Собеседование на BI-разработчика в Belka Games

Почему Belka Games — особенный работодатель для BI

Belka Games — международная мобильная игровая студия, разработчик Clockmaker, Solitaire Cruise, Funky Bay. Аудитория — десятки миллионов установок преимущественно в США, Западной Европе, Бразилии. Для BI-разработчика это значит работу с массовым казуальным F2P-продуктом с серьёзной мобильной экономикой и UA-машиной.

BI в Belka отвечает за дашборды для продактов, продюсеров, UA-команды, монетизации, креативной команды. Метрики: DAU/MAU, retention (D1/D7/D30), ARPDAU, ROAS, ad revenue, IAP funnel, эффективность UA-кампаний в десятках регионов, payback period. Главный челлендж — масштаб (десятки миллионов установок) плюс необходимость работы в разных currencies/часовых поясах.

Стек: Power BI / Tableau как основные BI-инструменты, SQL (Snowflake / Redshift) для аналитики, dbt для трансформаций, маркетинговые атрибуции (AppsFlyer, Adjust).

Актуальные вакансии — на hh.ru и сайте Belka Games.

Этапы собеседования

Цикл — 4-5 этапов, 2-3 недели. Часть этапов — на английском.

1. HR-скрининг (30-45 минут)

Рекрутер проверяет стек (Power BI/Tableau, SQL уверенно, dbt — желательно), mobile gaming-бэкграунд, английский (минимум upper-intermediate, потому что часть команд международная). Если работал в Playrix, MY.GAMES, Wargaming, Pixonic, Halfbrick — упомяни сразу. Готовь короткий питч на английском: какие дашборды строил, для какой команды, какой эффект.

2. SQL deep dive (60-90 минут)

Тебя проводят через схему UA / events / monetization-таблиц и просят написать запросы. Типовые задачи: cohort retention D1/D7/D30 с window functions, ROAS-калькуляции по cohort с lookback-window 30/60/90 дней, dedup установок (один user может ставить игру с разных устройств), агрегации UA-источников с учётом разных currency, payback period по cohort и source. Сильный кандидат пишет читаемый SQL с CTE, объясняет план запроса, умеет оптимизировать на больших fact-table (партиционирование, фильтры по дате). Слабый — путается в window functions и забывает про grain.

Подготовка: SQL для BI.

3. Power BI / Tableau (60 минут)

DAX для Power BI (или calculations для Tableau): расчёт LTV-кривой, ROAS по сегментам, retention rate по cohort. Datasets и data model: facts vs dimensions, star vs snowflake schema, как организовать UA-fact-table с миллиардами строк, чтобы дашборд не тормозил. Performance optimization: aggregations, incremental refresh, query folding. Сильный кандидат знает, как читать VertiPaq Analyzer или Performance Recorder, оптимизирует через model design, а не через JS-хаки.

Подготовка: Power BI.

4. Дашборд-кейс (90 минут)

«Спроектируй дашборд UA + retention + monetization». Структура ответа: уточнить аудиторию (UA-маркетолог vs продюсер vs CFO — разные потребности), JTBD (что человек делает с дашбордом каждый день), UX (multi-currency, multi-region, multi-game), data model (как организовать facts и dimensions), refresh-cycle (real-time vs daily vs weekly), permissions (RLS — нужно ли скрыть данные одного проекта от другого). Сильные кандидаты сразу считают payback period и LTV-кривую, обсуждают, как избежать misinterpretation (например, ROAS без учёта payback может ввести в заблуждение).

Подготовка: Dashboard design, data modeling для BI.

5. Поведенческое (45 минут)

STAR на английском. Истории про конфликт с UA-маркетологом (он хочет ROAS, ты хочешь payback), факап с дашбордом (метрика была неправильная, кто-то принял решение на её основе), спор о приоритетах (продакт хочет live ops дашборд, UA — campaign performance). Belka — международная команда, ценят ownership, ясность коммуникации, умение объяснять данные нетехническим людям.

Особенности по командам

UA Analytics. Дашборды эффективности кампаний (Facebook Ads, Google Ads, TikTok Ads, Mintegral), ROAS по cohort и source, payback period в разных регионах, AppsFlyer / Adjust интеграция. Главный челлендж — быстрый цикл оптимизации UA: маркетолог смотрит дашборд утром и решает, какие кампании отключить. Дашборд должен обновляться часто и быть устойчив к мусорным данным. Подходит BI с опытом в performance-маркетинге.

Retention / Engagement. Core dashboards для продактов и продюсеров: DAU/MAU, retention D1/D7/D30/D60/D90, session length, level progression, fundamental engagement funnels (level 1 → level 5 → level 20). Главная задача — помогать командам видеть отток на конкретных этапах и реагировать. Подходит BI с любовью к продуктовой аналитике и behavioral-данным.

Monetization. ARPDAU, ad revenue по сетям и форматам, IAP funnel (impression → click → purchase), эффективность акций и offer-стен. В casual-играх monetization часто завязана на ad revenue (interstitial / rewarded), поэтому важно знать специфику mediation-платформ и waterfall-логики. Подходит BI с интересом к ad-tech.

Live ops. Дашборды для ивентов, акций, специальных событий: эффект на DAU, monetization uplift, retention lift после ивента. Часто нужен fast iteration — ивент запускается на 3-7 дней, и BI помогает быстро оценить, удался он или нет. Подходит BI, который любит работать в быстром темпе.

Creative Analytics. Эффективность UA-креативов (видео, баннеры, playable ads), A/B-результаты по креативам, what works in which geo. Очень специфическая роль на стыке UA и маркетинга. Подходит BI с интересом к creative testing и UA-механикам.

Что Belka Games ценит в BI

SQL уверенно. Window functions для cohort retention и ROAS — обязательно. Сильный кандидат пишет cohort retention на 30+ строк с CTE за 15 минут, знает оптимизацию (партиционирование, фильтры по дате, materialized views в Snowflake), может прочитать query plan и сказать, где bottleneck.

Power BI / Tableau / dbt. Слабый кандидат «нарисую дашборд». Сильный — пишет оптимизированный DAX с правильным контекстом фильтра, понимает разницу calculate vs sumx, в Tableau умеет LOD-expressions; dbt — знает model-структуру, tests, snapshots, может объяснить, почему dbt лучше чистого SQL для transformations.

Casual mobile domain. Слабый: «знаю DAU». Сильный — обсуждает ARPDAU vs ARPDAU paying, conversion-to-payer (типично 1-3% в casual), retention D1/D7/D30 benchmarks (D1 35-45%, D7 12-18%, D30 4-8% для типичной казуалки), ROAS / payback period по разным geo (US долгий payback, Tier 3 быстрый, но низкий LTV).

ROAS / LTV метрики. Слабый: «ROI 200%». Сильный: «ROAS D30 110%, D60 145%, D90 175%, payback period 78 дней по US-cohort, по Tier 3 — 45 дней с D90 130%, ROAS D360 проецируем по cohort-фитингу на 320%». Это говорит о реальной работе с метриками.

Английский. Обязательно. Команда международная, дашборды на английском, презентации, daily-stand-up на английском. Минимум upper-intermediate, лучше advanced.

Как готовиться: план

За 4-6 недель до планируемого собеса:

1. Неделя 1-2 — SQL + dbt. Cohort, ROAS, payback. 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 / Tableau. Power BI.
3. Неделя 4 — Dashboard design. Dashboard design.
4. Неделя 5 — Data modeling. Data modeling.
5. Неделя 6 — Mocks + behavioral + английский.

Частые ошибки

Слабый SQL. Без window functions — провал. Самый частый отказ на SQL deep dive: кандидат не может написать cohort retention с правильным grain, путается в LAG/LEAD, забывает про DISTINCT при подсчёте unique users. Что работает: 30-50 задач с window functions и оконными агрегациями за 2-3 недели до собеса.

Tableau / Power BI поверхностно. Слабо: «нарисую дашборд». Сильно: «знаю VertiPaq Analyzer, оптимизирую через model design, пишу DAX с правильным контекстом фильтра, понимаю разницу row vs filter context, умею оптимизировать через aggregations и incremental refresh». Если ты только «делал графики в drag-and-drop» — это видно сразу.

Без mobile gaming. Не знаешь ROAS/payback — провал. Слабый кандидат: «ROAS это revenue / cost». Сильный — обсуждает ROAS по cohort и lookback-window, payback period, разницу ROAS D30 vs D90 vs D360, как mobile attribution работает с iOS 14+ (SKAdNetwork). Прочитай хотя бы Adjust glossary и пару статей по mobile UA.

Без UA / monetization. Слабый: «ROAS высокий». Сильный: «делал декомпозицию ROAS по каналу/региону/cohort, нашёл, что US cohort из Facebook Ads D30 ROAS 95% (плохо), но D90 145% (хорошо за счёт late-game monetization), рекомендовал не отключать кампанию, выручка через 6 месяцев подтвердила». Это говорит о реальной работе с UA.

Слабый английский. Belka — global, команда международная. Минимум upper-intermediate, чтобы давать презентации и общаться в Slack. Если в CV написано «English: intermediate», а на собесе ты молчишь — это сразу провал. Готовь заранее короткие истории, тренируй на разговорных клубах.

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 Belka Games для BI?

Часто полная удалёнка, международная команда.

Зарплатные вилки 2026?

Middle BI: 240-340k. Senior: 340-490k.

Английский нужен?

Да, обязательно.

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.