Собеседование на аналитика данных почти всегда упирается в три вещи: SQL, статистику и умение рассуждать вслух. Мы открыли 378 вакансий с «аналитиком данных» в названии на hh.ru и посчитали: SQL упоминают в 310 из них, Python в 242, статистику в 104.
Ниже разобрали, как проходит собеседование по этапам, какие вопросы задают аналитику данных и как на них отвечать. Задачи по SQL решили на маленькой таблице прямо в тексте, чтобы было видно, где кандидаты ошибаются чаще всего.
Если вы пока выбираете профессию, начните с обзора чем занимается аналитик данных: там задачи, стек и отличия от соседних ролей.
Путь от нуля до первого оффера по месяцам мы расписали в статье как стать аналитиком данных с нуля. А общий разбор собеседования аналитика, где больше про требования и нотации системного анализа, лежит в отдельном материале.
Тем, кому не хватает базы, пригодится подборка курсов для аналитиков данных: там можно сравнить программы по цене, длительности и доле практики.
Рекомендуем курсы для аналитиков данных
SkillboxАналитик данных с нуля126 936 ₽4 месяца
НетологияПрофессия «Аналитик данных с нуля до middle»145 600 ₽12 месяцев
SkillFactoryАналитик данных145 008 ₽6 месяцев
ЭдюсонАналитик данных: тариф PRO136 395 ₽8 месяцев
SF EducationMini-MBA. Аналитик данных149 975 ₽5 месяцев
HexletАналитик данных79 000 ₽7 месяцев
Как проходит собеседование на аналитика данных
В большинстве компаний собеседование аналитика данных состоит из трёх–пяти этапов. Стартап может уложиться в два созвона. Банк или маркетплейс добавит тестовое задание и отдельную встречу с командой.
| Этап | Сколько длится | Что проверяют | На чём чаще срезаются |
|---|---|---|---|
| HR-скрининг | 20–30 минут | Мотивацию, ожидания по деньгам, формат работы | Не могут коротко рассказать о себе |
| Техническое собеседование | 60–90 минут | SQL, Python, статистику, иногда Excel | Пишут запрос молча и не проверяют крайние случаи |
| Тестовое задание | от 2 часов до нескольких дней | Как вы работаете с реальными данными | Сдают код без выводов для бизнеса |
| Продуктовый кейс | 45–60 минут | Умение разложить проблему и выбрать метрику | Сразу называют причину, не проверив данные |
| Финал с руководителем | 30–60 минут | Совпадение с командой и задачами | Не задают вопросов о работе |
Длительность этапов в таблице ориентировочная, у каждой компании она своя. Тестовое задание встречается реже, чем кажется: слово «тестовое» есть в 54 вакансиях из 378. Остальные проверяют навыки прямо на техническом собеседовании.
После оффера почти всегда идёт испытательный срок. По статье 70 Трудового кодекса он не может быть дольше трёх месяцев, а для руководителей и главных бухгалтеров до шести. Что можно и нельзя делать в это время, разобрали в статье про испытательный срок.
Что спрашивают на собеседовании аналитика: срез вакансий
Чтобы не гадать, к чему готовиться, мы 29 сентября 2026 года прогнали поиск hh.ru по России. В базу вошли 378 вакансий, где «аналитик данных» стоит в названии. В каждой строке ниже доля считается от этой базы. Одна вакансия обычно просит несколько навыков сразу, поэтому доли в сумме больше 100 %.
| Навык в тексте вакансии | Вакансий из 378 | Доля |
|---|---|---|
| SQL | 310 | 82 % |
| Python | 242 | 64 % |
| Excel | 185 | 49 % |
| Power BI | 117 | 31 % |
| Статистика | 104 | 28 % |
| pandas | 101 | 27 % |
| Tableau | 70 | 19 % |
| Superset | 62 | 16 % |
| ClickHouse | 61 | 16 % |
| A/B-тесты | 49 | 13 % |
| DataLens | 24 | 6 % |
Из этой таблицы следует простой порядок подготовки: сначала SQL, потом Python с pandas, потом статистика. Инструменты отчётов вроде Power BI или DataLens на собеседовании спрашивают реже, чаще их проверяют тестовым заданием.
Опыт работодатели тоже ставят по-разному. Без опыта готовы взять в 25 вакансиях, с опытом от года до трёх лет в 183, от трёх до шести лет в 159. Живую выдачу можно открыть по этой ссылке на hh.ru, цифры меняются каждый день.
Канал основателя Checkroi Вани Буявца3 700 человек читают мой Телеграм-канал про нейросетиСобрал промпты для Claude Code и ChatGPT, разборы ИИ-инструментов и лайфхаки по продвижению бизнеса в одном местеПрисоединитьсяВывод из среза. Джуну без опыта достаются 25 вакансий на всю страну. Конкурировать там придётся знанием SQL, поэтому задачи ниже стоит решать без подсказок.
Вопросы по SQL на собеседовании с ответами
SQL (язык запросов к базам данных) проверяют в четырёх вакансиях из пяти. Обычно начинают с устных вопросов, потом дают две-три задачи в общем редакторе. Если язык пока знаком плохо, сначала прочитайте простое описание SQL, а потом возвращайтесь к задачам.
Устные вопросы, которые задают почти всегда
Чем WHERE отличается от HAVING? WHERE отбирает строки до группировки, HAVING фильтрует уже сгруппированные результаты. Поэтому условие «больше одного заказа» пишется в HAVING: до группировки количество заказов ещё неизвестно.
Чем COUNT(*) отличается от COUNT(поле)? COUNT(*) считает все строки, COUNT(поле) пропускает строки, где в этом поле NULL (пустое значение). Точные правила есть в документации PostgreSQL по агрегатным функциям.
Какие бывают JOIN? INNER оставляет только совпавшие строки двух таблиц. LEFT берёт все строки левой таблицы и подставляет NULL, где пары нет. FULL сохраняет строки обеих таблиц. На этом вопросе интервьюер часто просит нарисовать результат на трёх строках, и лучше сделать это сразу.
Что такое оконная функция? Она считает значение по группе строк, но не схлопывает их в одну, как GROUP BY. Например, рядом с каждым заказом можно показать сумму всех заказов этого клиента. Хорошее объяснение с примерами есть в учебнике PostgreSQL про оконные функции.
Задача 1: клиенты с повторными заказами за месяц
Дана таблица заказов orders. Нужно найти клиентов, которые сделали больше одного заказа в сентябре, и посчитать их выручку.
| order_id | user_id | order_date | amount |
|---|---|---|---|
| 1 | 101 | 2026-09-02 10:15 | 1200 |
| 2 | 102 | 2026-09-03 18:40 | 800 |
| 3 | 101 | 2026-09-15 09:05 | 450 |
| 4 | 103 | 2026-08-30 21:10 | 2000 |
| 5 | 102 | 2026-09-30 23:40 | 300 |
SELECT user_id,
COUNT(*) AS orders_cnt,
SUM(amount) AS revenue
FROM orders
WHERE order_date >= '2026-09-01'
AND order_date < '2026-10-01'
GROUP BY user_id
HAVING COUNT(*) > 1;Правильный ответ: клиент 101 с двумя заказами на 1650 и клиент 102 с двумя заказами на 1100. Клиент 103 не попадает, его заказ в августе.
Подвох спрятан в пятой строке. Кандидат пишет BETWEEN '2026-09-01' AND '2026-09-30', и заказ от 30 сентября в 23:40 выпадает: дата без времени читается как полночь. Клиент 102 остаётся с одним заказом и исчезает из ответа. Полуоткрытый интервал «больше или равно началу, меньше начала следующего месяца» снимает эту проблему.
Задача 2: последний заказ каждого клиента
Эта задача проверяет оконные функции. Нужно вывести для каждого клиента его последний заказ.
WITH ranked AS (
SELECT user_id, order_id, order_date, amount,
ROW_NUMBER() OVER (PARTITION BY user_id
ORDER BY order_date DESC) AS rn
FROM orders
)
SELECT user_id, order_id, amount
FROM ranked
WHERE rn = 1;Интервьюер почти наверняка спросит, почему нельзя написать WHERE ROW_NUMBER() ... = 1 сразу. Ответ: оконные функции считаются после WHERE, поэтому их результат фильтруют во внешнем запросе или в CTE (именованном подзапросе через WITH). Это правило описано в разделе документации про оконные функции.
Второй частый вопрос: чем ROW_NUMBER отличается от RANK и DENSE_RANK. Если у клиента два заказа в одну и ту же секунду, ROW_NUMBER выберет один из них произвольно, RANK даст обоим первое место, а следующему третье. DENSE_RANK тоже даст обоим первое, но следующему второе.
Задача 3: клиенты без заказов
Есть таблица users и та же orders. Нужно найти тех, кто зарегистрировался и не купил ничего.
SELECT u.user_id
FROM users u
LEFT JOIN orders o ON o.user_id = u.user_id
WHERE o.order_id IS NULL;Проверяют здесь одну вещь. Если добавить условие на правую таблицу в WHERE, например AND o.amount > 500, строки с NULL отсеются, и LEFT JOIN превратится в обычный INNER. Такие условия переносят в ON. Кандидаты, которые сами проговаривают этот момент, выглядят сильнее тех, кто просто решил задачу.
Прокачать запросы до уровня, когда такие ловушки видны сразу, помогают курсы по SQL с тренажёром: там сотни задач с автоматической проверкой.
CheckroiПодборка курсов по SQL381 курс • 33 школыСравните цены, школы, программу и найдите выгодные предложения по обучениюСравнить→
Вопросы по Python и pandas
Python спрашивают в 64 % вакансий, но глубоко программирование проверяют редко. Аналитику данных нужен уверенный pandas (библиотека для работы с таблицами) и умение не ломать данные при объединении.
Как посчитать число заказов и выручку по клиенту? Через группировку: df.groupby('user_id')['amount'].agg(['count', 'sum']). Как это устроено внутри, хорошо объясняет руководство pandas по groupby.
Почему после merge строк стало больше? Ключ объединения во второй таблице не уникален, и каждая строка первой таблицы размножилась. Защититься помогает параметр validate='many_to_one': pandas выдаст ошибку, если дубли есть. Этот и другие параметры описаны в разделе про объединение таблиц.
Что делать с пропусками? Сначала понять, откуда они взялись. Пустая сумма заказа может значить «заказ отменён», и тогда заменять её нулём неправильно. Интервьюер ждёт, что вы спросите про данные, прежде чем писать fillna(0).
Почему apply медленный? Он вызывает функцию для каждой строки отдельно. Векторные операции вроде df['a'] * df['b'] считают весь столбец сразу и работают в разы быстрее.
Если pandas пока знаком по двум урокам, начните с практики: подборка курсов по pandas поможет найти программу с заданиями на реальных датасетах.
CheckroiПодборка курсов по Python571 курс • 50 школСравните цены, школы, программу и найдите выгодные предложения по обучениюСравнить→
Тест от CheckroiЗаменит ли ИИ аналитика?Прогноз до 2030: какие задачи автоматизируются, что останется за человеком и какие навыки помогут остаться востребованным. 30 секунд, без регистрации.Пройти тестСтатистика и A/B-тесты на собеседовании
Статистику упоминают в 28 % вакансий, A/B-тесты в 13 %. Чаще всего её спрашивают в продуктовых командах, где решения принимают по итогам экспериментов. Вот вопросы, которые встречаются чаще других.
Когда медиана лучше среднего? Когда в данных есть сильные выбросы. Если девять клиентов потратили по 1000 ₽, а один 100 000 ₽, среднее будет 10 900 ₽ и не опишет ни одного реального клиента. Медиана останется 1000 ₽.
Что такое p-value? Это вероятность получить такую же или ещё большую разницу между группами при условии, что на самом деле разницы нет. Маленькое p-value говорит, что случайностью результат объяснить трудно. О величине эффекта оно ничего не говорит.
Чем ошибка первого рода отличается от ошибки второго? Ошибка первого рода: увидели эффект, которого нет. Её вероятность задают заранее, обычно 5 %. Ошибка второго рода: эффект был, а тест его пропустил. Мощность теста, то есть вероятность эффект заметить, обычно планируют на уровне 80 %.
Почему нельзя остановить тест, как только он «покрасился»? Если каждый день смотреть на результат и остановить тест при первом хорошем p-value, ложных побед окажется заметно больше заявленных 5 %. Размер выборки считают до старта и дожидаются его.
Какой тест выбрать для сравнения средних чеков? Часто берут t-тест Уэлча: он не требует одинакового разброса в группах. В Python это ttest_ind(a, b, equal_var=False) из библиотеки SciPy.
Если две метрики растут вместе, одна вызывает другую? Необязательно. Продажи мороженого и число солнечных ожогов растут летом одновременно, но причина у них общая. Подробнее о том, как не обмануться, рассказываем в статье что такое корреляция.
Как отвечать на вопросы по статистике. Сначала определение своими словами, потом пример из жизни. Формулу пишите, только если попросят: интервьюеру важнее понять, что вы применяете метод осознанно.
Полный цикл эксперимента от гипотезы до решения мы разобрали в материале как проводить A/B-тестирование. Отдельно тему можно закрыть на курсах по A/B-тестам.
CheckroiПодборка курсов по A/B-тестированию146 курсов • 22 школыСравните цены, школы, программу и найдите выгодные предложения по обучениюСравнить→
Продуктовые кейсы: как разбирать «упала метрика»
Кейсы на собеседовании аналитика проверяют ход мысли, синтаксис здесь почти не нужен. Самый популярный звучит так: «Во вторник число активных пользователей упало на 15 %. Что будете делать?»
Слабый ответ сразу называет причину: «наверное, сломалось приложение». Сильный ответ идёт по шагам.
- Проверить данные. Не сломался ли сбор событий, не поменялось ли определение активного пользователя, дошли ли логи за весь день.
- Сравнить с прошлыми неделями. Возможно, вторник всегда проседает, или накануне был праздник.
- Разбить на сегменты. Платформа, версия приложения, регион, источник трафика, новые и старые пользователи. Обычно падение сидит в одном сегменте.
- Сопоставить с событиями. Релиз, остановленная реклама, сбой у платёжного партнёра, изменение в поиске.
- Предложить действие. Кого позвать, что откатить, какую метрику смотреть завтра.
Второй тип кейса касается выбора метрики. Например: «Мы добавили кнопку повтора заказа. Как понять, что она работает?» Хороший ответ называет главную метрику (доля повторных заказов), контрольную (средний чек, чтобы не упал) и способ проверки через A/B-тест.
Такие кейсы особенно любят в продуктовой аналитике. Чем эта роль отличается от аналитика данных, мы рассказали в статье кто такой продуктовый аналитик.
Канал основателя Checkroi Вани БуявцаЗабирайте промпты и обучение по нейросетям в моём Телеграм-каналеБольше 3 700 человек уже применяют Claude Code, ChatGPT и другие нейросети в работе, учёбе, бизнесе и жизниПерейти в каналТестовое задание для аналитика данных
Тестовое задание дают реже, чем техническое собеседование, но к нему стоит готовиться отдельно. Встречаются три формата.
Набор SQL-задач. От пяти до пятнадцати запросов к учебной базе, обычно на пару часов. Проверяют корректность и читаемость.
Датасет и вопрос бизнеса. Например, выгрузка заказов и вопрос «почему упала выручка». Сдают ноутбук с кодом и короткий отчёт с выводами. Здесь чаще всего теряют баллы за то, что отчёта нет, есть только графики.
Дашборд. Собрать отчёт в Power BI, DataLens или Superset по готовым данным. Смотрят, какие метрики выбраны и можно ли прочитать дашборд без автора.
На разумное тестовое уходит несколько часов. Если задание тянет на неделю работы без оплаты или данные похожи на реальную задачу компании, уточните условия до начала. Как решить, делать ли такое тестовое вообще, разобрали в статье про тестовые задания при приёме на работу.
Один вопрос, два уровня ответа
На одни и те же вопросы джуну и мидлу засчитывают разные ответы. Эта таблица помогает понять, какой глубины ждут от вас.
| Вопрос | Ответ, который засчитают джуну | Чего ждут от мидла |
|---|---|---|
| Чем LEFT JOIN отличается от INNER? | Правильное определение и пример на двух таблицах | Плюс ловушка с условием в WHERE и размножение строк при неуникальном ключе |
| Что такое retention? | Доля пользователей, вернувшихся через N дней | Как считать по когортам (группам по дате регистрации) и почему общий retention врёт при росте трафика |
| Как проверить гипотезу? | Разделить пользователей на две группы и сравнить метрику | Размер выборки, мощность, контрольные метрики, риск подглядывания |
| Выручка выросла на 10 %. Это хорошо? | Уточнить, по сравнению с чем | Разложить на число покупателей, частоту и средний чек, проверить сезонность и цены |
| Как ускорить медленный запрос? | Убрать лишние столбцы, отфильтровать раньше | План выполнения, индексы, особенности ClickHouse или PostgreSQL в вашей компании |
Вопросы про опыт и мотивацию
На HR-скрининге и в финале спрашивают не только технику. Вот что звучит чаще всего и как к этому подготовиться.
Расскажите о себе. Хватит минуты: чем занимались, почему пришли в аналитику, какой проект покажете. Биографию со школы не нужно.
Почему аналитика данных? Сработает конкретный эпизод: «на прошлой работе я собрал таблицу по возвратам и нашёл, что половина приходится на один склад». Общие слова про любовь к цифрам запоминаются хуже.
Расскажите о проекте, которым гордитесь. Удобна схема STAR: ситуация, задача, ваши действия, результат в цифрах. Результат «отчёт стали смотреть каждый понедельник» тоже считается, если он правда был.
Была ли у вас ошибка в данных? Вопрос проверяет честность. Расскажите, как нашли ошибку, что исправили и какую проверку добавили, чтобы она не повторилась.
Почему уходите с прошлого места? Отвечайте спокойно и без претензий к бывшему работодателю. Готовые формулировки собрали в статье про причину увольнения.
Собеседование аналитика данных без опыта
Без коммерческого опыта главным аргументом становятся проекты, которые можно открыть и проверить. Один проект с понятным вопросом и выводом весит больше пяти учебных тетрадок с одинаковым датасетом «Титаника».
Хороший учебный проект отвечает на вопрос бизнеса. Например, по открытым данным о продажах выяснить, какие товары покупают вместе, и предложить, что поставить рядом на полке. В описании для работодателя нужны вопрос, данные, метод, вывод и что бы вы сделали дальше.
Второй аргумент дают навыки из смежной роли. Маркетолог, который считал воронку продаж, или бухгалтер, собиравший сводные таблицы, уже умеет работать с данными. На собеседовании это стоит показать на примерах. Про резюме и сопроводительное письмо под отклик есть отдельная инструкция.
Какие вопросы задать работодателю
В конце собеседования вас спросят, есть ли вопросы. Их отсутствие выглядит как равнодушие к работе. Вот что полезно узнать.
- Кто будет ставить задачи и кому я буду показывать результаты?
- Какие данные уже собраны и где они лежат?
- Какой задачей я займусь в первый месяц?
- Есть ли в команде другие аналитики, кто будет проверять мой код?
- Как в компании принимают решения по итогам анализа?
Ответы помогают заметить тревожные сигналы. Если данных нет и собирать их некому, вам предстоит работа инженера данных под названием аналитика. Если на вопрос о задачах отвечают «всё подряд», первые месяцы уйдут на выгрузки по запросу.
План подготовки к собеседованию на 14 дней
Двух недель хватит, если база уже есть. Если SQL вы видите впервые, растяните план на месяц.
| Дни | Что делать | Как понять, что готово |
|---|---|---|
| 1–4 | SQL: JOIN, группировки, подзапросы, оконные функции. По 5–10 задач в день на тренажёре | Задачи из этой статьи решаются без подсказок за 10 минут |
| 5–6 | pandas: groupby, merge, пропуски, даты | Можете повторить SQL-задачи в pandas |
| 7–9 | Статистика и A/B-тесты: среднее и медиана, p-value, ошибки, размер выборки | Объясняете каждое понятие другу без формул |
| 10–11 | Два-три продуктовых кейса вслух с таймером | Разбор «упала метрика» укладывается в 10 минут |
| 12 | Рассказ о себе и о главном проекте | Укладываетесь в минуту и две минуты |
| 13 | Пробное собеседование с другом или ментором | Получили список слабых мест |
| 14 | Повторить слабые темы, отдохнуть | Список вопросов работодателю готов |
Совет перед техническим этапом. Решайте задачи вслух даже дома. Если на собеседовании долго сидеть над кодом без слов, это выглядит как растерянность, даже когда вы просто думаете.
Частые ошибки на собеседовании аналитика
Писать запрос молча. Интервьюер не видит хода мысли и не может подсказать.
Решение: проговаривайте план до кода, например «сначала отфильтрую сентябрь, потом сгруппирую по клиенту».
Не уточнять условие. Что считать активным пользователем? Учитывать ли отменённые заказы? Кандидат, который не спросил, решает не ту задачу.
Решение: задайте один-два уточняющих вопроса перед решением.
Не проверять крайние случаи. NULL в сумме, два заказа в одну секунду, пустая таблица. Именно на них построены подвохи в задачах выше.
Решение: после запроса мысленно прогоните по нему две-три неудобные строки.
Путать корреляцию и причину. «Пользователи с push-уведомлениями покупают чаще, значит, уведомления работают». Возможно, их включают как раз самые активные.
Решение: предложите проверить эффект экспериментом.
Готовить только SQL. Техническая часть пройдена, а на кейсе кандидат теряется.
Решение: оставьте в плане время на кейсы и рассказ о себе.
Где подтянуть SQL, Python и статистику
Самостоятельной подготовки часто хватает, если база уже есть. Если нет, быстрее пройти курс с практикой на реальных данных и разбором тестовых заданий. Ниже программы из нашего каталога, которые готовят именно аналитиков данных.
| Курс | Школа | Стоимость со скидкой | В рассрочку | Длительность | Обзор курса от Checkroi |
|---|---|---|---|---|---|
| Аналитик данных с нуля Перейти на сайт курса | Skillbox | 126 936 ₽ | 4994 ₽/мес. | 4 месяца | Обзор курса |
| Профессия «Аналитик данных с нуля до middle» Перейти на сайт курса | Нетология | 145 600 ₽ | 6066 ₽/мес. | 12 месяцев | Обзор курса |
| Профессия «Аналитик данных» Перейти на сайт курса | Нетология | 84 200 ₽ | 4156 ₽/мес. | 8 месяцев | Обзор курса |
| Аналитик данных Перейти на сайт курса | SkillFactory | 145 008 ₽ | 4028 ₽/мес. | 6 месяцев | Обзор курса |
| Аналитик данных: тариф PRO Перейти на сайт курса | Эдюсон | 136 395 ₽ | 5683 ₽/мес. | 8 месяцев | Обзор курса |
| Аналитик данных: тариф Базовый Перейти на сайт курса | Эдюсон | 109 900 ₽ | 4579 ₽/мес. | 6 месяцев | Обзор курса |
| Аналитик данных: расширенный курс Перейти на сайт курса | Нетология | 129 200 ₽ | 4786 ₽/мес. | 14 месяцев | Обзор курса |
| Аналитика данных с МФТИ Перейти на сайт курса | Нетология | 213 600 ₽ | 12 361 ₽/мес. | 10 месяцев | Обзор курса |
| Mini-MBA. Аналитик данных Перейти на сайт курса | SF Education | 149 975 ₽ | 8331 ₽/мес. | 5 месяцев | Обзор курса |
| Инструменты аналитики данных Перейти на сайт курса | Эдюсон | 65 900 ₽ | 5491 ₽/мес. | 4 месяца | Обзор курса |
Больше программ — в полном каталоге курсов для аналитиков данных
После оффера пригодится статья о том, сколько зарабатывает аналитик данных: она поможет понять, какую сумму называть на переговорах. А если вы ещё выбираете между направлениями, сравните роль с SQL-аналитиком и BI-аналитиком.
