Собеседование на системного аналитика в Cloud.ru

Почему Cloud.ru — особенный работодатель для СА

Cloud.ru (ранее SberCloud) — облачное подразделение группы Сбер, второй-третий по размеру публичный облачный провайдер РФ: IaaS, PaaS, managed-сервисы баз данных, ML-платформа ML Space, AI-сервисы поверх инфраструктуры Сбера (включая GigaChat, Kandinsky). Для системного аналитика это специфический контекст: классические облачные API (управление инфраструктурой, биллинг) плюс много вокруг AI/ML (API ML Space, API LLM-инференса, биллинг AI-сервисов по токенам), плюс Сбер-стек и процессы.

Главные задачи СА в Cloud.ru: проектирование API для IaaS, PaaS, ML Space, AI-сервисов; написание OpenAPI-спецификаций; моделирование процессов в BPMN (биллинг разных моделей ценообразования: GPU-час, токены LLM, IOPS, storage GB); интеграция с биллингом и платежной обработкой Сбера; проектирование API для fine-tuning-as-a-service; работа с регуляторными требованиями (152-ФЗ, гос-облако, compliance группы Сбер); миграция legacy API.

Стек инструментов: Confluence, Jira, Swagger/OpenAPI, BPMN, PlantUML, C4. На технической стороне аналитик работает с PostgreSQL, ClickHouse, Kafka, REST и gRPC, Kubernetes, специализированные инструменты группы Сбер.

Актуальные вакансии — на hh.ru и сайте Cloud.ru.

Этапы собеседования

Полный цикл — 4-6 недель, 5-6 этапов. Процесс ближе к Сберу: HR, тестовое (часто), техническое интервью, архитектурный кейс, поведенческое, финал.

1. HR-скрининг (30-45 минут)

Рекрутер уточняет: опыт системного анализа (от 2 лет, желательно с cloud или ML-инфраструктурой), знание API-стека, мотивацию идти в Cloud.ru, ожидания по компенсации и формату (Москва, Кутузовский, гибрид). Готовь питч на 90 секунд про самый сложный API-проект.

2. Тестовое задание (3-5 дней, опционально)

Часто для senior+ позиций: спроектировать API для нового продукта (например, fine-tuning-as-a-service), описать в OpenAPI с примерами запросов/ответов, нарисовать C4-диаграмму. Защита тестового — на следующем этапе.

3. Техническое интервью (60-90 минут)

Базовая секция с senior СА или архитектором. Темы: REST API design, gRPC, OpenAPI/Swagger, архитектурные паттерны, микросервисы, messaging-паттерны, базы данных, безопасность (OAuth 2.0, JWT, mTLS, RBAC, scoped tokens для cloud-API), C4-нотация. Специфический вопрос: «как ты спроектируешь API для биллинга AI-сервисов с разной моделью ценообразования (GPU-час для inference, токены для LLM, GB-storage)».

Подготовка: REST API design, Microservices architecture, OAuth и аутентификация.

4. Архитектурный кейс (90 минут)

Самая характерная секция. Кейс: «спроектируй API биллинга для AI-сервисов с поддержкой 4+ моделей ценообразования», «как ты спроектируешь fine-tuning-as-a-service API с long-running operations», «как сделать observability для GPU-инференса». Нужно: уточнить требования, нарисовать архитектуру C4, описать API-контракты, продумать idempotency, async-операции, заложить compliance-аспекты (152-ФЗ, гос-облако). Сильный сигнал — учёт AI-специфики.

Подготовка: Интеграция и архитектура, Distributed systems.

5. Поведенческое + culture fit (45-60 минут)

С тимлидом или представителем R&D-команды. STAR-формат: конфликт с разработкой или продактом, факап в проде, длинный проект. Параллельно проверяют соответствие Сбер-ценностям.

6. Финал с руководителем (30 минут)

Финальная встреча: грейд, оффер.

Особенности по командам

Cloud API / IaaS платформа. Команда строит публичные API для управления VM, сетями, K8s, дисками. Стек — REST + gRPC + Kubernetes operators. Подойдёт СА с background в DevOps или cloud-продуктах.

ML Space (ML-платформа). Команда строит API ML-платформы: эксперимент-трекинг, model registry, training jobs, inference deployment. Стек — REST + gRPC + S3 + GPU-планировщики. Челлендж — multi-tenant ML-инфраструктура, GPU-allocation, MLflow-совместимость. Подойдёт СА с background в ML или MLOps.

AI Services (GigaChat, Kandinsky, OCR, ASR как сервисы). Команда строит API AI-сервисов: LLM-инференс, image generation, OCR, ASR. Стек — REST + Triton/TensorRT + кастомные inference-сервера + интеграция с Sber AI. Челлендж — latency (sub-second для LLM), биллинг по токенам, rate limiting. Подойдёт СА с интересом к ML-инфраструктуре.

Биллинг и финансовое API. Команда отвечает за корректность биллинга всех сервисов: разные модели ценообразования, агрегация, формирование счетов. Стек — REST + PostgreSQL + Greenplum + Airflow + интеграция с биллингом Сбера. Челлендж — точность, reconciliation, налоги. Подойдёт СА с financial-DWH опытом.

Compliance и гос-облако. Команда работает с регуляторными требованиями. Стек — REST + специализированные compliance-инструменты. Подойдёт СА с зрелым compliance-опытом.

Что Cloud.ru ценит в СА

API-first мышление. Понимание, что API — продукт.

Cloud и ML контекст. Опыт в облаке, fintech, ML-инфраструктуре — большой плюс.

Сбер-совместимость. Cloud.ru — часть группы, культурно ближе к Сберу. Кандидат, ругающий корпоративные процессы, получит -1.

Weak vs strong на архитектурном кейсе. Слабый ответ: «возьмём REST для биллинга AI-сервисов, посчитаем расход и отправим счёт». Сильный ответ: «биллинг AI с разной моделью ценообразования (GPU-час, токены LLM, GB-storage): унифицированная схема событий использования ресурсов в Kafka с типизированным payload по сервису. Pre-aggregation в ClickHouse материализованными представлениями для свежих агрегатов клиента в личном кабинете. Batch-pipeline в Airflow раз в сутки формирует счёт с обязательным reconciliation против сырых событий. API клиенту — REST с idempotency для запроса перерасчёта, audit trail для compliance Сбера. На каждом шаге cost-attribution с гарантией точности до копейки».

Готовность к процессам. Cloud.ru — часть группы Сбер, процессов много.

Self-management. Команды компактные, плотная коммуникация с продактами и инженерами.

Как готовиться: план

За 5-7 недель до планируемого собеса:

1. Неделя 1-2 — REST API + ML-инфраструктура. HTTP-методы, idempotency, версионирование, OpenAPI. ML-инфраструктура basics (feature stores, model registry, inference patterns). Прорешай 5-7 кейсов. Параллельно — на Карьернике обнови базу по SQL и логике: 1500+ задач, по 15-20 минут в день, чтобы за месяц закрыть пробелы.
2. Неделя 3 — Cloud + AI контекст. Cloud-концепции, K8s, GPU-инстансы, токены LLM, fine-tuning vs PEFT.
3. Неделя 4 — Сбер-стек. Прочитай блоги Cloud.ru, Sber AI, обзорно SberCloud документацию. Запомни понятия: ML Space, GigaChat, Kandinsky, fine-tuning-as-a-service.
4. Неделя 5 — Архитектурные кейсы. Прорешай 5-6 кейсов: биллинг AI-сервисов, fine-tuning API, ML Space platform API, observability GPU, миграция legacy. Структура — требования → C4 → API → idempotency → compliance → SLA. Интеграция и архитектура.
5. Неделя 6-7 — Mocks и behavioral. Mock-интервью, 5-7 STAR-историй: конфликт с продактом, факап API, длинная миграция, история про точность биллинга.

Частые ошибки

Не думают про точность биллинга. Кандидат проектирует биллинг AI без reconciliation. В Cloud.ru финансы должны сходиться.

Хайпуют LLM-кейсами. Кандидат на СА-собесе пытается рассказать про fine-tuning. СА отвечает за data layer и API, а не за модели.

Не разбираются в ML-инфраструктуре. «Что такое train-serving skew, feature store?» — кандидат теряется.

Игнорируют Сбер-процессы. Кандидат ругает «бюрократию». В Cloud.ru процессы есть, и это нормально для группы.

Не задают вопросы про SLA и объёмы. На кейсе сразу — стек, а не «сколько событий, какие SLA, какой compliance». Это первый фильтр.

Связанные темы

• Собеседование на системного аналитика
• REST API design
• Distributed systems
• Собеседование на Data Engineer в Cloud.ru
• Собеседование на Data Scientist в Cloud.ru

FAQ

Удалёнка в Cloud.ru для СА?

Гибрид с офисом в Москве (Кутузовский / Сбер-кампус). Полная удалёнка возможна редко.

Зарплатные вилки 2026?

Middle СА: 270-410k. Senior: 410-630k. Lead — выше, особенно в ML-направлениях. Сбер-бонусная схема, опционов нет.

Нужен ли английский?

Базовый — для документации. Свободного говорящего обычно не требуется.

Сколько этапов?

5-6 этапов, 4-6 недель из-за процессов группы Сбер.

Реально ли пройти без ML-инфраструктура опыта?

Сложно. Хотя бы базовые понятия (feature stores, model registry, training jobs, inference) должны быть, особенно для ML Space или AI Services команд. Cloud API команда — попроще для cloud-выходцев без ML-фона.

Какие книги и ресурсы помогут подготовиться?

«Designing Web APIs», статьи Sber AI Lab, документация ML Space. По API-design — спецификации GCP Vertex AI и AWS SageMaker как референс. По SQL и техническому минимуму — задачник Карьерника. Полезно прочитать обзоры по биллингу AI-сервисов (по сравнению Anthropic, OpenAI, Yandex GPT API).

Что важно подчеркнуть на финале с руководителем?

Готовность к процессам группы Сбер — это важно. Кандидат, который ругает «бюрократию», теряет балл сразу. Хорошо подчеркнуть опыт работы с длинными циклами и compliance, плюс понимание, что API — это контракт с разработчиками, а не просто endpoint.

Стоит ли изучать GigaChat и Kandinsky перед собесом?

Да, особенно для AI Services команд. Понимание, как устроены модели и какие у них API — серьёзное преимущество. Даже базовое знакомство с публичными примерами интеграций даёт +1.

Какие компании-конкуренты стоит рассмотреть параллельно?

Yandex Cloud, Selectel, VK Cloud, MTS Cloud — топ-4 публичных провайдера РФ. Если интересует ML-инфраструктура и AI-сервисы — Yandex Cloud и Cloud.ru конкурируют. Для compliance/гос-облака — MTS Cloud и Cloud.ru.

Это официальная информация?

Этапы основаны на публичных источниках и опыте кандидатов. Уточняйте у рекрутера — формат и грейды отличаются по командам.