Собеседование на BI-разработчика в Иннотех

Почему Иннотех — особенный работодатель для BI

«Иннотех» — IT-компания группы ВТБ, один из ключевых разработчиков ПО для финансового сектора в России. Внутри строятся банковские системы: розничные продукты, корпоративные сервисы, операционные платформы, риск-инструменты. Это не «классический IT-консалтинг», а корпоративная IT-компания с фокусом на банк-материнскую компанию и других клиентов финансового сектора. BI-разработчик тут работает внутри регулируемого банковского контура с серьёзными требованиями по безопасности и аудитируемости.

Для BI это банковский домен в чистом виде: KPI-дашборды для подразделений ВТБ (розница, малый бизнес, корпоративный блок), performance кредитного портфеля (NPL, просрочки, выдачи, погашения), операционные метрики банка (количество транзакций, время обслуживания, downtime сервисов), регуляторная отчётность для ЦБ. Параллельно — отчёты по эффективности IT-команд и портфелю проектов внутри Иннотеха.

Стек: Power BI и Apache Superset как основные BI-инструменты, СУБД — смесь Oracle (исторический банковский слой), PostgreSQL (новые сервисы), ClickHouse (аналитические витрины). dbt и Airflow широко используются на новых витринах, на старых — много PL/SQL и кастомных ETL. Безопасность данных и compliance — строгие, RLS и аудит обязательны.

Актуальные вакансии — на hh.ru и сайте Иннотеха.

Этапы собеседования

Полный цикл — 2-3 недели и 4-5 этапов: скрининг, SQL deep dive, Power BI, дашборд-кейс, финальная встреча. Из-за корпоративных согласований цикл может растягиваться.

1. HR-скрининг (30-45 минут)

Рекрутер проверяет твой опыт с Power BI и SQL, был ли опыт в банках/финтехе, готовность работать в регулируемой среде с жёсткими требованиями безопасности. Если работал в Сбере, Альфе, Тинькофф, банковских IT-командах — упомяни сразу. 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 банковскую специфику: оконные функции (расчёт среднего остатка, скользящих метрик), рекурсивные CTE для иерархий (продукты, организационная структура), сложные JOIN операций и клиентских справочников, оптимизация в Oracle (план выполнения, hints, индексы) и PostgreSQL (EXPLAIN ANALYZE), знакомство с ClickHouse. Бывают задачи на расчёт просрочек по портфелю, агрегацию операций, банковские отчёты по балансу.

Подготовка: SQL для BI.

3. Power BI (60 минут)

Глубокая секция: DAX (CALCULATE, FILTER, ALL, time-intelligence — обязательны для банковской аналитики), модель данных под банковский DWH (факты операций, балансы, кредитные продукты, клиенты), datasets vs dataflow, RLS под разные уровни доступа в банке (head of department видит всё, региональный директор — свой регион, аналитик — свой продукт), оптимизация под десятки миллионов транзакций.

Подготовка: Power BI.

4. Дашборд-кейс (90 минут)

Тебе дают задание: «спроектируй банковский KPI-дашборд для блока розницы» или «спроектируй дашборд performance кредитного портфеля». Нужно показать целевую аудиторию (директор блока, продуктовый менеджер, риск-аналитик), выбрать ключевые KPI (NPL ratio, выдачи, погашения, средний чек, конверсия в продукт), спроектировать drill-down, продумать RLS. Слабые ответы — десятки KPI без иерархии; сильные — продуманная структура для топ-менеджмента с возможностью углубиться в детали.

Подготовка: Dashboard design, data modeling для BI.

5. Поведенческое (45 минут)

Финальная встреча с тимлидом или менеджером направления. STAR-формат: расскажи про конфликт с бизнес-заказчиком, про факап на проекте, про защиту архитектуры перед руководством. Параллельно смотрят на ownership и готовность работать в строгой корпоративной среде с многоуровневыми согласованиями.

Особенности по командам

Banking BI. Главный домен: KPI-дашборды для подразделений ВТБ. Розница (карты, кредиты, депозиты, ипотека), малый бизнес, корпоратив, премиум-сегмент. Дашборды смотрят руководители блоков и продуктовые менеджеры. Подойдёт BI с опытом в банковской аналитике и пониманием продуктового портфеля банка.

Credit portfolio BI. Performance кредитного портфеля: выдачи по продуктам, NPL ratio, vintage-анализ, миграционные матрицы по сегментам, cohort retention заёмщиков, профит-метрики (interest margin). Тесная связка с риск-командой. Подходит инженерам с интересом к credit-аналитике и пониманием классических банковских метрик.

Operations BI. Операционные метрики банка: количество транзакций, время обслуживания клиентов в отделениях и call-центре, downtime сервисов, эффективность процессов. Часто пересекается с IT-эффективностью и SLA. Подходит BI с опытом в operational excellence и process analytics.

Regulator reporting. Регуляторные витрины и отчётность для ЦБ РФ. Жёсткие требования к корректности и аудируемости: каждый показатель должен быть воспроизводим, версионируем, протестирован. Подходит инженерам с устойчивостью к ответственности и любви к точности — здесь любая ошибка дорого стоит.

Platform / Data. Core data team: обслуживает корпоративные витрины, обеспечивает консистентность данных между банковскими системами (ABS, CRM, биллинг). Самая инженерная часть — много Oracle, PostgreSQL, dbt, Airflow. Подходит инженерам, кто предпочитает строить инфраструктуру.

Что Иннотех ценит в BI

SQL уверенно. Базовая компетенция. Слабый ответ: «писал JOIN в PostgreSQL». Сильный: «оптимизировал отчёт по операциям на 2Б строк в Oracle через переход на партиционирование по дате, hint /*+ PARALLEL */ и материализованную view, ускорил с 15 минут до 40 секунд».

Power BI / dbt. Понимание модели данных и DAX. Слабый ответ: «делал отчёты». Сильный: «построил star schema под кредитный портфель (факт выдач, факт балансов, dim продукты, dim клиенты, dim даты), ввёл RLS по департаменту, ускорил отчёт через DAX-оптимизацию с variables».

Banking / fintech domain. Понимание банковских метрик: NPL, vintage, cohort retention заёмщиков, interest margin, fee income. Слабый ответ: «считал выручку». Сильный: «построил vintage-анализ по продукту автокредитования, выявил, что NPL на 12 месяце выдач Q2 в 1.4 раза выше Q4, дал гипотезу про сезонность скоринга».

Regulator-готовность. Понимание, что банковские витрины — особый класс. Слабый ответ: «не работал с регуляторкой». Сильный: «делал витрины для 110-И, версионировал миграции через Liquibase, покрыл витрины dbt-тестами на единственность и ссылочную целостность, организовал аудит доступа».

RLS / compliance. Безопасность данных. Слабый ответ: «не работал с RLS». Сильный: «реализовал RLS на 5 уровней — головной офис, регион, отделение, аналитик, customer (для embedded), плюс маскировку клиентских данных в dev-средах и аудит доступа к витринам».

Как готовиться: план

За 4-6 недель до планируемого собеса:

1. Неделя 1-2 — SQL + dbt. Оконные функции, рекурсивные CTE, оптимизация в Oracle и PostgreSQL. Параллельно — прорешай вопросы по SQL в Карьернике: 1500+ задач с разбивкой по темам, по 10-15 минут в день закрывают пробелы перед собесом. Освежи dbt: модели, тесты, snapshots, документация. SQL для BI.
2. Неделя 3 — Power BI. DAX, time-intelligence, RLS, оптимизация. Сделай pet-проект на банковских данных. Power BI.
3. Неделя 4 — Dashboard design. Принципы Stephen Few, разбор банковских дашбордов конкурентов (Тинькофф, Альфа, Сбер). Прорешай 3-5 кейсов. Dashboard design.
4. Неделя 5 — Data modeling. Star schema под банковский DWH, SCD для клиентских справочников, fact constellations. Data modeling.
5. Неделя 6 — Mocks + behavioral. Mock-интервью по дашборд-кейсу, отработка STAR-историй про работу в корпоративной среде.

Частые ошибки

Слабый SQL. Кандидат говорит «писал JOIN в PostgreSQL» — слабо. Сильный кандидат: «оптимизировал отчёт по NPL на партиционированной таблице 1Б строк в Oracle через материализованную view с инкрементальным обновлением, ускорил с 8 минут до 25 секунд».

Power BI поверхностно. Кандидат знает базовые визуалы, но плавает в DAX — отсев. Сильный кандидат рисует star schema под кредитный портфель, объясняет CALCULATE с time-intelligence, показывает оптимизацию через variables.

Без banking / fintech понимания. Кандидат не знает, что такое NPL, vintage, scoring, retention заёмщиков — слабо. Сильный кандидат сразу декомпозирует портфель на сегменты, предлагает leading-индикаторы.

Без regulator focus. Кандидат не понимает, что банковские витрины должны быть аудируемыми и воспроизводимыми — на дашборд-кейсе провал. Сильный кандидат сразу спрашивает про требования регулятора и предлагает версионирование.

Перегруз чартами. 30 KPI без иерархии — слабо. Сильный кандидат строит top-level с 4-5 метриками для топ-менеджмента, далее drill-down по продуктам и сегментам.

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 Иннотехе для BI?

Гибрид и удалёнка распространены, но часть команд требует регулярных встреч в офисе из-за работы с банковскими системами.

Зарплатные вилки 2026?

Middle BI: 220-310k. Senior: 310-450k. Lead-уровень — выше, зависит от грейда.

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. С учётом корпоративных согласований цикл может растягиваться до 4 недель.

Это официальная информация?

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