Собеседование на Data Scientist в МегаФон

Почему МегаФон — особенный работодатель для DS

МегаФон — крупный российский телеком с ~75 млн абонентов. DS работает с гигантскими табличными данными: CDR (call detail records), биллинг, локации, активность абонентов. Главные задачи: churn prediction, антифрод, классификация B2B-клиентов, recsys в МегаФон ТВ и B2B-сервисах.

Особенность: телеком даёт DS уникальные данные — звонки, локации, мобильный интернет в режиме реального времени. Это даёт мощные фичи для ML, но требует знания privacy / regulator (закон о связи, СОРМ, 152-ФЗ). Подробнее — на странице карьеры МегаФона.

Этапы собеседования

1. Скрининг с рекрутером (30 минут)

Опыт, мотивация. Специфика:

• Был ли опыт с табличными данными большого объёма
• Знание классического ML
• Готовность работать с телеком-domain

2. SQL и Python (60 минут)

SQL — middle-senior. Python — pandas, sklearn, базовый pyspark.

3. ML-теория (60-90 минут)

• Classical ML: gradient boosting (CatBoost — фаворит)
• Несбалансированные классы (churn 2-5%, fraud 0,5%)
• Метрики classification: AUC, KS, lift, F1
• Survival analysis для LTV / time-to-churn
• Time series для нагрузки на сеть

4. ML system design (60 минут)

«Спроектируй модель churn premium-абонентов», «детекция fraud в платежах», «recsys в МегаФон ТВ».

5. Поведенческое + финал

STAR + стратегический разговор.

Что МегаФон ценит в DS

• Classical ML. Gradient boosting глубоко.
• Telecom-domain. ARPU, churn, MOU, абонентское поведение.
• Несбалансированные классы. Sampling, class weights, threshold tuning.
• Compliance. 152-ФЗ, закон о связи.
• Pragmatism. В телекоме часто простая модель ставится в прод.

Типичные задачи и кейсы

• «Спроектируй модель churn premium-абонентов»
• «Доля fraud 0,5%. Метрики? Как обучать?»
• «Recsys в МегаФон ТВ: фичи, модель»
• «Cross-sell: предсказание готовности абонента взять кредитную карту от партнёра»
• «LTV нового абонента на 24 месяца. Survival или regression?»

Как готовиться: план

1. Classical ML. Gradient boosting глубоко.
2. Несбалансированные данные. Sampling, class weights, threshold tuning.
3. Метрики classification. AUC, KS, lift, F1, Gini, calibration.
4. Survival analysis. Cox regression, Kaplan-Meier.
5. Time series. Базовое для прогноза нагрузки.
6. Compliance. 152-ФЗ, закон о связи.

Частые ошибки

• Зубрить deep learning без classical базы. В телеком-DS табличные данные.
• Игнорировать calibration. AUC не достаточно для скоринга.
• Не учитывать compliance. Локации абонентов — privacy.
• Слабая SQL. Без неё в команде телекома никуда.

Связанные темы

• Собеседование на DS в МТС
• Собеседование на DS в Альфа-Банке
• Causal inference: причинность vs корреляция
• Accuracy vs F1
• Собеседование на PM в МегаФон

FAQ

Сколько этапов в собеседовании на DS в МегаФоне?

Обычно 5-6: рекрутер → SQL/Python → ML-теория → ML system design → поведенческое → финал. Срок 4-6 недель.

Нужен ли телеком-опыт?

Желателен для core-команд. Для digital (МегаФон ТВ) — релевантным считается subscription business.

Какой уровень SQL?

Уверенный middle-senior. CDR-таблицы большие.

Спрашивают ли deep learning?

В отдельных командах (NLP в support) — да. В core-телеком — редко.

Это официальная информация?

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