Собеседование на BI-разработчика в Иви

Почему Иви — особенный работодатель для BI

Иви — один из крупнейших VOD/стриминг-сервисов в России. Десятки миллионов зарегистрированных пользователей, библиотека из тысяч фильмов и сериалов, собственное производство контента, web и мобильные платформы плюс Smart TV. Для BI-разработчика это значит работу с огромным объёмом event-данных (просмотры, паузы, переключения, сессии), сложной воронкой подписки (от ad-supported к платному) и постоянной A/B-инфраструктурой.

Контекст BI-инженера тут специфический: дашборды смотрят продакты, аналитики, content-команда, маркетинг, advertising-команда. Метрики делятся на два слоя: engagement (watch time, completion rate, sessions per user) и бизнес (revenue, ARPU, retention, churn). Дополнительно — рекламная модель с CPM, fill rate, viewability. Каждый дашборд должен поддерживать сегментацию по платформам, гео, контентной категории.

Стек: Power BI как основной BI-инструмент, ClickHouse для горячих витрин (event-данные, сессии), Greenplum для исторических агрегатов, dbt для трансформаций, Apache Superset как self-service инструмент для аналитиков. SQL — рабочий язык, причём с фокусом на event-аналитику (sessions, funnels, retention cohorts).

Актуальные вакансии — на hh.ru и сайте Иви.

Этапы собеседования

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

1. HR-скрининг (30-45 минут)

Рекрутер проверяет твой опыт с Power BI и SQL, был ли опыт в media/streaming/ad-tech, готовность работать с большими объёмами event-данных. Если работал в Кинопоиске, Okko, Premier, RuTube, других стриминг-компаниях — упомяни сразу. Готовь питч на 90 секунд: что строил, для какой аудитории, какие метрики, какой бизнес-эффект.

2. SQL deep dive (60-90 минут)

Глубокая SQL-секция с фокусом на event-аналитику: оконные функции для расчёта сессий (gap-and-island по времени между событиями), funnel-запросы (последовательности событий с timeout), cohort retention по дате первого просмотра, оптимизация в ClickHouse (PREWHERE, материализованные view, sampling), Greenplum (distribution key). Бывают задачи на расчёт watch time, completion rate, retention M1/M3.

Подготовка: SQL для BI.

3. Power BI (60 минут)

Глубокая секция: DAX (CALCULATE, FILTER, ALL, time-intelligence), модель данных под streaming-витрину (факт просмотров, факт подписок, dim контента, dim пользователей), datasets vs dataflow, RLS под разные команды (advertising видит только свои сегменты), оптимизация под десятки миллионов событий.

Подготовка: Power BI.

4. Дашборд-кейс (90 минут)

Тебе дают задание: «спроектируй дашборд engagement + retention для продакта». Нужно показать выбор ключевых метрик (DAU/MAU, watch time per user, retention curve, sessions per user), сегментацию (платформы, гео, новые vs давние), drill-down от уровня сервиса к конкретным шоу. Слабые ответы — десятки KPI на одном экране; сильные — выстроенная иерархия для разных пользователей дашборда.

Подготовка: Dashboard design, data modeling для BI.

5. Поведенческое (45 минут)

Финальная встреча с тимлидом или руководителем направления. STAR-формат: расскажи про конфликт с продактом по метрике, про факап с моделью данных, про защиту архитектуры. Смотрят на ownership и понимание продуктового мышления.

Особенности по командам

Engagement / Watch time. Ядро BI-аналитики: метрики просмотра контента — total watch time, среднее время сессии, completion rate, drop-off на разных моментах ролика, переключения между шоу. Дашборды смотрят продакт-менеджеры и content-команда. Подойдёт BI с интересом к event-аналитике и опыту с большими объёмами поведенческих данных.

Subscription funnel. Воронка подписки: ad-supported → trial → paid → renewal → churn. Метрики conversion на каждом этапе, retention M1/M3/M12, LTV, ARPU. Тесная связка с маркетингом и CRM. Подходит BI с опытом в SaaS-метриках или e-commerce funnel-аналитике.

Content / Контент. Аналитика контента: какие шоу лучше работают по retention, доля premium-контента в total watch time, ROI от закупленного и собственного контента, востребованность жанров и категорий. Подходит BI с интересом к media-индустрии и пониманием, что контент — главный driver продукта.

Advertising. Рекламная модель в ad-supported сегменте: CPM, fill rate, viewability, ad impressions per session, влияние рекламы на retention. Тесная связка с ad-tech и sales. Подходит инженерам с опытом в ad-tech или с готовностью разобраться.

Платформа / Data. Core data team: обслуживает витрины, обеспечивает консистентность event-pipeline между web, мобильными и Smart TV. Много dbt, ClickHouse, Greenplum, контроль качества событий. Подходит инженерам, кто хочет строить data-инфраструктуру.

Что Иви ценит в BI

SQL уверенно. Базовая компетенция. Слабый ответ: «писал JOIN и GROUP BY». Сильный: «оптимизировал расчёт DAU на 1Б событий просмотров в ClickHouse через материализованную view с почасовой агрегацией, ускорил с 90 секунд до 4, добавил инкрементальное обновление».

Power BI / dbt. Понимание модели данных и DAX. Слабый ответ: «делал отчёты». Сильный: «спроектировал star schema под streaming (факт просмотров, факт подписок), вынес тяжёлые расчёты в DAX-меры с переменными, ускорил отчёт с 30 до 5 секунд».

Media / streaming domain. Понимание VOD-метрик. Слабый ответ: «считал просмотры». Сильный: «строил retention curve по платформе и контентной категории, выявил, что retention M3 на Smart TV в 1.6 раза выше, чем на мобильных, дал гипотезу про разный character сценариев потребления».

Engagement / retention метрики. Знание ключевых streaming-метрик. Слабый ответ: «считал DAU». Сильный: «декомпозировал retention на time-to-first-content, completion rate первого шоу, частоту сессий первой недели, нашёл leading-индикаторы».

RLS / compliance. Безопасность данных и приватность. Слабый ответ: «не работал с RLS». Сильный: «реализовал RLS на 3 уровня — global, команда, аналитик; добавил обезличивание PII в dev-средах».

Как готовиться: план

За 4-6 недель до планируемого собеса:

1. Неделя 1-2 — SQL + dbt. Оконные функции, sessionization, funnel-запросы, cohort retention в ClickHouse. 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, инкрементальные стратегии. SQL для BI.
2. Неделя 3 — Power BI. DAX, time-intelligence, RLS, оптимизация. Power BI.
3. Неделя 4 — Dashboard design. Принципы Stephen Few, разбор стриминг-дашбордов (Netflix Tech blog, Spotify). Dashboard design.
4. Неделя 5 — Data modeling. Star schema под streaming, обработка событий, SCD для контентного каталога. Data modeling.
5. Неделя 6 — Mocks + behavioral. Mock-интервью по дашборд-кейсу.

Частые ошибки

Слабый SQL. Кандидат говорит «делал отчёты» — слабо. Сильный кандидат: «оптимизировал расчёт sessions на 2Б событий через материализованную view с агрегацией по часу, ускорил с 3 минут до 8 секунд, реализовал sessionization через gap-and-island по timestamp».

Power BI поверхностно. Кандидат знает базовые визуалы, но плавает в DAX — отсев. Сильный кандидат рисует star schema под streaming и объясняет, как оптимизировать time-intelligence функции.

Без streaming / media domain. Кандидат не понимает разницы между watch time и CTR, не знает completion rate, drop-off — слабо. Сильный кандидат сразу декомпозирует engagement на компоненты и предлагает leading-индикаторы.

Без engagement / retention. Кандидат показывает только revenue по месяцам — слабо. Сильный кандидат строит retention curve, cohort heatmap, ARPU по сегментам с привязкой к engagement-метрикам.

Перегруз чартами. 25 KPI на одном экране — слабо. Сильный кандидат строит top-level с 4-5 метриками для продакта, дальше drill-down по платформам и контенту.

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 Иви для BI?

Часто полная удалёнка для middle+ грейдов. Часть команд работает из московского офиса.

Зарплатные вилки 2026?

Middle BI: 210-310k. Senior: 310-450k. Lead-уровень — выше, зависит от грейда.

Английский нужен?

Базовый — желательно. Для большинства команд разговорный не критичен.

Сколько этапов?

4-5 этапов, 2-3 недели от первого скрининга до оффера.

Это официальная информация?

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