффект изменений в программе, ценообразовании и маркетинге.

Как готовиться: план действий

1. SQL на скорость — решайте задачи с таймером. 15 минут на задачу — это темп технического интервью. Оконные функции, JOIN, CTE — до автоматизма. Начните с примеров вопросов.
2. EdTech-метрики — completion rate, retention по неделям, NPS, LTV студента, конверсия воронки обучения. Разберитесь, чем воронка в EdTech отличается от e-commerce: цикл длинный, результат отложенный, отвал может произойти через месяцы.
3. Когортный анализ — поймите, как сравнивать потоки студентов между собой и как учитывать сезонность набора. Это часто всплывает на кейс-интервью.
4. Эксперименты в EdTech — как тестировать гипотезы, когда результат виден через недели. Прокси-метрики, ранние сигналы, влияние изменений в программе на долгосрочные исходы.
5. Кейсы вслух — потренируйтесь разбирать EdTech-ситуации. Представьте, что completion rate упал — и пройдитесь по чеклисту: сегментация по курсам, когортам, модулям, технические причины, изменения в программе.

Для системной подготовки используйте чеклист подготовки к собеседованию аналитика. Тренажёр Карьерник помогает ежедневно отрабатывать SQL, продуктовые метрики и статистику — по 15–20 минут в Telegram, без потери темпа.

FAQ

Какой SQL нужен для собеседования в Яндекс Практикуме?

Уверенный средний уровень и выше. Нужно свободно писать запросы с оконными функциями, CTE, JOIN нескольких таблиц и агрегацией по временным периодам. SQL проверяют на живом интервью: важно не только написать корректный запрос, но и объяснить ход мыслей.

Нужен ли опыт работы в EdTech?

Нет. Понимание образовательных метрик — плюс, но не обязательное условие. Яндекс берёт аналитиков из разных отраслей при сильной технической базе. Специфику EdTech и подписочной модели можно освоить в процессе работы.

Чем собеседование в Практикуме отличается от других сервисов Яндекса?

Основной процесс похож — HR-скрининг, техническое интервью, кейс. Но кейсы и вопросы по метрикам привязаны к EdTech-специфике: воронка обучения, completion rate, retention студентов, отложенный результат в виде трудоустройства. Если вы целитесь именно в Практикум, стоит разобраться в этих темах заранее.

Сколько платят аналитикам в Яндекс Практикуме?

Яндекс предлагает конкурентные зарплаты на уровне топ-компаний рынка. Кроме зарплаты, в пакет входят RSU (акции компании), ДМС, подписка Плюс и другие бенефиты. Для middle-аналитика общий пакет компенсации — один из лучших на рынке.