Собеседование на BI-разработчика в Lesta Games

Почему Lesta Games — особенный работодатель для BI

Lesta Games — крупная российская игровая студия с проектами «Мир танков» (бывшие World of Tanks) и «Мир кораблей». Free-to-play модель, миллионы активных игроков, длинный жизненный цикл игр, сложная экосистема live ops (события, акции, обновления). Для BI-разработчика контекст специфический: огромные объёмы поведенческих данных, сложные игровые метрики, тесная работа с геймдизайнерами и продактами.

BI работает с классическими game-метриками: DAU/MAU, retention (D1/D7/D30), ARPPU, ARPDAU, conversion non-paying → paying, churn по сегментам игроков, monetization funnel (магазин, лутбоксы, премиум-аккаунты), performance матчей и баланса. Дополнительный слой — live ops аналитика: эффективность ивентов, баланс прогрессии, матчмейкинг.

Стек: Power BI как основной BI-инструмент, ClickHouse для горячих витрин с миллиардами event-строк, Greenplum для исторических агрегатов, dbt для слоёв трансформаций. SQL — рабочий язык, с фокусом на event-аналитику (sessions, retention cohorts, monetization funnel). Из-за объёма данных умение оптимизировать запросы — обязательно.

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

Этапы собеседования

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

1. HR-скрининг (30-45 минут)

Рекрутер проверяет твой опыт с Power BI и SQL, был ли опыт в game-индустрии или mobile-приложениях, готовность работать с event-аналитикой огромного объёма. Если работал в Pixonic, Playrix, Belka Games, других F2P-разработчиках — упомяни сразу. Готовь питч на 90 секунд: какие игры/продукты, какие метрики.

2. SQL deep dive (60-90 минут)

Глубокая SQL-секция с акцентом на game-аналитику: оконные функции для расчёта retention curves, sessionization игровых сессий, cohort retention по дате регистрации, оптимизация в ClickHouse (PREWHERE, материализованные view, sampling) для event-таблиц в петабайт-размере, Greenplum (distribution key). Бывают задачи на conversion funnel магазина, ARPPU по сегментам, расчёт LTV.

Подготовка: SQL для BI.

3. Power BI (60 минут)

Глубокая секция: DAX (CALCULATE, FILTER, ALL, time-intelligence), модель данных под game-витрину (факт сессий, факт покупок, dim игроки, dim матчи, dim продукты магазина), datasets vs dataflow, RLS под разные команды (геймдиз vs продакт vs live ops), оптимизация под десятки миллионов событий.

Подготовка: Power BI.

4. Дашборд-кейс (90 минут)

Тебе дают задание: «спроектируй дашборд retention + monetization» или «спроектируй дашборд live ops события». Нужно выбрать ключевые метрики (DAU/MAU, retention D1/D7/D30, ARPPU, conversion в платящие, доход по типам покупок), сегментацию (по уровню игрока, типу аккаунта, гео, платформе), drill-down от уровня игры к конкретному событию. Слабые ответы — KPI без иерархии; сильные — внятная структура для геймдиза и продакта.

Подготовка: Dashboard design, data modeling для BI.

5. Поведенческое (45 минут)

Финальная встреча с тимлидом или менеджером направления. STAR-формат: расскажи про конфликт с геймдизом по метрике, про факап с витриной во время ивента, про защиту архитектуры решения.

Особенности по командам

Retention / Engagement. Ядро аналитики F2P-игры: метрики удержания (D1/D7/D30), активность игроков, частота сессий, watch time для замены метрик в шутерах — playtime per session. Дашборды смотрят геймдизы, продакты, маркетинг (для оценки качества трафика). Подойдёт BI с опытом event-аналитики.

Monetization. Метрики дохода: ARPPU, ARPDAU, conversion non-paying → paying, средний чек покупки, доход по типам товаров (премиум-аккаунт, лутбоксы, скины, ускорители). Тесная связка с продуктом и геймдизом. Подходит инженерам с интересом к F2P-монетизации.

Live ops. Аналитика ивентов и акций: эффективность каждого ивента (DAU pickup, доход, retention pickup), баланс прогрессии, A/B-тесты механик и контента. Тут самая высокая частота решений — ивенты идут каждую неделю. Подходит BI, кто любит быстрый темп.

Matchmaking quality. Метрики матчмейкинга: длительность очереди по уровню скилла, баланс команд, win rate по сегментам, fairness распределения. Тесная связка с геймдизайном баланса и инженерией матчмейкера. Подходит инженерам с математическим бэкграундом.

Platform / Data. Core data team: обслуживает витрины, event-pipeline между клиентом, серверами, аналитикой. Огромные объёмы данных (миллиарды событий в день), контроль качества событий, схема telemetry. Подходит BI с инженерным уклоном.

Что Lesta Games ценит в BI

SQL уверенно. Базовая компетенция. Слабый ответ: «писал JOIN». Сильный: «оптимизировал расчёт retention D7 на 5Б событий в ClickHouse через материализованную view с агрегацией по дате регистрации и сегменту, ускорил с 4 минут до 12 секунд».

Power BI / dbt. Понимание модели данных и DAX. Слабый ответ: «делал отчёты». Сильный: «построил star schema под F2P (факт сессий, факт покупок, dim игроки, dim матчи), реализовал RLS по команде, ускорил отчёт через DAX-оптимизацию».

Game industry domain. Понимание F2P-метрик и игровой логики. Слабый ответ: «работал с приложением». Сильный: «строил retention curve по уровню игрока, выявил, что после уровня 30 retention резко падает на 40%, дал гипотезу про прогрессионную яму».

Retention / ARPPU метрики. Знание ключевых F2P-показателей. Слабый ответ: «считал выручку». Сильный: «декомпозировал ARPDAU на conversion в платящие, ARPPU, частоту покупок, нашёл, что conversion вырос после смены оффера в первой неделе».

RLS / compliance. Безопасность данных. Слабый ответ: «не работал с RLS». Сильный: «реализовал RLS на 3 уровня — global, команда, аналитик; добавил обезличивание payment data».

Как готовиться: план

За 4-6 недель до планируемого собеса:

1. Неделя 1-2 — SQL + dbt. Оконные функции, sessionization, 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. SQL для BI.
2. Неделя 3 — Power BI. DAX, time-intelligence, RLS, оптимизация. Power BI.
3. Неделя 4 — Dashboard design. Принципы Stephen Few, разбор game-дашбордов (GameAnalytics, devtodev). Прорешай 3-5 кейсов. Dashboard design.
4. Неделя 5 — Data modeling. Star schema под F2P, sessionization, retention cohorts. Data modeling.
5. Неделя 6 — Mocks + behavioral. Mock-интервью по дашборд-кейсу, отработка STAR-историй.

Частые ошибки

Слабый SQL. Кандидат говорит «писал SELECT» — слабо. Сильный кандидат: «оптимизировал расчёт DAU на 10Б событий через материализованную view с агрегацией по часу и платформе, ускорил с 5 минут до 8 секунд».

Power BI поверхностно. Кандидат знает базовые визуалы, но плавает в DAX — отсев. Сильный кандидат рисует star schema под F2P и оптимизирует DAX.

Без game domain. Кандидат не понимает retention D1/D7/D30, ARPPU, conversion в платящие — слабо. Сильный кандидат декомпозирует ARPDAU и предлагает leading-индикаторы оттока.

Без retention / monetization. Кандидат показывает только выручку — слабо. Сильный кандидат строит retention curve и анализирует, как ивенты влияют на ARPPU.

Перегруз чартами. 25 KPI на одном экране — слабо. Сильный кандидат строит top-level для продакта (4-5 метрик), далее drill-down по ивентам.

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 Lesta Games для BI?

Гибрид и удалёнка распространены. Часть команд работает из санкт-петербургского офиса, часть полностью remote.

Зарплатные вилки 2026?

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

Английский нужен?

Базовый — желательно. Разговорный для большинства команд 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.