Как пройти 45 собеседований за 2 месяца и остаться в живых?
Делюсь давней историей, как уходил со Сбера
Если ответить просто: потому что рынок дата/продуктовой аналитики сейчас — это как Tinder/Pure: 30 свайпов вправо, 10 ответов, 5 реальных свиданий, и то оказалось, что либо компания искала «немного другого кандидата» либо я говорю: “понимаешь, дело не в тебе, а во мне (а к позиции/коллективу/процессам ЕСТЬ ВОПРОСЫ)" а вообще, было немного опыта и хотелось взять максимум от некст оффера, как многие мне кажется после 1-2 места работы.
Если тебя внезапно "оптимизировали", то 45 тех. собеседований — это не роскошь, а survival mode.
Если же ты просто мониторишь рынок и присматриваешься — то это интерес, смогу ли выбить для себя лучшие условия?
Лично для меня - это был вызов, чтобы выбрать лучшее и сменить текущее место работы
- Тестовые задания теперь как курсовые в университете, из-за высокой конкуренции.
- HR сначала зовут на "знакомство", а потом оказывается, что позицию на фризе.
- Компании стали дольше рекрутить (4 и более этапов вместо 2-3) как одна из причин
1. От 2 недель (если вы работаете сейчас) до 3х месяцев (пока пройдут все собесы). Количество собеседований никак не влияет на шансы в трудоустройстве. Влияет рынок - количество соискателей и позиция.
Сначала тебе улыбаются, потом спрашивают: «А какой ваш любимый тип JOIN?» (правильный ответ: «Тот, который работает»). А вообще подробно расскажу далее!
Весь процесс от 4 до 6-8 этапов. Чаще всего 4-5.
1. HR-скрининг
- "Расскажите о себе" - перевод: "Докажите, что ты полезный и крутой + софты".
- "Почему ушли с прошлого места?" - надо: "Рост не поместился в рамки компании", а не "команда токсиков, процессы хуже чем в гос. поликлиниках".
2. Первое (а может и единственное) тех. интервью - SQL + Python
SQL: "Напишите запрос, который найдет пользователей, купивших то, не знаю что, но важно", а если без шуток то - задачи на оконные функции, понимание работы и приоритетов операторов, креатив с созданием новых фичей и обработкой уникальных условий
Python: "Сделайте ETL, который будет парсить данные из PDF, где их сохраняли только дураки" или два вариант: лайвкодинг на базовые алгосы и решения задач, либо Pandas, обработка данных, агрегация данных, создание фичей и визуализация
3. Второе тех. интервью - бизнес кейс
Здесь уже без шуток прикольные задачи, которые встречаются на работе, часто про: дизайн АБ тестов, либо обсуждение метрик и принятие решений на основе данных. Обсуждение нюансов предметной области и усложнение задач ограничениями со стороны бизнеса, чтобы посмотреть как ты мыслишь и как можешь повести себя в той или иной ситуации
2ой вариант* - секция ML, так как дата аналитики могут быть в том числе аналитиками-разработчиками.
Здесь уже история про знание различных областей в классическом ML: Метрики качества моделей, методы регуляризации, проблема мультиколлинеарности + внутрянка отдельных типов МО.
Например: как определить оптимальное число кластеров в задаче кластеризации? Различия между стандартизацией и нормализацией? и тд
4. Общение с руководителем или командой-ами
Здесь стоит сказать что в бигтехах часто набирают аналитиков и предлагают сразу нескольким командам. Поэтому количество собеседований может вырасти с 1 до 3. Это уже финальные собесы на софты, чтобы понимать ок или не ок. Ну, а так остался прежний формат что ищут человека в конкретную команду.
Делюсь давней историей, как уходил со Сбера
Почему вообще кто-то проходит 45 собеседований за 2 месяца?
Если ответить просто: потому что рынок дата/продуктовой аналитики сейчас — это как Tinder/Pure: 30 свайпов вправо, 10 ответов, 5 реальных свиданий, и то оказалось, что либо компания искала «немного другого кандидата» либо я говорю: “понимаешь, дело не в тебе, а во мне (а к позиции/коллективу/процессам ЕСТЬ ВОПРОСЫ)" а вообще, было немного опыта и хотелось взять максимум от некст оффера, как многие мне кажется после 1-2 места работы.
Это вынужденная мера или осознанный выбор?
Если тебя внезапно "оптимизировали", то 45 тех. собеседований — это не роскошь, а survival mode.
Если же ты просто мониторишь рынок и присматриваешься — то это интерес, смогу ли выбить для себя лучшие условия?
Лично для меня - это был вызов, чтобы выбрать лучшее и сменить текущее место работы
Как меняется рынок вакансий для дата/продуктовых аналитиков?
- Тестовые задания теперь как курсовые в университете, из-за высокой конкуренции.
- HR сначала зовут на "знакомство", а потом оказывается, что позицию на фризе.
- Компании стали дольше рекрутить (4 и более этапов вместо 2-3) как одна из причин
Сколько в среднем длится процесс трудоустройства в IT и как влияет количество собеседований на шансы?
1. От 2 недель (если вы работаете сейчас) до 3х месяцев (пока пройдут все собесы). Количество собеседований никак не влияет на шансы в трудоустройстве. Влияет рынок - количество соискателей и позиция.
Как проходит типичный процесс собеседования на позицию дата-аналитика?
Сначала тебе улыбаются, потом спрашивают: «А какой ваш любимый тип JOIN?» (правильный ответ: «Тот, который работает»). А вообще подробно расскажу далее!
Сколько этапов обычно включает собеседование?
Весь процесс от 4 до 6-8 этапов. Чаще всего 4-5.
1. HR-скрининг
- "Расскажите о себе" - перевод: "Докажите, что ты полезный и крутой + софты".
- "Почему ушли с прошлого места?" - надо: "Рост не поместился в рамки компании", а не "команда токсиков, процессы хуже чем в гос. поликлиниках".
2. Первое (а может и единственное) тех. интервью - SQL + Python
SQL: "Напишите запрос, который найдет пользователей, купивших то, не знаю что, но важно", а если без шуток то - задачи на оконные функции, понимание работы и приоритетов операторов, креатив с созданием новых фичей и обработкой уникальных условий
Python: "Сделайте ETL, который будет парсить данные из PDF, где их сохраняли только дураки" или два вариант: лайвкодинг на базовые алгосы и решения задач, либо Pandas, обработка данных, агрегация данных, создание фичей и визуализация
3. Второе тех. интервью - бизнес кейс
Здесь уже без шуток прикольные задачи, которые встречаются на работе, часто про: дизайн АБ тестов, либо обсуждение метрик и принятие решений на основе данных. Обсуждение нюансов предметной области и усложнение задач ограничениями со стороны бизнеса, чтобы посмотреть как ты мыслишь и как можешь повести себя в той или иной ситуации
2ой вариант* - секция ML, так как дата аналитики могут быть в том числе аналитиками-разработчиками.
Здесь уже история про знание различных областей в классическом ML: Метрики качества моделей, методы регуляризации, проблема мультиколлинеарности + внутрянка отдельных типов МО.
Например: как определить оптимальное число кластеров в задаче кластеризации? Различия между стандартизацией и нормализацией? и тд
4. Общение с руководителем или командой-ами
Здесь стоит сказать что в бигтехах часто набирают аналитиков и предлагают сразу нескольким командам. Поэтому количество собеседований может вырасти с 1 до 3. Это уже финальные собесы на софты, чтобы понимать ок или не ок. Ну, а так остался прежний формат что ищут человека в конкретную команду.