Kaspi.kz собес аналитика: SQL, метрики, зарплаты 2026

Коротко: собеседование аналитика данных в Kaspi.kz (Алматы) — это 3-5 этапов: скрининг с рекрутером, техническое интервью по SQL и метрикам, продуктовый/кейс-раунд и финал с нанимающим менеджером. Главный фокус — SQL продвинутого уровня (оконные функции, когорты, воронки) и понимание метрик финтеха и маркетплейса, потому что Kaspi — это суперапп: платежи, маркетплейс, кредиты и travel в одном приложении. Грейды: Junior, Middle, Senior, Lead; зарплаты Middle-аналитика — примерно 800 000-1 400 000 тенге в месяц на руки, Senior — 1 500 000-2 500 000+ тенге. Ниже — раунды, что именно спрашивают, реальные типы SQL-задач и метрики, которые надо знать наизусть.

Что такое Kaspi.kz и почему собес тут особенный?

Kaspi.kz — крупнейшая финтех-компания Казахстана и одно из самых дорогих публичных IT-предприятий региона (торгуется на Nasdaq и Лондонской бирже). Это не просто банк — это суперапп, объединяющий три экосистемы:

• Payments — переводы, QR-оплата, коммунальные платежи (Kaspi Pay).
• Marketplace — e-commerce, доставка, Kaspi Travel, Kaspi Magazin.
• Fintech — рассрочка (Kaspi Red), кредиты, депозиты, BNPL (Buy Now Pay Later).

Для аналитика это значит, что на собесе пересекаются две доменные области сразу: метрики финтеха (одобрение кредитов, дефолты, NIM) и метрики маркетплейса (GMV, take rate, retention продавцов). Поэтому подготовка только по «классической продуктовой аналитике» недостаточна — нужно понимать, как считать unit-экономику и платёжную воронку. Это отличает Kaspi от собесов в чисто продуктовые компании.

Аналитики в Kaspi делятся на направления: продуктовая аналитика, риск-аналитика (скоринг, дефолты), маркетинговая аналитика и BI/Data Engineering. Вопросы на собесе зависят от команды, но SQL и метрики спрашивают у всех.

Сколько раундов на собеседовании в Kaspi и как они устроены?

Типичный процесс — от 3 до 5 этапов. Точное число зависит от грейда и команды.

Иногда этапы 2 и 4 объединяют. На Junior-позиции тестовое может заменить live-SQL. На Senior добавляют системный раунд: как бы ты построил витрину/дашборд под конкретную бизнес-задачу.

Подготовиться к структуре раундов проще всего, прогнав сценарий целиком — например, на AI мок-интервью, где интервьюер задаёт вопросы по SQL и метрикам и реагирует на ответы уточнениями.

Какие SQL-задачи спрашивают на собесе аналитика Kaspi?

SQL — ядро технического раунда. Уровень — выше базового: ждут уверенного владения оконными функциями, CTE, агрегациями с условиями и оптимизацией. Ниже — типы задач, которые встречаются чаще всего.

1. Платёжная воронка по этапам. Посчитать конверсию из «инициировал перевод» в «успешный перевод» по дням:

SELECT
    event_date,
    COUNT(*) FILTER (WHERE step = 'initiated')  AS initiated,
    COUNT(*) FILTER (WHERE step = 'confirmed')  AS confirmed,
    COUNT(*) FILTER (WHERE step = 'success')    AS success,
    ROUND(
        100.0 * COUNT(*) FILTER (WHERE step = 'success')
              / NULLIF(COUNT(*) FILTER (WHERE step = 'initiated'), 0),
    2) AS conversion_pct
FROM payment_events
GROUP BY event_date
ORDER BY event_date;

Подвох: NULLIF в знаменателе обязателен, иначе деление на ноль уронит запрос в день без инициаций.

2. Когортный retention покупателей маркетплейса. Доля пользователей, вернувшихся через N месяцев после первой покупки:

WITH first_order AS (
    SELECT user_id,
           DATE_TRUNC('month', MIN(order_date)) AS cohort_month
    FROM orders
    GROUP BY user_id
),
activity AS (
    SELECT o.user_id,
           f.cohort_month,
           DATE_TRUNC('month', o.order_date) AS active_month
    FROM orders o
    JOIN first_order f ON o.user_id = f.user_id
)
SELECT cohort_month,
       (EXTRACT(YEAR FROM active_month) - EXTRACT(YEAR FROM cohort_month)) * 12
       + (EXTRACT(MONTH FROM active_month) - EXTRACT(MONTH FROM cohort_month)) AS month_number,
       COUNT(DISTINCT user_id) AS active_users
FROM activity
GROUP BY cohort_month, month_number
ORDER BY cohort_month, month_number;

3. Топ-N продавцов по GMV в каждой категории — классика на оконные функции:

SELECT category, seller_id, gmv
FROM (
    SELECT category, seller_id,
           SUM(order_amount) AS gmv,
           ROW_NUMBER() OVER (
               PARTITION BY category
               ORDER BY SUM(order_amount) DESC
           ) AS rn
    FROM marketplace_orders
    GROUP BY category, seller_id
) t
WHERE rn <= 3;

4. Скользящее среднее транзакций (7 дней) через ROWS BETWEEN 6 PRECEDING AND CURRENT ROW.

5. Дедупликация платежей — найти и убрать дубли по (user_id, amount, created_at) через ROW_NUMBER().

Эти задачи почти один в один лежат в SQL-тренажёре с автопроверкой в браузере — оконные функции, когорты и воронки отрабатываются на реальных датасетах. Если оконные функции пока шатаются — начни с бесплатного курса «SQL с нуля», он доводит до RANK/LAG/LEAD без воды.

Какие метрики финтеха и маркетплейса надо знать наизусть?

Kaspi гоняет по двум доменам сразу. Вот метрики, которые спрашивают чаще всего — формулы текстом, чтобы можно было проговорить на собесе.

Метрики маркетплейса:

Метрики финтеха:

Универсальные продуктовые: DAU/MAU (stickiness = DAU / MAU × 100%), Retention, LTV (LTV = ARPU / Churn Rate), CAC, Payback Period (CAC / (ARPU × маржа)).

Типичный вопрос на собесе: «Approval Rate вырос на 5 п.п. за месяц — это хорошо или плохо?». Правильный ответ — «зависит»: рост одобрений может поднять выдачи, но через 2-3 месяца ударить по Default Rate. Аналитик должен видеть метрики в связке, а не поодиночке. Все формулы и числовые примеры лежат в справочнике метрик — там же мини-задачи на расчёт.

Какие продуктовые кейсы дают на собесе Kaspi?

Кейс-раунд проверяет, умеешь ли ты диагностировать проблему данными, а не интуицией. Типичные формулировки:

• «GMV маркетплейса упал на 12% неделя к неделе. Твои действия?» — нужно разложить GMV на драйверы: число заказов × средний чек, потом по сегментам (категория, регион, новые/старые продавцы), проверить сезонность и эффект мисс-шифта (Симпсон).
• «Конверсия в рассрочку Kaspi Red снизилась. Где копать?» — воронка от показа кнопки до подтверждения, разрез по устройствам, скоринговый отказ vs отказ пользователя.
• «Запускаем платный premium-подписку. Как измерить успех?» — выбор North Star (не выручка, а активные платящие × retention), guardrail-метрики (отток free-юзеров), дизайн A/B-теста.
• «Дефолты по новой кредитной линии растут. Это скоринг или внешний фактор?» — когортный анализ выдач, сравнение vintage-кривых, контроль на макро.

Алгоритм ответа на любой кейс: уточнить контекст → сформулировать гипотезы → предложить, какими данными проверить → дать рекомендацию с цифрой. Этот фреймворк прокачивается на разборах в разделе кейсы, где каждый кейс с эталонным решением и SQL.

Какие вопросы по статистике и A/B спрашивают?

Для продуктовых и риск-аналитиков статистику спрашивают почти всегда. Базовый набор:

• В чём разница между ошибкой I и II рода и как они связаны с порогом значимости?
• Что такое p-value и почему «p < 0.05» не значит «эффект большой»?
• Как определить размер выборки для A/B-теста (связь MDE, мощности и дисперсии)?
• Что такое peeking-проблема и почему нельзя останавливать тест при первом «значимом» результате?
• Что такое SRM (Sample Ratio Mismatch) и почему он сигналит о поломке сплита?
• Как считать конверсию с доверительным интервалом (Wilson, а не нормальная аппроксимация на малых n)?

Для финтеха добавляют вопросы про скоринг: ROC-AUC vs PR-AUC (на несбалансированных дефолтах PR-AUC информативнее), Gini-коэффициент, как валидировать модель на out-of-time выборке. Эти темы и десятки других разобраны в вопросах с собесов с подробными ответами.

Какие грейды аналитиков в Kaspi и чем они отличаются?

Kaspi использует классическую лестницу грейдов. Главное различие — не в знании синтаксиса SQL, а в самостоятельности и влиянии на продукт.

На грейд Middle ключевое — показать, что ты не просто исполняешь запрос «посчитай X», а понимаешь зачем и сам предлагаешь, что измерить. На собесе это проверяют кейсом: дают мутную бизнес-проблему и смотрят, как ты сам её структурируешь.

Сколько зарабатывает аналитик в Kaspi.kz в тенге?

Зарплаты указаны ориентировочно, на руки (net), по данным рынка Казахстана 2026 года. Реальная вилка зависит от направления (риск-аналитики и DE обычно выше) и результатов собеса.

Сверх оклада в Kaspi есть бонусы по результатам и опционная программа (RSU), что особенно заметно на Senior+ грейдах — компания публичная, акции имеют рыночную цену. Для региона СНГ это одни из самых высоких зарплат в аналитике; по абсолютным числам Kaspi конкурирует с офферами топовых российских компаний, при этом стоимость жизни в Алматы ниже московской.

Важно: на скрининге рекрутер спросит про ожидания по зарплате. Называй вилку, а не одну цифру, и ориентируйся на грейд, на который собеседуешься, а не на текущий доход.

Как подготовиться к собесу в Kaspi за 4 недели?

План, проверенный логикой раундов выше.

• Неделя 1 — SQL до автомата. Оконные функции (RANK, LAG/LEAD, скользящее среднее), CTE, агрегации с FILTER. Решай по 5-7 задач в день в SQL-тренажёре.
• Неделя 2 — метрики двух доменов. Выучи формулы финтеха (Approval, Default, NIM, Collection) и маркетплейса (GMV, Take Rate, Retention). Прогони расчёты в справочнике метрик.
• Неделя 3 — кейсы и статистика. Разбери 8-10 продуктовых кейсов по фреймворку «гипотеза → данные → рекомендация». Повтори A/B, p-value, размер выборки, SRM.
• Неделя 4 — мок-интервью. Прогони полный сценарий вслух на AI мок-интервью и закрепи на тестовых заданиях с реальных собесов. Цель — перевести навык из «знаю» в «могу показать под давлением».

Главная ошибка кандидатов — готовиться только по теории. На собесе валятся не из-за незнания формулы, а из-за того, что под взглядом интервьюера не могут собрать SQL-запрос или структурно разложить кейс. Лечится только практикой вживую.

Потренируйся бесплатно → реши 5 SQL-задач без регистрации в тренажёре, разбери метрики финтеха и маркетплейса в справочнике и прогони мок-собес на AI-интервью. Когда захочешь больше — Pro открывает все 500+ задач, безлимитные мок-интервью и разборы кейсов.