Виды аналитиков: роли, задачи и вопросы на собеседовании

Коротко: как различать виды аналитиков

Аналитик данных достаёт и проверяет числа, продуктовый связывает поведение пользователей с решением команды, BI-аналитик строит устойчивую модель показателей и отчёты. Маркетинговый и веб-аналитик разбирает каналы и путь на сайте; финансовый — деньги, план и риск. Системный аналитик переводит потребность в поведение системы и контракт, бизнес-аналитик — в изменение процесса с измеримой пользой. Аналитик 1С работает на стыке учётного процесса и конфигурации. Data Scientist строит предсказания и проверяет их пользу, дата-инженер обеспечивает надёжную поставку данных.

Это карта, а не государственный стандарт должностей. Название «бизнес-аналитик» может означать процессного специалиста или человека, который считает BI-отчёты. «Аналитик данных» в маленькой компании порой сам строит пайплайны и дашборды. Перед откликом прочитайте обязанности, результаты первых месяцев и инструменты, а на встрече уточните, кто владеет источниками и принятием решения.

На собеседовании ценят не перечисление технологий, а способность пройти путь от неопределённого вопроса до проверяемого результата. Для data-роли это запрос и контроль числа; для системной — сценарий, контракт и ошибки; для бизнесовой — процесс до и после, ограничения и измерение эффекта.

Карта ролей: работа, инструменты, проверка на интервью

Сравнивайте роли по четырём осям. Задача показывает, какой вопрос приходит специалисту. Результат — что он отдаёт команде. Инструменты служат этой задаче, но их список не определяет профессию: один и тот же SQL используют аналитик данных, продуктовый и системный аналитик с разной целью. Последняя колонка показывает не официальную программу отбора компаний, а разумную подготовку к типу задач роли.

Аналитик данных: вопрос превращается в число, которому верят

Ему могут принести вопрос «Почему в отчёте упала выручка?». Хороший результат — не одно число, а понятная цепочка: определение выручки, проверенный источник, период, запрос, сегменты и ограничение интерпретации. Работа идёт с менеджером, владельцем данных и иногда инженером, если обнаружен разрыв загрузки. SQL нужен, чтобы получать строки, Python — когда нужен воспроизводимый разбор или очистка.

На интервью логично проверить, как кандидат определяет зерно таблицы и замечает раздувание суммы после соединения. Слабый ответ начинается с графика до сверки метрики; сильный — с вопроса, какой показатель сравниваем, полон ли день, как изменился состав заказов. Подробные задачи и способ объяснять решение вслух уже есть в ролевой статье; здесь мы выбираем направление, а не перепечатываем её тридцать упражнений.

Для пробы роли возьмите таблицу с заказами и формулировку «продажи просели». Запишите единицу наблюдения, дату заказа и отмены, затем посчитайте заказы и деньги по неделям. Проверьте, что число строк не растёт при соединении с товарами. Итогом станет не SQL сам по себе, а короткий ответ: в каком сегменте изменение, какую альтернативу проверили и какие данные ещё нужны. Если эта работа вас увлекает, присмотритесь к аналитике данных. Если раздражает сбор источников, но интересна постановка самого решения, сравните соседние роли.

На интервью полезно проговорить разницу между правильным вычислением и полезным выводом. Можно идеально посчитать средний чек и при этом скрыть, что один крупный клиент изменил всю среднюю. Сильный ответ показывает распределение, определения периода, исключения и адресата решения. Это отличает работу аналитика от демонстрации синтаксиса.

Продуктовый аналитик: считать для решения о продукте

Продуктовый аналитик работает рядом с PM, дизайнером и разработкой. Его вопрос не просто «сколько пользователей», а «помогает ли новый сценарий сделать важное действие и стоит ли его оставлять». Результат может быть деревом метрик, разбором воронки, когортой или рекомендацией по эксперименту. Нужны события продукта, SQL, статистика и умение заметить, что изменение логирования похоже на изменение поведения.

На собеседовании просят выбрать primary metric и защитные метрики, объяснить падение DAU, оценить A/B-тест или разделить эффект по сегментам. Сильный кандидат сначала уточняет, кто пользователь и какое решение требуется; слабый перечисляет DAU, MAU и retention как универсальный набор. Числа без контекста могут привести к хорошему графику и плохому релизу.

BI-аналитик: одна версия показателя для нескольких команд

BI-аналитик делает не набор красивых экранов, а слой, где показатели определены один раз, обновляются по понятному расписанию и одинаково читаются финансами и продуктом. Он разговаривает с заказчиком отчёта, владельцем источника и теми, кто принимает решение. SQL формирует витрину, BI показывает и исследует, Excel часто служит быстрой независимой сверкой.

На встрече могут попросить спроектировать дашборд для руководителя. Сильный ответ начинается с решений пользователя, уровня детализации и определения KPI; слабый — с выбора диаграммы без вопроса. Также проверяют связь таблиц, фильтры, задержку обновления и то, как кандидат расследует расхождение с другим отчётом. Эти вопросы подробно разобраны в отдельном материале.

Маркетинговый и веб-аналитик: от контакта к действию

У маркетингового аналитика цель — понять, что канал приносит бизнесу при сопоставимых затратах и горизонтах. Веб-аналитик ближе к событиям сайта, разметке переходов и пути до целевого действия. В некоторых командах это одна должность, в других — разные люди. Работа идёт с маркетологом, продуктом, разработчиком сайта и иногда финансами; результатом становятся согласованные определения конверсии и решение о канале или странице.

На интервью стоит ожидать вопрос о том, почему в рекламном кабинете и в базе разные покупки. Сильный ответ перечислит границы атрибуции, окно, идентичность пользователя, отмены и задержку данных; слабый объявит один из экранов «неправильным». Уточните, предстоит ли настраивать сбор событий или в основном интерпретировать готовые данные: это меняет ежедневную работу.

В нашей библиотеке нет отдельной ролевой статьи для этой специализации, поэтому начните с материала о задачах аналитика данных и с практики метрик: те же проверки зерна и периода остаются обязательными, даже если источник — веб-события.

Допустим, маркетинг сообщает о росте заявок после кампании. Сначала спросите, что считается заявкой и где фиксируется её дальнейшее качество. Затем проверьте метки каналов, повторные обращения и окно между кликом и обращением. Если CRM получает заявку позже события на сайте, две системы могут показать разный итог за один день без ошибки вычисления. Такой разбор требует разговора с маркетологом, владельцем сайта и продажами, а не только доступа к счётчику.

Веб-аналитика часто ближе к качеству событий интерфейса и пути пользователя, маркетинговая — к расходам, атрибуции и эффективности канала. В небольшой команде это одна роль. На собеседовании спросите, где заканчивается ответственность за теги и начинается ответственность за решение о бюджете. Тогда не придётся выбирать работу только по названию вакансии.

Финансовый аналитик: допущения важнее гладкой линии

Финансовый аналитик собирает план-факт, объясняет изменение маржи, строит сценарии и следит, чтобы сравнивались одинаковые определения денег. Партнёры — финансовая команда, коммерция, операционные руководители. Часто нужны таблицы, учётные выгрузки и SQL; конкретный стек зависит от компании. Результат — не прогноз с двумя знаками после запятой, а модель с понятными входами и чувствительностью к допущениям.

Попросите кандидата или себя объяснить, что случится с маржой при росте возвратов: надо назвать выручку после возвратов, себестоимость, комиссии и период признания. Слабый ответ просто подставляет новую долю возврата в одну ячейку; сильный проверяет, какие строки и статьи затрат должны измениться. Если вакансия говорит только «Excel и отчёты», спросите, будет ли здесь планирование решений или ручная сборка закрытия месяца.

Отдельной статьи о найме финансового аналитика у нас пока нет. Полезная соседняя практика — определить, что именно означает показатель и какой SQL или выгрузка его воспроизводит.

Для самопроверки постройте простую модель: выручка равна числу оплаченных заказов, умноженному на среднюю сумму, а вклад в прибыль зависит ещё от возвратов, переменных затрат и расходов на привлечение. Измените одно допущение и посмотрите, какой показатель двигается сильнее. Если ответом становится «результат зависит от возвратов, которых мы пока не измерили», это более честный анализ, чем точный прогноз с неподписанным источником.

На интервью финансовой роли уточняют определения маржи, денежных потоков и периода признания показателя. Не переносите метрику продуктовой команды в финансовый отчёт без сверки: заказ и полученные деньги могут относиться к разным датам. Хорошая модель позволяет увидеть эту границу.

Системный аналитик и бизнес-аналитик: близкие, но разные выходы

Бизнес-аналитик ищет потребность и проектирует изменение процесса: кто делает шаг, почему он тормозит, кому станет лучше, чем измерить эффект. Системный аналитик доводит согласованное изменение до поведения системы: сценарии, данные, интерфейсы, ошибки, критерии приёмки. В небольшой команде один человек может делать оба слоя. Граница определяется не дипломом и не нотацией, а тем, кто принимает решения об изменении процесса и кто отвечает за однозначность реализации.

Например, согласование заявки занимает слишком долго. Бизнес-аналитик разберёт очереди, исключения, роли и цену задержки; системный опишет состояние заявки, права, контракт API, повтор отправки и запись аудита. Хороший вопрос вакансии: какой артефакт должен появиться после первых задач — карта процесса и бизнес-кейс или OpenAPI и модель данных? Ответ покажет практическое содержание роли.

На интервью бизнес-аналитика проверяют работу с несогласными стейкхолдерами и измерение улучшения; системного — полноту требований, интеграции и крайние случаи. Обе роли требуют говорить с людьми и проверять предположения. Стереотип «бизнесовый не знает технологию, системный не знает бизнес» плохо описывает настоящую работу.

Аналитик 1С: учётный процесс и его изменение

Аналитик 1С выясняет, как организация оформляет закупку, продажу, остаток или закрытие периода, и переводит это в понятную постановку для команды. Он работает с бухгалтерией, складом, менеджерами и разработчиком. Системные и бизнесовые навыки здесь переплетены с конкретным учётным контекстом. Инструмент не делает человека программистом 1С: на интервью важно уточнить, требуется ли писать код или описывать и проверять сценарии.

Хорошая задача для разговора — «товар вернули после закрытия месяца». Сильный кандидат спросит, какие документы и статусы существуют, кто имеет право провести корректировку, как подтвердить итог в отчётах и где требуется согласование. Слабый предложит сразу изменить регистр, не выяснив процесс. Отдельный ролевой материал запланирован позже; сейчас для подготовки подойдут разбор бизнес- и системного интервью.

Data Scientist и дата-инженер: модель и надёжная поставка

Data Scientist ставит задачу предсказания, определяет момент, когда известны признаки, выбирает baseline, метрики и порог, проверяет результат вне обучающей выборки. Партнёры — продукт, риск, маркетинг, ML-инженер. Результат — не файл модели, а проверенное решение: что делать при таком score, сколько это стоит и как отслеживать деградацию.

Дата-инженер строит поток, который делает данные доступными другим: загрузка, преобразование, тесты качества, восстановление после сбоя. Он работает с аналитиками, платформой и владельцами источников. На интервью могут попросить спроектировать загрузку с повтором без дублей, обсудить партиции, задержку и договориться о зерне витрины. У этих ролей пересекается SQL, но один готовит признаки и модель, другой отвечает за надёжность исходного слоя.

Для Data Scientist у нас уже есть кейсы про leakage, precision/recall и запуск модели. Для дата-инженера отдельная статья запланирована; пока полезно проверить собственное понимание SQL и качества данных.

Как выбрать специализацию по работе, которая вам нравится

Если нравятся данные, уточнения к метрике и поиск тихой ошибки в расчёте, начните с аналитика данных. Если вас больше занимает, что сделать с продуктом после измерения, присмотритесь к продуктовой роли. Если хотите, чтобы одна цифра одинаково считалась для многих команд месяцами, BI может подойти лучше разового исследования.

Если любите выяснять, почему люди обходят процесс, договариваться о правилах и проверять пользу изменения, посмотрите бизнес-анализ. Если интереснее поведение системы при сбоях, контракты между сервисами и модель состояний, посмотрите системный анализ. Если обе части нравятся, не отбрасывайте гибридные вакансии: найдите в описании ожидаемый выход и спросите, кто будет вашим партнёром.

Для Data Scientist нужен интерес к вероятности, валидации и ошибкам модели; для дата-инженера — к надёжной поставке и устройству хранилища. Маркетинговая и финансовая аналитика тянут к конкретным решениям: распределению бюджета и финансовому плану. Составьте список из трёх задач, которые готовы делать каждую неделю, и сопоставьте его с обязанностями вакансии, а не с привлекательным названием.

Попробуйте один и тот же кейс в трёх ракурсах. Есть задержка согласования возврата покупателю. В аналитике данных вы проверите частоту и сегменты задержки. В бизнес-анализе разберёте роли и исключения процесса, предложите изменение и метрику пользы. В системном анализе опишете статусы, права и интеграцию, которая делает новый процесс исполнимым. Интерес к одному ракурсу не исключает остальные, но помогает выбрать место, где вы будете проводить большую часть времени.

Для Data Scientist добавьте вопрос о прогнозе и цене ошибок; для дата-инженера — о доставке и восстановлении потока данных; для BI — о согласованном определении на десятках отчётов. Если хочется сочетания, ищите команду, где роли совмещены, и уточняйте, какие обязанности действительно будут вашими.

Как прочитать вакансию, если название роли не помогает

Ищите в описании глаголы и артефакты. «Посчитать когортную метрику, расследовать падение» — data или product. «Собрать дашборд, поддерживать меры» — BI. «Согласовать процесс, целевое состояние, эффект» — бизнес-анализ. «Описать API, состояния, интеграцию» — системный. «Построить DAG и контроль загрузки» — дата-инженерия. Это ориентиры, не жёсткие ярлыки.

Сверяйте не только задачи, но и границы ответственности. Кто устанавливает определение метрики? Может ли аналитик исправить событие или лишь открыть тикет? Кто отвечает за решение после рекомендации? Есть ли ревью SQL, документации и дашбордов? Ответы показывают, где вы будете учиться и за что реально отвечать.

Просите один пример завершённой задачи: исходный вопрос, сделанный артефакт, кому его передали и что изменилось. Если команда не может привести пример, не делайте сразу вывод «плохое место». Возможно, роль новая и вы будете строить процесс с нуля — это отдельный выбор. Список точных вопросов нанимающей стороне вынесен в отдельный материал.

Что проверяют на собеседованиях разных ролей

Общий набор похож: уточнить задачу, объяснить своё решение, показать прошлый результат. Разница в проверяемом объекте. У data-аналитика это запрос и вывод; у BI — стабильная мера и экран; у бизнес-аналитика — согласованный процесс; у системного — контракт со случаями ошибок; у Data Scientist — валидация решения. Поэтому подготовка «выучить все инструменты сразу» не работает.

За неделю до интервью возьмите одну рабочую сцену и решите её на языке роли. Для data — выполните запрос и контроль. Для системной — нарисуйте последовательность и перечислите повторы. Для бизнесовой — разберите текущий процесс, владельцев, метрики и альтернативы. Потом попробуйте объяснить решение человеку другой профессии. Если объяснение держится без жаргона, вы действительно поняли задачу.

Не выдавайте собственные тренировочные кейсы за вопросы конкретной компании. Реальный процесс найма зависит от команды и уровня, а опубликованных официальных примеров немного. Этот хаб даёт карту подготовки, не обещает одинакового интервью у всех работодателей.

Подготовьте один проект в нескольких версиях рассказа. Для роли данных покажите запрос, контроль итогов и вывод. Для продуктовой — решение команды, альтернативы и проверку эффекта. Для системной — сценарий, контракт и поведение при повторе. Для бизнесовой — исходный процесс, несогласие участников и измеримое изменение. Один реальный проект может подтвердить несколько навыков, но не выдавайте участие в части работы за владение всем результатом.

Если опыта мало, используйте собственный учебный кейс и честно назовите его учебным. Не нужно подменять этим производственную ответственность; важно показать, какие проверки вы умеете сделать и какие вопросы зададите владельцу данных или процесса. Ссылка на воспроизводимый артефакт лучше перечня пройденных тем.

Ошибки при выборе роли и подготовке

Первая ошибка — выбирать по одному инструменту. Любовь к SQL ещё не говорит, ближе ли вам продукт, финансы или системная интеграция. Вторая — переносить обязанности из одной вакансии на весь рынок: под названием «бизнес-аналитик» компании часто подразумевают разный выход работы. Третья — учить определения, не решая рабочий сценарий; на следующем вопросе о данных или исключении такая подготовка ломается.

Четвёртая — обещать навыки, которых нет, потому что они перечислены в описании. Лучше честно показать близкий опыт и путь проверки незнакомой темы. Пятая — пренебречь коммуникацией: числовой ответ без объяснения решения может быть бесполезен. Шестая — готовить одинаковый рассказ для разных ролей; на системном интервью важно показать контракт и сбои, на продуктовом — метрику и решение.

Последствие этих ошибок практическое: кандидат выглядит «универсальным аналитиком», но интервьюер не видит, сможет ли он выполнить конкретную работу. Выбирайте 1–2 соседние роли, собирайте под них разные примеры и не смешивайте учебный проект с реальным коммерческим опытом.

План подготовки на десять дней

Дни 1–2: выберите одну основную роль и одну соседнюю, выпишите из трёх вакансий ожидаемые результаты, вопросы и доступные вам примеры. Дни 3–4: решите два характерных кейса роли и сохраните артефакт — запрос, схему, таблицу допущений или короткую записку. Дни 5–6: разберите свои ошибки, попросите другого человека задать неожиданный уточняющий вопрос.

Дни 7–8: подготовьте рассказ о проекте через проблему, собственные действия, проверку и ограничение результата. День 9: отрепетируйте техническую часть с таймером, не скрывая пробелы. День 10: подготовьте вопросы команде, уточните формат встречи и проверьте материалы. Если времени меньше, сохраните самое полезное: один кейс с проверяемым результатом и понимание того, что эта роль отдаёт коллегам.

• Назвать выход работы выбранной роли одним предложением.
• Подготовить один проверяемый артефакт.
• Проговорить ошибку и исправление в собственном примере.
• Выбрать вопросы о команде, данных и решениях.

Частые вопросы

Какие виды аналитиков есть в IT? Обычно различают аналитика данных, продуктового, BI, системного, бизнес-аналитика, маркетингового, Data Scientist и дата-инженера; финансовый аналитик и аналитик 1С работают на стыке IT и предметной области. Обязанности определяет вакансия.

Чем отличается бизнес-аналитик от системного? Первый прежде всего разбирает потребность и изменение процесса, второй описывает поведение системы, данные и интеграции. В одной команде эти функции могут быть у одного человека.

Чем аналитик данных отличается от продуктового? Первый может работать с разными бизнес-вопросами и источниками; второй глубже встроен в решения конкретного продукта, события, когорты и эксперименты. Методы часто совпадают.

Нужно ли знать SQL всем аналитикам? Не всем одинаково глубоко. Для data, product и BI это частый рабочий инструмент; системному и бизнес-аналитику полезно понимать данные и читать запросы, но конкретный уровень зависит от роли.

Откройте две вакансии с разными названиями и ответьте на три вопроса: что должен сделать человек за первый месяц, как проверят результат, кто принимает решение после его работы. Затем выберите ролевой материал выше и решите одну задачу без подсказок. Если вы идёте в работу с данными, тренажёр SQL даёт задачи с выполнением на базе, а не только списки терминов.

Хаб будет пополняться ссылками на аналитика 1С и дата-инженера по мере выхода отдельных разборов. Пока сравнивайте реальные обязанности, а не делайте вывод по отсутствующей статье.