Тестовое собеседование на позицию Junior Data Analyst | Solvery + Datalytics

Коротко о видео

Это мок-интервью на Junior Data Analyst/Data Scientist с акцентом на Python: ментор Дмитрий Лапин беседует с кандидатом Эдуардом о его опыте, затем проводит live-coding и даёт развёрнутую обратную связь. Кандидат рассказывает о работе с отчётностью и планированием продаж в Excel, учебных задачах на Pandas и расчёте retention. В практической части разбирают срезы списков, функцию расчёта сложного процента, операции с DataFrame для сравнения периодов и поиск медианы без готовой функции; в конце отвечают на вопросы зрителей о подготовке джуниора.

Затронутые темы

Что взять на заметку

• Формат подготовки можно строить по трём блокам, которые объявил ментор: рассказ о резюме и кейсах, coding-секция и аналитическая задача.
• Для Python важно различать вывод через print и возврат результата через return, а также постепенно привыкать к оформлению кода и базовым правилам PEP 8.
• Задачу на сложный процент нужно проверять на простых примерах: число периодов участвует в возведении в степень, а не в простом умножении результата.
• Для анализа изменений по периодам стоит уметь сдвигать значения ряда, находить разницу с предыдущим периодом и затем переводить её в процент относительно предыдущего значения.
• Ментор рекомендует укрепить базу Python и Pandas через практику с сортировками, индексами, датами, медианой и другими простыми алгоритмическими задачами, а не только запоминать отдельные методы.
• По мнению ментора, допустимый поиск справки во время coding-интервью может быть частью проверки: важны ход рассуждений и умение найти и применить нужный инструмент.
• Набор инструментов для Junior Data Analyst зависит от компании и задач; неизменными остаются аналитическое мышление и способность разбираться в данных и процессах.