DATA ANALYST СТАЖИРОВКА

Как найти стажера — аналитика данных

Время на прочтение

Хочу поделиться опытом поиска стажеров — аналитиков данных. Статья может быть интересна тимлидам аналитики, а при некоторой адаптации — и для лидов других направлений. Скорее всего, какие-то подходы вы найдете спорными, давайте дискутировать. Кандидатам на стажерские позиции статья тоже может пригодиться, но все секреты не выдам 🙂

Сам я пришел к аналитике немного извилистым путем: начинал с программирования сложных технических и математических задач, продолжил, создавая хранилища и платформы для аналитики, после чего стал лидировать направление аналитики в компании реального сектора. Постепенно переходя от оптимизации абстрактных вещей к вполне конкретным миллиардам, которые дополнительно получает наша компания. Аналитика хороша тем, что это комбинация технически интересных задач и результатов прямо сейчас.

Почему стоит брать стажеров? Даже сейчас лучшие умы находят себе хорошее место задолго до окончания университета,  поэтому если хотите получить к себе в команду таких, нужно подсуетиться. Холивар на тему «брать стажеров или нет» оставлю на постскриптум. А сейчас расскажу о сложностях, с которыми столкнулись, и изложу относительно простой алгоритм, выработанный для их решения. Подход заключается в том, что оценивается не столько правильный ответ на прямой вопрос, сколько большое количество сопутствующих паттернов поведения.

В чем сложность?

Задача выбора осложняется тем, что входящий поток кандидатов может быть очень большой. В последний раз я просмотрел более чем 800 одинаковых резюме: студент курса N такого-то ВУЗа, без опыта работы. Это ограничивает применение традиционных приемов или методик типа STAR, поскольку они опираются на рабочий опыт, которого нет. Можно опираться на учебный опыт, но это лишь покажет, как кандидат вел себя в нерелевантных условиях.

Вкратце про STARЕсть очень простое соображение: на интервью избегать общих рассуждений, рассматривать только конкретные ситуации в прошлом. Если вы слышали про CustDev или читали The Mom Test — это почти оно, только применительно к интервью. Это позволяет отделить теоретиков от практиков. Обе группы считают, что заниматься спортом полезно и надо делать это регулярно. Отличить их можно вопросом “когда вы последний раз занимались спортом?” и углубившись в детали. На работе от теоретиков толку не будет. Плохой вопрос: Важно ли смотреть статистику использования вашего продукта?Ответ: Я убежден, что очень важно знать, как и кем используется ваш продукт, из этого можно получить для себя массу полезной информации. Из такого ответа нельзя сделать никаких выводов, ни хороших, ни плохих. Вопрос получше: расскажите, когда в последний раз вашим продуктом не пользовались, что вы предприняли?Ответ: Отчет, который мы сделали в начале прошлого года, был использован всего 2 раза. Тогда я решил позвонить главному заказчику и выяснить в чем дело. Но он не взял трубку, и я больше не пытался. Тут уже можно сделать выводы. Хороший вывод — что на проблему вообще обратили внимание, статистику мониторили. Плохой вывод — что для решения проблемы не хватило настойчивости. Так вот, STAR задает рамки — что обязательно нужно выяснить, чтобы сделать адекватные выводы:Situation — ситуацию, в которой находился человекTask — что хотел достичьAction — что для этого предпринималResult — и что в итоге получилосьИспользуя STAR в рассмотренной выше ситуации вы бы узнали, что это была заказная разработка, и задач по повышению популярности отчета команде не ставилось. И это знание несколько сместит вашу оценку. Можно попробовать использовать STAR, спрашивая про учебный опыт, но ситуации и задачи скорее всего будут очень сильно отличаться от того, что возникает на работе.

Оговорюсь, что в нашей стажерской программе мы берем только студентов старших курсов: это формальное ограничение. Но именно на позицию стажера я бы других и не рассматривал, потому что на младших курсах работать некогда, а после окончания ВУЗа уже не стажерскую позицию пора искать.

Правда, тут не покрывается один кейс: иногда в ИТ успешно работают люди без высшего образования вообще, а мы их не возьмем, это минус.

Отбор состоит из нескольких этапов:

1 этап — отбор резюме

На этом этапе HR отбирают студентов из релевантных технических университетов. Если в воронке много кандидатов, то можно брать только топовые институты. Причины две:

Но в целом в хороших институтах не дают хороших навыков аналитика. У меня порой даже обратное ощущение. В не самых лучших институтах студенты понимают бесполезность даваемых знаний, они сразу ищут работу, и получают там необходимые навыки. Но, в конце концов, скиллы я дам стажеру легко, а фундаментальное образование — нет.

Кроме хороших ВУЗов, большим плюсом считаю следующее:

Альтернативный подход — давать всем тестовое задание. Тогда все в равных условиях, оценка только по результатам, а не формальным признакам. Но есть минусы. Мои знакомые делятся на тех, кто никогда не делал тестовое задание, и тех, кто делал их большой сплоченной командой. Да-да, не только у вас воронка из сотен кандидатов — у хороших кандидатов воронка из десятков других возможностей, и пары часов на тестовое задание может не найтись. Или же задание сделает не ваш кандидат, а его друг. И еще — нужно потратиться на автоматизацию тестирования, поскольку глазами просмотреть все решения не будет возможности.

2 этап — видеоинтервью

При большой воронке имеет смысл проводить видеоинтервью.

Суть в том, что кандидат самостоятельно в онлайне отвечает на подготовленные вопросы, ответы потом можно посмотреть в записи. У кандидата это занимает 15 минут, а мы на удвоенной скорости вполне можем просмотреть сотню кандидатов, т.к. в большинстве случаев не требуется смотреть полностью. Есть готовые платформы для видеоинтервью, свою писать не нужно.

Кандидаты, которые показались супер-релевантными уже по резюме, в этот этап не попадают. Они не будут отвлекаться на разговор с бездушной машиной, зовите их на собеседование сразу. Таких будет немного. Из оставшихся больше половины не запишут интервью, но наиболее мотивированные запишут. В конце концов, это всего 15 минут.

Начинается интервью с вопроса “Расскажите о себе”. Главная цель — помочь кандидату расслабиться, ведь про себя все могут спокойно рассказать. Времени на ответ дается много. Еще вариант: какое ваше самое большое достижение? Вопрос тоже расслабляющий, но иногда тут выявляются какие-то личные приоритеты и ценности.

Далее идут вопросы по хард скиллам, в нашем случае — Python, SQL, BI. Мы задаем вопросы трех видов:

Отмечу, что SQL часто просто нулевой. Многим студентам его просто негде получить. Это не блокер для дальнейшего. Но Python (или R) уже в каком-то виде должен быть.

Из кандидатов я отбираю достойных, и их уже смотрит вся команда. Мы голосуем, и в итоге отбираем человек 10 для следующего этапа.

3 этап — зум собеседование

Пожалуй, это самый ответственный и длительный этап. Я на него подключаю еще и команду, ну как минимум по финалистам команда смотрит запись интервью.

Начинаю с короткого small talk, потом рассказываю в общих словах про позицию и чем мы занимаемся. Дальше вопросы кандидату:

Завершается интервью тем, что я рекламирую нашу команду, и рассказываю почему в целом стоит идти именно в эту компанию. Вы должны уметь очень хорошо это продавать, надо тренироваться! Я оставляю это под конец, поскольку при отрицательном исходе этот этап можно пропустить.

Финальное решение

Решение обсуждается всей командой. Это позволяет нивелировать личные симпатии или антипатии к кандидату. Берем только единогласно.

Заключение

Такой подход позволяет оценить множество софт-скиллов параллельно с оценкой хард скиллов. В большинстве вопросов трудно показаться лучше, чем ты есть на самом деле, или наоборот — зафакапиться из-за волнения.

Полагаю, часть приемов можно использовать и при собеседовании опытных аналитиков, но с осторожностью. В этом случае есть хорошие методики типа STAR, которые позволяют относительно достоверно все выяснить.

Итого. Набирайте стажеров, используя подходы,которые обкатали мы. Результат вас может приятно удивить.

Брать или не брать, that is the question

Стажерские программы имеют массу минусов, вот на мой взгляд главные:

Но все-таки, почему стоит запускать стажерские программы?

В Департаменте по работе с данными открыта вакансия «Стажер-аналитик Data Governance».

Чем предстоит заниматься:

— Проведение интервью с представителями бизнес-заказчиков

— Анализ и структурирование требований бизнеса

— Разработка шаблонов описания данных и их наполнение в рамках развития процесса Data Governance

— Анализ и описание логических моделей и потоков данных.

Мы ожидаем от вас:

— Свободное использование SQL-запросов средней сложности

— Желательно умение читать/разбирать процедуры

— Общее понимание принципов построения витрин данных.

Для нас важно:

— Вы готовы вести диалог и хотите учиться новому

— Умеете понятно и содержательно визуализировать данные

— Умеете отвечать на вопросы с помощью анализа данных и формулировать вопросы на основе данных.

— Официальное трудоустройство в соответствии с ТК РФ

— Профессиональное развитие под наставничеством профессионалов

— Корпоративную культуру современной технологической компании, свободный стиль одежды

— 30-часовую рабочую неделю

— Гибридный режим работы, гибкое начало/завершение рабочего дня (график обсуждается на собеседовании)

— Офис в центре Москвы (м. Арбатская/Библиотека им. Ленина/Охотный ряд/Боровицкая)

— Эта вакансия идеально подойдет студентам последних курсов ВУЗов.

— Уникальный опыт: у задач, которые мы решаем, нет аналогов на финансовом рынке

— Команда экспертов, готовых поделиться опытом, поддержать и помочь

— Погружение в инженерную культуру, профессиональный рост и развитие благодаря внутренним ИТ-комьюнити

— Насыщенная корпоративная жизнь: мы проводим мероприятия для сотрудников и их семей, поддерживаем корпоративные клубы по интересам (в том числе – спортивные)

— Гордость за то, что ты делаешь по-настоящему важное дело.

Москва, , Большой Кисловский переулок, 13

Каждое лето JetBrains проводит стажировки для студентов. На два месяца стажеры погружаются в большой мир разработки и под руководством ментора реализовывают настоящий законченный проект.

Прошлым летом одним из стажеров компании стал первокурсник НИУ ВШЭ — Санкт-Петербург Тимофей Василевский. Тимофей изучал поведение пользователей при работе в IntelliJ IDEA. В этом посте он рассказал, почему решил пойти на стажировку по анализу данных, как готовился и проходил отбор и чем занимался эти два месяца.

Фото со времен, когда стажировки еще проходили очно

Почему я выбрал Data Analytics Team

Привет! Меня зовут Тимофей, сейчас я учусь на 2-м курсе бакалаврской программы «Прикладная математика и информатика» в НИУ ВШЭ – Санкт-Петербург, и хочу рассказать про свою летнюю стажировку после 1-го курса.

Я пробовал свои силы в двух компаниях: JetBrains и Яндекс. И там, и там прошел отбор, но в итоге остановился на JetBrains по нескольким причинам. Во-первых, задачи в JB показались мне более интересными. Во-вторых, стажировка тут длилась два месяца (июль и август) и не пересекалась с учебой, что было для меня немаловажно.

Я мог пойти на стажировку по software engineering, но выбрал аналитику: программирования на протяжении учебного года у меня было достаточно, а что такое аналитика и чем там занимаются, узнать было очень интересно. Плюс чтобы успешно пройти все собеседования, мне нужно было выучить математику, которую не рассказывают на первом курсе. Узнавать новое я люблю, для меня это стало дополнительной мотивацией.

Подготовка к стажировке

К отбору на стажировку я подошел ответственно. На тот момент я не знал немалое количество математики, которую спрашивают на собеседованиях (например, математическую статистику), не был знаком с SQL, поэтому мне пришлось освоить довольно много нового.

На протяжении пары месяцев я стабильно тратил несколько часов в неделю на подготовку: по матстату в основном читал учебники и решал задачки (кстати, если вы хотите быстро и не слишком глубоко освоить матстатистику, могу порекомендовать учебник Фадеевой и Лебедева — он дает хорошее понимание всех базовых вещей), по SQL читал документацию и писал запросы, еще в дороге иногда слушал подкасты про аналитику. Вообще, как мне кажется, успех на собеседованиях сильно зависит не от знаний в целом, а именно от подготовки, поэтому если вы хотите добиться результата, уделяйте ей как можно больше времени.

Этапы отбора

Как и на любую летнюю стажировку в JetBrains, сначала нужно было выполнить тестовое задание. В отличие от software development, на аналитике в основном просили рассказать, как ты видишь реализацию проекта, какими методами будешь решать представленные проблемы, почему именно так, и еще много всего.

По результатам тестового задания меня пригласили на собеседование, которое опять же имело немного нестандартный формат разговора на полчаса. Во время собеседования мне задавали несложные вопросы по теорверу и матстатистике (пара простых задач и знание терминов), машинному обучению (совсем поверхностно, какие-то базовые принципы), SQL (нужно было продиктовать несложный запрос), python (что-то про структуры данных в нем). Еще было нужно немного рассказать о себе и своей мотивации принять участие именно в этом проекте.

Чем я занимался на стажировке

К сожалению, я не могу делиться подробностями, но опишу процесс стажировки в общих чертах. Всю мою работу можно было разделить на части:

Первая. Я выбирал процесс (самый простой пример – создание проекта) и определял метрики, по которым можно оценить успешность действия, затраченное время или количество попыток, которые пользователь совершил для достижения успеха.

Звучит просто, но это не всегда так. Разберем кейс с созданием проекта: если у пользователя получилось создать проект, но при этом он закрыл его через минуту и больше никогда не возвращался, то едва ли такое действие можно считать успешным, потому что скорее всего он не добился желаемого. Или, например, когда пользователь меняет какие-то настройки, нужно следить за тем, как быстро он вернет ту или иную настройку обратно. Потому что если это произойдет достаточно быстро, то скорее всего пользователь изменил не то, что хотел.

Вторая. Я писал запросы для получения нужных логов, парсил их, получал нужные данные. Для всего этого использовал SQL. Самым сложным в этой части было определить, какие логи за что отвечают, и, соответственно, когда появляются. Также нужно было следить за связями между логами, потому что если мы, например, хотим определить время, затраченное на создание проекта, то нам нужны различные логи для моментов начала создания проекта (открытие окошка) и моментов окончания (нажатие на кнопку create).

Третья. Стандартные для аналитики процедуры: строил разные графики (чаще всего интерактивные), отображал различные статистики, доверительные интервалы и т.д.

Четвертая. Я писал веб-приложение с этими самыми интерактивными графиками и возможностями отображения разных статистик, в том числе для того, чтобы встроить их во внутреннюю платформу Analytics Platform. Для этого и предыдущего пунктов я использовал Python.

График и формат работы

По факту у меня не было фиксированного графика, нужно было просто справляться с поставленными задачами. Дважды в неделю мы созванивались с ментором, обсуждали проделанную работу и строили планы на ближайшие несколько дней.

Еще у нас были еженедельные встречи со всеми стажерами команды (а это 11 человек). Чаще всего несколько стажеров рассказывали про свои проекты и результаты, а также делились проблемами. Остальные высказывали свои идеи, как эти проблемы решить, и нередко эти советы очень помогали. Также к нам приходили другие аналитики из нашей команды, чтобы просто пообщаться, узнать наши впечатления, и, может быть, тоже помочь с какими-то задачками.

Внерабочие активности

К сожалению, стажировка проходила в удаленном формате, поэтому с подобными активностями было туговато. Тем не менее, мы регулярно играли в настолки онлайн, а иногда просто собирались неформально поболтать группой стажеров. Была идея организовать турнир по шахматам, но так и не сложилось.

Итоги

В целом мне очень понравилась стажировка, и я нисколько не жалею, что пошел на нее. Я получил ценный опыт реальной работы и взаимодействия с командой. Было интересно посмотреть, как устроена подготовка презентаций готовых задач, обсуждение проблем внутри команды и, конечно, поучаствовать во всем этом. Если у вас есть силы и желание пойти на стажировку, обязательно воспользуйтесь такой возможностью.

Если вы хотите попасть на стажировку в JetBrains (отбор начнется весной), следите за новостями на этой странице и в нашей группе в VK JetBrains for Students.

Всем привет! Целью данного поста является:

Часть 1. Подача заявки и Я. Контест

После прохождения десятка курсов на степике, я понял, что хочется применить этот опыт где-то и решил подать заявку на стажировку в Яндекс на позицию стажёра по направлению «Аналитик данных». Зашёл на сайт, заполнил анкету, через час получил ссылку на тестовое задание в Яндекс Контест. Увидел, что даётся 6 часов на решение задач и принял решение выделить утро субботы на прохождение теста.

UPD: условия задач удалены по просьбе

Тест оказался не очень сложным, было 6 задач. 2 из них на математическую статистику (задачи A и B), 2 стандартные задачи на Питоне (C и D), 1 задача на базовые знание библиотеки Pandas (E) и задача на логику и аналитическое мышление. С последними двумя задачами я справился за полчаса, с первой задачей по матстату ещё минут за 10, на вторую задачу было потрачено 20 минут, и осталось целых 5 часов на 2 задачи на питоне. На каждую я потратил минут по 30, но в одной задаче не прошёл несколько тестов (скорее всего, условие мною было проинтерпретировано неверно), а в другой выдавал memory limit. В итоге, оптимизировать код и дорешать задачи до конца не вышло. Ещё раз проверил 4 прошлые задачи и отправил решения. На следующий день мне приходит письмо счастья от рекрутера о том, что со мной готовы провести техническое интервью и предложили выбрать время, также предупредили, что оно займёт около часа.

Часть 2. Первое интервью

Интересный момент, что получилось провести интервью только через неделю, тк то у меня не получалось, то интервьюера. Мы созвонились в зуме, он представился, сказал, что возглавляет отдел аналитики Яндекс. Маркета, начал общение сразу на «ты», позднее мне рекрутер сказал, что в Яндексе так принято. Интервьюер, назовём его Сергей, рассказал как будет устроено интервью: 10 минут я должен рассказать о себе, потом ТЗ (задача на питоне) и задачи на теорвер. Я вкратце рассказал о себе, своем проекте про алгоритмы кластеризации, которым я занимаюсь в институте. Он позадавал пару стандартных вопросов из разряда: «Почему Яндекс?», «Какие качества мне стоит развивать?», «Что было моим успехом?» . Далее была ТЗ: вывести список уникальных слов, считываемых из файла. Я код написал, в целом, ему важна была идея и знания синтаксиса. Всё подводные камни я разгадал у этой задачи, но не сразу. Вот сами камни:

Сергей сказал (в конце интервью), что я с задачей справился и что были ребята, которые не до всех пунктов могли додуматься(я был польщён). Далее были задачи по теорверу:

После этой задачи Сергей рассказал мне как я в целом отвечал и рассказал, чем занимается отдел аналитики. У них есть 2 типа задач:

Я позадавал вопросы и Сергей сказал, что назначит через рекрутера ещё одно интервью, где мне подробнее расскажут про задачи.

После интервью создалось приятное впечатление о интервьюере и о возможных задачах и в целом от общения.

Часть 4. Решение

На следующий день от рекрутера приходит письмо:

«К сожалению, твоих навыков пока не достаточно и команда не готова тебя брать. На данный момент я не могу тебе ничего предложить, но мы будем рады если ты вернешься к нам позже. По рекомендациям: хорошо бы прокачать sql, питон, продуктовую аналитику».

Конечно же, я расстроился, потому что казалось, что на тот момент для предложенной мне задачи моих навыков хватало, но увы.

Часть 5. Заключение

Пройдусь по каждому пункту.

1) Задачи на Яндекс Контесте — 9/10

Несложные, интересные задачи, но непонятен момент с проверкой некоторых задач на оптимальность кода. Действительно ли аналитик должен придумывать самый оптимальный по времени и памяти код или аналитик нужен для других целей?

2) Общение с рекрутером — 10/10

Рекрутер довольно развернуто и оперативно отвечал на все вопросы по почте, после 1го интервью сразу перешел в телеграм для удобства

3) Первое интервью — 10/10

Первое интервью мне очень понравилось. Задачи, подсказки от Сергея, лёгкое и приятное общение.

4) Второе интервью — 5/10

Было слишком много стандартных вопросов, словесная нагрузка в начале интервью от Светланы. Считаю, что можно было кратко и менее нагружено представиться и рассказать, чем занимается отдел. Непростые вопросы на аналитику, сейчас поясню. Должен ли человек, который подаёт на позицию стажёра «Аналитик данных» знать продуктовую аналитику? Наверное, да. Должен ли человек до приглашения на работу вникнуть во все тонкости процесса, не будучи знакомым с ним изнутри? Наверное, нет.

К сожалению, я получил только фидбек, только написанный в части 4. Проанализировав 2 интервью, я сделал вывод о том, что нужно подтянуть sql. Насчёт продуктовой аналитики я не знаю, в каждой компании свои процессы и заранее вникать в особенности ее работы, наверное, тяжело и затратно по времени. Я согласен, что если ты работаешь уже внутри, то ты обязан знать все подробности, но до этого — вряд ли.

Попробую ли я ещё раз? Думаю, да. Через полгода, может раньше. Несмотря на отказ. Мне нравятся сервисы, которые делает компания и я активно ими пользуюсь. Поэтому было бы интересно поучаствовать в их улучшении.

Буду рад, если этот пост поможет кому-то подготовиться и попасть в Яндекс.

Также буду рад, если получу рекомендации/здравую критику о вышеизложенном и советы для дальнейшей подготовки.

Изучала эту тематику, когда набирали стажеров в аналитику на одном из мест работы. И делюсь некоторыми возможностями с вами.

От автора Telegram-канала Аналитика и Growth mind-set (делюсь кейсами с работы, бесплатным обучением, задачами с собеседований).

Самый популярный способ и всем известный — это hh, по идее там должны находиться все стажировочные вакансии, но по факту бывает не так и многие хорошие вакансии проходят мимо.

Future today — на нем размещены стажировки и лидерские программы от крупных компаний, а также IT-программы для студентов и молодых специалистов (как от известных Авито, МТС, Яндекс, так и от менее известных).

На сайте Сhangellenge (правда не так много, но все же).

Есть еще сайты Grintern и Профстажировки.рф, ранее оттуда мы получали хороший отклик, но похоже сейчас они уже умерли.

Еще один способ — следить за сайтами компаний, которые нравятся. У многих крупных (да и не только) компаний есть специальные разделы со стажировками, в которых переодически открываются/закрываются наборы.

Например, сейчас открыта вакансия Стажер-аналитик в Яндекс и частенько Яндекс на своем сайте размещает стажировки.

Также есть бесплатные программы обучения на аналитика с возможностью дальнейшего трудоустройства.

Программы все разные, подробности на сайте, но везде правда есть отбор.

Школа анализа данных Яндекса, подойдет вам если больший уклон хотите сделать на data science (набор начнется в апреле).

Школа 21 от Сбера. Есть несколько направлений, в том числе Машинное обучение и анализ данных (Python), Базы данных, Алгоритмы и структуры данных (ближайшие наборы Новосибирск 6 февраля, Сургут — 27 февраля, Москва — лето).

Школы, наборы в которых закрылись, но нужно мониторить новые:

А также на канале делюсь личными кейсами, а также историей поиска работы зарубежом!