Собеседование на BI-разработчика в Cloud.ru

Почему Cloud.ru — особенный работодатель для BI

Cloud.ru — российская облачная платформа (бывшая SberCloud), часть экосистемы Сбера. Один из трёх лидеров рынка отечественного облака, плотно интегрирован с GigaChat, GigaCloud и другими AI-продуктами Сбера. Для BI-разработчика это значит работу с consumption-based-pricing-моделью, где каждая активность клиента превращается в биллинг — это создаёт уникальные паттерны данных.

BI в Cloud.ru отвечает за дашборды для продактов, продаж, customer success, infra-команд, финансов. Метрики: revenue по сервисам (Evolution, Advanced, ML Space, GigaCloud, GigaChat API), consumption-based pricing (per-токен, per-GPU-час, per-storage), B2B sales pipeline, retention клиентов, gross margin per сервис. Главный челлендж — pay-per-use модель создаёт огромные транзакционные таблицы, требующие специфической оптимизации.

Особенность Cloud.ru — это сложная revenue-модель: один клиент может использовать 10+ сервисов с разными тарифами (per-токен в GigaChat API, per-GPU-час в ML Space, per-GB в storage), плюс committed-use discounts, plus volume tiers. BI-разработчик должен уметь разложить выручку клиента по сервисам с учётом всех скидок и привязок, считать gross margin per сервис (где variable cost — это инфра + electricity, а допустимая фикса — это R&D + sales). Плюс — Сбер-экосистема даёт особенности: часть выручки идёт через корпоративные контракты, часть — через public cloud, и attribution «прямая vs через экосистему» отдельная задача.

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

Актуальные вакансии — на hh.ru и сайте Cloud.ru.

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), опыт в cloud / B2B SaaS / fintech, причины ухода, ожидания. Если работал в Yandex Cloud, VK Cloud, Selectel, Mail.ru Cloud Solutions или в Сбер-экосистеме (СберТех, Сбермаркет) — упомяни сразу, это самый быстрый сигнал релевантности. Готовь питч на 60 секунд: какие дашборды собирал, на какую аудиторию, как обеспечивал точность биллинговых данных.

2. SQL deep dive (60-90 минут)

Дают схему биллинговых данных (clients, services, usage_events, invoices) и просят написать запросы: агрегация per-токен и per-GPU-час использования по периодам с применением committed-use discounts, расчёт MRR/ARR по сервисам, gross margin per сервис, retention клиентов, top consumers leaderboard. Сильный кандидат использует window functions, понимает ClickHouse-специфику (SAMPLE для приближённых агрегатов, ARRAY JOIN для нормализации event-стрима), оптимизирует через materialized views и pre-aggregations. Слабый — пишет неоптимальные запросы по миллиардам биллинговых событий и сталкивается с timeouts.

Подготовка: SQL для BI.

3. Power BI (60 минут)

Проверяют DAX (CALCULATE, FILTER, time-intelligence — period-over-period, YoY rolling), data model (фактовые таблицы биллинга, dimensions по клиентам и сервисам), RLS под роли (продакт одного сервиса видит свои данные, CFO — все), оптимизацию для больших fact-tables (через aggregation tables и Composite mode). Сильный кандидат знает aggregation features Power BI, понимает разницу import vs DirectQuery, аккуратно работает с миллиардами строк через pre-aggregation.

Подготовка: Power BI.

4. Дашборд-кейс (90 минут)

«Спроектируй дашборд revenue + gross margin по сервисам» — типичный кейс. Нужно: уточнить аудиторию (CFO vs продакт-сервиса vs sales vs operations), описать JTBD каждой группы, набросать data model (fact-billing-events, dimension-services, dimension-clients), выбрать визуализации (revenue trend, margin breakdown, top consumers), продумать RLS-логику. Сильные кандидаты сразу разводят executive (3-5 KPI: ARR, gross margin, customer count, NRR) и operational (детали по сервисам, top consumers, drill-down). Слабые — впихивают всё в один экран.

Подготовка: Dashboard design, data modeling для BI.

5. Поведенческое (45 минут)

STAR-формат. Истории про конфликт со стейкхолдером (классика cloud: продакт-сервиса требует показать «выручку», CFO — gross margin, и они «не сходятся»), факап с дашбордом (ошибка в расчёте gross margin, продакт принял неправильное решение по pricing), спор о приоритетах между разными командами. Параллельно проверяют ownership и готовность работать в плотной связке с финансами — в Cloud.ru BI плотно работает с FP&A.

Особенности по командам

Product Analytics. Revenue по сервисам (Evolution, ML Space, GigaChat API), gross margin, consumption-patterns клиентов. BI собирает дашборды для продактов каждого сервиса: смотрят, как меняется adoption, какие фичи драйвят consumption, retention клиентов. Подойдёт BI с опытом в продуктовой аналитике B2B SaaS.

Sales Pipeline. B2B-воронка крупных enterprise-клиентов: trial → POC → signed contract → ramp-up consumption. Дашборды pipeline coverage, sales velocity, conversion по этапам, forecast. Тесно работает с RevOps. Подойдёт BI с опытом B2B SaaS / cloud.

Customer Success. Health-score per клиент (consumption trend, support tickets, ramp-up speed), churn-risk, expansion-opportunity. BI собирает дашборды для CSM-команды, помогающие выявлять клиентов под риском и потенциалом upsell. Подойдёт BI, кто любит ML-light задачи.

Infrastructure Analytics. Utilization GPU/CPU/storage, capacity planning, оптимизация загрузки железа. BI здесь работает не на коммерческие метрики, а на operational efficiency: какая фактическая утилизация, где simulated demand vs actual, когда нужно докупать инфру. Подойдёт BI с интересом к hardware/infra.

Finance / FP&A. Forecasting revenue по сервисам, COGS (себестоимость инфры, electricity, R&D), unit economics, gross/net margin. Самая «финансовая» команда: дашборды для CFO и финансового планирования. Подойдёт BI с опытом в FP&A или интересом расти в финансовую аналитику.

Что Cloud.ru ценит в BI

SQL уверенно. Слабый кандидат пишет SELECT/GROUP BY на бытовом уровне. Сильный — использует window functions для consumption-аналитики (cumulative, period-over-period), знает ClickHouse-специфику (SAMPLE, ARRAY JOIN, materialized views), оптимизирует тяжёлые запросы по миллиардам биллинговых событий.

Power BI / dbt. Слабый кандидат «рисует пайчарт». Сильный — настраивает data model звездой, пишет DAX measures с правильным фильтр-контекстом, использует aggregation tables для быстрых дашбордов на больших fact-таблицах, покрывает dbt-тестами критичные финансовые расчёты. Понимает, когда лучше pre-aggregate в dbt vs делать DAX.

Cloud / B2B SaaS domain. Слабый кандидат не различает MRR и committed MRR. Сильный — понимает pay-per-use модель: «выручка генерируется через consumption, не через flat subscription, gross margin per сервис разная из-за hardware costs, NRR клиентов с расширением consumption — главный KPI».

Точность. Слабый кандидат говорит «график есть, всё ок». Сильный: «биллинг — money, любая ошибка идёт в выручку или скидку, поэтому каждый расчёт покрыт dbt-тестами и data lineage прозрачен». В Cloud.ru ошибка в дашборде = потенциальный диспут с клиентом или фин-отчётностью.

Cross-team. Слабый кандидат «делает что попросили». Сильный — навигирует между несовместимыми требованиями: инфра хочет утилизацию, ML-исследователи — GPU-utilization for experiments, sales — pipeline, finance — gross margin, и умеет приоритезировать, не теряя ни одного важного стейкхолдера.

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 — без window functions и без знания ClickHouse-специфики. Кандидат пишет неоптимальные запросы по миллиардам биллинговых событий и сталкивается с timeouts. Без 30-40 решённых задач уровня LeetCode SQL и без понимания SAMPLE, ARRAY JOIN, materialized views не пройти.

Power BI поверхностно. Кандидат говорит «нарисую визуал». Сильный ответ: «настрою data model звездой, измерения с правильным контекстом, добавлю aggregation tables для быстрых дашбордов, RLS, оптимизирую через Performance Analyzer». Без этого Power BI секцию не пройти.

Без cloud / SaaS. Кандидат рассказывает про e-commerce unit economics и не может перейти на cloud-язык (consumption, gross margin per сервис, committed-use discounts, NRR). Перед собесом прочитай 3-5 статей про cloud-экономику — отчёты AWS, GCP, разборы Yandex Cloud / VK Cloud.

Без consumption-pricing. Кандидат показывает «выручка выросла». Сильный: «выручка выросла за счёт consumption GigaChat API на корпоративных клиентах, gross margin сервиса 65%, основной драйвер — клиент X нарастил token-usage в 3x на прошлой неделе». Это про декомпозицию.

Перегруз чартами. Кандидат на дашборд-кейсе лепит 15-20 визуализаций на одном экране. Сильный подход: 3-5 ключевых KPI наверху, тренд графика главной метрики, остальное через drill-down. CFO и продактам нужны быстрые ответы, а не «обзор данных».

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 Cloud.ru для BI?

Гибрид и удалёнка распространены.

Зарплатные вилки 2026?

Middle BI: 250-350k. Senior: 350-510k. Сбер-экосистема платит выше рынка.

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.