Вопросы рекрутеру и нанимающему менеджеру на собеседовании
Коротко
Собеседование — двусторонний процесс. Работодатель оценивает вас, вы — его. Правильные вопросы показывают вашу экспертизу, помогают избежать плохих офферов и дают реальную картину будущей работы. «У меня нет вопросов» — красный флаг для обеих сторон. Ниже — 30 вопросов, сгруппированных по темам, с пояснениями, что ответы говорят о компании.
Про данные и инфраструктуру
1. Какие основные источники данных? Ожидайте: PostgreSQL, ClickHouse, BigQuery, API, логи, CRM. Если «всё в Google Sheets» — аналитику придётся строить инфраструктуру с нуля.
2. Есть ли хранилище данных? Без DWH аналитик тратит время на ETL вместо анализа. Хорошо: есть DWH + ETL-пайплайн. Нормально: планируют. Плохо: «а что это?».
3. Какой стек аналитики? SQL-диалект, BI-инструменты, Python/R, системы трекинга (Amplitude, PostHog, Mixpanel). Стек говорит о зрелости data-культуры.
4. Как устроен трекинг событий? Есть ли event tracking? Кто добавляет новые события — аналитик, разработчик, автоматически? Если «трекинга нет» — первые месяцы уйдут на его внедрение.
5. Насколько данным можно доверять? Есть ли дубликаты, пропуски, расхождения между источниками? Честный ответ: «есть проблемы, но мы работаем над этим». Тревожный: «у нас идеальные данные» (не бывает) или «мы не проверяли».
Про роль и задачи
6. Как выглядит типичная неделя аналитика? Хотите услышать: 40% ad hoc запросы, 30% дашборды и отчёты, 30% исследования и A/B-тесты. Тревожный сигнал: 90% «срочных выгрузок для начальства».
7. Какие задачи будут в первые 3 месяца? Конкретные задачи — хорошо. «Разберёшься на месте» — плохо (нет плана).
8. Кто основные заказчики аналитики? Продакт, маркетинг, CEO, финансы? От этого зависит тип задач: продуктовые метрики vs маркетинговая атрибуция vs финансовые отчёты.
9. Есть ли процесс приоритизации задач? Без процесса аналитик тонет в «срочных» запросах от всех подряд. Хорошо: бэклог с приоритетами. Приемлемо: еженедельное планирование. Плохо: «все задачи срочные».
10. Какие решения принимаются на основе данных? Если «мы запускаем фичи без A/B-тестов» или «данные смотрим, но решения принимает CEO по интуиции» — культура принятия решений на данных не зрелая.
Про команду
11. Сколько аналитиков в команде? 1 аналитик на всю компанию — вы делаете всё: от SQL до дашбордов и ETL. 5+ аналитиков — специализация и менторство.
12. Есть ли data engineers? Если нет — аналитик будет строить пайплайны. Если есть — можно фокусироваться на анализе.
13. К какой команде прикреплён аналитик? Централизованная аналитика (отдельный отдел) vs децентрализованная (аналитик в продуктовой команде). Оба подхода имеют плюсы, но ваш день будет выглядеть по-разному.
14. Кто будет мой непосредственный руководитель? Технический лид (data-бэкграунд) vs менеджер (бизнес-бэкграунд). От этого зависит тип обратной связи и возможности роста.
15. Как устроен онбординг? Есть ли документация, ментор, план первых недель? «Разберёшься сам» — красный флаг для junior.
Про процессы
16. Как устроен процесс A/B-тестирования? Есть ли платформа? Кто считает размер выборки? Кто принимает решение о запуске? Если «A/B-тестов нет» — возможность их внедрить.
17. Как аналитики доносят результаты? Дашборды, отчёты, презентации, Slack-сообщения? Если только «SQL-запрос в Jira-тикете» — культура коммуникации слабая.
18. Как часто обновляются дашборды? Реал-тайм, ежедневно, еженедельно? Кто поддерживает? Если «дашборды есть, но они сломаны» — значит, поддержка ляжет на вас.
19. Есть ли code review для SQL/Python? Код-ревью в аналитике — признак зрелости. Если нет — ошибки в запросах проходят незамеченными.
20. Как устроен доступ к данным? Могу ли я запускать запросы напрямую? Есть ли sandbox? Нужно ли ждать доступы неделями? Бюрократия vs скорость.
Про рост и развитие
21. Как выглядит карьерный путь аналитика? Junior → Middle → Senior → Lead/Principal? Или потолок — Senior? Есть ли IC-трек (individual contributor) и менеджерский?
22. Есть ли бюджет на обучение? Конференции, курсы, книги. Хорошо: $1000+ в год. Нормально: можно обосновать. Плохо: «учись за свой счёт».
23. Какие навыки нужны для перехода на следующий уровень? Конкретные критерии — хорошо. «Проработать 2 года» — плохо (время ≠ рост).
24. Есть ли примеры аналитиков, которые выросли в компании? Реальные истории роста vs «теоретически можно».
Про культуру
25. Какой формат работы (офис/удалёнка/гибрид)? И гибкость: можно ли иногда работать удалённо, если офис обязателен?
26. Как устроена обратная связь? 1-on-1 с руководителем? Как часто? Performance review?
27. Что вам нравится в работе здесь? Личный вопрос для собеседующего. Искренний ответ vs шаблонный — говорит больше, чем описание вакансии.
Красные флаги
Ответы, после которых стоит задуматься:
- «Данных пока нет, но мы планируем» (если вакансия не про построение аналитики с нуля)
- «Аналитик — это про Excel-отчёты»
- «A/B-тесты не нужны, мы и так знаем, что работает»
- «Стек выберешь сам» (нет стандартов)
- «Все задачи срочные»
- Не могут назвать конкретную задачу на первый месяц
Когда и сколько спрашивать
- Рекрутеру (первый звонок): 3–5 вопросов про роль, команду, процесс
- Техническое собеседование: 2–3 вопроса про стек, данные, задачи
- Финальное собеседование: 3–5 вопросов про рост, культуру, ожидания
Не спрашивайте всё сразу — выберите самые важные для каждого этапа. Задавайте те вопросы, ответы на которые реально повлияют на ваше решение.
Потренируйтесь решать задачи — откройте тренажёр с 1500+ вопросами для подготовки к собеседованиям аналитиков.
FAQ
Можно ли спрашивать про зарплату на первом звонке?
Да. Лучше сразу узнать вилку, чем пройти 5 этапов и узнать, что бюджет вдвое ниже ожиданий. «Какая зарплатная вилка для этой позиции?» — нормальный вопрос.
Что если у меня нет вопросов?
Значит, вы недостаточно подготовились. Изучите компанию, продукт, вакансию — вопросы появятся. «Нет вопросов» = «мне всё равно, куда идти».
Как не показаться агрессивным?
Формулируйте через интерес: «Мне важно понять...», «Расскажите, как у вас устроен...». Не через претензию: «Почему у вас нет...».
Как тренироваться
Подготовка к собеседованию — не только технические вопросы. В тренажёре Карьерник — 1500+ вопросов по SQL, Python, статистике и продуктовой аналитике. Больше вопросов — в разделе с примерами.