Николай Чикишев world 21 апреля 2026, 15:16

SQL больше не спасает: что теперь проверяют на data-собесах

Компании все чаще оценивают кандидатов на data-позиции не только по техническим навыкам, но и по качеству бизнес-мышления.

Оставить комментарий

SQL больше не спасает: что теперь проверяют на data-собесах

Компании все чаще оценивают кандидатов на data-позиции не только по техническим навыкам, но и по качеству бизнес-мышления.

К такому выводу пришли аналитики в новом исследовании PwC, посвященном эффективности внедрения ИИ. В глобальном опросе приняли участие 1217 топ-менеджеров из 25 отраслей. Результаты показали резкую концентрацию эффекта: 74% всей экономической ценности от ИИ получают лишь 20% компаний.

Авторы опроса указывают, что лидируют не те, кто просто внедряет ИИ-инструменты, а те, кто использует их для роста: пересматривает бизнес-модели, оптимизирует процессы и принимает решения в рамках четких ограничений.

ИИ-лидеры в 2–2,8 раза чаще остальных компаний отмечают улучшение ключевых бизнес-показателей: от автоматизации решений до трансформации моделей и роста эффективности. Источник: PwC.

Это напрямую отражается на найме. Например, структура собеседований в data-ролях заметно изменилась. Кандидатов по-прежнему проверяют на SQL, A/B-тесты, метрики и машинное обучение, но теперь этого недостаточно.

Работодатели оценивают, способен ли кандидат связать анализ с конкретным бизнес-решением: например, выбрать правильный KPI, объяснить компромисс между скоростью и точностью или показать, как результат повлияет на продукт.

На практике это означает, что цена ошибки в аналитике растет. В среде, где ИИ участвует в принятии решений, важны не только расчеты, но и способность задать правильную задачу, определить ограничения и интерпретировать результат. Поэтому на интервью все чаще проверяют не синтаксис, а «рамку мышления»: как кандидат формулирует проблему, расставляет приоритеты и объясняет свои выводы, пишут исследователи

Реальные кейсы собеседований подтверждают тренд. В процессах найма на позиции senior data scientist и аналитиков компании добавляют продуктовые раунды, вопросы о влиянии на стратегию и даже презентации для стейкхолдеров.

Кандидатов просят объяснить, что делать при конфликте метрик, как оценить провал A/B-теста или какие риски несет выбранная модель. Эксперты считают, что технические навыки остаются обязательной базой, но уже не являются главным фактором отбора.