Более 1000 откликов на одну вакансию junior-аналитика — это не только головная боль рекрутера, но и шанс иначе выстроить найм аналитиков. В продуктовом бизнесе примерно на 100 сотрудников автор кейса отказался от первичного HR-отбора, дал кандидатам практическую задачу и в итоге собрал небольшую аналитическую команду. Для IT-рынка это знакомый сигнал: при избытке резюме ценность смещается от списка навыков к умению распутывать неясную бизнес-задачу.
Как сообщает Habr / Карьера, автор работал единственным программистом в компании, продающей товары на маркетплейсах. После защиты инициативы по развитию аналитики ему разрешили нанять двух сотрудников: аналитика и помощника по автоматизации, чтобы не бросать прежние задачи. Позже появилась ещё одна позиция для работы с Excel-таблицами. Требовались не узкие специалисты, а люди, способные самостоятельно декомпозировать запрос бизнеса, договориться о доступах и довести результат до отчёта или визуализации.
HR в этой схеме оставили ролью «трубы»: пересылать все отклики в форму без фильтрации по стандартным признакам. Автор объясняет решение недоверием к отбору по стажу и ключевым словам в резюме: такой фильтр может отсечь кандидата с подходящим мышлением, но без нужной строки в опыте. Он сознательно смотрел в сторону джунов, желательно уже работавших в корпоративной среде. Мотив был двойным: найти людей с энергией и не раздувать бюджет. При этом тезис автора о том, что ИИ уже делает большую часть работы программиста, остаётся его личной оценкой, а не измеренным рыночным показателем.
Главным фильтром стала анкета. В ней кандидат заново кратко описывал опыт, проекты и другие важные детали — вместо ссылки на резюме с фразой «там всё написано». Затем шла ситуационная задача. Нужно было получить данные о продажах компании и конкурентов из десяти Excel-файлов с разными форматами, извлечь часть характеристик из названий товаров вроде «Гель Fa 250 мл», разобраться с данными в личном кабинете маркетплейса без заранее выданного доступа, собрать сводную таблицу и визуализацию, а также оценить сроки.
Автор искал не обещание «сделаю за два дня», а ход мысли. Сильный ответ начинался с уточнения, кто может выдать доступ и какие данные есть в кабинете, затем предлагал проверить документацию и API, привести разнородные файлы к общему виду в Python, извлечь признаки из названий товаров и только после этого согласовать формат дашборда или графиков. Важна была и честная оговорка: срок нельзя назвать до знакомства с качеством данных, доступами и вопросом, на который должна отвечать визуализация. Это довольно близко к реальной жизни: в аналитике несколько часов на согласование доступа иногда экономят несколько дней ручной работы с выгрузками.
Проверка не на правильный ответ, а на рассуждение
Кандидатов, прошедших анкету, автор приглашал на созвон. Отбор не пытались превратить в балльную модель: решения принимались по качеству ответов и впечатлению от разговора. Это уязвимое место метода — «совпадение по вайбу» легко становится источником предвзятости. Зато собеседование дополняли вопросами на логику. Один из них — классическая задача с четырьмя карточками: на одной стороне видны буквы А и Д, на других — числа 4 и 7; требуется проверить правило «если с одной стороны гласная, с другой находится нечётное число».
Правильная проверка требует перевернуть карточки с А и 4. Первая может напрямую опровергнуть правило, если на обороте окажется чётное число. Карточка с 4 тоже критична: на другой её стороне может быть гласная, и тогда правило нарушено. Карточки с согласной и нечётным числом ничего не доказывают. Автор подчёркивает, что не ожидал от джунов мгновенного верного ответа: интереснее было увидеть, задаёт ли человек уточняющие вопросы, различает ли прямое и обратное утверждения, умеет ли пересмотреть первую гипотезу.
Такой подход полезен не потому, что отменяет HR или превращает логические задачи в универсальный прогноз успеха. Он показывает более практичный принцип найма аналитиков: оценивать кандидата на материале, похожем на будущую работу. Резюме всё ещё помогает отсечь явное несовпадение по условиям, но не отвечает на главный вопрос — сможет ли человек превратить расплывчатый запрос в последовательность действий, обозначить неизвестные и объяснить ограничения.
Для руководителя маленькой команды этот кейс — аргумент в пользу короткого прикладного задания вместо нескольких кругов абстрактных интервью. Но его стоит формализовать хотя бы минимально: заранее описать, какие признаки считаются сильным ответом, одинаково оценивать всех кандидатов и не требовать бесплатной работы на реальных данных компании. Иначе найм аналитиков без HR-фильтров просто заменит один непрозрачный фильтр другим. По мере того как ИИ берёт на себя часть рутинной обработки данных и кода, именно постановка задачи, проверка допущений и способность работать с неопределённостью будут всё заметнее в требованиях к начинающим специалистам.