Собеседование на BI-разработчика в ЮKassa

Почему ЮKassa — особенный работодатель для BI

ЮKassa — крупнейший российский онлайн-эквайринг, платёжный сервис ЮMoney, входит в экосистему Сбера. Сотни тысяч мерчантов от микробизнеса до крупных e-commerce, миллиарды транзакций в год. Для BI-разработчика контекст — fintech-домен с высочайшим уровнем регуляторной нагрузки (платёжные данные подпадают под PCI DSS, 152-ФЗ, требования ЦБ).

BI работает с платёжными метриками: GMV (gross merchandise value), conversion на разных этапах оплаты, approve rate (процент успешных платежей), chargeback rate (доля возвратов), retention мерчантов, P&L по сегментам, anti-fraud telemetry. Дашборды смотрят product-команда, sales и customer success (поддержка мерчантов), risk-команда (борьба с фродом), finance, регуляторная отчётность.

Стек: Power BI как основной BI-инструмент, ClickHouse для горячих витрин (миллиарды строк транзакций), Greenplum для исторических агрегатов и регуляторной отчётности, dbt для слоёв трансформаций.

Актуальные вакансии — на hh.ru и сайте ЮMoney / ЮKassa.

Этапы собеседования

Полный цикл — 2-3 недели и 4-5 этапов.

1. HR-скрининг (30-45 минут)

Рекрутер проверяет твой опыт с Power BI и SQL, был ли опыт в fintech/payments. Если работал в CloudPayments, Сбер, Тинькофф, других платёжных сервисах — упомяни сразу.

2. SQL deep dive (60-90 минут)

Глубокая SQL-секция: оконные функции для расчёта approve rate по периодам, сложные JOIN транзакций и chargeback, оптимизация в ClickHouse на больших объёмах транзакций.

Подготовка: SQL для BI.

3. Power BI (60 минут)

Глубокая секция: DAX, модель данных под платежи (факт транзакций, факт chargeback, dim мерчанты, dim банки-эмитенты), RLS, оптимизация.

Подготовка: Power BI.

4. Дашборд-кейс (90 минут)

Тебе дают задание: «спроектируй дашборд approve rate + chargeback». Нужно показать целевую аудиторию (продакт продуктов оплаты, risk-команда), выбрать метрики (approve rate по типу карт, банкам-эмитентам, странам; chargeback rate; ущерб от фрода), drill-down (мерчант → транзакция).

Подготовка: Dashboard design, data modeling для BI.

5. Поведенческое (45 минут)

Финальная встреча с тимлидом. STAR-формат.

Особенности по командам

Payment analytics. Главный домен: GMV, approve rate, conversion на оплате, средний чек, payment methods mix (карты, СБП, кошельки). Дашборды смотрят продакт-менеджеры платёжных продуктов. Подойдёт BI с опытом в payment-аналитике.

Risk / Anti-fraud. Самый высокопрофильный домен: chargeback rate, доля заблокированных транзакций, false positive rate anti-fraud правил, ущерб от фрода. Тесная связка с risk-командой и инженерами anti-fraud. Подходит инженерам с интересом к security.

Merchant analytics. Аналитика клиентов (мерчантов): cohort retention, GMV growth, churn, LTV мерчанта, drivers оттока (низкий approve rate, частые chargeback). Тесная связка с customer success. Подходит BI с опытом в B2B-аналитике.

Marketing. Анализ маркетинговых каналов: CAC по сегментам мерчантов, ROI кампаний, эффективность партнёрской программы. Подходит BI с опытом в B2B-маркетинге.

Платформа / Data. Core data team: обслуживает витрины. Большие объёмы, строгий compliance (PCI DSS). Подходит BI с инженерным уклоном.

Что ЮKassa ценит в BI

SQL уверенно. Базовая компетенция. Слабый ответ: «писал JOIN». Сильный: «оптимизировал расчёт approve rate на 2Б транзакций в ClickHouse через материализованную view с агрегацией по часу и банку-эмитенту, ускорил с 3 минут до 8 секунд».

Power BI / dbt. Понимание модели данных и DAX. Слабый ответ: «делал отчёты». Сильный: «построил star schema под платежи, реализовал RLS по сегменту мерчантов».

Fintech / payments domain. Понимание платежей. Слабый ответ: «считал транзакции». Сильный: «декомпозировал approve rate на компоненты — отказы анти-фрода, отказы эмитента, технические ошибки; выявил, что отказы эмитента в Q4 выросли на 8%, дал гипотезу про новые правила скоринга».

Approve / chargeback метрики. Знание ключевых платёжных показателей. Слабый ответ: «считал отказы». Сильный: «строил approve rate по типу карт, банкам-эмитентам, сегментам мерчантов; chargeback rate по причинам и решённости в пользу мерчанта».

RLS / compliance. Безопасность данных в fintech. Слабый ответ: «не работал с RLS». Сильный: «реализовал RLS на 4 уровня, добавил маскирование номеров карт по PCI DSS, аудит доступа».

Как готовиться: план

За 4-6 недель до планируемого собеса:

1. Неделя 1-2 — SQL + dbt. Оконные функции, оптимизация в ClickHouse, payment-метрики. Параллельно — прорешай вопросы по 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. DAX, time-intelligence, RLS. Power BI.
3. Неделя 4 — Dashboard design. Разбор fintech-дашбордов (Stripe, Adyen, Тинькофф). Dashboard design.
4. Неделя 5 — Data modeling. Star schema под платежи. Data modeling.
5. Неделя 6 — Mocks + behavioral.

Частые ошибки

Слабый SQL. Кандидат говорит «писал SELECT» — слабо. Сильный кандидат: «оптимизировал расчёт chargeback rate на 1Б транзакций через материализованную view».

Power BI поверхностно. Кандидат знает базовые визуалы — отсев. Сильный кандидат рисует star schema под платежи.

Без fintech / payments domain. Кандидат не понимает approve rate и chargeback — слабо. Сильный кандидат декомпозирует на компоненты.

Без approve / chargeback. Кандидат показывает только GMV — слабо. Сильный кандидат строит approve rate по сегментам.

Перегруз чартами. 20 KPI без иерархии — слабо.

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 ЮKassa для BI?

Гибрид и удалёнка распространены, часть команд работает из московского офиса.

Зарплатные вилки 2026?

Middle BI: 230-330k. Senior: 330-480k. Lead-уровень — выше.

Английский нужен?

Базовый — желательно для чтения международных стандартов PCI DSS.

Сколько этапов?

4-5 этапов, 2-3 недели. С согласованиями Сбера может растягиваться.

Это официальная информация?

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