Гайд по собесам аналитика в Озон с акцентом на продуктового аналитика: этапы интервью, SQL-heavy секции, вопросы по статистике, кейсы маркетплейса и A/B. Авторские задачи по мотивам и план на 4 недели.

Собесы в Озон на аналитика — что вас ждёт

Озон — один из крупнейших маркетплейсов в России, и у компании зрелая аналитическая культура: A/B-эксперименты тут запускаются по сотне в месяц, а в каждом продуктовом юните есть свой выделенный аналитик. Это влияет на стиль собеседования: интервью у Озона прагматичное, заточенное под маркетплейсные метрики и реальные продуктовые задачи.

В этом гайде разберём:

кто такой аналитик в Озоне и какие роли бывают;
этапы собеседований на аналитика в Озон в 2026;
что спрашивают в SQL-секции (она здесь самая нагруженная);
какие вопросы по статистике задают;
какие продуктовые кейсы дают — с разбором процесса ответа;
как подойти к A/B-тестам, чтобы не провалить статистику;
план подготовки и список задач для тренировки.

Больше всего гайд пригодится продуктовым аналитикам — это самая массовая аналитическая роль в Озоне, и именно её воронку разберём подробнее всего. Дисклеймер: этапы и форматы собраны по рассказам кандидатов и открытым источникам, детали отличаются от команды к команде.

Коротко, если интервью уже завтра: тренируйте SQL с CTE и окнами (воронки, ретеншн), повторите p-value и доверительные интервалы, разберите каркас ответа на кейс «метрика упала» и держите в активном словаре GMV, take rate и конверсию в первый заказ.

Кто такой аналитик в Озоне

Частый вопрос из поиска — «кто такой аналитик Озон» и чем он занимается. Внутри компании это не одна роль, а семья ролей:

Продуктовый аналитик — работает в юните (поиск, корзина, доставка, карточка товара): метрики, эксперименты, поддержка продуктовых решений.
Маркетинг-аналитик — каналы, атрибуция, эффективность промо.
Аналитик логистики/операций — склады, маршруты, SLA доставки.
BI-аналитик — витрины и дашборды для менеджмента.
Аналитик в Ozon Tech — ближе к данным платформы; собесы технически глубже, часто с ML.
Аналитик Ozon Банка — финтех-направление: к обычной воронке добавляются вопросы про банковские метрики (approval rate, риск, юнит-экономика кредитных продуктов).

Есть и селлер-аналитика — работа с данными продавцов маркетплейса; там больше про категорийные метрики и меньше про эксперименты. А вот «системный аналитик» в Озоне — это отдельная инженерная роль про требования и интеграции, не про данные; если ищете именно её, этот гайд не совсем про вас.

Собесы адаптируются под направление — подробности в конце статьи, а дальше разбираем основную воронку.

Этапы собеседований в Озон

В большинстве направлений (продуктовый аналитик, маркетинг-аналитик, аналитик логистики) воронка устроена примерно так:

Скрининг с рекрутером (30 минут) — мотивация, опыт, ожидания.
Техническая SQL-секция (60 минут) — обычно 2–3 задачи нарастающей сложности.
Продуктовый кейс (60–90 минут) — разбор маркетплейсной задачи.
A/B-секция (40–60 минут) — про эксперименты и статистику.
Финал с командой — культурный фит и обсуждение проектов.

Иногда секции 3 и 4 объединяют. Иногда добавляется отдельный этап с дашбордингом (особенно для аналитиков, которые будут работать с Tableau или Superset). Для синьоров часто бывает дизайн-секция «спроектируй систему метрик».

На скрининге и финале пригодится внятная самопрезентация: что делали, какие метрики двигали, почему уходите. Как собрать такой рассказ — в отдельном гайде по самопрезентации.

SQL-секция: самая сложная часть

Озон любит SQL и не стесняется давать тяжёлые задачи. В отличие от компаний, где «оконная функция» — это потолок, тут спокойно могут попросить:

многоступенчатую CTE с агрегацией и оконкой;
задачу с воронкой по событиям с привязкой к сессии;
расчёт ретеншена с правильным определением «активного дня»;
pivot по неравномерному измерению;
задачи на gaps-and-islands (последовательные дни активности).

Что точно стоит уметь:

Воронка по событиям

Задача про последовательное движение пользователя «search → product → cart → checkout → order» — классика Озона. Нужно правильно посчитать конверсию каждого шага, обработать дубликаты событий и решить, что делать с пользователями, которые «прыгают» через шаги.

Похожие задачи:

SQL · Воронка заказов по дням — базовая постановка.
Habr · Воронка по конверсии — с CTE и оконкой.

Когортный ретеншн

Озон работает по модели «новый клиент → второй заказ → повторные заказы», и ретеншн здесь — главная метрика устойчивости. Вас почти наверняка попросят посчитать ретеншн помесячно или по неделям.

SQL · Когортный ретеншн помесячно — базовая когорта.
Habr · Когортный ретеншн — с правильным определением активного периода.

RFM-сегментация

В маркетплейсе ценность клиента сильно зависит от частоты и среднего чека. RFM-разбиение — стандартная задача.

SQL · RFM-сегментация — полный пример с тремя метриками и квантилями.

Что часто заваливают

Чаще всего сыпятся на:

Дубликаты событий — пользователь нажал кнопку три раза, и вы посчитали три заказа.
Неправильный LEFT JOIN — поменяли местами таблицы и получили нули там, где должны быть значения.
Расчёт ретеншена без правильной когорты — взяли всех пользователей вместо «зарегистрированных в месяце X».
HAVING vs WHERE — фильтр на агрегат стоит до агрегации.

Если на собесах вас спросят «а как бы вы оптимизировали этот запрос», нормальный ответ — про индексы, партиционирование по дате и использование агрегированных витрин вместо raw-данных.

А Python и pandas спросят?

Отдельной pandas-секции у аналитиков в Озоне обычно нет, но задача «сделайте то же самое в pandas» после SQL — частый ход, особенно на позициях с уклоном в исследования. Groupby, merge, pivot и работа с пропусками закрывают почти всё. Освежить можно по нашему гайду по pandas на собесах, а потренироваться — на задачах про заполнение пропусков и pivot по услугам. Алгоритмические задачи, вообще говоря, любят давать на высоких грейдах — на джуне и мидле они встречаются редко. Будут ли алгоритмы на вашей технической секции, уточните заранее у HR.

Вопросы по статистике

Статистику в Озоне спрашивают и отдельно, и внутри A/B-секции. Ядро вопросов из раза в раз одно:

Что такое p-value — своими словами, без заученного определения. Классическая ловушка: «вероятность, что нулевая гипотеза верна» — неправильный ответ. Разбор — в задаче что означает p-value.
Доверительный интервал — как интерпретировать и чем он отличается от p-value: интерпретация доверительного интервала.
Ошибки I и II рода — и как они связаны с уровнем значимости и мощностью: ошибки первого и второго рода.
ЦПТ — почему средние «нормальные» даже у ненормальных распределений, и когда это ломается.
Какой тест выбрать — t-тест или Манна-Уитни, тест пропорций или средних: Манн-Уитни vs t-тест.

Уровень вопросов зависит от грейда: у джуна проверяют интерпретации, у мидла — выбор метода и его ограничения.

ML и causal inference

Озон всё чаще ищет аналитиков, которые разбираются в ML, — особенно Ozon Tech, финтех и направления с уклоном в исследования. Спросить могут вне зависимости от команды:

Классический ML — метрики качества классификации (ROC-AUC, precision/recall), переобучение и bias-variance tradeoff, регуляризация. Ждут не вывод формул, а понимание: когда модель переобучилась, какую метрику выбрать под задачу, почему accuracy обманывает на несбалансированных классах.
Causal inference — методы для ситуаций, когда A/B невозможен: difference-in-differences (разбор), synthetic control, matching. Целиком тема разобрана в гайде по causal inference.
Временные ряды — тренд, сезонность, кросс-валидация на временных рядах. Спрашивают реже и сильно в зависимости от специфики команды: в логистике и прогнозировании спроса — почти наверняка, в продуктовой аналитике — редко.

Продуктовые кейсы маркетплейса

Кейсы у Озона очень «продуктовые». Типичные формулировки:

«Конверсия из корзины в оплату упала на 8% за неделю. Что делаем?»
«Запускаем рекомендации на главной — как мерить успех?»
«Какие метрики смотрите для категории FMCG?»
«Как понять, что новая категория товаров не каннибализирует старую?»

Главный подвох: интервьюер не ждёт правильного ответа. Он ждёт правильного процесса.

Хороший процесс выглядит так:

Уточнение: спросите про сегмент, период, размер падения в абсолюте, сравнение с прошлой неделей и год к году.
Декомпозиция: метрика = product × users; разложите на части и поймите, где «утечка».
Гипотезы: 3–5 разумных причин, ранжированных по правдоподобию.
План проверки: что посмотреть в данных, чтобы подтвердить или опровергнуть.
Действие: что делать после, если гипотеза подтвердилась.

Этот процесс мы пошагово разбираем в цикле «Решаем продуктовый кейс» — четыре разбора с цифрами: «Метрика упала», метрики и их разложения, «Как измерить успех фичи» и юнит-экономика. Накануне интервью удобно повторить шпаргалку с каркасом ответа.

Очень полезно потренироваться на нашей задаче Аномалия: падение выручки и Habr · Расследование падения метрики. Они оба про root cause analysis в маркетплейсной парадигме.

Полезный материал для понимания маркетплейсной экономики — Habr · Метрики маркетплейса и North Star для маркетплейса.

A/B-тесты: что нужно знать

В Озоне A/B — религия. Эксперименты запускают на всё: от цвета кнопки в карточке до изменения ранжирования в поиске. На собесе вас обязательно спросят про:

Размер выборки и MDE

Базовая формула: для двусторонней гипотезы и 80% мощности $$n \approx \frac{2(z_{\alpha/2} + z_\beta)^2 \sigma^2}{\delta^2}$$

Должны понимать, как меняется $n$ при изменении $\delta$ (MDE), $\sigma$ (вариация) и уровня значимости. Тренируйтесь на задаче Habr · Формула размера выборки.

CUPED и снижение дисперсии

CUPED — стандартный приём в Озоне. Идея: использовать предэкспериментальные данные как ковариату, чтобы снизить дисперсию метрики и ускорить эксперимент. Базовая задача — Habr · CUPED для снижения дисперсии.

Peeking problem

«Мы смотрим в эксперимент каждый день и останавливаем, когда p-value < 0.05» — классическая ошибка. Должны уметь объяснить, почему это плохо и что делать вместо. Задача Habr · Peeking problem разбирает это в деталях.

Конверсионные тесты

Большинство экспериментов в Озоне — про конверсию. Простой тест Z для двух пропорций должен лететь от зубов. Тренируйтесь на InterviewQuery · A/B-тест с лифтом конверсии.

Подвохи: SRM, novelty, network effects

Зрелые интервьюеры обязательно спросят про:

SRM (Sample Ratio Mismatch) — почему 50/50 на самом деле может быть 49/51 и что с этим делать.
Novelty effect — пользователи в начале реагируют на «новое», а не на улучшение.
Network effects — два соседа в одной соцсети могут заразить друг друга «новой фичей».

Полный разбор A/B-темы с литературой — в гайде по A/B-тестам на собесах.

План подготовки на 4 недели

Неделя 1: SQL фундамент

20 задач на оконные функции.
10 задач на cohort/retention.
5 задач на gaps-and-islands.

Ядро тренировки — задачи воронка по дням, когортный ретеншн, RFM-сегментация.

Неделя 2: продуктовые кейсы

Освоить фреймворки AARRR, North Star Metric, MECE.
Пройти цикл «Решаем продуктовый кейс» и прорешать 5–7 кейсов разной направленности.
Тренировать формулировку вслух с таймером.

Прорешайте Habr · Расследование падения метрики и Аномалия выручки — это типичные форматы Озона.

Неделя 3: статистика и A/B

Перечитать главу про A/B в Кохави.
Решить задачу про CUPED и про размер выборки.
Разобраться с тестами для пропорций и средних, повторить p-value и доверительные интервалы.

Ядро: CUPED, размер выборки, A/B с лифтом, p-value.

Неделя 4: интеграция и mock

Мок-интервью с другом-аналитиком — или технический мок-собес с разбором, если хочется обратной связи от практика.
Перечитать свои проекты, подготовить 3 «истории» в формате STAR.
Подготовить вопросы к команде на финал.

Что почитать

Ron Kohavi, Diane Tang, Ya Xu — «Trustworthy Online Controlled Experiments». Если читаете одну книгу — то эту.
«Lean Analytics» (Croll, Yoskovitz) — для маркетплейсных метрик.
Блог инженерии Озона на Хабре — особенно посты про A/B-платформу.
Курс «Симулятор аналитика» Karpov.Courses — для практики.

Типичные ошибки на собесах в Озон

Заваливают SQL на «лёгкой» задаче из-за нервов. Решение: тренируйте в условиях, близких к боевым (с таймером, без подсказок).
Не задают уточняющих вопросов в кейсе. Озон считает уточнения частью правильного ответа.
Не знают про CUPED. Это базовое требование для middle и senior.
Путают statistical и practical significance. «p < 0.05» не значит «фича полезная».
Игнорируют экономику маркетплейса. GMV, take rate, NPV — должны быть в активном словаре.

Связанные задачи каталога

Для тренировки соберите такой блок:

Особенности по направлениям

Собесы адаптируются под направление — вот на что смотреть, если идёте не в «классическую» продуктовую аналитику.

Продуктовый аналитик

Самый «классический» вариант. Все 5 этапов в полной комплектации. Кейс — про продукт, A/B — про эксперименты на сайте/в приложении. Важно показать, что вы умеете не только считать, но и думать про пользователя.

Маркетинг-аналитик

Чуть слабее SQL, чуть сильнее статистика. Часто добавляется задача про атрибуцию: «вот пользователь увидел баннер на FB и Google, потом купил — кому отнести конверсию?» Должны знать про last-click, first-click, linear, time-decay, data-driven (Shapley value).

Аналитик логистики/операций

SQL остаётся, A/B — реже, зато много задач про оптимизацию: маршруты курьеров, размещение товаров на складах. Это специфичная область, готовиться придётся отдельно.

Бизнес-аналитик (BI)

Меньше Python и A/B, больше дашбордов. Часто требуется хороший Tableau/Superset/PowerBI. Кейс — про дизайн дашборда «для топ-менеджмента» или «для категорийных менеджеров».

Несколько практических советов

Перед собесами перечитайте описание вакансии. Озон публикует довольно конкретные требования, и вопросы часто пересекаются с этим списком 1-в-1.
Уточняйте про переезд и формат работы. Озон активно нанимает в Москве, но есть и удалёнка, и хабы в других городах. Это влияет на оффер.
Если получили отказ — попросите обратную связь. Озон даёт развёрнутый фидбек, и через 6–9 месяцев можно успешно перепройти.
Учите бизнес-логику и метрики, характерные для компании. GMV, take rate, conversion to first order — должны быть в активном словаре. На сайте Озона есть инвестиционные отчёты, где всё это объясняется.

Итого

Собесы аналитика в Озон в 2026 — это серьёзная техническая воронка с упором на SQL, статистику и A/B-тесты. Подготовка работает, если вы планируете её на 4 недели и тренируете не только SQL-решения, но и кейсовое мышление. Главное — не учить ответы, а понимать, как мыслит маркетплейс: что такое конверсия, ретеншн и почему именно эти метрики являются ядром. Если этим овладеть, оффер становится вопросом времени.

Как проходят собеседования аналитика в Озон в 2026: этапы, SQL, статистика, продуктовые кейсы