Меню
Jumse: база senior знаний, сетка грейдирования и конфигуратор вакансий
Подробнее

Jumse: база senior знаний, сетка грейдирования и конфигуратор вакансий

Для проверки джуна достаточно просто пройти опросник, для начинающих мидлов — немножко поработать с кодом, но в целом тоже не так сложно. Если говорить о middle+ и senior, нужно проверять практические знания, потому что чем выше grade, тем больше соотношение практики к теории. 

Ключевая сложность

Но как проверить практические знания у сеньора с 7-10 годами опыта? Просто спрашивать теорию — это как тестировать шеф-повара на умение варить воду. База знаний нужна, причём исключительно практическая. Но где её взять?

Решение

Покопались в интернете и книгах — пусто. Ну что ж, если чего-то нет, это надо создать самим. Мы собрали экспертную сеть из наших разработчикови внешних консультантов. За основу взяли информацию с сайтов производителей различных стеков. Например, для Python — темы, подтемы, списки. Из этого выросли ментальные карты (у нас их уже больше 200), которые мы начали наполнять практической информацией.

Что это за информация?

Мы придумали термин «практический кейс». Это такая штука, которая всегда связана с конкретной темой. Например, есть тема — наследование. Практический кейс — ошибка, которую часто совершают, работая с этой темой. Он проверяет:

  • Понимание use-кейса
  • Понимание принчипов работы
  • Архитектуру и абстракции
  • Побочные эффекты
  • Выявление ошибок

Мы буквально бомбардировали наших экспертов вопросами: «Какие фейлы у вас были? Какие проблемы решали? Какой урок вынесли из этого проекта?» Так родилась наша база знаний. Сейчас в ней более 9200 кейсов. Это три с половиной года упорной работы.

Сетка грейдирования

Мы создали списки тем и подтем для каждого стека, разделив их на четыре уровня: middle–, middle+, senior–, senior+. На каждом уровне собраны сотни практических кейсов, которые специалист должен знать и уметь применять.

Как определяем уровень?

Берём кейс и по формуле присваиваем ему грейд. Чтобы убедиться в объективности, мы дали 100 кейсов техлидам и попросили их разложить по уровням. Все сделали это одинаково, ведь оценивали не людей, а саму практическую информацию. Это доказывает, что формула работает.

Эта система стала основой для проверки знаний кандидатов. 

Конфигуратор вакансий

Но на этом мы не остановились. В какой-то момент пришло озарение: Java-разработчик для конкретного проекта должен знать не только Java, но и массу других специфических вещей, которые являются индивидуальными требованиями. Так появился конфигуратор вакансий. В нем можно:

  • Подбирать готовые вакансии из нашей базы
  • Добавлять к готовой вакансии дополнительные компетенции
  • Тонко настраивать скрининги — вплоть до выбора конкретной темы

Можно даже настроить, чтобы дополнительные навыки влияли в необходимой степени на итоговый грейд. Если вашей компании важно учитывать что-то специфическое, конфигуратор всё это может.

Наши кейсы, проекты и новости ждут вас в Telegram канале ITQuick. Также у нас есть отдельный канал с вакансиями ITQuick вакансии и канал о развитии нашего продукта JUMSE App.
Популярные статьи
ITQuick Group на Международном ПЛАС-Форуме FinnoWay Armenia 2025

11–12 ноября наша команда приняла участие в FinnoWay Armenia 2025 — одном из крупнейших финтех-форумов региона, где встретились цифровые банки, технологические компании, представители госсектора и инвесторы. Для нас это событие стало первым серьезным международным выходом, и он был действительно мощным. О чем было наше выступление На форуме Александр ...

24.11.2025
Рабочая прозрачность как продукт: как мы за 6 месяцев превратили «темную зону» разработки в систему управляемых метрик

За полгода объединенная команда БИС и ITQuick выстроила измеримую прозрачность производственного контура: от «археологии» заявок 2003 года и 60% учета времени — к динамическим дашбордам, где покрытие учета приблизилось к ~95% и ключевые решения принимаются на стыке фактической загрузки и экономической эффективности. Итог — собственники впервые видят «как бы ...

12.09.2025
Локальные LLM в компании: зачем, как и чем они лучше/хуже облачных

Последние пару лет генеративные модели стали почти стандартом: подключил API, и вот у тебя уже помощник, переводчик или «псевдо-архитектор кода». Но вместе с удобством пришли и вопросы. Что делать с чувствительными данными? Как жить, если завтра сервис поднимет цены вдвое или внезапно отключит доступ? Ответ многих компаний — смотреть в сторону локальных LLM ...

05.09.2025