Тестовые задания на аналитика: 8 типов

Тестовое задание — главный фильтр между «получил приглашение на интервью» и «уже технический собес». 60% кандидатов отсеиваются на этом этапе. Не потому что плохо знают SQL — потому что не понимают что от них хотят.

Эта статья — типология тестовых заданий аналитика, как разобраться что просят и сколько времени реально тратить на каждый тип.

Тип 1: SQL-задача

Что просят: написать SQL-запрос(ы) для конкретного бизнес-вопроса.

Типичные формулировки:

• «Найди топ-10 категорий по выручке за последний месяц»
• «Посчитай retention по неделям для когорт 2024 года»
• «Какие пользователи купили подписку 3+ раза?»

Где встречается: Яндекс, Ozon, Wildberries, Авито, Тинькофф (junior, middle).

Сколько времени: 1-3 часа на 3-5 запросов.

Как сдавать:

• Не пиши «костыли», даже если работают
• Используй CTE для читаемости
• Комментируй сложные участки
• Если в запросе оконные — это +5 баллов в их глазах

См. 425 SQL-задач в тренажёре для практики.

Тип 2: Python / pandas задача

Что просят: обработать датасет (часто .csv) и ответить на вопросы.

Типичные формулировки:

• «Загрузи orders.csv, найди топ-N клиентов по выручке, нарисуй график»
• «Очисти данные о продажах от выбросов и дубликатов, посчитай средний чек по сегментам»

Где встречается: Яндекс, Сбер, продуктовые стартапы.

Сколько времени: 2-4 часа.

Как сдавать:

• Jupyter notebook с видимыми результатами (в UI)
• Markdown-комментарии между ячейками — как в статье
• Не используй for где можно groupby (см. 10 функций pandas вместо for)
• Виджуализации — простые, понятные, с подписанными осями

Тип 3: A/B-тест анализ

Что просят: дан результат A/B-теста, оценить статистическую значимость, дать рекомендацию.

Типичные формулировки:

• «Тест нового онбординга. Результаты: контроль 5%, тест 6%. Что скажешь?»
• «Анализ A/B на retention 30 дней. Принимать ли изменение?»

Где встречается: Тинькофф, Альфа-банк, продуктовые компании уровня Middle+.

Сколько времени: 2-4 часа.

Как сдавать:

• Подсчёт p-value через scipy.stats (chi2_contingency или ttest_ind)
• Доверительный интервал на разницу
• Power analysis — достаточно ли большая выборка
• Анализ guardrail metrics (что не должно ухудшиться)
• Чёткая рекомендация: принимаем / отклоняем / нужно больше данных + почему

См. A/B-тесты в Python: scipy.stats.

Тип 4: Продуктовый кейс

Что просят: открытый бизнес-вопрос, нужно структурировать ответ.

Типичные формулировки:

• «У соцсети упал DAU на 8% за месяц. Какие гипотезы? Как проверить?»
• «Запускаем фичу X. Какие метрики смотреть?»
• «Как улучшить конверсию в покупку для нового продукта?»

Где встречается: Senior уровень, FAANG аналоги в РФ.

Сколько времени: 30 мин - 2 часа на письменный ответ.

Как сдавать:

• Структура: декомпозиция → гипотезы → метрики → план проверки
• Не списком, а связным текстом с логикой
• Покажи product thinking, не SQL skills
• Если задача требует — приложи SQL для проверки гипотез

См. 412 продуктовых кейсов.

Тип 5: Дашборд из сырых данных

Что просят: получаешь .csv (или ссылку на datalens-датасет), нужно собрать дашборд.

Типичные формулировки:

• «Из orders.csv построй дашборд для product manager-а»
• «На датасет sales — придумай дашборд бизнеса для C-level»

Где встречается: BI-аналитик роли в Wildberries, Сбер, Лента.

Сколько времени: 4-8 часов.

Как сдавать:

• Сначала продумай структуру — что хочешь показать кому
• KPI cards сверху, time-series в центре, разрезы внизу
• Сделай в DataLens / Tableau / любом — главное логика, не инструмент
• Приложи README с пояснением «почему такие метрики»

Тип 6: ETL pipeline

Что просят: написать pipeline который тянет данные из источника, преобразует и сохраняет.

Типичные формулировки:

• «Напиши Airflow DAG который ежедневно обновляет витрину X»
• «Распиши пайплайн обработки логов для дашборда Y»

Где встречается: Data Engineer / Analytics Engineer уровень.

Сколько времени: 6-15 часов (часто на выходных).

Как сдавать:

• Архитектурная диаграмма обязательна
• Код в Git репозитории
• Документация: как запустить, что нужно из настроек
• Обработка ошибок, retry, alerting

Тип 7: ML-задача (для продвинутых аналитиков)

Что просят: предсказать что-то на основе данных.

Типичные формулировки:

• «Предскажи churn пользователей на следующий месяц»
• «Классификация клиентов на сегменты»

Где встречается: Тинькофф (Customer Insights), банки, Яндекс.

Сколько времени: 1-2 дня.

Как сдавать:

• EDA с инсайтами
• Feature engineering — расскажи почему именно эти признаки
• Базовая модель → улучшения
• Метрики оценки подходящие задаче (не accuracy для несбалансированных классов)
• Интерпретация модели (важность фичей)

Тип 8: Live coding (на собесе)

Что просят: пишешь SQL/Python в реальном времени.

Типичные формулировки:

• «Перед тобой 2 таблицы. Напиши запрос который...»
• «Дам тебе DataFrame. Сделай pivot и нарисуй график»

Где встречается: технический раунд почти везде.

Сколько времени: 30-60 минут.

Как готовиться:

• Решай задачи руками без подсказок — как на собесе
• Тренируй в браузере: SQL-тренажёр, Python-тренажёр
• Прогоняй AI мок-собес минимум 3-5 раз перед реальным интервью

Сколько РЕАЛЬНО тратить времени

Компании пишут «отведём 2-3 часа», на самом деле многие тратят 6-10. Где грань?

Если задание занимает >8 часов — компания тестирует твою выносливость, а не навыки. Можно вежливо отказаться или просить оплату.

Чек-лист хорошо сданного теста

• [ ] Решено всё что просили (не половина)
• [ ] Код читаем (форматирование, имена переменных)
• [ ] Комментарии где нелогичный шаг
• [ ] README / описание подхода
• [ ] Если SQL — используются CTE, не nested subqueries на 5 уровней
• [ ] Если Python — векторно, без for row in df.iterrows()
• [ ] Если визуализация — оси подписаны, легенда понятная
• [ ] Сдано в формате что просят (Notion link / .ipynb / .sql / GitHub repo)
• [ ] Без бэйкдоров (# TODO: разобраться позже)
• [ ] Опубликовано раньше дедлайна (даже на 1 час)

Что НЕ делать

• ❌ Не сдавать код с твоими комментариями типа «это слабое место, не уверен»
• ❌ Не присылать ChatGPT-сгенерированное (видно сразу — структура и формулировки уникальные)
• ❌ Не делать «лучше чем просили» добавляя 10 ML моделей куда не надо
• ❌ Не задавать миллион уточняющих вопросов — продумай 1-2 ключевых
• ❌ Не списывать готовые решения из github (часто проверяют через plagiarism check)

Связанные материалы

• 497 тестовых заданий с разбором — реальные с собесов, 5 бесплатно
• SQL-тренажёр — для подготовки live coding
• Python-тренажёр — pandas + algorithms
• A/B-тесты в Python — для A/B заданий
• Топ-50 вопросов — что спрашивают на интервью

Открой раздел тестовых заданий, фильтр по уровню junior/middle/senior — выбирай свой и решай. 5 заданий бесплатно без регистрации, увидишь реальный формат за час.