Собеседование на BI-разработчика в Финам

Почему Финам — особенный работодатель для BI

«Финам» — одна из крупнейших российских инвестиционных групп: брокерская лицензия с начала 1990-х, банк, доверительное управление, инвестконсультирование, образовательный сегмент. Сотни тысяч активных клиентов, доступ к российским и зарубежным площадкам, сложная продуктовая линейка от классических брокерских счетов до структурных продуктов и автоследования. BI-инженер тут оказывается в центре фин-домена, где данные критичны не только для продукта, но и для регулятора.

Для BI это означает работу с быстро меняющимися рынками, высокочастотными торговыми данными, длинной историей операций по каждому клиенту. Дашборды строятся для трейдинг-команды, продакт-менеджеров инвест-продуктов, маркетинга, риск-менеджмента и регуляторной отчётности перед ЦБ РФ. Отдельный челлендж — корректное отражение performance стратегий и инвестидей: тут любая ошибка в формуле быстро превращается в претензии от клиента или регулятора.

Стек: Power BI как основной BI-инструмент, ClickHouse для горячих витрин с миллиардами строк по сделкам и котировкам, Greenplum для исторических агрегатов и регуляторной отчётности, dbt для слоёв трансформаций. SQL — рабочий язык, причём с фокусом на market data — нужно знать, как корректно работать с временными рядами и сессиями торгов. RLS и аудит доступа критичны.

Актуальные вакансии — на hh.ru и сайте Финама.

Этапы собеседования

Полный цикл — 2-3 недели и 4-5 этапов: скрининг, SQL deep dive, Power BI, дашборд-кейс, финальная встреча. Если предлагают тестовое задание, цикл растягивается ещё на неделю.

1. HR-скрининг (30-45 минут)

Рекрутер проверяет твой опыт с Power BI, SQL, dbt, был ли ты в брокерских/фин-компаниях, готовность работать в регулируемой среде с жёстким compliance. Если есть опыт в банках, брокерах, страховых — упомяни в первые 30 секунд. Готовь питч на 90 секунд: что строил, на каких объёмах, для каких заказчиков, какой бизнес-эффект.

2. SQL deep dive (60-90 минут)

Глубокая SQL-секция с акцентом на market data: оконные функции для расчёта скользящих средних котировок, gap-and-island задачи (определение торговых сессий), сложные JOIN сделок и котировок, расчёт performance с учётом cash flow, оптимизация запросов в ClickHouse (PREWHERE, движки таблиц, сэмплирование) и Greenplum (distribution key). Бывают задачи на cohort retention клиентов, расчёт ARPU инвестора, churn по сегментам.

Подготовка: SQL для BI.

3. Power BI (60 минут)

Глубокая секция: DAX (CALCULATE, FILTER, ALL, time-intelligence функции для расчёта YoY, MoM, MTD по торговым метрикам), модель данных под брокерские витрины, datasets и dataflow, RLS по уровню доступа (трейдинг-команда видит свой сегмент, аккаунт-менеджер видит своих клиентов), оптимизация модели под десятки миллионов строк сделок.

Подготовка: Power BI.

4. Дашборд-кейс (90 минут)

Тебе дают задание: «спроектируй дашборд активные клиенты + объёмы сделок» или «спроектируй дашборд performance торговых стратегий с drill-down до позиций». Нужно показать целевую аудиторию (трейдинг-директор, продакт инвест-продуктов, маркетинг), выбрать ключевые метрики (DAU/MAU инвесторов, объёмы по сегментам, win-rate стратегий, retention), продумать макет с drill-down. Слабые ответы — куча KPI-карточек; сильные — внятная иерархия и понимание брокерского домена.

Подготовка: Dashboard design, data modeling для BI.

5. Поведенческое (45 минут)

Финальная встреча с тимлидом и/или руководителем направления. STAR-формат: расскажи про конфликт с трейдинг-командой по метрике, про факап с моделью данных, про проект под жёсткий дедлайн для ЦБ. Параллельно смотрят на ownership и готовность работать в регуляторной среде.

Особенности по командам

Trading analytics. Команда работает с торговыми объёмами и активностью клиентов: оборот по инструментам, средний чек сделки, доля торгующих клиентов от активных, активность по сессиям и инструментам. Дашборды смотрят head of trading, продакты торгового приложения, риск-менеджеры. Подойдёт BI-инженеру с интересом к market microstructure и опытом работы с time-series.

Investor analytics. Аналитика клиентского пути: онбординг (от регистрации до первой сделки), активация, churn, retention, LTV инвестора. Здесь много пересечений с продуктовой аналитикой и CRM-кампаниями. Подходит BI с опытом в SaaS-продуктовой аналитике или в банковском retention.

Performance attribution. Самая сложная аналитическая часть — расчёт performance торговых стратегий, инвестидей, автоследования, доверительного управления. Нужно корректно учитывать вводы/выводы, налоги, комиссии, валютные переоценки. Подходит инженерам с финансовым бэкграундом или с готовностью глубоко вникнуть в фин-математику.

Marketing. Анализ маркетинговых каналов: CAC по сегментам клиентов (начинающие инвесторы vs опытные трейдеры), retention первых месяцев, эффективность образовательных продуктов как канала привлечения, ROI рекламных кампаний. Подходит BI с опытом в маркетинговой аналитике и пониманием воронки регистрации.

Regulator reporting. Регуляторные витрины и отчётность для ЦБ РФ, ФНС, налоговая отчётность клиентов. Жёсткие требования к корректности, аудируемости, версионности витрин. Подходит инженерам, которым интересна работа с compliance и которые готовы к ответственности за каждый показатель.

Что Финам ценит в BI

SQL уверенно. Базовая компетенция, на SQL deep dive проверяют всё. Слабый ответ: «писал JOIN-запросы». Сильный: «оптимизировал запрос на 500М строк сделок в ClickHouse через partition pruning и PREWHERE, ускорил с 2 минут до 5 секунд, переписал расчёт скользящих метрик через оконные функции».

Power BI / dbt. Не «делал отчёты», а понимание модели данных, DAX-оптимизации, RLS. Слабый ответ: «строил визуалы». Сильный: «построил модель на 4 факта (сделки, котировки, депонирования, операции) и 12 dim-таблиц с RLS по сегменту трейдеров, оптимизировал DAX через variables и dax-studio, ускорил отчёт с 40 до 6 секунд».

Brokerage / fintech domain. Понимание брокерских продуктов: что такое маржинальная торговля, шорт, ETF/БПИФ, структурные продукты, как считается commission. Слабый ответ: «знаю, что брокер исполняет сделки». Сильный: «считал ARPU клиента с разбивкой по типу инструмента — акции, облигации, фьючерсы, валюта — и сегменту, выявил, что фьючерсные клиенты в 4 раза доходнее по комиссиям».

Trading / investor метрики. Знание ключевых показателей брокера: DAU/MAU торгующих, retention первого месяца, churn, ARPU, средний чек, объём активов под управлением. Слабый ответ: «считал выручку». Сильный: «выделил cohort начинающих инвесторов, показал, что retention M3 у тех, кто прошёл образовательный курс, в 2.5 раза выше».

Regulator compliance. Понимание, что данные для регулятора — особый класс витрин: с аудитом, версионированием, тестами на корректность. Слабый ответ: «не работал с регуляторкой». Сильный: «делал витрины для ЦБ в Greenplum с покрытием dbt-тестами на единственность, ссылочную целостность и контрольные суммы, версионировал миграции через git и Liquibase».

Как готовиться: план

За 4-6 недель до планируемого собеса:

1. Неделя 1-2 — SQL + dbt. Оконные функции, оптимизация под ClickHouse и Greenplum, market-data специфика (time-series, gap-and-island). Параллельно — прорешай вопросы по SQL в Карьернике: 1500+ задач с разбивкой по темам, по 10-15 минут в день закрывают пробелы перед собесом. Прокачай dbt: модели, тесты, snapshots, документация. SQL для BI.
2. Неделя 3 — Power BI. DAX-функции, time-intelligence, RLS, оптимизация модели. Сделай pet-проект на финансовых данных Moex/Yahoo Finance. Power BI.
3. Неделя 4 — Dashboard design. Принципы Stephen Few и Cole Knaflic, разбор брокерских дашбордов конкурентов (BCS, Тинькофф Инвестиции). Прорешай 3-5 кейсов. Dashboard design.
4. Неделя 5 — Data modeling. Star schema, fact constellations под брокерскую витрину, slowly changing dimensions для клиентских сегментов. Data modeling.
5. Неделя 6 — Mocks + behavioral. Mock-интервью по дашборд-кейсу, проработка STAR-историй про работу под дедлайн регулятора.

Частые ошибки

Слабый SQL. Кандидат говорит «писал SELECT с JOIN, делал отчёты» — слабо. Сильный кандидат: «оптимизировал расчёт оборотов на 1Б строк сделок через сэмплирование в ClickHouse и материализованные view, время отчёта упало с 3 минут до 12 секунд, добавил инкрементальное обновление».

Power BI поверхностно. Кандидат знает базовые визуалы, но плавает в DAX и не видит модель данных целиком — отсев. Сильный кандидат за 10 минут на доске рисует звезду с указанием cardinality, объясняет, где использовать USERELATIONSHIP, как ускорить медленные меры.

Без brokerage / fintech domain. Кандидат не понимает, как устроена брокерская выручка, что такое спред, комиссия за обслуживание счёта, маржинальная торговля — это сразу видно на кейсе. Сильный кандидат сам декомпозирует выручку на компоненты, предлагает leading-индикаторы оттока.

Без trading / investor метрик. Кандидат строит дашборд «выручка по месяцам» — слабо. Сильный кандидат добавляет cohort retention, ARPU по сегментам, объём активов под управлением, активность по типам инструментов и сессиям торгов.

Перегруз чартами. 20 KPI на одном экране без иерархии — слабо. Сильный кандидат строит top-level overview с 4-5 главными метриками, дальше drill-down по разделам.

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 Финаме для BI?

Гибрид и удалёнка распространены. Часть команд работает из московских офисов, часть полностью remote — зависит от направления.

Зарплатные вилки 2026?

Middle BI: 220-320k. Senior: 320-460k. Lead-уровень — выше, но зависит от грейда и команды.

Английский нужен?

Базовый — желательно для чтения документации. Разговорный для большинства команд не критичен.

Сколько этапов?

4-5 этапов, 2-3 недели от первого скрининга до оффера. При наличии тестового — до 3-4 недель.

Это официальная информация?

Этапы основаны на публичных источниках и опыте кандидатов. Уточняйте у рекрутера.