9 апреля 2026 г.

Собеседование junior аналитика — что спрашивают

Коротко

От junior аналитика на собеседовании не ждут глубоких знаний ML или продвинутой статистики. Ожидания проще: базовый SQL, понимание ключевых метрик, умение рассуждать логически и — главное — готовность быстро учиться. Ниже разбираем типичные этапы, вопросы и план подготовки за две недели.

Чего компании ждут от джуна

Основное заблуждение кандидатов: «надо выучить всё». Это не так. На позицию junior аналитика компании ищут человека, который:

  • Пишет базовый SQL — SELECT, WHERE, JOIN, GROUP BY. Оконные функции приятный бонус, но не обязательны.
  • Понимает ключевые продуктовые метрики — DAU, конверсия, retention. Не формулы наизусть, а смысл: зачем считают, как интерпретируют.
  • Рассуждает логически — может декомпозировать задачу, задать уточняющие вопросы, предложить подход.
  • Хочет разбираться — задаёт вопросы, читает документацию, не боится незнакомых задач.

От джуна не требуют: построения ML-моделей, продвинутой статистики, оптимизации запросов на миллионы строк, опыта с Airflow или Spark.

Типичные этапы собеседования

1. HR-скрининг (15-30 минут)

Рекрутер проверяет мотивацию, зарплатные ожидания, релокацию, английский. Типичные вопросы: «Почему аналитика?», «Почему наша компания?», «Какой опыт работы с данными?». Здесь важно показать осознанный выбор профессии, а не «хочу в IT, потому что платят».

2. Техническое собеседование по SQL (30-60 минут)

Основной этап для джуна. Обычно дают 2-4 задачи с нарастающей сложностью.

Что точно спросят:

  • SELECT + WHERE + ORDER BY — фильтрация, сортировка, базовые условия
  • JOIN — LEFT JOIN vs INNER JOIN, в чём разница и когда что использовать
  • GROUP BY + агрегаты — COUNT, SUM, AVG в связке с группировкой
  • HAVING — фильтрация после агрегации

Что могут спросить, но не обязательно: подзапросы, CASE WHEN, UNION. Оконные функции на junior позициях спрашивают редко.

Совет: решайте задачи вслух. Интервьюер хочет видеть ход мысли, а не идеальный запрос с первой попытки. Подробнее — в гайде по SQL для начинающих.

3. Продуктовый кейс (20-40 минут)

Упрощённый формат — вам описывают ситуацию и просят предложить метрики или подход к анализу.

Пример: «Конверсия в покупку упала на 15% за неделю. Какие гипотезы проверите?»

Ожидаемый уровень: не решение задачи целиком, а структурный подход. Декомпозируете воронку, выделяете этапы, предлагаете, какие данные посмотреть. Для джуна достаточно показать, что вы думаете системно, а не гадаете.

Базовые метрики, которые нужно знать: DAU/WAU/MAU, конверсия (CR), retention (Day 1, Day 7, Day 30), ARPU, средний чек, churn rate.

4. Культурное интервью (15-30 минут)

Поведенческие вопросы: «Расскажите о сложной задаче», «Как справляетесь с неопределённостью», «Как работаете в команде». Для джуна подойдут примеры из учёбы, пет-проектов, стажировок. Главное — конкретика: что сделали, какой результат получили.

План подготовки за 2 недели

Дни 1-4: SQL-база

Освойте SELECT, WHERE, JOIN, GROUP BY, HAVING, ORDER BY. Решайте по 5-10 задач в день в SQL-тренажёре. Начните с простых — фильтрация и сортировка, затем переходите к джойнам и группировке.

Дни 5-7: продуктовые метрики

Разберите: что такое DAU, как считать конверсию воронки, что показывает retention, разница между ARPU и ARPPU. Прочитайте 3-4 кейса из практики — как компании анализируют падение метрик.

Дни 8-10: кейсы и SQL посложнее

Практикуйте продуктовые кейсы: берёте ситуацию («упала конверсия», «вырос churn»), декомпозируете, предлагаете гипотезы. В SQL добавьте подзапросы и CASE WHEN.

Дни 11-12: портфолио и резюме

Оформите 1-2 проекта: дашборд в Tableau/DataLens, анализ датасета с Kaggle, SQL-запросы с описанием задачи. Портфолио не обязано быть огромным — достаточно показать, что вы умеете работать с данными.

Дни 13-14: мок-интервью

Прорешайте полный цикл: SQL-задача + продуктовый кейс + рассказ о себе. Засеките время. Попросите друга задать вопросы или запишите себя на видео.

Полный чеклист — в гайде по подготовке к собеседованию аналитика.

Частые ошибки джунов на собеседовании

  1. Усложняют ответ. Пишут оконные функции там, где хватит GROUP BY. Упоминают ML, когда спрашивают про среднее. Простое решение лучше сложного неправильного.

  2. Не задают уточняющих вопросов. В продуктовом кейсе уточнения — это часть ответа. «Речь о мобильном приложении или вебе?», «Падение во всех сегментах или в одном?» — такие вопросы показывают, что вы думаете как аналитик.

  3. Зубрят без понимания. Заучить синтаксис LEFT JOIN — недостаточно. Нужно понимать, почему LEFT, а не INNER: «хочу сохранить все строки из левой таблицы, даже если в правой нет соответствия».

  4. Молчат при решении. Интервьюер не телепат. Проговаривайте рассуждения: «сначала отфильтрую по дате, затем сджойню с таблицей заказов, сгруппирую по пользователям».

  5. Паникуют при незнании. Не знаете ответ — скажите честно и покажите ход мысли: «Точной формулу не помню, но логика такая...». Это лучше, чем тишина или выдумка.

Вопросы с собеседований

— Напишите запрос: найти пользователей, которые сделали больше 3 заказов за последний месяц. — SELECT user_id, COUNT() AS order_count FROM orders WHERE order_date >= CURRENT_DATE - INTERVAL '1 month' GROUP BY user_id HAVING COUNT() > 3. Фильтрую по дате через WHERE (до агрегации), группирую по user_id, фильтрую агрегат через HAVING.

— Чем LEFT JOIN отличается от INNER JOIN? — INNER JOIN возвращает только строки, которые есть в обеих таблицах. LEFT JOIN возвращает все строки из левой таблицы, даже если в правой нет соответствия — в этом случае колонки правой таблицы будут NULL. Используют LEFT JOIN, когда важно не потерять записи — например, всех пользователей, включая тех, кто ни разу не купил.

— Что такое retention и как его считают? — Retention — доля пользователей, вернувшихся в продукт через N дней после первого визита. Day 1 retention: из когорты зарегистрировавшихся 1 января считаем, сколько процентов зашли 2 января. Показывает, насколько продукт удерживает аудиторию. Падение retention — сигнал проблем с ценностью продукта.

— Конверсия оформления заказа упала на 10%. Ваши действия? — Декомпозирую воронку: каталог, карточка товара, корзина, оформление, оплата. Смотрю, на каком этапе упала конверсия. Проверяю по сегментам: платформа (iOS/Android/web), география, источник трафика, новые vs старые пользователи. Проверяю технические факторы: не было ли релиза, роста времени загрузки, ошибок платёжного шлюза.

— Почему вы хотите стать аналитиком? — Здесь важна конкретика. Плохой ответ: «люблю данные и цифры». Хороший: «Прошёл курс по SQL, сделал проект — проанализировал данные приложения для доставки еды, нашёл, что 40% оттока связано с первым заказом. Понял, что мне нравится искать инсайты в данных и влиять на продуктовые решения».

Потренируйтесь отвечать на типичные вопросы junior аналитика — откройте тренажёр. 1500+ примеров вопросов по SQL, метрикам и продуктовой аналитике.

FAQ

Какой SQL нужен junior аналитику для собеседования?

SELECT, WHERE, JOIN (INNER и LEFT), GROUP BY, HAVING, ORDER BY, базовые агрегатные функции (COUNT, SUM, AVG). Этого набора хватает для 80% задач на junior позицию. Оконные функции, CTE и подзапросы — плюс, но не обязательны. Подробнее — в подборке SQL-вопросов для собеседования.

Нужен ли Python junior аналитику?

Зависит от компании. В продуктовых командах (Яндекс, Тинькофф, Озон) Python на джуна обычно не требуют — достаточно SQL. В аналитических отделах банков или ритейла могут спросить базовый pandas. Если времени мало — приоритет на SQL.

Сколько времени нужно на подготовку к собеседованию junior аналитика?

При нулевом опыте — 1-2 месяца на изучение SQL и метрик. Если база уже есть (курсы, пет-проекты) — 2 недели интенсивной практики достаточно, чтобы закрепить знания и натренировать формат собеседования.

Обязательно ли портфолио для junior аналитика?

Не обязательно, но сильно помогает. Портфолио компенсирует отсутствие опыта: показывает, что вы умеете работать с данными, а не только прошли курс. Достаточно 1-2 проекта: анализ датасета, дашборд, SQL-кейс с описанием задачи и выводами. Подробнее — в гайде по портфолио аналитика.

Тренироваться в Telegram