Собеседование на финансового аналитика в F.A.C.C.T.

Почему F.A.C.C.T. — особенный работодатель для финаналитика

F.A.C.C.T. — российская cybersecurity-компания, образованная как российская часть бизнеса Group-IB в 2023 году. Продуктовая линейка: Anti-Fraud, Threat Intelligence, Attack Surface Management, Digital Risk Protection. Клиенты — банки, госструктуры, крупный ритейл, промышленность. Для финаналитика контекст специфический: B2B SaaS-вендор в security-домене с длинными enterprise-циклами продаж.

Финаналитик работает с unit economics SaaS-продуктов: ARR/MRR по продуктам, NRR в сегменте банков (один из основных), churn клиентов, B2B sales pipeline (длинный цикл с многоступенчатым согласованием), CAC и LTV, R&D расходы.

Стек: Excel как основной инструмент FP&A, SQL для выгрузок из ClickHouse/Greenplum, Python для расчётов, Power BI для отчётности.

Что важно понимать про работодателя: F.A.C.C.T. — это компания в фазе пост-реструктуризации, активно растёт на рынке российского кибербеза и борется за enterprise-клиентов с такими игроками, как Kaspersky, Positive Technologies, BI.ZONE, InfoWatch. Для финаналитика это динамичная среда с активной разработкой новых продуктов, агрессивной экспансией в смежные сегменты, потребностью в быстром модельном бюджетировании. Здесь меньше зрелого финансового процесса, чем в публичных компаниях типа Positive Technologies, но больше пространства для проактивных решений и непосредственного влияния на стратегию. Опыт в кибербезе или enterprise SaaS — большой плюс при отборе.

Актуальные вакансии — на hh.ru и сайте F.A.C.C.T.

Этапы собеседования

Полный цикл — 2-3 недели и 5-6 этапов. F.A.C.C.T. — компания в активной фазе развития, процесс относительно быстрый по меркам enterprise; на нескольких этапах кандидат пересекается напрямую с CFO или финансовым руководителем продукта.

1. HR-скрининг (30-45 минут)

Рекрутер проверяет опыт FP&A в SaaS/B2B/cybersecurity. Если работал в Positive Technologies, Kaspersky, BI.ZONE, InfoWatch — упомяни сразу, это серьёзно ускорит процесс. Параллельно: мотивация (почему cybersecurity, почему B2B SaaS), ожидания по компенсации, готовность к гибридному формату. Питч на 90 секунд готовь заранее: твой бэкграунд (FP&A/Product finance/IB/Audit), какие модели строил, на каких метриках фокусировался, какой эффект на P&L и unit economics. Слабый кандидат говорит абстрактно «работал в финансах»; сильный — называет конкретные модели и кейсы с цифрами.

2. Финансовая теория (45-60 минут)

Базовая секция: P&L SaaS-вендора (как декомпозируется revenue: new ARR + expansion ARR - downgrade - churn ARR), ARR/MRR economics, разница между NRR (net revenue retention) и GRR (gross revenue retention), retention в enterprise (cohort by year-of-sale), unit economics — CAC, LTV, payback period, magic number. Жди вопросов уровня «как ты считаешь LTV B2B-клиента с разной продуктовой структурой» и «почему NRR важнее GRR для оценки SaaS-компании». Сильный кандидат отвечает с конкретными формулами и benchmarks (NRR здоровой SaaS-компании 105-120%, лидеров — 130%+), слабый — путает NRR с GRR или говорит абстрактно.

Подготовка: Unit economics.

3. Моделирование Excel (60-90 минут)

«Построй financial model SaaS-продукта (например, Anti-Fraud)». Прогноз ARR на 3-5 лет, churn по сегментам, CAC payback. Тебе дают данные (исторический pipeline, текущая база клиентов, маркетинговый бюджет) и просят построить модель в Excel/Google Sheets. Что проверяют: структура модели (отдельные вкладки assumptions / drivers / output), читаемость формул, sensitivity analysis (что будет с ARR при +/-10% по churn или conversion-rate), проверочные итоги (сходимость с другим способом расчёта). Слабый кандидат пишет всё одной портянкой без формул-проверок; сильный — комментирует assumptions, делает named ranges, показывает upside/base/downside-сценарии.

Подготовка: Моделирование в Excel.

4. SQL (45 минут)

Cohort retention enterprise-клиентов по year-of-sale, MRR-analysis с разбивкой на new / expansion / contraction / churn компоненты, B2B sales funnel (lead → MQL → SQL → opportunity → closed-won). Window functions (LAG, SUM OVER), CTE, дедупликация сделок. SQL в FP&A — не главное, но без него не выгрузишь данные для моделей самостоятельно. Слабый — говорит «всегда работал в Excel с готовыми выгрузками»; сильный — умеет вытаскивать данные сам и проверять их на качество.

Подготовка: SQL для финаналитика.

5. Кейс-стади (60 минут)

«Построй ARR-модель Anti-Fraud на 3 года» или «оцените pipeline B2B-сделок и приоритизируйте по project margin» или «считай project margin enterprise-сделки с custom-разработкой». Сильный кандидат сразу декомпозирует кейс: какие данные нужны, какие assumptions делаешь, какая структура модели, какие выводы. Слабый — сразу прыгает в формулы без обсуждения.

Подготовка: FP&A и budget, DCF и NPV.

6. Поведенческое (45 минут)

Финальная встреча с CFO или финансовым руководителем. STAR-формат: расскажи про кейс, где твоя модель повлияла на решение по продукту/инвестиции; про конфликт с продактом по unit-economics; про факап в финансовой модели, который заметил после релиза. В cybersecurity-вендоре финаналитик работает плотно с продактами безопасности, с sales (длинные enterprise-сделки), с операционкой R&D. Soft skills — это не дополнение к компетенции, это часть работы.

Особенности по командам

Product FP&A. Финансовая аналитика конкретных продуктов: Anti-Fraud (банковский сегмент, главный по выручке), Threat Intelligence (госсектор, крупный бизнес), Attack Surface Management (новое направление, активный рост). Аналитик отвечает за P&L продукта, unit economics, прогноз ARR, R&D-budget vs revenue ratio, оценку margin по контрактам. Это работа с продактом плотно: помогать ему принимать решения по фичам с учётом стоимости разработки и потенциального revenue impact. Подойдёт финаналитику с интересом к security и аналитике конкретных продуктов, а не только корпоративного P&L.

B2B Sales FP&A. B2B-pipeline аналитика: pipeline coverage, sales velocity, conversion rates на каждом этапе, deal-level margin для крупных контрактов. Финаналитик работает с sales-командой и руководством, помогает приоритизировать сделки, считает sales productivity (на сейла, на квартал). Подходит финаналитику с опытом в enterprise-продажах или комфорте в работе с CRM-данными.

Marketing FP&A. Маркетинговые бюджеты: CAC по каналам (event marketing, content marketing, direct outreach), ROI крупных конференций и industry events, contribution маркетинга в pipeline (sourced vs influenced). Подойдёт финаналитику с интересом к маркетинговой экономике B2B и готовности работать в плотной связке с маркетинг-командой.

International FP&A. Экспортные сделки (часть бизнеса в СНГ и других дружественных регионах). Специфика: валютный риск, специфика юридической структуры, разная маржа по странам. Подходит финаналитику с интересом к международной экспансии и комфорте с FX-хеджированием и intercompany-транзакциями.

Treasury / Capital. Стратегические инвестиции: R&D-планирование, M&A (если будут), управление ликвидностью, debt-management. Эта функция часто закрыта на CFO или small team, и кандидат сюда — обычно senior с investment banking или corporate finance background.

Что F.A.C.C.T. ценит в финаналитике

SaaS unit economics. Базовая компетенция. Слабый кандидат говорит «считал unit economics» — без конкретики и без понимания SaaS-специфики. Сильный — декомпозирует ARR на new / expansion / contraction / churn, считает NRR по сегментам и понимает, почему в Anti-Fraud для банков NRR должен быть >120%, а в новых продуктах ниже из-за volatility. Сильный знает benchmarks (NRR здоровой SaaS-компании 105-120%, CAC payback 12-18 месяцев, magic number > 0.75), может оперативно дать оценку health-score компании по основным метрикам.

Excel + SQL. Оба инструмента — Excel для моделирования, SQL для самостоятельной выгрузки данных. Слабый кандидат говорит «всегда работал с готовыми выгрузками от аналитиков», то есть зависим от других. Сильный — пишет SQL сам, может вытащить и проверить данные, разбирает чужой запрос. Excel — не на уровне «формулы знаю», а на уровне построения сложных моделей с named ranges, scenarios, sensitivity. Python-навыки в FP&A — приятный бонус, особенно для регулярной автоматизации отчётности.

B2B sales understanding. Понимание enterprise-цикла. Слабый кандидат не различает MQL и SQL, не понимает, как считается pipeline coverage, не знает разницу между signed и closed-won. Сильный — оперирует sales-метриками свободно: pipeline-to-quota ratio, sales velocity, win rate по segment, average deal size, conversion на каждом этапе funnel. Это критично для FP&A в B2B-SaaS, потому что прогноз ARR строится из pipeline-аналитики.

Скорость. F.A.C.C.T. активно растёт, и FP&A здесь не классический корпоративный процесс, а быстрая поддержка принятия решений. Слабый кандидат говорит «нам нужен месяц на квартальный бюджет»; сильный — «делаем rolling forecast еженедельно, базовый сценарий обновляется каждый понедельник, deep dive раз в квартал».

Business partnering. Умение работать с продактами, сейлами, R&D-руководителями. Слабый кандидат отвечает «я делаю модель и отдаю»; сильный — обсуждает кейсы, где он переубедил продакта изменить ценообразование на основе margin-анализа, или подсветил sales-команде, что один сегмент клиентов структурно убыточен, и помог скорректировать тактику.

Как готовиться: план

За 4-6 недель до планируемого собеса:

1. Неделя 1 — SaaS unit economics. Параллельно — прорешай вопросы по SQL в Карьернике: 1500+ задач с разбивкой по темам, по 10-15 минут в день закрывают пробелы перед собесом. Unit economics.
2. Неделя 2 — Excel. Моделирование.
3. Неделя 3 — SQL. SQL для финаналитика.
4. Неделя 4 — FP&A + DCF. FP&A, DCF.
5. Неделя 5 — Mocks + behavioral.
6. Неделя 6 — Polish.

Частые ошибки

Без SaaS specifics. Кандидат не знает NRR, путает с GRR, не понимает разницу между ARR и revenue, не различает new ARR от expansion ARR. Что работает вместо: за две недели до собеса прочитать 3-5 статей по SaaS-метрикам (Bessemer State of the Cloud, OpenView SaaS Benchmarks), посмотреть, как Datadog и Atlassian в своих investor presentations объясняют ARR-bridge.

Только Excel без SQL. Кандидат говорит «работал с готовыми выгрузками от BI-команды». В F.A.C.C.T. финаналитик должен сам уметь выгрузить и проверить данные. Что работает: за неделю до собеса прогнать 20-30 SQL-задач на cohort retention, MRR-bridge, B2B-funnel, понимать window functions, CTE, JOIN-оптимизацию.

Без ARR / pipeline. Кандидат не декомпозирует ARR на компоненты (new / expansion / contraction / churn), не считает pipeline coverage (deals in pipeline / quota). Что работает: прорешать кейсы по ARR-bridge и pipeline-аналитике, понимать стандартные benchmarks (3x pipeline coverage — healthy, 2x — risky).

Без B2B-понимания. Кандидат говорит про B2C-метрики (LTV/CAC ratio в общем виде), не понимая, что в enterprise-SaaS длинный цикл (6-18 месяцев), многоступенчатое согласование, deal-level margin. Что работает: проконсультироваться с другом-сейлом из B2B-IT компании, прочитать 2-3 статьи про enterprise sales process.

Шаткая модель. Кандидат строит модель в Excel одной портянкой без формул-проверок, без named ranges, без sensitivity-анализа. Это сразу видно на кейс-собесе и отсеивает. Что работает: построить 2-3 учебных модели (SaaS unit economics, project margin, simple DCF), отнести их на review к более опытному финаналитику, послушать критику.

Связанные темы

• Собеседование на финаналитика
• Моделирование в Excel
• Unit economics
• SQL для финаналитика
• FP&A и budget
• DCF и NPV

FAQ

Удалёнка в F.A.C.C.T. для финаналитика?

Гибрид и удалёнка распространены.

Зарплатные вилки 2026?

Junior: 160-230k. Middle: 230-340k. Senior: 340-490k.

Английский нужен?

Базовый — желательно.

Сколько этапов?

4-5 этапов, 2-3 недели.

Это официальная информация?

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