Как найти аналитическую работу

Этот текст написан в Сообществе, в нем сохранены авторский стиль и орфография

Работа, особенно если это новая работа, может открыть заново человека, главное чтобы у него было желание.

Меня зовут Светлана, я мама в декрете, успешный маркетолог в прошлом, закончила учебу на курсе — «Аналитик данных» и сейчас продолжаю учиться уже в магистратуре по направлению «Наука о данных». Я нашла работу аналитиком данных, будучи в декрете, после курсов, без опыта и без математического высшего образования, живя не в Москве

Площадки для поиска вакансий

По факту поиск работы после курсов мало отличается от поиска работы после вуза. Знания вроде есть, но они не проверены в боевых условиях, глаза горят, но кто на них купится — непонятно. Как истинный маркетолог любое новое действие я перевожу в простые и понятные объекты. Попробуем представить себе трудоустройство как процесс поиска идеальной компании из всего пула компаний, представленных на рынке, и получение предложения о работе.

Если посмотреть на тот же процесс глазами HR, то будет то же самое — процесс поиска идеального кандидата из всех и предложение ему работы. Везде воронки, которые с каждым этапом отсеивают нерелевантные предложения и оставляют самый сок. В маркетинге — это воронка клиентов, тут — воронка трудоустройства.

Рассмотрим воронку трудоустройства со стороны компании. Слева у нас те кто перешел на следующий этап воронки, справа — те, которым отказали. Все цифры условны. На интересные позиции эйчар обычно получает много резюме. Наша задача — создать такое резюме которое заметят, отложат, отправят тестовое и впоследствии донесут до стола руководителя. Про резюме мы поговорим еще ниже, но только успех на каждом этапе приведет вас к получению предложения о работе. Понятно, что не всегда соискатель проходит все этапы воронки трудоустройства, иногда на связь сразу выходит руководитель, если заметил в резюме специалиста, которого ищет.

Хедхантер. Это популярный агрегатор вакансий и резюме. Плюсы: большая база данных, легкое заполнение резюме, есть свой бот в вайбере, который тоже помогает в поиске. Минусов для соискателей нет, зато они есть для компаний. Размещение вакансии платное, просмотр резюме платное, не очень удобный интерфейс, из-за которого ваше сопроводительное письмо может легко затеряться.

Хабр. Это крупное русскоязычное комьюнити. В огромной базе «Хабр.Карьеры» есть актуальные вакансии по всем ведущим сферам ИТ-индустрии и всё больше работодателей перебираются на эту площадку. Плюсы площадки для соискателя — это возможность создать свое резюме, которое легко связать со своим профилем на Хабре. Можно видеть рейтинги компании до трудоустройства. Сервис позволяет узнать текущую зарплату по любой специальности ИТ-отрасли

Сталкивалась с этим на Хедхантере — название вакансии не соответствует задачам. В этом примере искали маркетолога-аналитика, а по факту это описание ближе к product manager. Не знаю, как на других ресурсах с этим. Тут поможет поиск не по названию а по ключевым словам — анализ, SQL, Python, нейросети и т.д.

Резюме и дополнительный опыт

Есть в маркетинговой среде книга «Точки контакта». Она описывает процесс контактов клиента с компанией. Цель книги — объяснить, что чем больше клиент будет в восторге от этих контактов, тем больше у вас шансов ему продать. Резюме — это то, что продает. Эдакое коммерческое предложение с описанием выгод для покупателя (HR). Это то, что продает вас на начальных этапах воронки трудоустройства, поэтому оно должно быть великолепным, чтобы купили сразу и даже не сомневались в своем выборе.

Представим, что вы уже руководитель отдела Data Science, ищите человека. И вот на столе лежит резюме, вы бы себя взяли на работу? Вот так вот, только честно. За что этот руководитель будет вам платить? За то что закончили курсы — гм, нет мимо. Или за коммуникабельность и обучаемость — нет, за это тоже не платят. Платят за пользу компании, желательно выраженную в деньгах.

Указывайте итоги работы или учебы и достижения. Старайтесь использовать формулировки «делал, сделал, реализовал, улучшил — что-то конкретное и с конкретным результатом», а не «делаю уже три года одно и то же». Если есть возможность прописать цифры / + 30% к достижениям в World of Tanks за 1 месяц:) / обязательно пишите. Если вы проходите курсы параллельно работая, подумайте как можете применить новые знания на старом месте- во первых это реальный опыт а не учебный кейсы. Во вторых — этот опыт потом можно указать в резюме. В третьих — быть может и работу менять не придется — а новая должность и новый оклад ждет вас в старых стенах.

Сопроводительное письмо

Я была со стороны HR и искала сотрудников, поэтому знаю что в интерфейсе Хедхантера возможно не заметить сопроводительное письмо, которое вы долго и старательно писали. Просто потому что интерфейс личного кабинета рекрутера такой. Но писать надо. Часто в вакансиях внизу можно увидеть: «Если вы дочитали до конца — отправьте нам сопроводительное с таким текстом». Эйчары не резиновые, а ответов может приходить очень много, большинство из которых не пройдут и первоначальных отбор. Наша задача отбор пройти — поэтому пишем.

Мне кажется сейчас не то время, когда можно относиться к работе только как к способу заработка денег. По большому счету устроиться на работу — это как начать новые отношения. Присматриваясь к описанию вакансии, отсылая сопроводительное мы посылаем друг другу слабые сигналы о том, что вот он тот единственный вариант который нужен. Веерная рассылка убивает всю возможность оставить о себе неизгладимое впечатление. А точно составленное сопроводительное письмо, которое расскажет о вас, и о том как приглянулась эта компания приведет к долгим и счастливым отношениям.

Я писала в сопроводительном о том, чем я могу помочь компании — даже если должность предполагает немного другой функционал. Такой формат сработает потому, что будет заметно что вам интересна компания, интересна вакансия, вы готовы тратить время чтобы изучить возможного работодателя. Одно из моих писем было размером А4. Потом уже, после переговоров, я узнала, что оно зацепило будущего руководителя.
Ответьте своим сопроводительным на немой вопрос рекрутера — “почему я должен пригласить именно тебя?”

Тестовые задания

Я кайфую от тестовых заданий — это такая серединка между курсами с подготовленными датасетами и реальной работой. Я использовала тестовые задания чтобы дополнительно прокачать те навыки которые на работе я не использовала или на курсах давали не развернуто. Например мы очень поверхностно прошли SQL, а он требуется в работе аналитика часто. Так же Excel, если основные знания уже есть — например ВПР, сводные таблицы и сложные, составные функции — проходить собеседование и работать в дальнейшем намного легче.
Тестовые это отличная практика в условиях приближенных к реальным. Ограниченное время, неясные формулировки и, возможно, задачи с которыми раньше не сталкивался.

Примеры тестовых заданий, в которых можно прокачать определенные навыки:

• качаем SQL;
• аналитика в Excel;
• тестовое Авито;
• кластеризация текстов;
• тестовое на английском + первый датасет + второй датасет;
• тестовые задания Яндекса.

Часто в компаниях от аналитика требуется уметь не только анализировать данные, но и представлять их в удобном виде для руководства и коллег.

В этом поможет задания на визуализацию в Bi системах на марафонах:
Для Bi системы Яндекса — Datalens

Марафон заданий для популярного Tableau

Собеседования

Вот мы прошли множество этапов и оказались лицом к лицу перед ясными очами руководства. Дальше только трудоустройство и поэтому этот этап надо пройти блестяще. Как нам показать себя и выделиться среди остальных претендентов? Ваша цель — максимально расписать выгоду для компании, которое принесет ваше сотрудничество.

Посмотрим на собеседование глазами руководителя — будь это руководитель группы аналитиков, продакт менеджер или генеральный директор. Цель найма одна — получить от нового сотрудника выгоды (прибыли) больше, чем этот сотрудник будет стоить для компании. Именно сейчас появляется шанс, которым обязательно надо воспользоваться и показать, что компания получит если возьмет именно вас на работу.

Изучите компанию вдоль и поперек — их продукты, сайты. Попробуйте купить что то или заказать звонок. Найдите прямых или косвенных конкурентов и посмотрите их преимущества и недостатки. Найдите точки, где ваша работа, как аналитика, может быть полезна уже сейчас. Именно такой взгляд и эти идеи можно и нужно рассказывать на собеседовании. Именно эти идеи могут помочь вам попасть в компанию, а компании впоследствии использовать их для развития. Зачетно, если это будет сделано в Bi системе — закроем сразу вопрос знаний и умений в визуализации и анализа данных из открытых источников.

Если у вас есть опыт в веб-аналитике, но нет в продуктовой аналитике, говорите, что готовы показать свое мастерство работы в Яндекс.Метрике или Google Аналитике. Настроим аналитику там, а значит можем сэкономить компании деньги и быстрее впишемся в коллектив.

Возьмите и оцифруйте свой предыдущий опыт работы, даже если он не релевантен. Краткая презентация о себе с цифрами, успехами, заслугами и даже поражениями. Качаем PowerPoint, и показываем навыки презентации. Снижайте опасение компании из-за возможно неправильного найма.

Разговоры о зарплате. Для меня честно говоря это самый трудный момент, оценить себя в деньгах, надеюсь что для вас вопрос будет легким. Посмотрим на зарплату глазами человека, который платит деньги — если трудоустройство прошло успешно, тогда прибыль компании будет больше затрат на сотрудника. Зарплата может быть сколько угодно большой, если она меньше той прибыли, которую генерирует сотрудник, то есть вы.

Трудности

Как только я вышла на тропу войны (тропу поиска работы) я столкнулась с трудностями. Те руководители, для которых найм аналитика в компанию проходит впервые, стали спрашивать меня, как я могу использовать свои навыки с курсов в работе. Как бы да, они понимают что анализ им нужен и аналитик теперь это модно но… Как ему понять, что анализ данных и дальнейшие действия смогут увеличить прибыль компании…
Тавтология. В этот момент становиться понятно что многим не понятно как с помощью анализа делать реальные деньги.

Мы не берем в расчет большие компании со штатом аналитиков больше сотни. Но есть множество тех, кто только начинает свой путь в Data Driven и стремиться выстроить продажи, закупки с учетом аналитики.
Поиграем! Наша задача научиться показывать выгоду от аналитики любому человеку, даже тому, кто достаточно далек от этой сферы. Вы пришли к бабушке, дедушке, маме, подруге и ваша задача — придумайте 2-3 проекта в аналитике данных, который бы заинтересовал и был полезен в их деятельности.

Например, я начну: моя мама — учитель в школе. Можно спарсить олимпиадные задания по разным регионам последних лет и выдавать списки таких заданий для подготовки ее учеников. Ученики побеждают — учитель получает премию. А если бы это была частная школа — тогда я бы предложила построить модель, которая на основании оценок в школе могла предсказать какую сферу выберет потом школьник, где он будет сильнее и успешнее. Повышаем привлекательность школы в глазах будущих учеников.

Подруга работает в производстве и распространении медицинских вебинаров. Можно предложить ей кластеризовать базу клиентов и делать рассылки за счет этого более “умными”.С акциями которые сработают для конкретного кластера.А можно за счет анализа
статей на медицинских порталах — предсказывать тренды и темы для будущих семинаров. Ее компания растет и опережает конкурентов. Кажется, что это просто игра, но на самом деле возможность находить применение своим знаниям и умениям пригодиться не только на этапе собеседования но и в работе, когда вы будете генерировать гипотезы для роста и развития компании.

Выводы

1. Сделать идеальное резюме.
2. Подписаться на каналы в Телеграме, Фейсбуке.
3. Уменьшить конкуренцию — искать вакансии по описанию, ключевым словам.
4. Решить пять тестовых заданий.
5. Принять участие в двух хакатонах.
6. Применить новые навыки на старой работе или учебе.
7. Рассказать «бабушке» об аналитике.
8. Дойти до переговоров в двух компаниях.
9. Получить оффер.

Продолжая отвечать на вопрос «Как стать аналитиком?», сегодня мы рассмотрим, что за книги читать, куда пойти учиться, какие курсы выбрать, чем полезно самостоятельное обучение и где найти работу без опыта: практические советы будущим и начинающим бизнес-аналитикам, системным и продуктовым, а также веб- и аналитикам данных.

Каждому аналитику – свой путь

О том, что аналитики бывают разные и каждый из них работает с определенным кругом задач и специальных инструментов, мы уже рассказывали здесь и здесь. Вкратце повторим: чтобы понять, каким аналитиком вы хотите стать, задайте себе вопрос, что именно вы хотите анализировать: данные, бизнес или программные продукты, работать с продуктовыми метриками, строить воронки продаж, искать закономерности в данных, улучшать производственные процессы или интерфейсы взаимодействия информационных систем. Сопоставив свои склонности с анализируемым предметом и используемым для этого инструментарием с помощью этой простой схемы, вы поймете, что хотите стать, например, бизнес-аналитиком или желаете развиваться в области аналитики данных.

Что читать и где учиться?

После того, как вы определились с профилем, можно строить пошаговый план вхождения в профессию. Однако, чтобы выбрать подходящие курсы по аналитике данных, системному или бизнес-анализу, нужно сперва попробовать самостоятельно понять интересующую специализацию. Для этого начните с материалов, которых полно в открытом доступе: бесплатные курсы, статьи и видео. В частности, у нас в блоге много обучающих статей по бизнес-анализу для новичков, а также открытые тесты по различным прикладным вопросам. Из классиков советую книги «Реинжиниринг корпорации. Манифест революции в бизнесе» (Майкл Хаммер и Джеймс Чампи, 2007 г.), «Бережливое производство. Как избавиться от потерь и добиться процветания вашей компании» (Джонс Дэниел Т., Вумек Джеймс П., 2020 г.). Также в обязательном must-read списке для начинающих системных и бизнес-аналитиков «Разработка требований к программному обеспечению» (Карл И. Вигерс, Джой Битти, 2016 г.) и более краткий вариант от российского автора «Требования для программного обеспечения: рекомендации по сбору и документированию» (Илья Корнипаев, 2014 г.). А вот профессиональное руководство по бизнес-анализу BABOK®Guide не очень подойдет новичкам, т.к. рассчитано на читателей с опытом практической работы.

По аналитике данных и матстатистике очень хвалят бесплатный вводный курс Анатолия Карпова на платформе Stepik. Также стоит попробовать бесплатный курс по основам Python и анализа данных от Яндекс.Практикум, чтобы понять, какие задачи решает аналитик данных.

Для начинающих веб-аналитиков рекомендую прежде всего освоить инструментарий Google Analytics, Google Search Console и Яндекс.Метрики. Для продуктовых аналитиков пригодится курс по BI-аналитике на платформе Coursera, а также книги «Разработка ценностных предложений. Как создавать товары и услуги, которые захотят купить потребители» (Остервальдер Александр, Пинье Ив, 2020 г.), «Маршрут построен! Применение карт путешествия потребителя для повышения продаж и лояльности» (Балахнин Илья, 2019 г.) и «Как создать продукт, который купят. Метод Lean Customer Development» (Альварес Синди, 2019 г.).

Самостоятельно изучив основы, двигаться дальше можно с опытным наставником в рамках платных курсов. Платить стоит только за то обучение, которое будет по-настоящему полезным и оперативно окупится быстрым выходом на работу. Поэтому, выбирая курсы бизнес-анализа или, например, продуктовой аналитике, внимательно посмотрите программу: чему вас собираются учить и насколько это сегодня востребовано на рынке. Для этого изучите требования к кандидатам на сайтах с вакансиями (HeadHunter, SuperJob, Мой Круг и т.д.). Также для этого подойдут популярные сегодня телеграмм-каналы. К примеру, в TG-чате «Работа ищет аналитиков» можно не только посмотреть требования к вакансиям от прямых работодателей и HR’ов, но и получить ответ на вопрос по системному и бизнес-анализу, продуктовой и веб-аналитике, а также аналитике данных.

Также рекомендую вступить в профессиональный чат аналитиков, где можно проконсультироваться с коллегами, обсудить рабочую задачу и даже просто поболтать. Такие сообщества по интересам отлично держат в контексте и помогают обмениваться опытом с коллегами из других городов и стран.

Зачем нужны платные курсы, если все есть онлайн и бесплатно?

О том, как выбрать курс онлайн-обучения, я написала отдельную статью. Чтобы не повторять ее здесь, подчеркну, что самостоятельное погружение в профессию аналитика для изучения основ не лучше и не хуже специализированных курсов, просто эти 2 способа обучения в корне отличаются друг от друга характером и режимом. Интерактивный курс, когда вы не просто читаете материал, выполняете задания и смотрите видео, а непосредственно взаимодействуете с преподавателем/инструктором/тренером вживую или онлайн, предполагает быстрое освоение темы за счет интенсивного погружения в нее и внешнего воздействия. Четкий график занятий и заплаченные за курс деньги стимулируют слушателя дойти до конца, а не бросить обучение из-за напряженного графика повседневной жизни и/или сложностей в понимании материала.

Самостоятельный режим обучения на открытых курсах дает больше свободы в организации учебы, но требует высокого уровня дисциплины и времени, что не всегда имеется в нужном количестве у взрослых и даже очень мотивированных людей. Кроме того, возможность задать вопрос и быстро получить подробный ответ от опытного наставника порой помогает понять неочевидные тонкости изучаемой темы и усвоить материал лучше, чем сотни статей и видео-лекций. А практические примеры и кейсы, которыми преподаватель поделится с вами, сэкономят время и силы при решении подобных задач в реальной жизни.

Я успешно закончил курсы и что дальше: как найти работу аналитиком без опыта

Наконец, самый животрепещущий вопрос всех молодых специалистов и недавних выпускников ВУЗов или образовательных онлайн-программ от различных учебных центров: как найти работу без опыта? Действительно, многие учебные центры в описании своих курсов обещают трудоустроить слушателей еще во время учебы. Они включают в обучение некоторые тестовые задания и типовые кейсы от работодателей, могут организовать собеседование, «ярмарку вакансий» или встречу с кандидатами по типу «быстрых свиданий» (speed-dating).

Однако, не следует возлагать слишком большие надежды на такие мероприятия: вам могут не подойти или не понравиться эти предложения. Поэтому, как обычно, спасение утопающих – дело рук самих утопающих, ищите работу самостоятельно: на сайтах с вакансиями, в TG-каналах, спрашивайте у знакомых. На первый период подойдет даже практика и/или стажировка с минимальной оплатой. Однако, не стоит задерживаться на позиции стажера дольше пары месяцев, за которые вы поймете основы практической работы. Уважайте свой труд: он должен оплачиваться соразмерно той пользе, которую вы, как аналитик, приносите бизнесу.

Также имеет смысл поискать возможности приобретения практического опыта в качестве аналитика на текущем месте работы. Например, если вы давно трудитесь в качестве штатного сотрудника или руководителя и знаете особенности своей предметной области, можно предложить варианты оптимизации процессов или структур, чтобы комплексно или частично улучшить продукт или организацию деятельности. Попробуйте лучше понять своих покупателей, точно сегментировав целевую аудиторию с помощью Google Analytics, составьте корпоративную карту создания потоков ценности для устранения неэффективных циклов в бизнес-процессах, поищите закономерности в накопившихся массивах данных или найдите другие полезные для бизнеса инсайты. Этот способ приобретения практических навыков особенно актуален для так называемых «свитчеров» – состоявшихся специалистов, которые планируют перейти в аналитики, но не хотят уходить в новое место на минимальную зарплату junior’а со своего привычного уровня.

Для начинающих бизнес-аналитиков и руководителей Школа прикладного бизнес-анализа нашего лицензированного учебного центра обучения и повышения квалификации приготовила есть специальный курс «Основы бизнес-анализа для начинающих», на котором вы узнаете все, что нужно для успешного начала профессиональной деятельности.

---

Я физик и работаю в стартапе YCombinator. Из-за специфики работы компании я получаю много писем с просьбами дать советы по построению карьеры в области анализа данных.

Зачастую разными людьми задаются похожие вопросы. Благодаря тому, что я получаю большое количество таких писем и отвечаю на них, у меня появились шаблонные ответы на часто получаемые вопросы.

Пару дней назад я получил письмо, в котором задавалась куча вопросов, обычно задаваемых по одному, каждый в отдельном письме. Я написал ответ, отправил его и понял, что я мог бы поделиться своими ответами с людьми, чтобы их могли увидеть все, у которых по неизвестной им причине есть затруднения с поиском работы.

На каждого человека, задающего вопрос, приходится десять человек, задающихся тем же вопросом, но не озвучивающих их. Если вы один из этих десяти, то эта статья для вас. Надеюсь, она будет полезной.

Вот письмо, которое я получил:

От: Лонни[имя изменено]

Тема: Попытки получить работу в области машинного обучения

Я человек, не окончивший ВУЗ (начну с этого, потому что, видимо, если ты не родился с докторской степенью по физике и пятнадцатью годами работы в сфере аналитики данных, то что-то пошло не так). […] Пока я пытался постичь маркетинг, я понял, что мне очень нравится работа с данными. Сначала я прошел квалификационное тестирование A / B, получив сертификат Google в Google Analytics и Optimizely. Затем начал работать с Python, SQL, и т.д. И вот, недавно я окончил обучение в известном буткэмпе по науке о данных и теперь пытаюсь пройти интервью. Я отправил более 100 копий резюме, но получил катастрофически мало приглашений.

Для поддерживания уровня я прохожу программы Udacity NanoDegree и Dataquest.io.

[…]

Я думаю, что неоконченное высшее образование мешает мне. Ведь проблема не в отсутствии навыков: мне даже не удаётся получить возможность пройти интервью, чтобы продемонстрировать их.

У меня было интервью в крупной компании. Это был мой первый опыт написания кода на доске, поэтому всё прошло не так хорошо, как хотелось бы.

У меня было задание на дом от крупного стартапа: анализ выживаемости, но я никогда этим не занимался ранее, поэтому и это у меня вышло хуже, чем ожидалось.

У меня было задание от крупной корпорации, которое я выполнил, но на личной встрече они не взяли меня из-за отсутствия образования (это глупо, ведь у них было моё резюме и до этого).

Остальное: совсем ничего

[1]

Мой ответ

Привет, Лонни! Большое спасибо за обращение.

Реальность такова: в некоторых случаях процент приёма на интервью может быть 2–3%, в зависимости от того, куда ты отправляешь резюме. Этому есть две причины, о которых ты можешь даже не знать.

“Затерянный в толпе”

Первая причина — многие HR-команды используют систему для трекинга кандидатов: она определяет, откуда чаще приходят лучшие работники. Если ты подаёшь заявку через ресурс с плохим рейтингом в прошлом, рекрутеры потратят на тебя гораздо меньше времени. 

Например, если подаёшь на техническую вакансию через Indeed, вероятность того, что тебя возьмут, очень мала. Слишком много людей пользуется этим способом. Это значит, что человек, подающий резюме через Indeed, скорее всего, будет среднестатистическим соискателем. Поэтому специалист по подбору кадров лишь пробежится глазами по резюме, так как заранее будет думать, что оно совершенно непримечательное.

Эту проблему можно обойти, подавая резюме через сайты, о которых люди не так много знают. Такими являются, например, Key Values и Work At A Startup. Если вы отправляете резюме через такие малоизвестные и специализированные сайты, у работодателя создаётся впечатление, будто вы намеренно ищете работу именно у них. Среднестатистический соискатель с таких ресурсов, как правило, ценится выше. Поэтому компании уделяют больше внимания резюме людей, пришедших с относительно малоизвестных источников.

Политика офиса

Вторая причина, почему не стоит подавать резюме через известные биржи вакансий — компании размещают вакансии не для того, чтобы найти людей, которых они действительно хотят нанять. 

Это звучит абсурдно: зачем же они тогда размещают эти объявления? Для начала, нужно понять, что в большинстве крупных компаний отдел по подбору кадров и инженеры-разработчики мало связаны между собой. Отдел по подбору персонала как раз-таки и размещает вакансии на Indeed.

К несчастью, в отделе HR вряд ли много разработчиков, поэтому они не могут определить по резюме, какие из кандидатов действительно окажутся хорошими кадрами. Они определяют это по сертификации, то есть, диплом ВУЗа или опыт работы в крупной компании.

Вот она, тёмная правда того, почему ответ поступил лишь на 2–3% отправленных резюме: отдел HR не может отличить стоящие резюме от не очень качественных. Поэтому они просто говорят “Нет”, потому что не хотят тратить время на выпускников, возможно, посредственных резюме.

Есть и хорошие новости: большинство команд инженеров-разработчиков понимают, что отдел HR может отсеять талантливых кандидатов. Поэтому они набирают работников через совершенно другие каналы. Дам совет: посещай митапы по машинному обучению. Находи их, например, на meetup.com, выбирай те, которые выглядят привлекательно и иди туда.

Довольно скоро ты научишься определять, которые из них действительно стоит посетить. Это может дать очень много возможностей, поэтому задавай умные вопросы, веди продуктивные беседы и жди неизбежного “мы ищем…”.

Собеседование

Интервью для приёма на работу — тёмный, мистический ритуал. В каждой компании процесс совершенно разный, при этом каждая компания думает, что их собеседование наиболее полное и продуктивное.

Есть много способов стать лучше, но наиболее действенный — пройти через это много раз. Мой совет посещать митапы поможет и тут: чем больше ты ведёшь бесед, относящихся к работе, тем лучше ты становишься в этом. Даже если ты провалишь свои первые интервью, всё хорошо, просто не останавливайся.

Да, система очень сложна, в особенности для начинающих. Это несправедливо, но в конце туннеля виден свет: после 1–2 лет опыта компании сами начнут тебя приглашать. Награда оправдывает усилия.

---

Перевод статьи Edouard Harris: What no one will tell you about data science job applications

Как стать аналитиком данных с нуля и найти работу в этой сфере?

Все больше компаний начинают искать специалистов по анализу данных. Появляется много вакансий в этой сфере, в том числе удаленных. Например, в Яндексе. Это перспективное направление, которое хорошо оплачивается. В статье вы узнаете, как стать аналитиком данных с нуля. Пройти весь путь от обучения, в том числе самостоятельно, до трудоустройства.

В статье есть ссылки на бесплатные уроки и платные курсы, сайты с вакансиями и другие полезные ресурсы. Поэтому рекомендуем прочитать ее до конца.

Содержание статьи:

• Кому подойдет профессия?
• Какую специализацию выбрать?
• Где учиться? Обзор курсов с дипломом
• Как освоить профессию самостоятельно?
• Что нужно знать и уметь?
• Сколько можно заработать?
• Как устроиться на работу без опыта?

• Где искать вакансии начинающим?

Кому подойдет профессия?

Людям, которым нравится работа с данными: цифрами, статистикой. Хочется заниматься интерпретация данных: собрать их и сделать важные для бизнеса выводы, подготовить рекомендации.

В этой сфере нужны следующие качества:

• Хорошо развитое логическое мышление.
• Умение видеть задачу целиком, не зацикливаясь на деталях.
• Готовность к монотонной работе.
• Внимательность.
• Желание учиться и узнавать новое.

• Умение работать в команде.

В эту область приходят люди с разным образованием и опытом. Часто это вторая карьера: человек состоялся в одной специальности и хочет освоить новое направление. Либо перейти в смежную сферу.

Стать аналитиком с нуля можно самостоятельно или пойти учиться на курсах. Профильное (математическое) образование не обязательно, но совсем без подготовки не обойтись. Про то, на кого надо обучаться, расскажем ниже.

Чем занимаются аналитики? Выбор специализации

В таблице ниже собрана информация о разных направлениях в специальности. Основная задача одна – анализ и систематизация данных. Однако задачи могут отличаться.

Название специализации (по ссылкам можно перейти на более подробные статьи)	Чем занимается	Где может работать, в каких сферах востребован
Бизнес-аналитик	Формирует рекомендации для руководителей компаний по различным вопросам.	Банковский и финансовый сектор, продажи.
Финансовый аналитик	Изучает прибыли и затраты, проводит сравнение с конкурентами, ищет идеи для инвестирования.	Банки, брокерские и страховые компании, инвестиционные корпорации.
Системный аналитик	Работает в IT, может обладать навыками программирования. Помогает определить требования к ПО.	IT- компании, сфера компьютерной безопасности.
Веб-аналитик	Анализирует показатели сайта: посещаемость, конверсии и другие метрики. Работает над их улучшениями.	Онлайн-торговля, интернет-агентства.
Аналитик 1С	Работает в тандеме с разработчиками ПО и предлагает стратегии автоматизации бизнес-процессов. Консультирует сотрудников по работе в 1С.	Торговые и производственные предприятия, компании- франчайзи 1С.
Аналитик маркетплейсов	Поиск способов увеличения продаж на торговых площадках Озон, WB и других.	Вакансии предлагают Вайлдбериз, Озон и другие крупные маркетплейсы.
SMM-аналитик	Разрабатывает стратегию продвижения бизнеса в социальных сетях, анализирует клиентскую базу.	Востребованы в сферах, активно использующих SMM: торговля: ресторанный бизнес, индустрия красоты, моды.
Продуктовый аналитик	Исследует рынок, изучает потребности клиентов, анализирует спрос на продукт.	IT-фирмы, производственные компании.
Bl-аналитик	Оформляет отчетность компании. Систематизирует информацию в виде дашбордов и понятных таблиц. Помогает автоматизировать процесс составления отчетов.	Страховые компании, банки, торговля, интернет-магазины и другие компании.
UX-аналитик	Готовит рекомендации по интерфейсу и дизайну сайта.	Реклама, маркетинг, IT, торговля.
Игровой аналитик	Изучает поведение игроков, рассчитывает ожидаемую прибыльность проектов, предлагает варианты улучшения игры.	Разработчики игр.

Бизнесмены и топ-менеджеры все чаще стремятся принимать решения на основе цифр. Эксперт помогает собрать статистику и систематизировать ее, сделать выводы. Извлечь из цифр практическую пользу. Специалисты востребованы в разных сферах: IT, маркетинге, продажах, банковской отрасли, экономике.

Где учиться профессии? Обзор курсов

В таблице собраны популярные программы в онлайн-университетах. Они позволяют освоить профессию с нуля на уровне, достаточном для трудоустройства. Вы получаете системную подготовку, включая практику, и документы, подтверждающие уровень знаний.

Если вас интересуют уроки для самостоятельного обучения, пролистайте таблицу вниз – они будут под ней.

Название и ссылка на программу	Описание
Курс «Аналитик данных» в Sky.pro	Поможет освоить профессию с нуля, опыт в IT не нужен. Обучение состоит из лекций, мастер-классов, домашних заданий с проверкой. Вы научитесь: делать анализ в Excel, применять SQL, использовать Python для анализа, работать с Power BI, ориентироваться в метриках (показателях), тестировать гипотезы, проводить A/B тесты. Спикеры курса – преподаватели-практики и эксперты, сотрудники крупных компаний. Практика проходит на реальных задачах. Курс поможет стать аналитиком данных с нуля. По окончании обучения студенты будут иметь 5 проектов в портфолио, диплом установленного образца и знания, достаточные для работы.
Курс профессия Бизнес-аналитик в Skillbox	Это направление особенно востребовано во время нестабильности. Специалисты помогают компаниям повышать продажи, сокращать издержки. На курсе научат: Рассчитывать бизнес-модель. Анализировать экономику проекта. Оптимизировать процессы. Программировать на Python. Решать задачи с помощью IT. Работать с заказчиками. Работать с Excel, Google Таблицами. Не требует начальных знаний и поможет стать бизнес-аналитиком с нуля. Лекции идут в записи, поэтому обучение в Skillbox рассчитано на людей, готовых учиться самостоятельно.
Курс Профессия BI-аналитик в Skillbox	Это новая и востребованная специальность. Задача – собирать, анализировать цифры и представлять их в виде таблиц и дашбордов. Курс поможет стать аналитиком BI с нуля, без опыта в этой сфере.
Курс Основы аналитики и аналитического мышления в Нетологии	Это первый шаг к профессии: курс поможет развить качества, необходимые для работы. Специальные знания для старта не нужны. Формат обучения – видеолекции, вебинары, домашние задания, квизы. Здесь преподают: Основы статистики. Работа с Google.Таблицами. Python как инструмент анализа. SQL. Основы машинного обучения. Вы сможете понять, насколько эта сфера вам интересна. Получите начальные навыки и базовые знания, которые в дальнейшем помогут вам стать аналитиком данных с нуля.

Как освоить профессию самостоятельно? Бесплатные уроки

Вам потребуется изучить:

• Excel – для анализа и обработки числовой информации. В Клубе фрилансеров Вконтакте собрано много бесплатных видео по работе с этой программой. Пользуйтесь поиском по видео, чтобы найти нужные лекции. Excel (либо Google Таблицы) – база, с которой стоить начать, чтобы стать дата аналитиком с нуля.
• SQL – для работы с базами данных. Документация по Microsoft SQL есть в открытом доступе на официальном сайте. Бесплатные курсы по работе с SQL выложены на YouTube.
• Язык программирования Python. Он популярный и несложный. Изучить его можно по бесплатным самоучителям.

• Основы статистики. Есть в открытом доступе, например, здесь: лекции и семинары по курсу Математическая статистика от МФТИ.

Плюсом будет умение пользоваться следующими программами:

• Power BI и Tableau – для представления цифр в виде графиков и таблиц. Уроки для знакомства Power BI выложены на сайте Microsoft.

• MS Power Point – чтобы готовить презентации для клиентов. Обучающие материалы по Power Point есть в Клубе фрилансеров.

Полный перечень необходимых для работы навыков зависит от специализации. Например, чтобы стать бизнес-аналитиком, нужно хорошо разбираться в экономике, финансах.

Для самостоятельного обучения будут полезны следующие ресурсы:

• @internetanalytics – канал Алексея Никушина, основателя конференции МатеМаркетинг.
• @yandexmetrika – официальный чат пользователей сервиса Яндекс.Метрика.
• @appmetrica_chat – официальный чат пользователей AppMetrica, сервиса Яндекса.
• @excel_everyday – канал о работе в Excel.
• @google_spreadsheets_chat – чат по Google Таблицам и скриптам.
• @itanalyst_ru_chat – чат по 1С.
• Stepik.org/course/63054/info — тренажер по SQL.

• Analyst.by/library — библиотека сообщества бизнес- и системного анализа.

Читайте книги, например:

• Для бизнес-анализа. «Руководство к Своду знаний по бизнес-анализу BABOK (аббревиатура от A Guide to the Business Analysis Body of Knowledge)». Это полноценный учебник. Книга дорогая, но ее рекомендуют представители отрасли и преподаватели вузов. Это всемирно признанный стандарт бизнес-анализа. Она поможет продвинуться тем, кто хочет самостоятельно стать бизнес-аналитиком с нуля.
• Для работы с big data (большим массивом данных – востребовано в таких компаниях, как Яндекс). «BIG DATA. Вся технология в одной книге» (Вайгенд Андреас).

• Для работы в IT. «Путь aналитика. Практическое руководство IT-специалиста» (Иванова Вера, Перерва Андрей).

Что еще надо знать и уметь?

Математику, программирование и понимание бизнес-процессов. Чтобы стать аналитиком данных, нужно разбираться в этих сферах. В некоторых специализациях дополнительно понадобятся профильные знания.

• Математика. Нужно иметь знания в областях статистики, математического анализа и линейной алгебры и уметь их применять.
• Программирование. Нужно уметь программировать на Python и использовать SQL.
• Понимание бизнес-процессов, знание основных метрики.

• Редакторы таблиц. В профессии необходимо умение сортировать информацию, составлять диаграммы и графики. Если вы хотите самостоятельно стать аналитиком данных с нуля, начать стоит с изучения Excel и Google Таблиц.

Также могут потребоваться дополнительные знания и навыки. Например, для работы в иностранной компании может понадобиться иностранный язык, обычно – английский. По этой ссылке вы найдете много бесплатных самоучителей, словарей и другой полезной информации.

Сколько можно зарабатывать?

Разброс зарплат в сфере Data Analyst большой. Самые высокие доходы – в Москве и Санкт-Петербурге. Ниже перечислены средние зарплаты в разных городах:

• Москва — от 90 000 руб.
• Санкт-Петербург — от 80 000 до 100 000 руб.
• Казань — от 80 000 руб.
• Владивосток — от 75 000 руб.

• Самара — от 60 000 руб.

В среднем самые высокие доходы – в направлении финансового анализа. Зарплаты зависят от стажа и обязанностей:

• Стажеры и младшие специалисты — от 80 000 руб.
• Сотрудники среднего уровня — от 100 000 руб.

• Senior-специалисты и руководители отделов — от 170 000 руб.

В качестве дополнительного стимула работодатели могут предлагать программы добровольного медицинского страхования, посещение фитнес клуба и курсы иностранных языков.

Как устроиться на работу без опыта?

Чтобы получить предложение от работодателя, стоит тщательно прорабатывать каждый отклик на вакансию:

• Составить привлекательное резюме. Разборы резюме есть в телеграм-канале @products_jobs, там можно найти много полезных советов по его составлению. Также почитайте, как составить резюме, чтобы выделиться, как написать сопроводительное письмо. Опишите в резюме те навыки и задачи, которые близки к новой работе, и уберите непрофильные. Это поможет устроиться на работу аналитиком даже без опыта.
• Подписаться на каналы с вакансиями в социальных сетях, на лидеров отрасли. Оставлять содержательные комментарии под постами.
• Зарегистрироваться на профессиональных форумах и периодически читать, а также комментировать статьи и сообщения.
• Рассмотреть стажировку. Ее предлагают в том числе такие компании, как JetBrains, Авито, Яндекс.
• Добавить в резюме не только описание образования и опыта, но и личные качества, такие как аналитический склад ума, бизнес-мышление, внимание к деталям.

• Готовиться к каждому собеседованию: изучать информацию о работодателе, узнавать, кто будет проводить интервью.

Где искать работу новичкам?

Сайты, где можно найти вакансию аналитика данных, в том числе без опыта работы:

• HH.ru – популярный сайт для поиска работы. Здесь можно найти не только вакансии, но и варианты стажировки.
• Kwork – здесь можно разместить информацию о своих услугах и получать заказы.
• Career.habr.com – раздел с вакансиями на сайте для IT-специалистов.
• @kadrof_work – здесь размещаются предложения удаленной работы и заказы для фрилансеров.
• @analysts_hunter – профильные вакансии в Телеграм.
• @datasciencejobs – предложения о работе в области искусственного интеллекта, сбора, обработки и дата-анализа.
• @foranalysts – предложения для Digital analysts и Data scientists.
• @products_jobs – вакансии и разбор резюме.

• @hireproproduct – продуктовые вакансии.

Всем привет! Цель этого эссе – помочь аналитикам лучше подготовиться к собеседованиям и, по возможности, избежать ошибок, совершенных мною в ходе поиска нового работодателя.

Краткое содержание

Так получилось, что в начале ноября 2022 мы с SegmentStream решили прекратить наше сотрудничество. Нельзя сказать, что это было нечто неожиданное для меня или для работодателя. Наоборот, понимание того, что в наших отношениях наступил кризис, пришло еще летом. Однако с обеих сторон были предприняты определенные шаги (как оказалось, не очень успешные 😌) для исправления ситуации. Тем не менее, еще с начала осени я стал лениво следить за появлением новых вакансий на HH и с бОльшим интересом отвечать на сообщения рекрутеров в LinkedInn.

Вероятно, виной всему была боязнь провала с моей стороны и/или увеличившееся количество предложений на рынке в связи с известными осенними событиями в стране, но к плановой дате расторжения договора у меня не оказалось оффера на руках. Однако благодаря достигнутым договоренностям с работодателем я мог спокойной посвятить следующие два месяца поискам работы, исключив необходимость пристально следить за балансом своего банкового счета. SegmentStream 🙏

Подготовка

Первым делом еще до официальной даты “ухода” я подготовил примеры кода и графиков, наглядным образом демонстрирующие, что именно и как я делал в SegmentStream. По сути, это был Jupyter notebook с расширенным описанием маркетингового эксперимента в Яндекс.Директ. Ноутбук содержал все шаги от описание дизайна эксперимента до подведения итогов с демонстрацией разницы распределения метрики в группах. Плюс, подготовил ответы на самые частые вопросы рекрутеров на русском и английском языках.

Второе – я составил список вакансий, на которые хотел откликнуться. При этом, список был в порядке убывания значимости для меня. Строго говоря, я наметил одну цель и решил готовиться к собеседованиям по ней, а остальные выбрал в качестве запасного варианта и дополнительной практики прохождения интервью.

Третье – исходя из требований по списку, упомянутого выше, я составил перечень областей, где мне однозначно требовалось освежить/получить знания (например, оконные функции в Clickhouse, уверенная трактовка статистических методов при проверке гипотез, использование dbt).

Наконец, после составления списка из п.3 я отобрал материалы, которые, на мой взгляд, помогли бы мне лучше подготовиться к техническим интервью.

Вот то, что я использовал для подготовки

SQL

По сути, достаточно корректно воспользоваться поиском (например, site:habr.com sql задачи) чтобы найти интересные (и не очень) задачи, которые используют интервьюеры. Кроме этого, имело смысл, как минимум, найти эквиваленты знакомых мне по BigQuery функций в Clickhouse, так как во многих описаниях к вакансиям были упоминания использования именно CH диалекта.

Python

Прямо обе части. Да, задач много, но они легко решаются. Тут, скорее, дело в вашей усидчивости и нацеленности на результат. Я решил заниматься до 3х часов в день с небольшими перерывами. Сразу напишу, что усилия надо было приложить к некоторым другим типам упражнений на Питоне. Об этом ниже. Однако эти задачи мне кажутся отличным выбором в качестве разминки.

Ниже будут дополнительные ссылки на Python-задачи.

Мат.стат и эксперименты

Года два назад я прошел замечательный курс по АБ-тестированию от ExpFest. У меня сохранились все материалы, включая pdf презентации, так что ничего искать не пришлось. Кстати, Искандер и Виталий с тех пор сделали курс еще лучше. Настоятельно рекомендую курс не только тем, кто “плавает” в базовых вещах по статистике и мат. анализу, но и тем, кто хочет прокачать уровень.

Здесь, на всякий случай, повторил все, что было в курсе: от трактовки и использования ЦПТ в ходе анализа результатов до способов решения проблемы ratio-метрик (смещение среднего) и уменьшение дисперсии.

Отдельный пункт – несколько видео на канале Karpov Courses. Больше всего рекомендую вот это

Очередная замечательная идея команды Анатолия Карпова! С удивлением, смешанным с разочарованием в собственных знаниях, обнаружил, что, ответив корректно на вопросы уровня Middle/Senior (2-ое интервью), я не смог грамотно сформулировать ответы на простые вопросы в 1-ом интервью.

Кстати, в комментариях к видео есть ссылки на материалы, по которым участники готовились к съемкам. Очень рекомендую просмотреть их в рамках подготовки к собеседованиям

Собеседования и примеры заданий

Кроме тех вакансий, что я выбрал сам, после публикации своего резюме на HH я регулярно стал получать сообщения от рекрутеров.

В итоге, я остановился на 4х вакансиях, которые показались мне наиболее интересными и хорошо подходящими моему опыту. Требования были везде +/- одинаковыми, но вот сами ка

мпании сильно отличались друг от друга по сфере деятельности.

Не буду писать названия компаний, так как далее я буду приводить примеры задач и освещать детали переговоров с рекрутерами и интервьюерами в ходе собеседований. Безусловно, конфиденциальность здесь должна быть соблюдена.

Поэтому вместо имен кратко опишу каждую компанию.

Компания А – разработчик очень популярного веб- и мобильного приложение в музыкальной сфере с офисом на Кипре

Компания B – IT-гигант РФ уровня Mail RU, Yandex, Avito, Ozon и т.д. с удаленкой или офисом в Москве

Компания C – стартап в сфере переездов и релокейта с офисом в Португалии

Компания D – крупный маркетплейс услуг в РФ с удаленным офисом или офисом в Москве

При этом я сам подался только на вакансию в компании А, остальные “прилетели” от рекрутеров в telegram.

Далее постараюсь описать развитие событий по ходу общения с компаниям по каждой из вакансий.

Screening-интервью с рекрутерами

Напишу сходу, что мои заготовленные ответы на частые вопросы рекрутеров очень здесь пригодились. Особенно тогда, когда собеседование проходило на английском языке. Это не только способствовало грамотной речи, но и помогало удержать разговор в нужном русле, а также сохранять нужный тайминг.

Вот список вопросов, на которые я заранее подготовил ответы:

Все интервью (кроме компании D) я проводил с рекрутерами. В компании D первое интервью было с ходу с людьми, которые являются потребителями аналитических отчетов (иными словами, те, на кого работают аналитики). Мне это очень понравилось, так как сразу дало возможность оценить, насколько комфортно будет работать с людьми, которые, по сути, оценивают твою работу.

Технические интервью

Все скрининг-интервью я прошел успешно. Далее предстояли технические интервью и задания. Ситуация была следующей:

Компания А – одно тестовое задание без онлайн-кодинга.

Компания B – два технических и одно маркетинговое интервью (3 в общем)

Компания C – одно техническое интервью с руководителем аналитики

Компания D – одно технические интервью с руководителем аналитики

Меня заранее предупредили, что все технические интервью будут проходит с онлайн-кодингом. То есть, прямо в ходе интервью предстояло написать код для решения той или иной задачи.

Так уж сложилось, что с онлайн-кодингом у меня всегда были проблемы.😌 Мне сложно быстро писать корректный код, когда на меня в установившейся после краткого знакомства тишине наблюдают люди, которых я вижу впервые в жизни, и которые, при этом, оценивают каждую строку кода на предмет моей проф. пригодности.

С другой стороны, это был интересный вызов. Сломать, наконец, традицию заваливать такого рода интервью. Поэтому я с удвоенной силой взялся за подготовку.

Первое техническое интервью

Первое интервью мне предстояло с компанией D (крупный маркетплейс услуг в РФ). И, конечно, на интервью было целых два человека, которые наблюдали за моим кодингом. “Что же, тем интереснее будет” – подумал я.

Без лишнего текста сразу перейду к задачам.

Статистика

Ниже – правильный ответ. Скрыл его, если хотите сначала подумать сами 🙃

Ответ:

SQL

Задания на SQL оказались легче, чем я ожидал.

Решение:

Python

Вот здесь меня ждал сюрприз. Задача была такой – написать функцию, которая проверяет, является ли число простым.

С первого взгляда задача совсем не кажется сложной. Но она ввела меня в ступор. Не знаю, может быть мне так повезло, или я работал как-то не так, но мне ни разу не приходилось сталкиваться с такой задачей в работе.

Даже не буду приводить решение. Оно очень быстро гуглится.

После минуты попыток мое терпение закончилось, и я, недолго думая, быстро просто загуглил решение и вставил его в ноутбук, где проводился тест. Конечно, можно было “написать” решение, подглядывая в найденный документ. Но зачем?

Не то чтобы это был плевок в сторону интервьюеров, но это им явно не очень понравилось. Я объяснил свое решение тем, что если бы мне потребовалось выполнить эту задачу (в чем сильно сомневаюсь), я бы просто нашел в поиске корректное и наиболее оптимальное для текущих условий задачи решение.

Позже в тот же день до меня, конечно, дошло, что смысл был не в проверке того, как хорошо я умею писать циклы, а в способности писать алгоритмы. Это понимание потом сильно пригодилось для других интервью. Об этом ниже

Собственно, на этом собеседование было окончено.

Второе техническое интервью

Второе интервью было с компанией C (стартап в сфере переездов и релокейта)

Я заранее знал, что интервью может быть на английском, поэтому повторил нужные термины в словаре. Сразу к задачам.

SQL

По сути, интервью было не столько на кодинг, сколько на подходы к решению той или иной тех. задачи. Нужно было описать, какие функции SQL я бы использовал для

Python

Снова задача на алгоритмы. Но на этот раз я уже был подготовлен. 😁 Да и сама задача была не в написании алгоритма, а в оценке его сложности O(n) Снова хабр в помощь https://habr.com/ru/post/104219/

Куда больший интерес у интервьюера вызвал мой подход к выбору метрик для проекта.

Здесь очень помог доклад Виталия Черемисинова по метрикам для продукта, презентацию к которому я когда-то успел получить. Вот ссылка

Третье техническое интервью

Наконец, в полной боевой готовности я подошел к самым сложным интервью с компанией B (IT-гигант РФ). Здесь нужно было пройти целых три секции – мат. стат, маркетинговые инструменты, код. Кратко опишу каждое интервью, иначе статья рискует стать очень длинной.

Мат. стат и эксперименты – здесь снова очень пригодились знания, полученные на курсе ExpFest. Необходимо было не только выбрать правильные метрики, но и оценить их эффективность для проведения тестов, а также пользу и интерпретацию для бизнеса. Особенный упор был сделан на выбор стат. критериев для метрики.

Маркетинг – необходимо было продемонстрировать знания того, как работают платформы онлайн-рекламы. А именно: какие есть стратегии, в чем разница между ними, как посчитать эффективность рекламы, как понять, что стратегия работает или не работает, какие метрики добавить в отчет

Код – достаточно простые задачи на SQL (джойны и оконные функции) и ДА, снова алгоритмы на Питоне. 😌

И снова у меня были проблемы с алгоритмами. Чтобы не совершить мою ошибку, очень настоятельно рекомендую порешать вот эти задачи (самые простые).

https://leetcode.com/problems/merge-k-sorted-lists/

https://leetcode.com/problems/linked-list-cycle/

https://leetcode.com/problems/add-two-numbers/

https://leetcode.com/problems/reverse-linked-list/

Плюс, вот это видео (обе части!!!)

Так, интервью было три, а компаний – четыре. Где еще одна?

А компания A (куда я сам подавался), к моему большому облегчению, была против интервью с онлайн-кодингом. Вместо этого я получил вот такое тех. задание.

Весьма простое задание, как мне показалось. “Что же, здесь есть где развернуться и показать свои навыки” – подумал я.

Обратите внимание, вам не даны примеры таблиц в csv, даны только поля.

Я создал целый ноутбук в колабе, который самым подробнейшим образом расписывает решения обеих задач. Плюс, сам нагенерил примеры таблиц, упомянутых во втором задании, чтобы сделать иллюстрации и графики.

Вот мое решение

Настоятельно рекомендую попробовать сначала решить самостоятельно. Так же намного интереснее!

Итоги

По итогам прохождения вышеописанных интервью я получил следующие результаты

Компания А

Я был практически уверен, что здесь все будет хорошо. А как же могло быть по-другому? Я создал целый ноутбук, расписал всю логику решений, создал графики, демонстрирующие подход, наконец, сам нагенерил данные для демонстрации. В итоге я получил вот такой фидбек:

Вот так! Получилось, лучшее – враг хорошего. Было, конечно, обидно. Но я подозреваю, что я слишком долго тянул с откликом на эту вакансию (пока готовил ответы на вопросы и свой ноутбук). Тем временем у команды появились другие кандидаты, которые решили задачи ничуть не хуже. Просто проще и быстрее.

Компания B

Несмотря на мои проблемы с алгоритмами, я получил приглашение на финальное интервью, а затем – оффер 🏆

Компания С

Приглашение на финальное интервью (на английском) и оффер.

Компания D

Отказ. Полагаю, весьма справедливо, так как я внаглую скопировал нагугленное решение прямо в ходе интервью, да еще и недвусмысленно поставил под сомнение целесообразность задачи 🙈

Итог – 2/4 – 50%. Так себе статистика, мягко скажем.

Спасибо огромное, если дочитали эту статью до конца. Я не планировал делать ее такой объемной, но аппетит, как известно, приходит во время еды.

Еще раз подчеркну следующее. Цель этого эссе – помочь кандидатам лучше подготовиться к собеседованиям на примере моих ошибок, а не раскрывать детали задач на тех. собеседованиях. Как видно из содержания статьи, ошибок я сделал немало! 😏

Всем добра!

P.S. Пока писал статью, от ещё одной компании прилетело предложение сделать тех. задание. Не буду подробно его расписывать, ограничусь кратким изложением каждого из пунктов.