Как проходит Ментор+

Как проходит Ментор+ (оффер на 280к) В этой истории мы поменяли имя и убрали/поменяли подробности, чтобы нашего клиента нельзя было задеанонить. Виталий к нам обратился с практически нулевым резюме, но достаточно неплохим техническим вузом (в конечном итоге мы его тоже поменяли в резюме), с просьбой устроить его в штат, минуя стажировки и прочее. В начале мы составили подробную легенду, рассказали всё про задачи, сервисы, команду, согласно легенде. Подкорректировали резюме и начали искать подходящие вакансии. На той же неделе откликнулась команду из x5. 1. HR созвон На этом этапе наше сопровождение было бесполезно, просто напомнили предварительно, что нужно было рассказать из легенды. Виталию позвонила рекрутер, разговор был на 20 минут. Он коротко рассказал, что последние 1.5 года работал продуктовым аналитиком: строил отчёты, писал SQL, считал метрики по продажам и анализировал поведение клиентов. Его спросили: "Почему хотите в X5 Group?", "С какими данными работали?", "Какой у вас уровень SQL и Python?", "Какие зарплатные ожидания?". Виталий ответил, что ему интересен именно ритейл из-за масштаба, большого объёма офлайн-данных и возможности влиять на реальные бизнес-решения. В конце он уточнил, что набор идёт в команду, связанную с коммерческой аналитикой. 2. Техническое собеседование: SQL На техническом интервью, мы настроили удалённый доступ и связь по наушнику, Виталию же нужно было просто повторять под диктовку и периодически лить воды, ему дали несколько задач с постепенным усложнением: Задача 1: посчитать выручку по магазинам за месяц, исключив возвраты. Задача 2: для каждого магазина рассчитать долю категории в общей выручке за месяц с помощью оконной функции. Задача 3: объединить чеки, товары и карты лояльности и найти топ-3 категории у лояльных покупателей в каждом регионе. Интервьюер по ходу спрашивал, несложные вопросы, на которые сразу же получал ответы: "Что будет, если в таблице есть дубликаты?", "Как учтёте возвраты?", "Почему здесь лучше использовать ROW_NUMBER, а не RANK?", "Как бы вы оптимизировали запрос на больших таблицах?". Тех интервью прошло очень быстро, интервьювер остался доволен и почти сразу мы получили фидбек (на следующее утро) и пришлащение на следующий этап. 3. Техническое собеседование: метрики, статистика и АВ тесты На следующем этапе ему задавали вопросы уже ближе к бизнесу, обычно тут ни у кого из кандидатов не возникает сложностей, поэтому Виталий сам справился налить воды, а мы лишь подсказали в некоторых моментах более корректные идеи: "Что такое LFL sales и зачем она нужна?", "Чем средний чек отличается от трафика?", "Как оценить эффективность промо?", "Как бы вы запланировали A/B-тест в офлайн-магазинах?". А также вопросы по статистике, помогли с рассказом про регрессии, кэжуал инференс и прочее, дали структурированный пайплайн по АБ. В конце ему дали мини-кейс: в 50 магазинах запустили новую выкладку товара. Нужно понять, повлияла ли она на продажи категории. 4. Финал На финальном интервью тимлид побеседовал про легенду опыт и т п, и дал бизнес-кейс: "Промо на молочную продукцию дало рост продаж категории на 25%, но общая выручка магазина не выросла. Почему так произошло?" Мы с Виталием предложил несколько гипотез: - покупатели просто переключились с других категорий на молочку; - выросли продажи низкомаржинальных товаров; - была каннибализация внутри ассортимента; - часть роста объясняется скидкой, а не ростом числа покупок. Дальше его спросили: — Какие данные вы запросите? — Какие метрики посмотрите в первую очередь? — Что порекомендуете бизнесу по итогам анализа? Виталий сразу же ответил, что посмотрит выручку и маржу по смежным категориям, изменение среднего чека, количество чеков, penetration промо-товаров и поведение лояльных покупателей до и после акции. После финального этапа Виталию дали оффер на 280к. И уже достаточно продолжительное время, он работает в команде. Пост для записи . @OfferBerry