Собеседование в Ozon: как проходит отбор и что спрашивают на дата-ролях
Ozon один из самых активных нанимателей в дата-профессиях: маркетплейс живёт на данных, поэтому аналитики, дата-инженеры и дата-сайентисты нужны постоянно. Отбор при этом не самый простой, особенно по технической части.
Разберём, к чему готовиться.
Что за компания с точки зрения задач
Понимание контекста помогает отвечать. E-commerce такого масштаба это про огромные объёмы транзакций, товарные каталоги, логистику, рекомендации, ценообразование и рекламу внутри площадки.
Отсюда и специфика вопросов: много SQL на больших объёмах, продуктовые метрики маркетплейса (а они сложнее, чем у обычного магазина, потому что сторон три: покупатель, продавец, площадка), эксперименты, рекомендательные системы.
Если вы идёте в аналитику, стоит заранее подумать, как устроены метрики двустороннего рынка: что такое GMV, чем он отличается от выручки площадки, как считать удержание продавцов, а не только покупателей.
Этапы
Обычная схема: скрининг с рекрутером, техническое интервью, иногда тестовое, встреча с командой или руководителем, финальное обсуждение.
Точный состав зависит от направления. Аналитику скорее дадут SQL и продуктовый кейс, дата-сайентисту добавят ML и системный дизайн, дата-инженеру пайплайны и архитектуру хранилищ.
Спросите у рекрутера на первом созвоне, сколько этапов и что на каждом: это нормальный вопрос, и ответ помогает готовиться прицельно.
Что спрашивают на технической части
Картина по вопросам, которые кандидаты приносят с собесов Ozon: больше всего SQL, затем ML System Design и языковые модели, дальше классический ML, статистика, алгоритмы и системный дизайн.
Разберём по блокам.
SQL. Здесь строже, чем во многих компаниях. Джойны нескольких таблиц, оконные функции, работа с датами, оптимизация тяжёлых запросов. Типичные задачи: посчитать когорты, найти повторные покупки, собрать воронку по шагам, вытащить топ-N внутри каждой категории. Оконные функции стоит довести до автоматизма, они всплывают почти всегда: набить руку можно в тренажёре SQL, вопросы там в формате собеса.
Продуктовые метрики. Кейсы вида «конверсия в заказ упала на два процента, что делаете». Ждут структуру: проверить данные и сплиты, посмотреть сегменты, сравнить с сезонностью, поднять релизы. Отдельно про маркетплейсную специфику: эффект на продавцов, каннибализация категорий.
Статистика и эксперименты. Проверка гипотез, размер выборки, что делать с незначимым результатом, где A/B неприменим. Для площадки с сетевыми эффектами последний вопрос особенно уместен.
Алгоритмы. Для аналитиков в лёгком варианте: сложность, структуры данных, простые задачи. Для инженеров и дата-сайентистов серьёзнее.
ML и System Design. Для дата-сайентистов: постановка задачи, метрики, бейзлайн, инференс, мониторинг. Классика для маркетплейса это рекомендации, ранжирование выдачи, прогноз спроса, антифрод.
Как готовиться
Доведите SQL до автоматизма. Не «понимаю, как работает оконная функция», а «пишу запрос с окном не задумываясь». Разница видна на живом кодировании сразу.
Соберите метрики маркетплейса в голове. GMV, take rate, конверсия в заказ, доля выкупа, удержание продавцов. Даже если вы не работали в e-commerce, разговор на языке этих метрик показывает, что вы разобрались в предметной области.
Подготовьте кейс-разбор. Возьмите три вопроса вида «метрика просела» и проговорите вслух порядок действий. Это репетируемый жанр, и он сильно улучшается практикой.
Освежите статистику. Особенно трактовку p-value и доверительных интервалов: в компаниях с сильной экспериментальной культурой это спрашивают въедливо.
Про отказы и повторный заход
В крупных компаниях отбор идёт в конкретную команду, и отказ часто означает несовпадение с ней, а не с компанией. Повторный отклик через несколько месяцев нормален, особенно если вы за это время закрыли то, что подсветили на прошлом интервью.
Спросите обратную связь: в компаниях с выстроенным наймом её обычно дают предметно.
Частые вопросы
Сколько этапов в отборе? Скрининг, техническая часть, у части направлений тестовое, дальше встреча с командой или руководителем.
Дают ли тестовое задание? Зависит от направления: у аналитиков встречается регулярно, у дата-сайентистов чаще хватает живых секций.
Какой уровень SQL нужен? Уверенный: джойны, оконные функции, оптимизация запросов. Это самый частый технический блок у дата-ролей в Ozon.
Что после отказа? В компании такого размера отказ чаще про конкретную команду, не про вас. Через несколько месяцев можно заходить снова, в идеале с закрытым пробелом из прошлой обратной связи.
С чего начать подготовку
Самое эффективное это не читать списки вопросов, а отвечать на них. Прочитанный ответ создаёт иллюзию знания, которая рассыпается, когда тот же вопрос задают вслух.
В Сеньорчике есть срез вопросов формата Ozon: с вариантами ответов, разбором каждого и движком, который возвращает темы, где вы ошибаетесь, пока они не начнут отскакивать. Десять минут в день в Telegram, бесплатно.