Собеседование на финансового аналитика в Naumen

Почему Naumen — особенный работодатель для финаналитика

Naumen — крупная российская B2B SaaS-компания из Екатеринбурга, один из ветеранов корпоративного софта в РФ. Продукты — Service Desk (ITSM), Contact Center, рекрутинговая платформа NauJobs, LMS, аналитика — закрывают потребности крупных предприятий и госов в сервисных и операционных IT-системах. Это значит, что финаналитик имеет дело не со startup-метриками для венчуров, а с устойчивой подписочной экономикой зрелого B2B-вендора.

Финаналитик в Naumen сидит либо в продуктовой FP&A под директором конкретного продукта (Service Desk, Contact Center и т.д.), либо в центральной финансовой команде. Задачи: считать unit economics по продуктам и сегментам клиентов, моделировать ARR, разбирать pipeline по статусам сделок, оценивать P&L по крупным enterprise-контрактам, поддерживать защиту годового бюджета и rolling forecast. Naumen — компания с большой долей on-premise/гибридных установок у клиентов, поэтому revenue recognition сложнее, чем в чистом SaaS — это отдельная зона ответственности финаналитика.

Стек: Excel плотно (модели, бюджеты, sensitivity), SQL (ClickHouse / Greenplum) для выгрузки данных по подпискам и сделкам, Python — у части аналитиков для регулярных задач, Power BI для дашбордов руководству. Naumen — компания инженерная, поэтому от финаналитика ожидают, что он сам пишет запросы и не зависит полностью от DWH-команды.

Актуальные вакансии — на hh.ru и сайте Naumen.

Этапы собеседования

Полный цикл — обычно 2-3 недели и 4-6 этапов. Naumen — большая компания, но процесс найма достаточно живой: руководители продуктов заинтересованы быстро закрывать вакансии. Если ты подходишь по профилю, тебе быстро дают финальный звонок с CFO или директором продукта.

1. HR-скрининг (30-45 минут)

Рекрутер проверяет базу: опыт FP&A в B2B SaaS или enterprise-софте, владение Excel и SQL на среднем уровне, понимание SaaS unit economics. Если был опыт в Naumen-подобных компаниях (Прогноз, КРОК, СберТех, 1С, СКБ Контур, Bitrix24) — упомяни сразу. Готовь питч на 90 секунд: какой объём ARR / клиентской базы вёл, какие модели строил, какой ключевой результат можешь назвать в цифрах.

2. Финансовая теория (45-60 минут)

С FP&A-менеджером или финдиректором. Темы: P&L SaaS-компании (где сидят hosting, R&D, S&M, support), SaaS unit economics (ARR/MRR, ARPU, CAC, LTV, payback), особенности B2B-выручки с длинным циклом, revenue recognition по подписке и on-premise лицензиям, отличие booked / invoiced / recognized revenue. Сильный кандидат отвечает на примере: «у нас был контракт на 3 года с предоплатой за первый год, я делил выручку по периоду признания и отдельно вёл deferred revenue».

Подготовка: Unit economics.

3. Моделирование Excel (60-90 минут)

Live-моделирование: дают вводные по продукту и просят построить ARR-модель на 24 месяца с учётом разных сегментов клиентов (enterprise vs SMB), churn-предположений, expansion-эффекта. Сильная модель — чистая структура inputs/calculations/outputs, sensitivity по ключевым драйверам, проверка на отрицательные сценарии, читаемые формулы без хардкода. Слабая — всё в одном листе, циклические ссылки, формулы с зашитыми константами.

Подготовка: Моделирование в Excel.

4. SQL (45 минут)

Практическая секция: дают схему таблиц (клиенты, контракты, оплаты, активность) и просят написать запросы на aggregations + window functions. Типовые задачи: MRR по месяцам с разбивкой на new/expansion/contraction/churn, cohort retention по году старта, ARR по продуктам на дату. Не нужны фокусы, нужна чистота: правильные join'ы, отсутствие дубликатов после агрегаций, понятные имена.

Подготовка: SQL для финаналитика.

5. Кейс-стади (60 минут)

«Построй ARR-модель Service Desk на 2 года: ACV 2.5М, sales cycle 6 месяцев, gross churn 12%, target NRR 115%. Что важно учесть?» Или: «Expansion revenue вырос на 25%, но new sales упали на 18% — что важнее, и какой следующий вопрос ты задашь руководителю продукта?». Сильный кандидат показывает не только цифры, но и бизнес-логику: на чём фокусироваться, какие гипотезы первыми проверять, как оценить риски.

Подготовка: FP&A и budget, DCF и NPV.

6. Поведенческое (45 минут)

С финдиректором или директором продукта. STAR-формат: расскажи про конфликт с продактом про прогноз; про факап, когда твой прогноз разошёлся с фактом в 1.5 раза; про инициативу, которую сам поднял. Naumen — компания с инженерной культурой и плоской иерархией внутри команд, поэтому ценят аналитиков, которые могут спорить с продактом и брать ответственность за свои оценки.

Особенности по командам

Product FP&A (Service Desk, Contact Center, NauJobs). Ядро финансовой функции: каждый крупный продукт имеет своего финаналитика, который ведёт ARR-модель, считает unit economics, защищает прогноз перед топом и помогает директору продукта принимать решения по pricing, монетизации, инвестициям в фичи. Подойдёт тем, у кого был опыт продуктовой FP&A в B2B SaaS или ITSM-индустрии.

B2B Sales FP&A. Поддержка sales-команды: моделирование P&L крупных enterprise-контрактов, оценка discount и contract terms, считалка sales productivity (ACV per rep, sales cycle, win rate × ACV), pipeline coverage. Тесно работает с Head of Sales и Account Executives. Сюда часто берут с опытом в sales operations или commercial finance в B2B-вендоре.

Marketing FP&A. Анализ S&M-затрат: CAC по каналам, payback period по каналам, LTV/CAC unit economics. Тесно работает с маркетинг-командой и performance-маркетологами. Эта функция помогает решать, какие каналы окупаются и куда вкладывать бюджет на следующий квартал.

Support / Services FP&A. Финансовая поддержка функции поддержки и профессиональных услуг (внедрение продуктов): unit economics поддержки, profitability контрактов на внедрение, утилизация консультантов внутри Naumen. Это близко к проектной экономике, но в рамках продуктовой компании.

Treasury / Capital. Малая функция: cash management, оценка M&A и стратегических инвестиций (внутренние R&D-проекты, новые продукты), работа с банками. Сюда берут с опытом corporate finance и более глубокой финансовой теорией.

Что Naumen ценит в финаналитике

SaaS unit economics. Это профиль. Слабый ответ: «LTV = ARPU × срок». Сильный: «у нас в enterprise-сегменте NRR 122%, gross churn 6%, expansion 28%; LTV считаем как 5-летний кумулятивный, c учётом expansion; payback по CAC около 14 месяцев». Конкретика и числа — главное.

Excel плюс SQL. Не «или», а «и». Слабый кандидат: «SQL знаю, запросы пишет DWH-команда». Сильный: «я сам пишу запросы в Greenplum, держу свой набор регулярных выгрузок, экономлю себе и команде день-два каждый месяц». Naumen двигается с инженерным фокусом, аналитик без SQL — узкое горлышко.

B2B sales understanding. Слабый кандидат не понимает, как устроена B2B-воронка: pipeline, stages, weighted forecast, sales velocity. Сильный кандидат знает, что pipeline coverage 3x обычно нужен для ровного MRR-роста, понимает, как считать sales productivity, может объяснить ROI sales-команды через win rate × ACV.

Скорость. Naumen — большая компания, но конкретный продуктовый юнит работает в темпе SaaS-стартапа: ежемесячное закрытие, ad-hoc от продакта, защита бюджета. Ценят аналитиков, которые могут за день собрать pre-board презентацию с правильными цифрами, а не неделю готовить идеальный отчёт.

Business partnering. Финаналитик в Naumen — партнёр директора продукта. Слабый кандидат отвечает «я считаю и передаю». Сильный — «я заметил, что в SMB-сегменте payback растягивается до 28 месяцев из-за высокого discount, поднял в звонок к директору продукта, мы вместе решили закрыть discount для сделок ниже 500к ACV, через квартал payback вернулся к 18 месяцам».

Как готовиться: план

За 4-6 недель до планируемого собеса:

1. Неделя 1 — SaaS unit economics. Разберись в специфике: ARR/MRR, churn (gross vs net), GRR vs NRR, payback, LTV, revenue recognition. Прочитай SaaS-метрики из открытых источников (David Skok, OpenView). Unit economics.
2. Неделя 2 — Excel. Построй с нуля ARR-модель на 24 месяца с cohort retention, разбивкой ARR на компоненты, sensitivity по ключевым драйверам. Никакого хардкода. Моделирование в Excel.
3. Неделя 3 — SQL. Прорешай вопросы по SQL в Карьернике: 1500+ задач с разбивкой по темам, по 10-15 минут в день закрывают пробелы перед собесом. Фокус на window functions, MRR movement, cohort retention. SQL для финаналитика.
4. Неделя 4 — FP&A и DCF. Бюджетирование, rolling forecast, простой DCF. Потренируйся раскладывать падение метрики на драйверы и формулировать рекомендации. FP&A, DCF.
5. Неделя 5 — Mocks + behavioral. Mock-собес с другом или платно. Подготовь 5-7 STAR-историй: конфликт с продактом, факап с прогнозом, успех с моделью, инициатива, business partnering.
6. Неделя 6 — Polish. Питч на 90 секунд, перечитай CV под Naumen, продумай вопросы рекрутеру и нанимающему руководителю.

Частые ошибки

Без B2B SaaS specifics. Кандидат с FP&A из ритейла рассказывает про gross margin продукции. Слабо. Сильно — кандидат говорит на языке SaaS: ARR, NRR, expansion, payback, ARPU per cohort.

Только Excel без SQL. «Я выгружаю данные у DWH, считаю в Excel» — слабый сигнал. Сильный кандидат: «Я сам пишу запросы в Greenplum, держу набор регулярных выгрузок, расширяю по мере необходимости».

Без ARR / pipeline. Кандидат на вопрос про pipeline coverage отвечает «не знаю» — красный флаг. Сильный кандидат знает, что pipeline = взвешенный по стадиям ожидаемый ARR, умеет считать coverage ratio к плану, понимает booked vs invoiced vs recognized.

Без expansion revenue. Кандидат считает ARR одним числом, без разбивки. Слабо. Сильный кандидат: «разбиваю ARR на new / expansion / contraction / churn, считаю NRR по сегментам, нахожу, где expansion растёт быстрее, помогаю директору продукта приоритизировать».

Шаткая модель. Циклические ссылки, хардкод констант, отсутствие проверки на отрицательные сценарии. Сильный кандидат строит модель так, что её можно открыть через год и сразу понять.

Связанные темы

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

FAQ

Удалёнка в Naumen для финаналитика?

Гибрид и удалёнка распространены: главный офис в Екатеринбурге, есть офисы в Москве и других городах. Часть аналитиков работает фул-ремоут, часть гибридно. Уточняй у рекрутера по конкретной команде.

Зарплатные вилки 2026?

Junior: 160-220k. Middle: 220-320k. Senior: 320-460k. В московских командах вилки бывают шире.

Английский нужен?

Базовый — желательно. Большая часть работы на русском, английский нужен для чтения профильной литературы и общения с поставщиками технологической инфраструктуры.

Сколько этапов?

4-5 этапов, обычно 2-3 недели от первого скрининга до оффера. Затягивания обычно из-за согласований по вилке или ожидания возвращения нанимающего руководителя.

Это официальная информация?

Этапы основаны на публичных источниках и опыте кандидатов. Уточняйте у рекрутера — команды и грейды могут менять процесс.