Полный цикл отбора в Яндекс (Аналитика 2025)

Сейчас в полном разгаре летняя волна стажировок, выпускники наших курсов делятся нашими впечатлениями. Алексей, студент 2 курса бизнес информатики НИУ ВШЭ, решил поделиться своим опытом прохождения на продуктовую аналитику.

Вступительный контест
Здесь просто взял решения из разбора, который выкладывается в каналы курсов, переписал логику немного, там где это много, также попросил гптшку тоже поменять решения и закинул в контест.

Аналитическая секция
В начале интервьювер представился, прорекламил свою команду и попросил рассказать о себе в двух словах. Затем мы перешли к задачам.
Алгоритмическая задача:
  Дан массив чисел и значение x, требуется найти минимальный по длине подотрезок массива, такой, что количество уникальных значений на этом отрезке >= x.
Задачка простенькая на два указателя (+хешмапа). Здесь интервьювер максимально задушнил и асимптотику спросил с подробным объяснениям, также ссылаясь ещё на работу хешмапы, и начал выяснять как работает лист внутри и почему добавление O(1), но я выстоял, а задачку решил довольно быстро.
АБ:
На удивление ни единой задачки на ТВ не было, сразу перешли к дизайну АБ и критериям. В принципе здесь всё стандартно, просто обычный кейс, поспрашивал сколько человек разумно брать в эксперимент и какой критерий подойдёт, пытался вытянуть из меня идею применения CUPED (P.S. кстати на новом курсе по тестам будет даже разбираться и cuped, и стратификация, и прочие заумные методы), я даже вспомнил про его существования, но объяснил интервьюверу, что пока что мимо обошёл.
Метрики/unit экономика:
Дали кейс и попросили посчитать с unit экономику, здесь справился быстро и без нареканий.

Алгоритмическая секция
Первая задача: баян на мердж двух отсортированных односвязанных списков.
Вторая задача: дана матрица (каждый элемент 0 или 1) и требуется найти подматрицу максимальной площади состоящую только из 1. Тоже известная задача.
У интервьювера было 0 замечаний к решению, халявы решил в сумме обе задачи менее чем за 15 минут, так и закончился ласт алгособес и пригласили далее на финалы.

Интервью с командой
В основном на финале были пустые разговоры про мотивацию и прочее + задавали вопросы на продуктовое мышление. В двух командах были простенькие sql запросы. В третьей же задали целый ряд задач:
1. У нас есть два варианта рекомендательной системы. В A-группе конверсия 10% (на 1000 пользователей), в B-группе — 12% (на 1000). Достаточно ли этого, чтобы считать разницу значимой? Как проверить? Что делать, если выборка небольшая?
2. Компания запускает голосового ассистента для банка. Какие метрики стоит отслеживать в первые 3 месяца? Как понять, что продукт успешен?
Далее простенькие задачки на sql и итоговая болтовня.

По итогу меня взяли в последнюю команду. Подводя итоги, могу рассказать свой бэкграунд. Естественное ни о какой нормальной математики на БИ ВШЭ говорить и нельзя, всё я ботал сам, либо по курсам (но хочу отметить, что на собеседованиях естественно и не смогут проверить в полной мере твои харды, так что это легко можно и замаскировать). Курс алгосов в БИ относительно нормальный, для прохождения собесов с головой хватит (конечно тут говориться про именно знание тем, а не умение пользоваться алгоритмическим аппаратом, последнее естественно нужно будет тренить самому/либо у вас сразу пойдут простенькие задачи с собесов). Сама прога посредственная на БИ (но для аналитика собственно ничего трудного в проге и не нужно знать). SQL я выучил на курсах поступашек, как и прочую гуманитарщину, связанную с продкутовой частью. Что касается АБ, также базовые навыки изучил на курсах и сам ещё почитал другие материалы. Резюмируя, в принципе всё что мне понадобилось для отбора, я выучил за месяц и никаких особых хардов и не нужно, чтобы попасть на стажировку.

@ProdAnalysis

Вот и разбор теста на знание SQL стажировки в Т-банк. А разбор SQL задач и экзамена по математике уже на нашем курсе по AB тестам, на который только сегодня дарим 30% скидку!

@ProdAnalysis

❓ Как выбрать правильные продуктовые метрики?

Каждый продукт — это живая система, и чтобы им управлять, нужно измерять то, что действительно важно. Но как не утонуть в сотне графиков и сосредоточиться на главном?

Какие метрики бывают?

📎 Оценка роста
DAU/WAU/MAU — кто и как часто возвращается
Retention — «выживаемость» пользователей через N дней
Virality (K-фактор) — насколько продукт сам себя продвигает

📎 Экономика продукта
LTV — сколько денег приносит клиент за всё время
CAC — сколько стоит его привлечение
ROI — окупаемость вложений

📎 Качество продукта
NPS — лояльность пользователей
CES — простота решения задач
CR (Conversion Rate) — сколько доходят до цели

💡 Как не ошибиться?
✔ Фокус на 3-10 вторичных, и 1 KPI — остальное шум.
✔ Связывайте метрики с целями — если хотите удержание, смотрите Retention, а не CAC.
✔ Segmentируйте данные — поведение новых и старых пользователей может сильно отличаться.

@ProdAnalysis

По многочисленным просьбам разбираем 7ую задачу со стажировки в Т-банк. Код уже здесь.

@ProdAnalysis

Как найти своего идеального клиента? Сегментация аудитории.

Каждый продукт создаётся для людей, но не все люди одинаково полезны для вашего бизнеса.
Одни клиенты приносят 80% прибыли, другие — просто создают нагрузку на поддержку.

Инструмент, который поможет найти паттерны ваших идеальных клиентов — сегментация аудитории.

Зачем сегментировать аудиторию?
Сегментация помогает:
Точечно улучшать продукт под нужды ключевых пользователей.
Повышать конверсию за счёт персонализированных коммуникаций.
Увеличивать LTV (Lifetime Value), удерживая лучших клиентов.

Есть 4 основных подхода:
1. Демографическая сегментация
2. Поведенческая сегментация
3. Психографическая сегментация.
4. RFM-анализ (Recency, Frequency, Monetary)

Основные ошибки в сегментации
1. Слишком много сегментов → невозможно персонализировать.
2. Сегменты без действий → просто анализ ради анализа.
3. Игнорирование динамики → клиенты меняются, сегменты тоже должны.

@ProdAnalysis

Поступашки открывают набор на курс по теории вероятностей и математической статистики для тех, кто поступает в Академию Аналитиков Авито!

Мечтаешь поступить в ААА? Или просто хочешь тащить собесы и стать крутым специалистом в DS, но не хватает фундамента? Тогда тебе к нам!

На курсе будет разобрана специфика задач, ВСЕ идеи и подходы, используемые составителями. А также тебя ждёт пробный экзамен и собеседование!

Как всегда лекции со всей необходимой систематизированной теорией, семинары (на которых вы не просто сидите в чате, а имеете возможность отвечать, как на живом уроке), домашние задачи, разбор домашних задачек, куратор Владислав, который готовит десяток лет, все что может вам потребоваться для полной подготовки!

Цена самая доступная: 9000 р за курс.

Начинаем уже 7 июня! Первые материалы уже доступны!

После семинара доступна запись. Кураторы помогут заполнить анкету, помогут в абсолютно в любом вопросе, задаче. Вас ждет пробный экзамен, персональное собеседование! А также разведка по каждому экзамену, инсайды и персональные рекомендации. Все будет еще круче, чем на всех наших прошлых курсах (отзывы тут).

Программа и Подробности.

Для записи и вопросов: @menshe_treh

Товарищи, публикуем разбор на стажировку по аналитике в яндекс, успейте пройти отбор до смены контеста и попасть летом в команду яндекса!😎

@prodAnalysis

Принцип Парето

Недавно студенту наших курсов попалась довольная необычная "легенда" примитивной задачи на собесе в т-банк на позицию Project manager. Решили разобрать, чтобы вы не пугались подобных формулировок в будущем!

Условие:
На заводе техобслуживание станка занимает ровно 8 часов (480 минут). Инженер предложил оптимизировать процесс по принципу Парето (20% усилий дают 80% результата):
1. Выполнить 80% работ за 20% стандартного времени.
2. Для оставшихся 20% работ повторить принцип: устранить 80% остатка за 20% времени, требуемого на этот остаток.
И так мттеративно далее применять для остающихся частей.
Обусловимся следующими ограничениями:
- Объем работ однороден (время пропорционально объему).
- На первом этапе 20% времени = 20% от 480 минут.

Какую экономию времени (в минутах) даст новый метод?

Задача максимально простая, но из-за загруженности условия и волнения, некоторые могут сбиться с толку. Здесь есть несколько способов решения, разберём два.

1. Обозначим исходное время как T = 480 мин. На каждом шаге: устраняем 80% текущего объема работ (фактически каждую иттерацию можно интерпретировать, как реализацию случайной величины) и тратим 20% времени, требуемого на текущий объем. После n-го шага остаток работ: (0.2)^n * 100%. Время на k-м шаге: t_k = (0.2)^k * T. Общее время – сумма геометрической прогрессии: S = T * \sum (0.2)^k. Посчитаем сумму S = T * 0.2/(1-0.2) = 120 => мы сэкономили 480-120 минут = 360 минут

2. Есть второй подход, можно заметить что, засчет такого иттеративного подхода наша скорость увеличится в 80/20=4 раза, а значит мы в 4 раза потратим меньше времени, тогда ответ 480-480*1/4=360 минут.

@prodAnalysis

Эти ошибки должен избежать каждый стажер аналитик

Зачастую многие стажеры натыкаются на одни и теже ошибки, поэтому постарайтесь отличиться кандидатурой, не допустив этих ошибок, и порадовать своего бади и лида.

1. Не лезь в данные просто так. Когда копаешь данные без чётко поставленного вопроса, можно потратить часы, конечно получится и найти кучу случайных корреляций и т.п. Но ты не добьёшься ответа на поставленный бизнес-вопрос. Поэтому стоит следовать чёткому плану, прежде чем лезть в бд:
а) Сформулируй вопрос конкретно, в нем должны быть уточнены сегмент, метрика и период, например: "Почему упала конверсия в оплату на мобильных устройствах за последнюю неделю?". (В данном случае сегмент - мобильные устройства, метрика - конверсия, период - последняя неделя).
б) Предположи причину (то есть сформулируй гипотезу). Например: "Возможно, сломался выбор способа оплаты на IOS, после обновления".
в) Определим данные, которые понадобятся для вычисления нужных метрик и проверки гипотезы. В контексте данных примеров нам понадобятся конверсии по устройства ОС за 2 недели, логи ошибок на шаге оплаты, дата последнего релиза.
И уже только после этих трех пунктов можно открывать sql/python.

2. Когда ты показываешь результат анализа без пояснений (просто график или число), это вызывает больше вопросов, чем ответов. За такое может настучать по шапке ваш бади/лид. Отчет без контекста бесполезен. Потрать 2 минуты на пояснения – сэкономишь час на переписке с вашим руководителем. Ваша задача как аналитика в отчетах указать не просто заметить какое-то отклонение, но и дать полную информацию о метрике/времени/гипотезу. Чтобы избежать этой проблемы, первым делом опиши метрику, за какой период она дана, в чём выражены отклонения, затем стоит сопоставить события когда эти изменения начали проявляться (например это отклонение могло начать проявляться, когда выкатили новую версия приложения), а в качестве последнего этапа можно уже выдвигать гипотезу.

3. Многие неопытные стажеры напрочь забывают провести анализ на наличие выбросов. Эти значения могут сильно исказить любую метрику (особенно средние значения). Но их в том числе не стоит удалять сразу после обнаружения, предварительно стоит выявить причину и учитывать её впоследствии (например корпоративная покупка / vip-клиенты / ошибка данных). В случае если аномалия относится к бизнесу, то можно сделать метрику менее чувствительной к экстремальным значениям (например использовать медиану), либо удалить, если это ошибка данных.

4. На практике почему то много стажеров не спрашивают вопросов. Этот страх задать "глупый" вопрос мешает и вам (вы потратите куда больше времени если будете весь день пытаться понять постановку задачи), и команде, а хуже того - вы можете потратить время, неправильно поняв задачу. Поэтому всегда уточняй цель анализа (узнай какой бизнес-вопрос вы решаете), детализируй критерии (сегментируй / ограничь период / метрики выдели), сверься с гипотезами и сроками. 5 минут уточнений вам сэкономит куча времени, поэтому ненпренпрегайте не пренебрегайте вопросами.

А чтобы попасть на стажировку и знать больше тонкостей про рабочий процесс в бигтехе записывайся на наш карьерный курс по аналитике со скидкой 35%.

@ProdAnalysis

Товарищи, подготовили для вас секретный гайд, для тех, кто мечтает, чтобы его резюме отправили в помойку за 10 секунд. Мы составили эту методичку, основываясь исключительно на реальном опыте интервьюеров и кандидатов.

1. Первый этап это скрининг резюме, многие знают из тиктоков про
секретные методики быстрого чтения резюме (а именно F-скрининг резюме, HR мысленно рисует на весь лист вашего резюме букву F и читает текст, попавший в контуры этой буквы). Проверьте внимательность HR и оставьте послание из первых букв каждой строки (например угрозы если вашу заявку не примут), ваша заявка должна отличаться от серой массы. Также помните, что короткие резюме, оформленные в латехе это абсолютно проигрышный вариант, ваше резюме должно быть минимум в 10 страниц, постарайтесь вписать все ваши достижения с детского сада, предварительно адаптировав (например: ‘Победитель городского конкурса стихотворений’ можно переформулировать в ‘Платиновый лидер ораторского клуба города Москва’), любые конкурсы, которые вы видели без раздумий добавляем в резюме. С опытом так же, накидайте кучу несуществующих компаний и назовите их стартапами. Пример наиболее содержательного резюме советую глянуть здесь.

2. Работа в IT это в первую очередь про рациональность, поэтому продумайте свой внешний до мелочей, ни в коем случае не надевайте опрятные рубашки и тройки. HR-ы сразу увидят, что вы уделяйте внимание вещам, далёким от рабочего процесса. На вас максимум, что должно быть - это помятая, застиранная, чёрная рубашка (в идеале на ней должна выделяться какая-нибудь пыль), помните вы - рациональный работник и не тратите время на всякую чепуху.

3. К выбору места для дозвона тоже отнеситесь ответственно, например можете показать, что вы человек с очень забитым графиком и цените своё время, собеседоваться во время час-пика в метро на серой ветке (там как раз будет достаточно громко, чтобы все неудобные вопросы пропускать, ссылаясь на слишком громкий окружающий шум). Довольно неплохая идея развести бардак у себя на столе в кадре, чтобы доказать, что вы творческая натура.

4. Хвастайтесь навыками, которых нет. Например знанием Klingon Programming Lang. Рекрутер обожает, когда кандидаты называют различные умные технологии (неважно бывают ли такие или нет, если вдруг спросят про несуществующую можете выдумать что-нибудь на ходу)! Заявите, что владеете всеми языками — от Python до эльфийского синтаксиса из LOTR.

5. Говорите по существу, не стоит объяснять на тех собесе неочевидные моменты ваших решений, вы должны казаться очень умным и принимать любой факт за очевидное. Не объясняйте ход мыслей! Пусть интервьюер поломает голову, глядя на ваш код. А если спросят: «Почему вы выбрали такой алгоритм?», бодро ответьте: «Интуиция!». Напишите переменные названиями вроде abcde, tmp (можете тоже здесь проверить внимательность интервьюера и добавить пасхалок, например переменные shitHappens или различные ругательства).

6. Когда у вас спросят про ожидаемую зарплату, ни в коем случае не стоит играть в игру «кто первый назовет цифру». Помните чтобы вас точно взяли нужно назвать цифру как минимум в два раза ниже рынка, а можно и вовсе первое время поработать бесплатно.

7. Иногда бывает такое, что интервьювер явно ошибается и не хочет признавать, в таком случае вас просто проверяют и морально давят, стойте на своём (пример: Вы решили задачку довольно быстро и эффективно, но интервьюер настаивает на своем и не понимает ваше решение, просит вас решить задачку по другому). Обязательно стойте на своём, вас проверяют, вы должны гнуть свою линию вплоть до конфликта.

Делитесь в комментах, как вы попали в черный список или завалили собес😎. А если не хочешь так же позориться на собесах, можешь записаться на карьерные курсы.

@ProdAnalysis

How to заботать мат. аппарат для ML? (Часть 1, Алгебра и аналитическая геометрия)

У многих уже подходит к концу сессия и пора начинать думать о том чем вы будете заниматься во время летнего отпуска (если конечно вы не нашли заветной вакансии стажера в каком-нибудь бигтехе). В этой серии постов опубликуем материалы для того чтобы заботать/освежить/восполнить харды. Один из основных элементов фундамента в ML (естественно, я не говорю про форму мл-макакинга, где персонаж просто пользуется готовыми моделями, не представляя, что из себя они представляют) это алгем. Выписал подборку наилучших курсов/книг по алгебре этого с головй хватит например для экзаменов в ШАД.

В принципе для базового уровня в ML алгебры не так много нужно, а метериалы ниже с голов покроют запросы. Выделил основные темы ангема и алгебры для ML: геометрия векторных пространств, расстояния и проекции, Уравнения прямых, плоскостей и гиперплоскостей, кривые и поверхности второго порядка, вектора и линейные пространства, матрицы и линейные операторы, СЛУ, линейные разложения (svd, lu, evd, qr и т п), нормы векторов и матриц.

Теория

1) Некоторые из вас, кто крутился в олимпиадном комьюнити знают Богданова Илью Игоревича. Он же ведёт очень подробный и продвинутый курс вузовского ангема и алгебра. Также есть затеханные лекции этих курсов (ангем и алгебра).

2) Параллельно этому курсу, если вдруг будут вещи, которые не ясны в полной мере, можете обращаться к материалам учебников Кострыкина или Винберга (Кострыкин будет более простым).

Практическая часть

1) В качестве семинарской части чтобы научиться решать задачи можете посмотреть записи семинаров Юденковой (часть 1 и часть 2). Так же можете еще и письменные материалы.

2) В качестве задачника советую Беклемишева, там перед каждой главой расписана хорошая теория с примерами решения задач.

А также присоединяйся к сообществу продуктовых аналитиков в нашем чатике!

@ProdAnalysis

Открытый банк заданий

Уже завтра стартуют наши карьерные курсы, на которые можно записаться со скидкой 35% до 06.07 включительно. В честь такого события решили поделиться частью банка реальных технических вопрос с собесов.

Подписывайтесь и делитесь с друзьями такой годнотой!
Аналитика
Машинное Обучение

Доступ к расширенной базе будет только у тех, кто приобрел курс этой серии! Но к ней можно получить доступ, просто отправив @vice22821 свое тестовое задание или собеседование.

@postypashki_old

Товарищи, напоминаю, что сегодня последний день, чтобы записаться на наши легендарные курсы по хорошей скидке 30%. Стартую они уже завтра.

Не упустите свой шанс классно прокачаться летом и залететь уже осенью на стажировку в Яндекс как наш выпускник прошлого набора (см прикрепленное интервью). Михаил сейчас работает на позиции джуниор в команде Яндекс Такси. Уверен его история просто парня из региона вас вдохновит!

[ Записаться на курсы ]