Как решать тестовое задание аналитика

Зачем это знать

Тестовое задание — этап между скринингом и final interview. Проходите его — идёте на finale. Завалите — выбрасывают, даже если на звонке прошли хорошо.

Плохо оформленное решение = быстрый отказ. Хорошее с insights → оффер. Разница часто не в уровне знаний, а в structure и презентации.

В статье:

• Типы тестовых
• Общая структура решения
• Правильно понять задачу
• Частые ошибки
• Как презентовать

Типы тестовых

1. SQL-only

«Напишите 5 запросов на этом датасете». 2-4 часа.

2. Python / pandas

Jupyter notebook с данными. «Проведите EDA и ответьте на вопросы».

3. Case study

«Вам дали данные про A/B-тест. Дайте рекомендацию и обоснуйте».

4. Полный проект

«Dataset про churn. Проведите analysis и предложите 3 intervention». 1-2 дня.

5. Продуктовый кейс

«Naши метрики упали. Как бы вы расследовали?». Meetвое + решение.

Общая структура решения

Любое тестовое — следуйте шаблону:

1. Problem statement

Вставьте задачу, перефразируйте своими словами. Показать, что поняли.

2. Data overview

Опишите данные: сколько строк, columns, основные metrics.

3. EDA

• Распределения
• Missing values
• Outliers

4. Analysis

Ответ на задачу. Цифры, графики.

5. Findings

Bullet list — 3-5 main insights с цифрами.

6. Recommendations

Что делать на основе анализа. С caveats.

7. Limitations

Чего не сделали, какие предположения.

Как правильно понять задачу

Уточняющие вопросы

Если даётся время — задайте:

• «Что значит "улучшить retention"?»
• «За какой период?»
• «Какие предположения можно делать?»

Показывает критическое мышление.

Если вопросов задать нельзя

Напишите в solution: «я предполагаю X, потому что...».

Пример решения (case)

Задача

Даны данные о пользователях (signup, orders). Проанализируйте retention и дайте 3 рекомендации.

Структура решения

# Анализ retention

## Data Overview
- 10K signups в Jan-Apr 2026
- 50K orders с суммами

## EDA
- DAU graph
- Orders distribution по размеру
- Retention по когортам

## Retention Analysis
- D7 retention: 20% (ниже индустрии)
- D30: 8%
- Cohort chart с трендом

## Findings
1. D7 retention упал с 25% до 20% для последних 3 когорт
2. Причина — change в onboarding после релиза 15 марта
3. Power users (топ 10%) дают 60% revenue

## Recommendations
1. Revert onboarding или A/B-тест старой версии
2. Loyalty program для power users
3. Reactivation email для D1-D7 inactive

## Limitations
- Нет данных о marketing channel
- Не учтены seasonality (4 месяца недостаточно)
- Без A/B-теста рекомендации — hypothesis

Частые ошибки

1. Не ответить на главный вопрос

Много анализа, но не ответили «что делать». Задача в recommendations.

2. Код без комментариев

Интервьюер смотрит notebook. Без markdown объяснений — не понятно.

3. Слишком много метрик

20 графиков «на всякий случай». Лучше 5 релевантных.

4. Нет business context

«CR упал на 2%» — и что? Переведите в impact: «примерно -5M ₽ revenue».

5. Перфекционизм

Пытались использовать ML для простой задачи. Over-engineering = red flag.

6. Игнорировать limitations

Утверждения без caveats → junior уровень.

7. Не форматировать

Код без PEP8, SQL без indentation → выглядит unpolished.

Tooling

SQL

Напишите в standard dialect (Postgres или ANSI). Уточнить в тесте, если не сказано.

Python

• Jupyter notebook (отправьте .ipynb + html или pdf)
• requirements.txt
• Чистый код с комментариями

Excel

Иногда даются Excel-задачи. Формулы > copy-paste, pivot tables для анализа.

Презентация

Если тестовое обсуждается на follow-up:

Structure

1. Overview задачи (1 мин)
2. Approach (2 мин)
3. Key findings (5 мин)
4. Recommendations (3 мин)
5. Q&A

Говорите просто

Нанимающий менеджер может быть не data-person. Простой язык, бизнес-смысл.

Графики > таблицы

Одна хорошая визуализация > таблицы из 20 цифр.

Confidence, не скромность

«Я нашёл X» вместо «мне кажется, возможно, X». Но с оговорками, где они нужны.

Red flags

Что отсеивает:

• Скопированный код без understanding
• Overfit к конкретному решению без exploration
• Нет recommendations
• Неверное интерпретирование данных
• Длинное бессвязное notebook

Green flags

Что вызывает «найм»:

• Чёткая structure
• Business context в выводах
• Quantified impact
• Limitations обсуждены
• Creative insights

Время

Совет: дайте estimates. Если «2 часа» — не делайте 8 часов. Показывает ability estimate.

Общий принцип

Тестовое — не просто задание. Это proxy на то, как вы работаете в real life. Demonstrate:

• Умение structure unknown problem
• Analytical skills
• Business thinking
• Communication

Связанные темы

• Как стать аналитиком данных
• Чеклист подготовки к собесу
• Как написать резюме аналитика
• Как собрать портфолио
• Как отвечать на кейсы

FAQ

Сколько времени тратить?

Estimated в задании × 1.5. Не больше.

Делать ли extra анализ?

Small insights — да. 5 часов extra — перебор, показывает плохую оценку времени.

Использовать ChatGPT?

Если не запрещено — помогает. Но убедитесь, что сами понимаете результат.

Отправить raw notebook или clean?

Clean. Удалите debug cells, dead code.

---

Готовьтесь к собесу — откройте тренажёр с 1500+ вопросами для аналитиков.