Источник: Ориентировочно по открытым данным 2026: агрегаторы вилок продуктового аналитика (geeklink.io, dreamjob.ru) и Levels.fyi по Aviasales (медиана total comp ~$42K/год, Business Analyst ~$23,7K, Data Scientist ~$41K). Точные зарплаты по грейдам аналитика Aviasales публично не раскрывает — цифры приблизительные.
Grade ladder: Публичной формализованной сетки грейдов аналитиков Aviasales в открытых источниках нет, поэтому лестницу описываем ориентировочно по индустрии и вакансиям. Junior — работает с готовыми дашбордами и запросами, считает метрики по ТЗ. Middle (основной массовый уровень, именно на него чаще ищут в вакансиях product analyst) — самостоятельно проектирует событийную модель, пишет сложный SQL, гоняет A/B и переводит цифры в продуктовые решения. Senior — владеет метриками продукта целиком, выступает дата-партнёром продуктовых команд, ставит эксперименты и защищает выводы. Lead или руководитель аналитики — отвечает за процессы и команду. Точные пороги и названия грейдов компания не публикует.
SQL: джойны нескольких таблиц, агрегации, оконные функции, поиск последнего события (последняя ошибка оплаты по заказу), расчёт длительности между таймстемпами. Разбор и оптимизация чужого SQL: по открытому разбору тестового кандидату дают запрос с намеренными ошибками, где комментарии и код могут не совпадать, и в спорных местах просят доверять комментариям. Воронка бронирования и оплаты: заполнение данных пассажиров, доп.услуги (возврат, обмен, страховка, уведомления), выбор места, оплата — какие события логировать и какие метрики считать. Продуктовые метрики метапоиска и OTA: конверсия в бронь и оплату, средний чек, доля способов оплаты (карта против СБП), retention. Python для аналитики: pandas для обработки данных, базовая работа с событиями и агрегацией без готовых дашбордов. A/B-тесты и статистика: дизайн эксперимента, выбор метрик, интерпретация значимости. Дизайн событийной модели: какие действия пользователя на шаге логировать и как это ляжет в аналитику. Продуктовое мышление: перевод цифр в гипотезы и решения, приоритизация.
Каждый вопрос задокументирован в публичной статье (Habr, vc.ru). Источник проверен.
Плюс 3000+ обучающих вопросов, 520+ SQL-задач, 530+ Python — бесплатно первые 5 каждого типа.
Открыть тренажёр →Публично доступен разбор тестового на продуктового аналитика (на nodatanogrowth.com); точные условия компания не раскрывает. Приближённый (НЕ дословный) пример типового формата: даны две таблицы — orders (детали заказов) и payment_funnel_events (события воронки оплаты с event_type). Задача 1 — разобрать и починить сложный SQL с намеренными ошибками: найти последнюю ошибку оплаты по заказу, посчитать длительность оплаты между стартом и финишем, число показов и сабмитов страниц, разбивку способов оплаты (карта/СБП), с несколькими джойнами; при этом комментарии и код могут не совпадать, и в спорных местах просят доверять комментариям. Отдельная задача про воронку — по шагам бронирования (данные пассажиров, доп.услуги, выбор места, оплата) определить, какие события логировать и какие метрики считать. Важно: это реконструкция типового формата по открытому разбору, а не точные условия задания.
Судя по формату тестового: множественные джойны, агрегации, оконные функции, поиск последнего события в группе (последняя ошибка оплаты), расчёт длительности между таймстемпами и оптимизация громоздкого запроса. Всё это можно отработать в тренажёре на /sql-sandbox.
Да. Вакансии продуктового аналитика Aviasales предполагают Python (pandas) и продуктовую аналитику — от дизайна событий до метрик и исследований, а также работу с A/B-тестами. Глубина статистики зависит от уровня позиции.
Точные вилки по грейдам аналитика Aviasales публично не раскрывает. Ориентировочно по открытым данным 2026: middle-продуктовый аналитик в индустрии — примерно 170-230K руб/мес, senior — 240-330K+. Levels.fyi по Aviasales показывает медиану total comp около $42K/год (Business Analyst ~$23,7K, Data Scientist ~$41K). Цифры приблизительные, смотрите актуальные вакансии на hh.ru и карьерном сайте компании.
Точное число этапов и сроки компания публично не раскрывает. По разрозненным отзывам о найме процесс бывает довольно быстрым, но эти отзывы не всегда касаются именно аналитических ролей, поэтому воспринимайте это как ориентир, а не правило. Типовая структура: скрининг, тестовое, техническое интервью и финал с командой; конкретика зависит от роли.
Яндекс · Ozon · Т-Банк (Tinkoff) · Авито · Wildberries · VK · X5 Group · Сбер · Lamoda · МегаФон · Tutu.ru · Альфа-Банк · МТС · Самокат · Райффайзенбанк · Циан · 2ГИС · ВТБ · Билайн (ВымпелКом) · Точка · Магнит · Додо Пицца (Dodo Brands) · Skyeng · Лаборатория Касперского · HeadHunter (hh.ru) · Ростелеком · Совкомбанк · Газпромбанк · Домклик