Собеседование на BI-разработчика в Astrum Entertainment

Почему Astrum — особенный работодатель для BI

Astrum Entertainment — российский игровой холдинг, объединивший студии и проекты, ранее входившие в My.Games. В портфеле — мобильные free-to-play хиты (Hustle Castle, Rush Royale), PC- и кроссплатформенные проекты, дистрибуция через VK Play. Для BI-разработчика это значит работу с большим количеством разнородных продуктов, каждый со своими специфическими метриками.

BI в Astrum отвечает за дашборды и data products для продактов, продюсеров, гейм-дизайнеров, монетизации, маркетинга, операционки игр. Метрики: DAU/MAU, retention (D1/D7/D30), ARPPU, churn, monetization funnel, performance live-ops-ивентов, KPI VK Play. Главный челлендж — масштаб (десятки миллионов игроков по разным жанрам и платформам) и матричная структура холдинга.

Особенность игрового домена — это event-driven данные с очень высокой плотностью: каждый игрок генерирует сотни ивентов в сессию (бой, покупка, диалог, прогресс), что даёт fact-tables на миллиарды строк. BI-разработчик в Astrum должен думать в терминах ClickHouse-оптимизаций (правильные ORDER BY, partitioning, materialized views, pre-aggregations), потому что обычный Power BI на десятки миллионов строк просто захлёбывается. Плюс — каждая игра в портфеле имеет свою экономику: free-to-play мобильная мидкорка с микротранзакциями имеет одни метрики, а PC-проект с продажей копий — совсем другие.

Стек: Power BI как основной BI-инструмент, ClickHouse + Greenplum для аналитики, dbt для трансформаций, kafka для стриминга ивентов.

Актуальные вакансии — на hh.ru и сайте Astrum / VK Play.

Этапы собеседования

Цикл — 4-5 этапов, 2-3 недели.

1. HR-скрининг (30-45 минут)

Рекрутер проверяет стек (Power BI обязательно, SQL и dbt уверенно), gaming-бэкграунд, причины ухода, ожидания. Если работал в Playrix, Wargaming, Pixonic, Belka Games, 101XP, Lesta — упомяни сразу, это самый быстрый сигнал релевантности. Готовь питч на 90 секунд: какие игры/проекты обслуживал, какие метрики строил, какой стек использовал. Параллельно рекрутер уточнит знакомство с ClickHouse и event-driven архитектурой.

2. SQL deep dive (60-90 минут)

Дают схему event-driven данных (users, sessions, events, purchases) и просят написать запросы: cohort retention по дням после install (D1/D7/D30), ARPPU и ARPDAU с правильной дедупликацией по user-session, conversion funnel от установки до первой покупки, агрегация event-stream-ивентов по live-ops-кампаниям. Сильный кандидат использует window functions, понимает ClickHouse-специфику (FINAL, ARRAY JOIN, materialized views), пишет partition-aware запросы. Слабый — пишет неоптимальные JOIN над event-таблицами на миллиарды строк, забывает про timezones, не различает install-cohort и first-session-cohort.

Подготовка: SQL для BI.

3. Power BI (60 минут)

Проверяют DAX (CALCULATE с правильным контекстом, time-intelligence для динамики retention), data model (как организовать fact-tables event-стрима, когда использовать import vs DirectQuery vs Composite mode), RLS под роли (продакт одной игры, продюсер всего портфеля, гейм-дизайнер), оптимизацию для больших fact-tables (десятки миллионов строк). Сильный кандидат знает, когда лучше pre-aggregate в dbt vs делать аккуратный DAX, использует aggregations features Power BI. Слабый — пытается работать с миллиардами строк напрямую в Power BI и сталкивается с timeouts.

Подготовка: Power BI.

4. Дашборд-кейс (90 минут)

«Спроектируй дашборд retention + monetization» — типичный кейс. Нужно: уточнить аудиторию (продакт vs продюсер vs маркетинг vs гейм-дизайнер), описать JTBD каждой группы, набросать data model (fact-events, dimensions по users, items, items), выбрать визуализации (retention curves, funnel, cohort heatmap), продумать refresh-логику (real-time vs daily). Сильные кандидаты сразу разводят executive (KPI-tile с trend) и operational (cohort heatmap, retention curves, funnel drill-down). Слабые — лепят 20 визуалов на один экран.

Подготовка: Dashboard design, data modeling для BI.

5. Поведенческое (45 минут)

STAR-формат. Истории про конфликт с гейм-дизайнером (классика: «гейм-дизайнер хочет увеличить грайнд, продакт хочет retention»), факап с дашбордом (сломалась мерило ARPPU, продакт принял неправильное решение по live-ops), спор с продактом по приоритетам. Параллельно проверяют, насколько ты способен говорить на языке гейм-дизайнеров, не «технически».

Особенности по командам

Retention / Engagement. Core dashboards: retention curves (D1/D7/D30/D90), engagement-метрики (session length, session count per DAU, level progression, social actions), churn-risk. BI собирает дашборды для продактов и гейм-дизайнеров: смотрят, где в воронке отваливаются игроки, как новая feature меняет retention. Подойдёт BI с опытом продуктовой аналитики или мобильного гейминга.

Monetization. ARPPU, ARPDAU, conversion install-to-payer, paying share, repeat rate, ad-revenue (IAA), in-app purchases revenue (IAP). Дашборды для монетизаторов: смотрят, как меняется paying funnel, какие офферы работают, какой LTV у разных payer-сегментов. Сложный домен — нужно понимать механики free-to-play и психологию покупок.

Live ops. Ивенты, акции, лимитированные офферы, sale-кампании. BI собирает дашборды для live-ops-команды: incremental effect ивентов, performance каждой акции, comparison «ивент сейчас vs аналогичный 3 месяца назад». Тесно работает с гейм-дизайнерами. Подойдёт BI, кто любит быстрые итерации и не боится «огнетушительных» задач во время больших релизов.

VK Play. Платформенные метрики дистрибуции: установки, продажи, ranking игр на платформе, конверсия из страницы продукта в покупку. BI здесь работает не на отдельную игру, а на платформу как продукт. Подойдёт кандидату с e-commerce / marketplace опытом.

Platform / Data. Core data team — отвечает за data warehouse, dbt-модели, инфраструктуру дашбордов, качество данных. Это «BI для BI»: твои клиенты — другие BI-разработчики и аналитики. Подойдёт инженерному BI, кто хочет двигаться в сторону data engineering.

Что Astrum ценит в BI

SQL уверенно. Слабый кандидат знает SELECT/GROUP BY и не более. Сильный — использует window functions, понимает ClickHouse-специфику (FINAL, ARRAY JOIN, materialized views), пишет partition-aware запросы, оптимизирует тяжёлые JOIN над event-таблицами на миллиарды строк.

Power BI / dbt. Слабый кандидат «рисует пайчарт». Сильный — настраивает data model звездой, использует time-intelligence DAX, добавляет aggregation tables для быстрых дашбордов, покрывает dbt-тестами регрессии retention и ARPPU. Понимает, когда лучше pre-aggregate в dbt vs делать аккуратный DAX.

Gaming domain. Слабый кандидат не различает DAU и MAU. Сильный — раскладывает мобильный free-to-play unit economics: install → D1 retention → D7 → D30 → paying conversion → ARPPU → LTV, и понимает, какие knobs влияют на каждый шаг. И знает, что в IAP-играх 1-3% платят, и они делают 70%+ выручки.

Retention / ARPPU метрики. Слабый кандидат показывает «retention упал на 5%». Сильный — декомпозирует: «D7 упал на 5%, в основном на iOS, на сегменте 25-35 лет, после релиза версии 2.3 — копаем, что изменилось в onboarding». Это уровень аналитического мышления.

RLS / compliance. Слабый кандидат не задумывается о ролевом доступе. Сильный — настраивает RLS под роли (продакт одной игры видит только её данные, продюсер всего портфеля видит всё, гейм-дизайнер — без financial-metrics), понимает, какие данные подпадают под GDPR / 152-ФЗ.

Как готовиться: план

За 4-6 недель до планируемого собеса:

1. Неделя 1-2 — SQL + dbt. ClickHouse-специфика. Параллельно — прорешай вопросы по Python, ML и SQL в Карьернике: 1500+ задач с разбивкой по темам, по 10-15 минут в день закрывают пробелы перед собесом. SQL для BI.
2. Неделя 3 — Power BI. Power BI.
3. Неделя 4 — Dashboard design. Dashboard design.
4. Неделя 5 — Data modeling. Data modeling.
5. Неделя 6 — Mocks + behavioral.

Частые ошибки

Слабый SQL. Самый частый отказ — на SQL-секции без window functions. Кандидат знает SELECT/JOIN/GROUP BY, но плавает на ROW_NUMBER, LAG/LEAD, не справляется с cohort-retention запросами. Без 30-40 решённых задач уровня LeetCode SQL / StrataScratch и без знакомства с ClickHouse-спецификой не пройти.

Power BI поверхностно. Кандидат говорит «нарисую визуал, подключусь к данным». Сильный ответ: «настрою data model звездой, напишу measures с правильным контекстом, добавлю RLS, оптимизирую через aggregation tables и Performance Analyzer». Без этого Power BI секцию не пройти.

Без gaming domain. Кандидат не различает DAU и MAU, не понимает unit economics free-to-play, не знает, что такое ARPDAU vs ARPPU. Перед собесом прочитай 3-5 статей про мобильный геймдев — блоги GameAnalytics, Adjust, GameRefinery, разборы Playrix.

Без retention / monetization. Кандидат показывает «retention упал». Сильный: «D7 retention упал с 28% до 24% за неделю, в основном на iOS 25-35 лет, корреляция с последним релизом, в onboarding step 3 conversion упал — раскопаю, что произошло». Это про декомпозицию и причинно-следственный анализ, не «констатация падения».

Перегруз чартами. Кандидат на дашборд-кейсе лепит 20 визуализаций на одном экране. Сильный подход: 3-5 ключевых KPI наверху (DAU, retention D7, ARPDAU), trend графика главной метрики, остальное через drill-down. Гейм-дизайнерам и продюсерам нужны быстрые ответы, а не «обзор».

Связанные темы

• Собеседование на BI-разработчика
• SQL для BI
• Power BI на собесе BI
• DataLens на собесе BI
• Dashboard design
• Data modeling для BI

FAQ

Удалёнка в Astrum для BI?

Гибрид и удалёнка распространены.

Зарплатные вилки 2026?

Middle BI: 210-300k. Senior: 300-430k.

Английский нужен?

Базовый — желательно.

Сколько этапов?

4-5 этапов, 2-3 недели.

Это официальная информация?

Этапы основаны на публичных источниках и опыте кандидатов. Уточняйте у рекрутера — команды и грейды могут менять процесс.