— Расскажи, как ты узнал о программе, как готовился?

— Я узнал о программе Т‑Старт от друзей: они тоже проходили стажировку или уже работают в компании аналитиками. Пообщавшись с ними, понял, что мне тоже было бы интересно заниматься аналитикой. К тому же у нас на втором курсе университета был курс матстатистики и теорвера, мне нравилось.

Когда я понял, что аналитика мне интересна, стал проходить курсы по статистике, Python и SQL. Подготовка заняла около полугода. Из полезных ресурсов могу порекомендовать:

• лекции по прикладной статистике от Никиты Волкова, МФТИ;
• курс по статистике от Толи Карпова;
• специализацию «машинное обучение» на Coursera;
• тренажер по SQL.

На отборе было сложно, когда решал тест по математике, там были нестандартные задачи. Но на собеседовании было супер, были обычные задачки про стату.

— Было ли сложно в начале стажировки, как проходил онбординг?

— Для меня выход на стажировку был долгожданным, аж не терпелось начать. Очень понравилась команда, в которую меня взяли.

Стажировка — мой первый опыт работы в крупной компании. Поначалу было сложно понять, что происходит, помогло общение с людьми. На встречах с куратором меня погружали в процесс и системы, плюс, если это первый опыт, ты не работал со многими инструментами. Банальный Slack, Wiki или Jira могут вызвать вопросы. Без куратора сложно разобраться, что происходит, поэтому очень важно наладить с ним взаимоотношения, начиная с первого дня стажировки.

— Каким аналитиком ты был?

— Сначала я был системным аналитиком, занимался системой, которая отвечает за безопасность платежей в интернете. Но в ходе стажировки понял, что мне интереснее работать с числами, чем с техническими вопросами, поэтому ротировался в другую команду уже как продуктовый аналитик. Здесь я работаю до сих пор, но поддерживаю контакт с прошлой командой.

— На твой взгляд, в чем отличие системной аналитики от продуктовой?

— Глобально задача системного аналитика — думать про техническую часть и удобство пользования системой: проанализировать и найти баг, написать спецификацию, потом поставить задачу на разработку. Продуктовый анализ — это больше про продукт, про взаимодействие с дизайном и продуктовыми менеджерами. То есть погружение в продукт гораздо больше.

— Какие советы можешь дать тем, кто только думает про стажировку?

— Три совета тем, кто поступает на стажировку:

1. На интервью не нервничайте. Даже если у вас немного релевантного опыта, это не блокер. Собеседующие увидят ваш потенциал.
2. На самой стажировке задавайте побольше вопросов, даже если кажется, что они глупые. Иначе можно неправильно понять задачу и делать не то, что нужно.
3. Старайтесь сами погружаться в процессы, чтобы показать хороший результат и прийти с оригинальной идеей.

— Расскажи, почему ты пошла на стажировку?

— Хотелось попробовать более прикладную математику, до этого занималась только теоретическими штуками. Решила, что Т‑Банк — это классное место, чтобы узнать, как математика применяется в реальной жизни. Еще было интересно, как живется в больших компаниях.

Изначально выбирала между ML и аналитикой, но в приоритете была аналитика, показалось, что спектр задач шире и интереснее.

— Было ли сложно при отборе?

— К отбору я готовилась, в обсуждениях почитала задачи прошлых лет и прорешала их — тогда еще не спрашивали SQL. Перед собеседованием делала то же самое. Я примерно понимала, какой технический стек хотят видеть работодатели: теорвер и матстат, SQL. Python обычно тоже хотят видеть, но на собеседованиях больше спрашивают задачи на нестандартное и аналитическое мышление, чтобы проверить, как кандидат подходит к решениям разного рода задач и насколько умеет мыслить вне рамок. Особой дополнительной подготовки, например онлайн-курсов, кучи лекций и прочего, не было, так как большую часть знаний я получила в вузе по специальности.

— Чем занималась на стажировке?

— Моя команда занимается агрегацией данных о клиентах, плюс мы несем ответственность за микросервисы на основе данных. У нас есть проект по построению и поддержке модели сегментации клиентов. Задачи по этому проекту мне дали на стажировке, продолжаю над ним работать и в штате.

То есть это смесь ML и числовой аналитики. В целом мне нравится проект: нужно думать, откуда достать данные, как обработать и как привести в числовые признаки. При этом очень важна интерпретируемость полученных результатов модели: тут нужно уметь выделять самые важные признаки, а коррелируемые объединять в группы, не забывая про бизнесовую интерпретацию.

— Расскажи про процесс онбординга.

— Первое время было много незнакомых слов — начиная от сокращений и заканчивая банковскими терминами. Но у нас есть база знаний на Wiki, и первые дни начинаются с того, что ты читаешь Wiki и разбираешься, чем занимается команда и отдел. Я сразу поняла, где какую инфу искать и что нужно самостоятельно попробовать поискать ответ, прежде чем спрашивать.

Очень понравилось, что не было технических проблем: с доступами и с ноутбуками. Рада, что в Т‑Банке с этим все гладко.

— Советы тем, кто только думает про стажировку?

— Вот что я посоветую:

1. Попробовать, даже если думаете, что могут поменяться планы или не пройдете. Это в любом случае опыт прохождения собеседований и тестов: чем больше собеседований проходишь, тем лучше понимаешь, чего от тебя хотят.
2. Почитать про системы и методологии, по которым сейчас работают компании — agile, scrum. Это полезно для понимания процессов внутри компании, и будет возможность давать продуктивный фидбэк.
3. На собеседованиях делиться всеми идеями по решению задач, потому что собеседующему важно не столько услышать ответ, сколько увидеть ход мыслей при решении кейса. И если что-то непонятно, сразу задавать уточняющие вопросы.