Типичное собеседование на продуктового аналитика

Открываю новую рубрику про собеседования 🔥
Как раз сейчас осень, а значит активная пора найма.
Сегодня разберем общую структуру собеседований на продуктового аналитика и самые типичные задачи.

Для большинства собесов характерны примерно такие секции:

🟡 Лайвкодинг на SQL и опционально Python.
SQL обычно спрашивают уровня джойнов и группировок, также очень часто встречаются задачи на оконки, диалект значения не имеет.
На тему питона обычно покрутить табличку в пандасе. На этой секции нередко можно гуглить или переспрашивать, как пишется конкретная функция, но это зависит от собеседующего. Запускать код как правило нет возможности, так что надо представлять, что будет после выполнения той или иной операции.
Здесь в основном проверяется просто способность писать код, слишком сложных задачек скорее не будет, так как надо уложиться в полчаса-час.

🟡 Секция по продуктовому мышлению и A/B тестированию.
Для меня самая интересная секция, но и самая сложная. Здесь будут вопросы про метрики, дизайн A/B тестов, что такое MDE, p-value, поправки на множественное тестирование и тп.
Могут спросить, как выбрать целевую метрику, как объяснить заказчику статистически незначимый результат 😬, что делать, если падают ключевые метрики.
В основном проверяется структурность мышления, способность коммуницировать с заказчиком, а на уровне middle и выше желательно уметь работать в условиях с нечетким ТЗ.

🟡 Секция по теории вероятностей.
Отдельная секция бывает не всегда, но если будет, то обычно там вопросы про монетки и кубики, формулу полной вероятности и Байеса.

🟡Кроме этого, на собеседовании в ❤️ могут быть задачи на алгоритмы уровня easy/middle с литкода.
Здесь пожалуй воздержусь от оценочных суждений о необходимости этой секции на собеседовании аналитика 🤓 (но вы сами и так знаете)

Типичные задачи на каждую секцию:

SQL:
🔘Найти пользователей, которые начали оформление заказа, но не оплатили его;
🔘Вывести топ-3 категорий по выручке;
🔘Посчитать 7-дневный retention по событиям.

Продукт:
🔘Конверсия выросла, а выручка упала — почему?
🔘Почему одни и те же метрики различаются на разных дашбордах?
🔘Как оценить влияние нового дизайна карточки товара?

Теорвер:
🔘Если вероятность успеха 0.3, какова вероятность получить хотя бы один успех за 3 попытки?

Алгоритмы:
🔘Найти дубликаты в массиве

Опытные любители ходить на собеседования, дополняйте в комментариях 👇

#собес_PA #analytics