Источник: Ориентировочно по открытым данным 2026: агрегаторы hh.ru career, Хабр Карьера, getmatch. Это общерыночные вилки для аналитика данных, а НЕ официальные цифры HeadHunter — компания публично их не раскрывает. Профиль профессии на career.hh.ru отдельно показывал вилку по московским вакансиям аналитика порядка ~95-113K ₽/мес (это агрегированная статистика площадки, а не зарплата в самой компании).
Grade ladder: Публичной официальной грейд-лестницы именно для аналитиков HeadHunter в открытом доступе нет, поэтому опишем ориентировочную рыночную структуру, близкую к профилю профессии на career.hh.ru. Junior (1-2 года) — основы предобработки и анализа данных на Python/SQL, сбор и очистка данных, базовая статистика, простые дашборды. Middle (3-4 года) — самостоятельный анализ, продуктовые и HR-tech метрики, построение отчётности, проверка гипотез, уверенный SQL с оконными функциями и CTE на больших таблицах (в реалиях HH — ClickHouse). Senior (4+ года) — сложная аналитика и ML-подходы, дизайн A/B-экспериментов, методология метрик, влияние на продуктовые решения. Далее — Lead/тимлид аналитики: развитие аналитической культуры, менторство, построение систем. Конкретные названия грейдов внутри HeadHunter публично не афишируются — это реконструкция по рыночному профилю, а не внутренняя номенклатура компании.
SQL продвинутого уровня: оконные функции, CTE, множественные JOIN и агрегация на больших таблицах. ClickHouse и работа с колоночными OLAP-хранилищами: почему аналитические запросы быстрые, чем ClickHouse отличается от OLTP (по техноблогу HH). Продуктовые метрики джоб-борда: воронка отклик→приглашение→оффер, конверсии, активность соискателей и работодателей. HR-tech метрики и аналитика найма: как измерять эффективность вакансий, дашборды по рынку труда. Статистика и проверка гипотез: доверительные интервалы, значимость, базовый инструментарий аналитика. A/B-тестирование продуктовых изменений и корректная интерпретация результатов. Python/pandas для обработки данных, очистки и разведочного анализа. Визуализация и отчётность: построение понятных дашбордов и презентация выводов бизнесу.
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 →Точное число HeadHunter публично не раскрывает. По открытым источникам типичный формат для продуктовой IT-компании такого масштаба — скрининг с рекрутёром, техническое SQL-интервью, секция по продуктовым/HR-tech метрикам, возможная секция по статистике/Python и интервью с командой. Это реконструкция типового процесса, а не подтверждённый компанией сценарий — уточняйте у рекрутёра.
Ориентируйтесь на уверенный SQL: выборки, JOIN, агрегация, оконные функции и CTE. По техноблогу HH их аналитика построена на ClickHouse с таблицами в десятки и сотни миллиардов событий, поэтому умение писать эффективные аналитические запросы критично. Потренироваться можно в тренажёре на /sql-sandbox.
Из открытого техноблога на Хабре: у компании пять кластеров ClickHouse для аналитики рекламных продуктов (ClickHouse описан как колоночная OLAP-СУБД, не OLTP). Аналитики работают с большими объёмами событийных данных. Рыночный профиль профессии добавляет Python, SQL и инструменты визуализации. Конкретный набор внутри команды может отличаться.
Честно: точные условия тестового задания HeadHunter публично не раскрывает — в открытых источниках есть только упоминания технических секций (SQL, метрики). Приближённый, НЕ дословный пример типового формата для аналитика джоб-борда: «Дана таблица событий откликов (user_id, vacancy_id, event_type, ts). Посчитайте недельную конверсию отклик→приглашение по категориям вакансий и найдите топ-3 категории с ростом конверсии месяц к месяцу с помощью оконных функций». Важно: это реконструкция типового формата, а не точные условия задания HeadHunter.
Официальных цифр по HeadHunter в открытом доступе нет. Ориентировочно по рынку 2026 (hh.ru career, Хабр Карьера, getmatch): Junior ~90-150K, Middle ~150-250K (медиана Middle ~190K), Senior ~250-400K руб/мес на руки. Это общерыночные вилки для аналитика данных, а не подтверждённые компанией цифры.
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 · Aviasales · Ростелеком · Совкомбанк · Газпромбанк · Домклик