Вопросы на собеседовании на аналитика данных: 30 вопросов с ответами и примерами SQL

Собеседования на аналитика данных обычно сочетают три вещи: техническую проверку (SQL, Excel, иногда Python), бизнес-кейс, где вы рассуждаете над задачей с данными, и поведенческие вопросы о проектах, которые вы делали. Интервьюеры хотят увидеть, что вы можете получить правильные цифры, объяснить их смысл и помочь принять решение. Ниже 30 вопросов на собеседовании на аналитика данных с примерами ответов и разобранными запросами SQL.

Что ищут интервьюеры

Вопросы по SQL

В этих примерах используются две таблицы:

• orders(order_id, customer_id, order_date, amount)
• customers(customer_id, name, signup_date)

1. Найдите двух клиентов с наибольшей суммарной выручкой

SELECT customer_id, SUM(amount) AS revenue
FROM orders
GROUP BY customer_id
ORDER BY revenue DESC
LIMIT 2;

2. Найдите клиентов, которые никогда не делали заказ

SELECT c.customer_id, c.name
FROM customers c
LEFT JOIN orders o ON o.customer_id = c.customer_id
WHERE o.order_id IS NULL;

Объясните, почему работает LEFT JOIN с IS NULL: он сохраняет всех клиентов, а поля заказов остаются пустыми там, где совпадения нет.

3. Найдите второй по величине заказ каждого клиента

SELECT customer_id, order_id, amount
FROM (
  SELECT customer_id, order_id, amount,
         ROW_NUMBER() OVER (PARTITION BY customer_id ORDER BY amount DESC) AS rn
  FROM orders
) ranked
WHERE rn = 2;

Упомяните разницу между ROW_NUMBER, RANK и DENSE_RANK, когда есть одинаковые значения.

4. Посчитайте выручку по месяцам

SELECT DATE_TRUNC('month', order_date) AS month, SUM(amount) AS revenue
FROM orders
GROUP BY 1
ORDER BY 1;

DATE_TRUNC это синтаксис PostgreSQL. В SQLite используется strftime('%Y-%m', order_date), а в других базах данных свои функции. Скажите, какой диалект вы используете.

5. В чем разница между WHERE и HAVING?

WHERE фильтрует строки до группировки, а HAVING фильтрует группы после агрегации.

6. Какие бывают типы соединений?

INNER, LEFT, RIGHT и FULL OUTER. Объясните, когда использовать каждое и что происходит с несопоставленными строками.

7. Как найти дубликаты записей?

Сгруппируйте по столбцам, которые должны быть уникальными, и отфильтруйте через HAVING COUNT(*) > 1.

8. Что такое оконная функция и когда ее использовать?

Вычисление по связанным строкам без их схлопывания, например накопительные суммы, ранжирование или сравнение каждой строки с предыдущей.

Excel и таблицы

9. В чем разница между VLOOKUP и XLOOKUP (или INDEX/MATCH)?

XLOOKUP и INDEX/MATCH умеют искать влево, гибче обрабатывают отсутствующие значения и не ломаются, когда столбцы меняют место.

10. Как вы используете сводные таблицы?

Чтобы быстро суммировать данные по категориям, например выручку по регионам и месяцам.

11. Как вы почистите грязную таблицу?

Удалите дубликаты, стандартизируйте форматы (даты, регистр текста), обработайте пустые ячейки и проверьте выбросы.

Статистика

12. В чем разница между средним и медианой и когда использовать каждое?

Медиана лучше, когда распределение асимметрично, например в случае дохода или суммы заказа.

13. Что такое p-значение?

Это вероятность получить результат, не менее экстремальный, чем наблюдаемый, при условии, что реального эффекта нет. Малое p-значение говорит о том, что результат маловероятно объясняется одной лишь случайностью, но не показывает, насколько велик или важен эффект.

14. В чем разница между корреляцией и причинностью?

Если две переменные движутся вместе, это не значит, что одна вызывает другую: причиной может быть третий фактор или случайность. Эксперименты помогают установить причинность.

15. Как бы вы спроектировали A/B-тест?

Определите метрику и гипотезу, решите, каким будет размер выборки, случайно распределите пользователей, проведите тест в течение фиксированного периода и проверьте статистическую значимость и практический эффект.

16. Что такое выброс и что с ним делать?

Разберитесь, прежде чем удалять: это может быть ошибка или реальный и важный случай.

Очистка данных и качество

17. Как вы работаете с пропущенными данными?

Выясните, почему они отсутствуют, а затем решите: удалить, заполнить разумным значением или пометить. Объясните, как это влияет на результаты.

18. Как проверить, что набор данных надежен?

Сверка количества строк с источником, итоги, которые сходятся, диапазоны дат, дубликаты и выборочные проверки.

19. Расскажите о случае, когда вы нашли ошибку в данных

Короткая история по методу STAR с тем, что вы сделали, чтобы исправить ее у источника.

Визуализация и дашборды

20. Как выбрать подходящий график?

Линейный для трендов во времени, столбчатый для сравнения категорий, точечный для связей. Избегайте круговых диаграмм с большим количеством секторов.

21. Как спроектировать дашборд для руководителей?

Несколько ключевых метрик вверху, тренды, понятные подписи и фильтры только там, где они нужны.

22. Какими BI-инструментами вы пользовались?

Назовите их и дашборд, который вы построили. См. наши вопросы на собеседовании по Power BI.

Бизнес-кейсы

23. На прошлой неделе регистрации упали на 20%. Как бы вы стали разбираться?

«Сначала я бы подтвердил, что падение реальное, проверив трекинг и загрузку данных. Затем сравнил бы по платформе, стране, источнику трафика и шагу регистрации, чтобы понять, где это произошло. Если проблема в одном канале или одном шаге, я проверил бы, что там менялось, например закончилась кампания или вышел релиз сайта. Я поделился бы тем, что нашел, и тем, что мы еще не знаем».

24. Как вы измерите успех новой функции?

Определите цель, выберите основную метрику и защитные метрики, сравните с контрольной группой или периодом до и после.

25. Какие метрики вы бы отслеживали для интернет-магазина?

Трафик, конверсия, средний чек, доля повторных покупок и стоимость привлечения клиента.

26. Как бы вы объяснили сложный вывод нетехническому руководителю?

Начните с вывода и его влияния, используйте один простой график и кратко опишите метод.

Поведенческие вопросы

27. Расскажите об анализе, который изменил решение

Вопрос, данные, что вы нашли и что изменилось.

28. Опишите случай, когда вам пришлось работать с неполными данными

Какие допущения вы сделали и как сообщили о них.

29. Как вы расставляете приоритеты между запросами от нескольких заинтересованных сторон?

Бизнес-влияние и срочность, согласованные с заинтересованными сторонами или вашим руководителем.

30. Расскажите о случае, когда ваш анализ оказался неверным

Признайте это, исправьте и объясните, что теперь вы проверяете.

Для структуры этих историй см. наше руководство по методу STAR.

Подготовьте один сильный проект для портфолио

Как готовиться

1. Практикуйте SQL ежедневно в течение двух недель: соединения, агрегация и оконные функции.
2. Повторите базовую статистику: средние, распределения, A/B-тесты, p-значения.
3. Подготовьте один проект для портфолио и три истории по методу STAR.
4. Отработайте вслух кейс «почему изменилась эта метрика».
5. Изучите продукт компании и метрики, которые ей, вероятно, важны.

Для смежных ролей см. вопросы на собеседовании на бизнес-аналитика и вопросы на собеседовании по Python. Если вам нужны инструменты для подготовки, в нашем обзоре AI-инструментов для собеседований аналитика данных сравниваются варианты.