Материал Эйч · Опубликовано 27 октября 2026
Глубокая проверка SQL, статистики и экспериментов на стыке маркетинга, продукта и продаж образовательного бизнеса
Фишка: Сильный акцент на эксперименты и воспроизводимую аналитику; типичны развёрнутые SQL-задачи на доставку коммуникаций и оконные функции, плюс прикладные задачи на Python в духе внутренних метрик Яндекса.
| Этап | Длительность | Что проверяют |
|---|---|---|
| Скрининг / HR | 30–45 мин | Опыт в маркетинговой или продуктовой аналитике, мотивация к Практикуму, формат работы (офис Москва/СПб), ожидания по senior-уровню |
| Техническое интервью | 60–90 мин | SQL на реальных схемах (кампании, коммуникации, пользователи), статистика, дизайн A/B-тестов, разбор воронки от контакта до покупки |
| Алгоритмы / код | 45–60 мин | Задачи на Python: массивы, вероятность, иногда имплементация метрик; оценка сложности и краевых случаев |
| Кейс / продукт | 45–60 мин | Гипотезы роста в каналах привлечения, ценовые механики, интерпретация эксперимента для нетехнических стейкхолдеров |
| Финал с командой | 30–60 мин | Культура аналитики в Яндексе, автоматизация и ИИ-инструменты, ваши вопросы к команде |
Обязательный минимум
Плюсом будет
Как называется оператор сортировки в SQL и когда он выполняется? Где в порядке выполнения находится LIMIT?
ORDER BY — после SELECT/GROUP BY/HAVING; LIMIT/OFFSET — в самом конце цепочки выполнения запроса.
Что изменится, если заменить COUNT(*) на COUNT() без аргумента?
В стандарте SQL COUNT() без аргумента недопустим; в диалектах с COUNT() как COUNT(*) поведение как у подсчёта строк; уточняйте диалект (ClickHouse, PostgreSQL).
По промо-кампаниям: вывести число пользователей, успешно получивших коммуникацию, по каждой кампании; затем — число пользователей без ни одной успешной доставки.
Нужна таблица получателей кампании + факты communications; успех по status; для «ни одной успешной» — anti-join или NOT EXISTS по user_id в рамках campaign_id.
Добавили event_timestamp: для всех кампаний посчитать долю пользователей, у которых успешная доставка с первой попытки.
Первая успешная попытка: ROW_NUMBER() PARTITION BY campaign_id, user_id ORDER BY event_timestamp; сравнить с первой попыткой вообще; учесть кампании без запуска (LEFT JOIN от campaigns).
Ловушка: Считать только по communications без списка получателей — занижает/искажает охват кампании.
Совет: Проговаривайте схему таблиц вслух и оптимизацию (фильтры до join, индексы по campaign_id, user_id).
Перечисли критерии, при которых данные можно считать нормально распределёнными.
Симметрия, колокол, близость среднего/медианы/моды, умеренные выбросы; на практике ещё смотрят на CLT для средних.
Как настроить A/B-тест для нового алгоритма поиска? Как определить размер выборки и длительность?
Метрики (CTR, конверсия), рандомизация, MDE + alpha/beta → power analysis; длительность с учётом сезонности и достаточного числа событий на вариант.
Как бы ты оценивал качество мультимодальной модели? Что такое бенчмарк?
Бенчмарк — стандартный набор задач и метрик; для multimodal — accuracy/F1 на поднаборах, human eval, robustness, latency/cost.
Фишка: Для Практикума типичны эксперименты в продукте и маркетинге: связывайте тест с выручкой и воронкой, а не только с CTR.
Как оценить эффективность каналов привлечения и ценовых механик?
Когортный LTV/CAC, атрибуция (с оговорками), инкрементальность (holdout/geo), воронка по этапам, контроль сезонности.
Как бы ты создал бенчмарк по геометрии — цепочка от идеи до датасета?
Цели навыков → спецификация задач → генерация/разметка → валидация → версионирование → метрики и baseline.
Насколько вам интересно машинное обучение и хотели бы применять его как инструмент?
Честный ответ: где ML даёт value (скоринг, прогноз, ассистенты аналитика), где достаточно SQL+статистики; критическая проверка моделей.
Совет: Готовьте 1–2 истории: гипотеза → эксперимент/анализ → решение о масштабировании или отказе.
Какова сложность по памяти у Product of Array Except Self и какие переменные используются?
O(1) доп. памяти при двух проходах с выходным массивом; prefix/suffix произведения в одном массиве результата.
Расскажите, каким стеком и инструментами пользовались?
SQL-движок, Python (pandas), BI, git, оркестрация; для вакансии — акцент на воспроизводимость и автоматизацию.
Ловушка: На коде важны краевые случаи и читаемость, не только правильный ответ.
Три неразличимых фейерверка с разной надёжностью (0.9, 0.8, 0.6). Первый успешно сработал. Какова вероятность, что второй и третий тоже успешны?
Байес: обновить вероятности типов после первого успеха, затем условные вероятности для оставшихся двух; ответ округлить до 3 знаков.
Совет: Запишите полную вероятность по гипотезам о типе первого фейерверка.
Префиксы и суффиксы (массив)
Из нулей массива длины n за операции «+1 ко всем элементам префикса или суффикса» можно ли получить заданный массив ai (ai ≤ 10^18)?
Проверка монотонности разностей соседних элементов: массив достижим iff a[i] ≤ a[i+1] для всех i (инвариант операций). Иначе NO, иначе YES.
Сложность: O(n) по времени, O(1) по памяти
Метрика IoU по цветам (сканворд)
Две матрицы n×m — решение и оригинал. Для каждого ненулевого цвета считать IoU-подобную метрику по клеткам этого цвета, усреднить по числу цветов в оригинале; нули не цвет.
Для каждого color>0: intersection = совпавшие клетки, union по правилу задачи (одна единица за совпавшую пару); усреднить; округление до 2 знаков.
Сложность: O(n·m·C) где C — число цветов
SQL: доставка промо-коммуникаций
Схемы campaigns, campaign_recipients, communications (status, event_timestamp). Метрики: успешные получатели, получатели без успеха, доля «с первого раза».
Агрегации с GROUP BY campaign_id; для первого успеха — оконные ROW_NUMBER; LEFT JOIN от campaigns для незапущенных.
Сложность: Зависит от объёма; избегать дублирования join без DISTINCT там, где нужен user-level
Каркас ответа
3 дня
7 дней
14 дней
| Блок | Готов, если... |
|---|---|
| SQL и аналитические запросы | можете без подсказки написать запрос с оконными функциями для «первого успеха» и объяснить порядок ORDER BY / LIMIT |
| Статистика и A/B-тесты | можете за 5 минут описать дизайн теста для продуктовой фичи с метриками и расчётом длительности |
| Маркетинг, продукт и метрики привлечения | можете нарисовать воронку Практикума и назвать 3 гипотезы роста с измеримым критерием |
| Python, алгоритмы и сложность | решаете типовую задачу на массив за O(n) и озвучиваете память/время |
| Вероятность | решаете задачу на обновление вероятностей после наблюдения (Байес) |
В день собеседования
