Вопросы на собеседовании аналитика: системный, данных, бизнес и продуктовый

Кого ищут и что проверяют: сравнение 4 специализаций

Прежде чем готовиться к конкретным вопросам, стоит понять разницу между ролями. Аналитик данных (DA) занимается описательной аналитикой: извлекает инсайты из данных, строит дашборды (наглядные информационные панели), запускает A/B-тесты. Специалист по машинному обучению (Data Scientist, DS) идёт дальше: он строит предиктивные модели. Путать эти роли на интервью не стоит — работодатели замечают сразу.

SA и BA — разные роли: системный аналитик проектирует технические решения, бизнес-аналитик выясняет потребности заказчика. Формат интервью: SA — семь тематических блоков; DA — SQL-задача плюс статистика плюс кейс.

№1 — Системный аналитик: с нуля до проектирования систем

Ошибка системного аналитика не ограничивается одним багом: она закладывается на этапе проектирования и затрагивает архитектуру всего проекта — в отличие от ошибки разработчика, которая бьёт по одному модулю. Именно поэтому работодатели проверяют кандидата сразу по семи блокам.

В рамках федерального проекта «Активные меры содействия занятости» доступна программа «Системный аналитик: с нуля до проектирования систем» — 256 академических часов, онлайн, за счёт государственного финансирования. Зарплата выпускника — от 130 000 ₽.

Требования, нотации и методологии

Требования делятся на функциональные (что делает система) и нефункциональные (производительность, безопасность, масштабируемость). User Story фиксирует потребность пользователя: «Как пользователь, я хочу…»; Use Case описывает полный сценарий взаимодействия. Документация ведётся по ГОСТ 19 (программное обеспечение) или ГОСТ 34 (информационные системы).

В BPMN шлюзы бывают трёх типов: эксклюзивный (XOR — один путь), параллельный (AND — все пути одновременно), инклюзивный (OR — один или несколько). UML-диаграммы Sequence используют фреймы alt, loop, opt. Пример вопроса: «Что такое DoD?» — Definition of Done, критерии завершённости задачи в Scrum. В Канбане вместо спринтов — непрерывный поток задач с ограниченным числом позиций в работе (WIP-лимит).

SQL, интеграции и архитектура

SQL-блок у SA — про транзакции и структуру данных. TRUNCATE — DDL-операция: удаляет таблицу целиком, откат невозможен. DELETE — DML: удаляет строки по условию, поддерживает ROLLBACK. UNION убирает дубликаты, UNION ALL — нет. HAVING фильтрует после GROUP BY, WHERE — до. Нормализация базы данных: 1НФ — атомарные значения, 2НФ — полная зависимость от первичного ключа, 3НФ — нет транзитивных зависимостей.

REST — синхронный протокол: методы GET, PUT, DELETE идемпотентны (повторный запрос даёт тот же результат), POST — нет; для POST применяют Idempotency-Key. SOAP: контракт описывает WSDL, данные валидирует XSD. Брокеры сообщений: Kafka хранит сообщения в топике — потребитель (консьюмер) перечитывает их, меняя смещение (offset); RabbitMQ — классическая очередь: сообщение прочитано, значит удалено. Для потоковой обработки событий (event streaming) и высоких нагрузок выбирают Kafka; для маршрутизации — RabbitMQ. REST реализует синхронное взаимодействие, Kafka — асинхронное.

Архитектура: монолит — проще развернуть, сложнее масштабировать; микросервисная архитектура — независимые сервисы, но растёт сложность взаимодействия. CAP-теорема: из согласованности (Consistency), доступности (Availability) и устойчивости к разделению (Partition tolerance) можно гарантировать только два свойства одновременно.

№2 — Специалист по аналитике и базам данных в информационных системах

Собеседование аналитика данных строится вокруг трёх блоков: SQL-задача, статистика и кейс-интервью. Работодатели проверяют не только знание синтаксиса, но и умение думать данными. Стек: Python, SQL, R, Excel, Tableau, Power BI.

Программа АМСЗ «Специалист по аналитике и базам данных в информационных системах» — 256 часов, онлайн, без стартовых вложений. Зарплата выпускника — от 120 000 ₽.

SQL-задачи с примерами кода

Оконные функции — главная тема SQL-блока на собеседовании аналитика данных. Базовый синтаксис: FUNCTION() OVER (PARTITION BY … ORDER BY … ROWS BETWEEN …). Ранжирование: RANK() оставляет пропуски при одинаковых значениях, DENSE_RANK() — нет, ROW_NUMBER() даёт уникальный номер. LAG() возвращает значение предыдущей строки, LEAD() — следующей.

Скользящее среднее за три дня: AVG(value) OVER (ORDER BY date ROWS BETWEEN 2 PRECEDING AND CURRENT ROW). В отличие от GROUP BY, оконные функции не сворачивают строки — исходный датасет (набор данных) сохраняется полностью.

Классическая задача — «Найдите клиентов с более чем тремя покупками за месяц»: GROUP BY + HAVING COUNT(*) > 3. Медленный SQL-запрос? Проверьте план через EXPLAIN, добавьте индексы (ускоряют чтение, замедляют запись), уберите SELECT *. Практиковаться удобно на задачах платформ LeetCode и HackerRank.

Статистика и A/B-тестирование

A/B-тестирование встречается на каждом собеседовании аналитика данных. Нулевая гипотеза (H₀) — разницы между группами A и B нет. Если p-value < 0,05, H₀ отвергается: результат статистически значим, можно принимать продуктовое решение.

Аналогия для нетехнического интервьюера: 6 орлов из 10 бросков монеты — возможная случайность; 700 из 1000 — монета явно смещена. Доверительный интервал 95% означает: «С вероятностью 95% истинное среднее значение находится в этом диапазоне». Ширина интервала зависит от размера выборки — маленькая выборка даёт широкий интервал и ненадёжные выводы. Центральная предельная теорема (ЦПТ): при большой выборке распределение выборочных средних стремится к нормальному — это основание для большинства статистических тестов. Корреляция не означает причинно-следственной связи.

Кейс-интервью: структура ответа

Кейс проверяет аналитическое мышление, а не знание конкретных фактов. Частая ошибка кандидата — сразу давать ответ без уточняющих вопросов. Интервьюер хочет видеть процесс рассуждений.

Пять шагов: 1) Уточнение — какая метрика упала, в каком канале, за какой период? 2) Данные — какие источники доступны, насколько актуальны? 3) Сегментация — разбить по устройствам, регионам, когортам. 4) Гипотезы — формулировать явно, не пропускать очевидное. 5) Рекомендации — конкретные действия с обоснованием.

Пример: «Продажи упали на 15%». Шаг 1: уточнить — весь ассортимент или отдельные позиции, все каналы или один? Коммуникативные навыки здесь важны так же, как знание метрик DA: CAC, LTV, retention, конверсия, активация.

№3 — Бизнес-аналитик: специфика собеседования

Бизнес-аналитик (BA) работает на стыке бизнеса и IT: выявляет потребности стейкхолдеров (заинтересованных сторон) и переводит их в требования. Ключевое отличие от SA — фокус на бизнес-процессах, а не на технической архитектуре.

На интервью проверяют: умение работать со стейкхолдерами (кто они, как расставить приоритеты), знание BPMN для процессного моделирования, разграничение User Story («Как пользователь, я хочу…») и Use Case (полный сценарий взаимодействия), работу с функциональными и нефункциональными требованиями.

Типичный кейс BA: «Клиент хочет автоматизировать HR-процессы — как собрать требования?». Грамотный ответ: воркшопы (проектные сессии), индивидуальные интервью со стейкхолдерами, наблюдение за текущими процессами. Артефакты BA — BPMN-диаграмма, глоссарий, описание процессов AS-IS и TO-BE.

№4 — Продуктовый аналитик: отличия от DA

Продуктовый аналитик (PA) — аналитик данных с фокусом на продукт. Стек пересекается: SQL, Python, статистика — обязательны. Отличие — в задачах и метриках.

Ключевые метрики PA: activation (первое ключевое действие пользователя), retention (удержание), DAU/MAU (дневная и месячная активная аудитория), LTV, ARPU. Воронки конверсии — обязательная тема. Частый вопрос: «Продуктовая метрика упала — план действий?». Ответ строится по той же пятишаговой схеме: уточнение → данные → сегментация по устройствам, регионам и когортам → гипотезы → рекомендации.

A/B-тестирование в PA — инструмент оценки новых функций: формулируется гипотеза, рассчитывается минимально необходимый размер выборки, тест запускается до получения статистически значимого результата.

Как выбрать специализацию и подготовиться

Быстрый навигатор: нравится архитектура и проектирование систем → SA; данные и метрики → DA; бизнес-процессы и общение с заказчиком → BA; продукт и поведение пользователей → PA.

Для подготовки к собеседованию на системного аналитика освойте BPMN, UML, REST и Kafka — всё это входит в программу «Системный аналитик: с нуля до проектирования систем» от АМСЗ (256 ч., онлайн). Для аналитика данных — оконные функции SQL в приоритете; практикуйтесь на задачах LeetCode и HackerRank.

Центр карьеры АМСЗ помогает с подготовкой к собеседованиям: разбор резюме, тренировочные интервью, доступ к 7 500+ вакансиям, включая удалённые.

В рамках федерального проекта «Активные меры содействия занятости» можно пройти обучение по программам «Системный аналитик: с нуля до проектирования систем» и «Специалист по аналитике и базам данных в информационных системах» — онлайн, за счёт государственного финансирования. Смотрите каталог доступных программ.

Часто задаваемые вопросы

Чем отличается системный аналитик от аналитика данных?

Системный аналитик проектирует архитектуру системы, создаёт техническое задание и работает с BPMN, UML, REST — его ошибка затрагивает весь проект. Аналитик данных извлекает инсайты из данных с помощью SQL, Python и A/B-тестов — его ошибка влияет на качество конкретного анализа. Разные артефакты, разная цена ошибки.

Какие вопросы по SQL обязательно задают аналитику?

На большинстве интервью — типы JOIN (INNER, LEFT, RIGHT, FULL), HAVING против WHERE, TRUNCATE против DELETE, UNION против UNION ALL. Знание оконных функций RANK, LAG, LEAD выгодно выделяет среди кандидатов. Тренируйтесь на задачах LeetCode и HackerRank.

Что такое ACID и зачем аналитику это знать?

ACID — четыре свойства транзакций: Атомарность (всё или ничего), Согласованность (база остаётся корректной), Изолированность (транзакции не мешают друг другу), Долговечность (данные сохранятся после сбоя). Системный аналитик знает ACID для проектирования надёжных баз данных и понимания «грязного чтения» при параллельных транзакциях.

Как объяснить p-value нетехническому интервьюеру?

p-value — вероятность получить наблюдаемый результат случайно, если нулевая гипотеза верна. Аналогия: 6 орлов из 10 бросков — случайность; 700 из 1000 — монета явно смещена. Если p < 0,05, A/B-тест статистически значим и можно принимать продуктовое решение.

Чем Kafka отличается от RabbitMQ?

Kafka хранит сообщения в топике — их можно перечитать, изменив смещение консьюмера. RabbitMQ — классическая очередь: сообщение прочитано, значит удалено. Kafka подходит для потоковой обработки событий и высоких нагрузок, RabbitMQ — для задач маршрутизации. Вопрос «как перечитать последние сообщения в Kafka» — классика интервью системного аналитика.

Назовите три нормальные формы базы данных

1НФ: каждая ячейка содержит одно атомарное значение. 2НФ: все неключевые атрибуты полностью зависят от первичного ключа. 3НФ: нет транзитивных зависимостей между неключевыми полями. Денормализация применяется, когда производительность чтения критична и допустимо контролируемое дублирование данных.

Как проходит собеседование системного аналитика в крупном банке?

Обычно три этапа: скрининг с HR (мотивация, опыт), техническое интервью по семи тематическим блокам, финал с руководителем. Банки особо проверяют REST, SOAP и Kafka — интеграции с платёжными системами и АБС критичны. Ожидайте вопросы про идемпотентность методов и гарантии доставки сообщений.

Что входит в тестовое задание аналитика данных?

Обычно: датасет плюс SQL-задача (часто с оконными функциями), визуализация в Tableau или Power BI, иногда Python-скрипт для очистки данных. Важна не только правильность ответа — интервьюер смотрит на объяснение каждого шага: почему этот тип JOIN, почему такой тип графика.