Вопросы работодателю на собесе — это не формальность, а ваш собственный технический due diligence: за 5-10 минут в конце интервью вы решаете, не превратится ли новая работа в три месяца разгребания чужого легаси без документации. Спрашивайте про данные, процессы, команду и метрику успеха на роли — и избегайте вопросов про зарплату на первом скрининге и тем, которые легко гуглятся.
Когда интервьюер говорит «а у вас есть вопросы?», слабый кандидат отвечает «нет, всё понятно» или «когда узнаю результат?». Сильный — задаёт 3-4 точечных вопроса, которые показывают, что он думает как аналитик: про источники данных, про то, как принимаются решения, и про то, по чему будут оценивать его работу. Ниже — рабочий набор вопросов по блокам и стоп-лист того, что лучше не озвучивать.
Зачем вообще задавать вопросы работодателю?
Причин три, и все они практические:
- Сигнал для интервьюера. Хорошие вопросы — это вторая половина собеседования. Они показывают вовлечённость и уровень мышления. Кандидат, который спрашивает про качество данных и про definition of done для дашборда, выглядит сильнее того, кто молчит.
- Защита от плохого оффера. Вы выбираете работодателя ровно так же, как он выбирает вас. Вопросы вскрывают красные флаги: нет аналитической команды и вы будете единственным, данные лежат в 40 несвязанных Excel-файлах, метрик успеха никто не сформулировал.
- Калибровка ожиданий. Лучше узнать на собесе, что 70% времени уйдёт на
ad-hoc⟧ выгрузки по запросу маркетинга, чем разочароваться через месяц.
Если хотите системно отрепетировать и сам собес, и финальный блок вопросов — соберите банк реальных кейсов в разделе тренажёр вопросов с собеседований, а живой диалог отработайте на AI-интервьюере.
Что спросить про данные и инструменты?
Это самый важный блок для аналитика: от состояния данных зависит, чем вы реально будете заниматься. Вопросы:
- Какой стек: где лежат данные (PostgreSQL, ClickHouse, хранилище), чем визуализируете (DataLens, Tableau, Power BI, Metabase)?
- Есть ли единый слой витрин или каждый аналитик пишет SELECT⟧ к сырым таблицам? Есть ли
dbt⟧ или другой инструмент трансформаций? - Как обстоят дела с качеством данных — есть ли документация, словарь метрик, data lineage⟧? Кто отвечает, когда цифры в отчёте «не сходятся»?
- Насколько данные доступны: я смогу сам делать выгрузки или каждый запрос идёт через дата-инженера?
Ответ «у нас всё в Google Sheets, документации нет, но мы планируем навести порядок» — не приговор, но честный сигнал, что первые месяцы вы будете строить инфраструктуру, а не считать инсайты. Если хотите заранее понимать, какие метрики вообще придётся считать в этой компании, полистайте справочник продуктовых и бизнес-метрик — он помогает говорить с работодателем на одном языке.
Какие вопросы задать про команду и процессы?
Здесь вы выясняете, как устроена ежедневная работа:
- Сколько аналитиков в команде, кому я буду подчиняться — лиду аналитики, продакту или напрямую руководителю?
- Как ставятся задачи: есть очередь/спринты или поток входящих запросов «посчитай срочно»?
- Кто принимает решения по результатам анализа — мои выводы влияют на продукт или это «отчётность для галочки»?
- Как устроено код-ревью SQL и дашбордов? Есть ли культура воспроизводимости?
Полезная таблица — как читать ответы:
| Что слышите | Что это значит |
|---|---|
| «Есть лид аналитики и регулярные синки» | Будет наставничество и рост |
| «Вы будете единственным аналитиком» | Много автономии, но и одиночество, мало обмена опытом |
| «Задачи прилетают в чат, приоритеты меняются каждый день» | Высокий риск выгорания на ad-hoc⟧ |
| «Решения принимаем на данных, есть культура экспериментов» | Зрелая аналитика, ваши выводы важны |
Как понять, есть ли на этой роли рост?
Аналитики часто застревают в роли «генератора выгрузок». Чтобы этого избежать, спросите:
- Как выглядит карьерный трек: можно вырасти в Senior, в лида, в продуктового аналитика или в дата-сайентиста?
- Есть ли система грейдов и понятные критерии перехода между ними?
- Какие задачи будут у меня через год, если всё пойдёт хорошо?
- Закладывается ли время на обучение, конференции, изучение нового стека?
Вопрос про грейды особенно полезен: если у компании есть прозрачная сетка с критериями, это признак зрелого HR-процесса и предсказуемого пересмотра зарплаты. Если в ответ — «ну, посмотрим по результатам», это означает, что повышение придётся выбивать вручную.
Что спросить про метрику успеха на роли?
Лучший вопрос, который почти никто не задаёт: «По чему вы поймёте через 3-6 месяцев, что взяли правильного человека?» Это вопрос аналитика в чистом виде — вы просите сформулировать целевую метрику для самого себя.
Хорошие ответы конкретны: «закроете backlog по дашбордам выручки», «выстроите регулярную cohort⟧-отчётность по retention», «поможете команде роста запускать A/B-тесты». Размытый ответ типа «ну, будете полезны» — флаг, что роль не продумана и ожидания будут плавать.
Дополнительно стоит уточнить про A/B-тесты и эксперименты: «Кто считает значимость, как принимаются решения по результатам теста?». Если культура экспериментов есть — это сильный плюс к зрелости команды.
Чего НЕ стоит спрашивать?
Не все вопросы одинаково полезны. Стоп-лист:
- Зарплата и бонусы на первом техническом скрининге. Деньги обсуждают с рекрутером или на финальном этапе, а не у технического интервьюера в середине воронки. Исключение — если рекрутер сам поднял тему.
- То, что есть на сайте компании. «А чем вы вообще занимаетесь?» — провал. Базовый ресёрч компании обязателен до собеса.
- «Сколько у вас отпуска и можно ли уходить в 18:00?» Это легитимные вопросы, но не для первого интервью — они смещают фокус с «что я дам» на «что я возьму».
- Вопросы, на которые уже ответили. Если интервьюер 20 минут рассказывал про стек, не переспрашивайте «а какие у вас инструменты». Это сигнал, что вы не слушали.
- Слишком много вопросов. 3-5 точных лучше, чем список из 15 — иначе финал собеса превращается в допрос интервьюера.
Простое правило: вопрос должен показывать, что вы думаете о том, как принести пользу, а не только о собственном комфорте.
Как подготовить свой список заранее?
Выпишите 6-8 вопросов перед собесом и распределите по блокам (данные, команда, рост, метрика успеха). На самом интервью часть из них закроется по ходу разговора — это нормально, оставшихся 3-4 хватит. Держите вопросы открытыми (не «да/нет»), чтобы спровоцировать развёрнутый ответ.
И последнее: финальный блок вопросов работает только в связке с сильными ответами на технической части. Если в SQL или продуктовых кейсах вы плаваете, никакие умные вопросы не вытянут. Поэтому готовьтесь комплексно.
Где потренироваться
- Тренажёр вопросов с собеседований — банк реальных вопросов по SQL, статистике, продукту и поведенческим кейсам, чтобы пройти техническую часть без провалов.
- AI-интервьюер — отрабатывайте живой диалог: AI ведёт мок-собеседование, задаёт уточняющие вопросы и в конце спрашивает «а у вас есть вопросы?», как настоящий нанимающий менеджер.
- Справочник метрик — чтобы на вопросах про данные говорить с работодателем на одном языке: retention, LTV, `cohort⟧-анализ, юнит-экономика.
- Блог про подготовку аналитика — разборы поведенческих вопросов, SQL-гайды и статьи про карьерный рост.
Хороший финал собеседования — это короткий, точный разговор на равных. Подготовьте 3-4 вопроса про данные, процессы и метрику успеха, держитесь подальше из стоп-листа — и вы оставите впечатление зрелого специалиста, который выбирает работодателя так же осознанно, как тот выбирает кандидата.