Подготовка к собеседованию аналитика за неделю: реалистичный план по дням
За неделю до собеседования не учат новое — систематизируют то, что уже есть. Рабочая схема: два дня на SQL (JOIN, GROUP BY, оконные функции), день на Python и pandas, день на статистику и A/B-тесты, день на метрики и продуктовые кейсы, полный прогон мок-интервью и лёгкое повторение накануне. SQL — приоритет номер один: это самая частая секция и самый быстрый прирост за короткий срок. Рассчитывайте на 3–4 часа сосредоточенной работы в день — больше за неделю просто не усвоится.
День 1–2. SQL: от JOIN до оконных функций
Освежите базу руками, а не чтением: SELECT, WHERE, GROUP BY + HAVING, все типы JOIN. Начните с простых задач в SQL-тренажёре и поднимайте сложность по мере уверенности.
Второй день посвятите оконным функциям: ROW_NUMBER, RANK, LAG/LEAD, SUM OVER с фреймами. Большинство SQL-секций уровня middle крутится вокруг них.
Прорешайте типовые паттерны собеседований: топ-N по группе, накопительный итог, retention и когорты, поиск дублей, gap-анализ дат.
Норма — 10–15 задач в день с разбором решения, а не 30 на скорость. Важно понимать, почему запрос работает.
В конце второго дня решите 3–4 задачи уровня middle на время: 15–20 минут на задачу — примерно так будет на собеседовании.
День 3. Python и pandas
Ядро дня — pandas: groupby с агрегациями, merge и его отличия от JOIN, pivot_table, обработка пропусков и дублей. Закрепляйте на задачах в Python-тренажёре.
Пройдите 2–3 базовых алгоритмических паттерна: подсчёт через словарь, two pointers, sliding window. Для продуктовых команд глубже обычно не спрашивают.
Потренируйтесь читать чужой код и объяснять, что он делает, — такой формат встречается чаще, чем написание с нуля.
Если Python откровенно слабый — не пытайтесь выучить всё за день. Закройте groupby + merge + фильтрацию: это 80% реальных вопросов по pandas.
День 4. Статистика и A/B-тесты
Прогоните ядро теории: ЦПТ, доверительные интервалы, p-value, ошибки I и II рода. Критерий готовности — можете объяснить каждое понятие своими словами без формул.
Разберите дизайн A/B-теста от начала до конца: гипотеза, MDE, размер выборки, длительность, метрики-стражи. Это стандартный вопрос почти в каждой продуктовой команде.
Выучите типичные ловушки: подглядывание в результаты до конца теста, множественные сравнения, ratio-метрики, сетевые эффекты. Про них любят спрашивать «на подумать».
Прорешайте вслух 1–2 задачи формата «спланируй эксперимент для фичи X» — структура ответа важнее точных цифр.
День 5. Метрики и продуктовые кейсы
Систематизируйте продуктовые метрики: DAU/MAU, retention, конверсия, LTV, CAC, ARPU и связи между ними. Формулы и разборы — в справочнике метрик.
Прорешайте 3–5 продуктовых кейсов вслух, как на реальном интервью: «метрика упала — что делать», «как оценить фичу», «какие метрики у продукта X».
Отработайте структуру ответа на кейс: уточнить цель и контекст → декомпозировать → предложить метрики → назвать риски и ограничения. Интервьюер оценивает ход мысли, а не единственно верный ответ.
Подготовьте 2–3 истории из своего опыта в формате «задача → действия → результат» — их спросят в любой компании.
День 6. Мок-интервью
Пройдите полный прогон в формате реального собеседования: AI мок-собеседование или с коллегой, строго по таймеру, без пауз на подглядывание.
Запишите или зафиксируйте ошибки и разберите каждую: где поплыли в SQL, где не хватило структуры в кейсе, где занервничали.
Отрепетируйте рассказ о себе на 2 минуты: чем занимались, какие результаты, почему эта вакансия. Это первый вопрос почти всегда — он задаёт тон.
Подготовьте 3–4 вопроса работодателю: про команду, стек, процессы, как измеряют успех аналитика. Отсутствие вопросов читается как отсутствие интереса.
День 7. Повторение и отдых
Утром пробегитесь по своей шпаргалке: синтаксис оконных функций, формулы ключевых метрик, схема дизайна A/B-теста. Ничего нового не учите — это только добавит тревоги.
Решите 2–3 лёгкие SQL-задачи для тонуса, не больше. Цель — размяться, а не устать.
Проверьте логистику: ссылка на звонок, камера и микрофон, свежая версия резюме под рукой, тихое место.
Вторая половина дня — отдых. Выспаться перед собеседованием полезнее, чем ещё четыре часа задач: уставший кандидат ошибается в простом.
Пишу все типы JOIN, GROUP BY + HAVING и оконные функции без подсказок
Решаю SQL-задачу уровня middle за 15–20 минут
Уверенно делаю groupby, merge и pivot_table в pandas
Объясняю p-value, доверительный интервал и ошибки I/II рода своими словами
Могу спланировать A/B-тест: гипотеза, MDE, размер выборки, длительность
Помню формулы retention, LTV, CAC, конверсии и связи между ними
Прошёл хотя бы одно мок-интервью и разобрал свои ошибки
Рассказ о себе укладывается в 2 минуты
Подготовлены 3–4 вопроса работодателю
Проверены ссылка на звонок, камера, микрофон и резюме
Частые вопросы
Реально ли подготовиться к собеседованию аналитика за неделю?
С нуля — нет: за неделю не выучить SQL и статистику до рабочего уровня, на это уходит 2–3 месяца. Неделя работает, когда база есть, но подзабыта — тогда интенсивное повторение с решением задач руками реально поднимает результат. Если базы нет, честнее перенести собеседование или идти на него как на тренировку без больших ожиданий.
С чего начать, если времени совсем мало?
С SQL — это самая частая секция и самая предсказуемая: JOIN, GROUP BY, оконные функции покрывают большинство задач. Даже если на всё остальное времени не хватит, уверенный SQL плюс внятный рассказ о своём опыте — уже половина успеха. Статистику и кейсы подключайте вторым приоритетом.
Сколько часов в день нужно заниматься?
Реалистично — 3–4 часа сосредоточенной работы с задачами, больше мозг за неделю не усвоит. Восьмичасовые марафоны дают иллюзию прогресса: к вечеру вы перечитываете теорию, не запоминая. Лучше два коротких блока — утром задачи, вечером разбор ошибок и повторение.
Что важнее — учить теорию или решать задачи?
Решать задачи. На собеседовании проверяют, пишете ли вы запрос и рассуждаете ли структурно, а не пересказ определений. Теорию подтягивайте точечно — когда задача не решается или решение непонятно. Правило простое: 70% времени — практика, 30% — разбор и конспекты.
Что делать, если Python у меня слабый?
Не паниковать и не пытаться выучить всё за один день. Сфокусируйтесь на минимуме, который реально спрашивают: groupby, merge, фильтрация, обработка пропусков в pandas. Для позиций аналитика сильный SQL при среднем Python — рабочая комбинация, многие команды это принимают; честно скажите, что активно добираете Python.
Что делать в последний день перед собеседованием?
Только лёгкое повторение по своей шпаргалке и 2–3 простые задачи для тонуса — ничего нового. Проверьте технику и логистику: ссылку на звонок, камеру, резюме. Главная задача последнего дня — выспаться: уставший кандидат теряет баллы на простых вопросах чаще, чем недоучивший одну тему.