Аналитик данных: чем занимается и как освоить профессию

Аналитик данных отвечает на вопросы, которые бизнес не решает по ощущениям: почему упали заказы, какой канал привлечения окупается, стоит ли раскатывать новую версию экрана на всех пользователей. Он достаёт данные из баз и сервисов, приводит их в пригодный вид, считает показатели и формулирует вывод. Работодатель получает не таблицу, а обоснованный ответ и возможность его проверить.

Что аналитик отдаёт на выходе

У этой работы несколько устойчивых результатов, и по ним удобно понимать профессию:

• Выгрузка или витрина данных. Запрос к базе, собирающий нужный срез: заказы по городам за квартал, пользователи, дошедшие до третьего шага регистрации.
• Отчёт с выводом. Документ, где есть вопрос, метод, цифры и ответ. Отчёт без вывода — набор графиков, его возвращают на доработку.
• Дашборд. Графики и фильтры, которые обновляются сами и заменяют просьбы «пришли цифры за неделю».
• Результат эксперимента. Расчёт по A/B-тесту: есть ли разница между вариантами и можно ли ей доверять.
• Определение метрики. Пока не зафиксировано, кто считается активным пользователем и с какого момента заказ выполнен, любые цифры остаются спорными.

Последний пункт не выдумка методистов. В профессиональном стандарте «Специалист по большим данным» первая же трудовая функция шестого уровня квалификации называется «Выявление, формирование и согласование требований к результатам аналитических работ» и включает переговоры с заказчиком (приказ Минтруда России от 06.07.2020 № 405н). Работа начинается не с кода, а с уточнения вопроса.

Учебный пример: куда делась конверсия в оплату

Ситуация вымышленная, она нужна, чтобы показать ход рассуждений. Сервис доставки еды, продакт-менеджер приходит с наблюдением: за две недели конверсия из корзины в оплаченный заказ упала с 62 до 55 процентов. Просьба звучит как «посмотри, что случилось».

Первое, что делает аналитик, — уточняет, что именно считали: в дашборде конверсия берётся от всех открытий корзины, включая повторные заходы в ту же. Дальше он выгружает события по дням и разрезает их по платформе, версии приложения, городу и способу оплаты. Падение оказывается не общим — оно целиком приходится на Android начиная с версии 5.12 и только на оплату через СБП.

Прежде чем нести вывод команде, аналитик проверяет обратную версию: может быть, сломалось логирование, а не платёж. Он сверяет число успешных оплат из аналитической базы с числом платежей в биллинге за те же сутки — расхождение есть, но небольшое, и провал оно не объясняет.

Итоговая формулировка звучит так: падение локализовано в одном сценарии, затронуто около трёх процентов заказов, начало совпадает с выкаткой версии 5.12, вероятная причина — обработка ответа платёжного шлюза. Ценность не в графике, а в том, что зона поиска сузилась до одного экрана в одной версии.

Чем эта работа отличается от соседних

В вакансиях слово «аналитик» встречается в нескольких смыслах, и границы стоит развести до выбора курса.

Бизнес-аналитик работает со словами и процессами чаще, чем с числами. Свод знаний BABOK определяет бизнес-анализ как «практику осуществления изменений в организации через определение потребностей и рекомендацию решений, создающих ценность для заинтересованных сторон» (IIBA, BABOK Guide, раздел 1.2). Его результат — описание того, что должна делать система; аналитик данных показывает, как обстоят дела сейчас и что изменилось после внедрения.

Продуктовый аналитик пользуется тем же стеком, но живёт внутри одной команды и ведёт поток экспериментов, а аналитик данных чаще обслуживает несколько функций сразу — маркетинг, операции, финансы.

С Data Scientist граница проходит по артефакту. Аналитик заканчивает работу выводом для человека, дата-сайентист — обученной моделью, которая работает дальше сама. Отсюда разница в математике: аналитику нужны описательная статистика, проверка гипотез и доверительные интервалы, дата-сайентисту — вдобавок линейная алгебра, оптимизация и устройство алгоритмов.

Инструменты и что именно ими делают

SQL — базовый язык профессии: на нём аналитик достаёт данные из хранилища, соединяет таблицы, группирует, считает агрегаты. В вакансиях это требование обычно стоит первым, и проверяют его задачами, а не вопросами о синтаксисе.

Таблицы — Excel и Google Таблицы: быстрый расчёт, сводная таблица, прикидка перед серьёзной работой. У них жёсткий предел: лист Excel вмещает 1 048 576 строк и 16 384 столбца (техническая документация Microsoft). Миллион строк — несколько месяцев событий среднего мобильного приложения, поэтому переход на SQL и Python не вопрос вкуса.

Python с библиотеками pandas и NumPy нужен там, где обработка сложнее, чем позволяет запрос: объединить выгрузки из разных систем, разобрать текстовые поля, посчитать когорты, повторить расчёт на новых данных.

BI-системы — Power BI, Yandex DataLens, Tableau, Superset. Визуализация здесь меньшая часть работы: в программе экзамена Microsoft PL-300 для аналитика Power BI на неё вместе с анализом отведено 25–30 процентов, столько же занимает подготовка данных, столько же — построение модели со связями и расчётами на DAX, а оставшиеся 15–20 процентов приходятся на администрирование и безопасность (учебное руководство Microsoft Learn).

С Power BI связан сюрприз, о котором редко предупреждают. Бесплатная лицензия позволяет подключаться к данным и собирать отчёты только для себя: такие пользователи, по документации Microsoft, «не могут пользоваться функциями Power BI для совместного доступа и совместной работы» (Microsoft Learn о возможностях по типам лицензий). Чтобы дашборд открыл коллега, нужна лицензия Pro у автора, а у получателя — либо Pro, либо рабочая область на ёмкости Premium или Fabric F64 и выше. Учебный проект поэтому сдают файлом или записью экрана.

Статистика и эксперименты. Размер выборки рассчитывают заранее и дожидаются его. Документация платформы экспериментов Optimizely формулирует правило без оговорок: не смотрите полные результаты, пока эксперимент не наберёт требуемый объём выборки и длительность, потому что ранние проверки увеличивают долю ложноположительных выводов (Optimizely, обзор методов статистического анализа). Привычка заглядывать в тест каждое утро и останавливать его в день, когда различие стало значимым, — дорогая ошибка: компания раскатывает изменение, которого не было.

Осваивают этот набор по порядку, а не параллельно. В программе «Аналитик данных» от Яндекс Практикума стек выстроен именно так: таблицы и SQL, затем Python, дашборды в DataLens и проверка гипотез, а на всё это заявлены около 200 часов практики, восемь проектов и десять кейсов от компаний.

Как устроена неделя

Заметная часть времени уходит не на расчёты, а на выяснение, что имелось в виду. Аналитик договаривается с продакт-менеджером о формулировке вопроса, с разработчиками — о том, какие события логируются, с маркетингом — о разметке кампаний, с финансами — о том, какие комиссии учитывать в выручке. Дальше работа руками: запросы, проверка на пропуски и дубли, расчёт, сборка отчёта — и поддержка всего, что собрано раньше.

Ответственность тихая, но настоящая: ошибка в условии соединения таблиц задваивает выручку, и решение о бюджете принимается на неверной цифре. Отсюда привычка сверять итог с независимым источником и объяснять себе каждый круглый скачок.

Что может не подойти

Работа во многом невидимая: хороший дашборд перестают замечать через месяц, но запомнят день, когда он показал неверные цифры. Вопросы приходят срочно, формулируются расплывчато и меняются по ходу, а много времени уходит на данные плохого качества: события не пишутся, справочники расходятся, историю переписывают задним числом. Аналитик к тому же регулярно приносит неудобный ответ — что рост дала сезонность, а не новая функция, — и этот ответ надо спокойно отстоять.

Нужен ли диплом

Отдельного профессионального стандарта с названием «аналитик данных» в национальном реестре нет. Ближе всего стандарт 06.042 «Специалист по большим данным»: его обобщённая трудовая функция A шестого уровня квалификации — анализ данных на существующей в организации инфраструктуре — предполагает высшее образование уровня бакалавриата и опыт не менее одного года в анализе данных или бизнес-анализе, а в дополнительных характеристиках должность соотнесена с группой занятий ОКЗ 2511 «Системные аналитики» и кодом ОКПДТР 24026 «Математик» (профстандарт 06.042). Особых условий допуска стандарт не устанавливает.

Практический смысл такой. Профессия не регулируется: обязательной аттестации или диплома по специальности закон не требует, и частный работодатель проверяет задачами. Но там, где кадровая служба опирается на профстандарт — госкомпании, организации с жёсткой системой грейдов, — отсутствие высшего образования и года стажа закроет вход независимо от навыков.

Сколько зарабатывают

Самые прозрачные по методике данные публикует «Хабр Карьера». В исследовании за первое полугодие 2026 года разобрано 45 226 зарплат, и авторы оговаривают: это не вакансии и не резюме, а реальные текущие оклады, анонимно указанные специалистами в зарплатном калькуляторе. Медиана по всем IT-специальностям — 191 000 рублей, по группе аналитиков — 220 000 рублей в Москве, 180 000 в Санкт-Петербурге и 160 000 в регионах при росте на 5 процентов за полугодие («Зарплаты IT-специалистов в первой половине 2026 года»). До вычета НДФЛ это или на руки, в публикации не сказано.

Цифры относятся ко всей группе аналитиков и ко всем уровням сразу, поэтому новичку ориентироваться на них не стоит. По специализации «Аналитик по данным» калькулятор «Хабр Карьеры» на сентябрь 2026 года показывает медиану 170 000 рублей по 1 126 анкетам, а для уровня Middle — 187 873 рубля по 545 анкетам (страница зарплат «Хабр Карьеры»). Разрыв между двумя медианами показывает, насколько ниже стартовые позиции.

Сопоставимой публичной статистики по начинающим аналитикам мало, поэтому цифру для junior честнее посмотреть самостоятельно: в поиске вакансий hh.ru задайте регион и опыт «нет опыта» или «от 1 года до 3 лет» и смотрите на середину распределения, а не на верхние предложения. В вакансиях публикуют предложение работодателя, а не фактическую зарплату, и суммы до вычета НДФЛ отличаются от сумм на руки не меньше чем на 13 процентов. Онлайн-курс не гарантирует ни трудоустройства, ни конкретной зарплаты.

С чего начать учиться

Школьной математики и уверенной работы с таблицами достаточно для старта. До оплаты обучения проверьте интерес на бесплатных материалах: пройдите вводный тренажёр по SQL и ответьте на собственный вопрос по открытому набору данных, а не повторяйте чужой разбор.

Главный ориентир при выборе программы — объём практики и её соотношение с теорией; правда, приводят эти цифры не все школы. В обзоре курса «Аналитик данных с нуля» от Skillbox приводится разбивка: 43 часа теории против 212 часов практики, тридцать работ и итоговый кейс при длительности четыре месяца.

Короткий формат реалистичен, если заниматься плотно и уже уверенно работать с таблицами. В любой программе стоит искать четыре вещи: настоящую базу и SQL, а не только готовые csv-файлы; проверку домашних заданий человеком; проект с грязными данными; блок про статистику и A/B-тесты с расчётом размера выборки.

Длинный формат имеет смысл, когда база слабее или нужна специализация. Девятимесячная программа «Data Analyst с нуля до Junior» в Skillbox построена в две ступени: сначала математика, статистика, SQL и Python, затем выбор направления — продуктовая, маркетинговая или BI-аналитика.

Срок обучения зависит не от школы, а от того, сколько часов в неделю вы готовы отдавать практике. Цену, состав модулей и условия возврата проверяйте на сайте школы: в обзорах они устаревают.

Сравнивать образовательные платформы удобно начиная с обзорной подборки: рейтинг онлайн-школ по направлению «Аналитик данных» сопоставляет программы по стоимости, насыщенности практикой, поддержке наставника и карьерному сопровождению.

Как показать первые результаты

Портфолио аналитика — три-четыре законченных разбора, а не сборник графиков. Каждый проект оформляйте одинаково: вопрос, источник данных, что пришлось почистить, какой метод применили, вывод. Хорошо работают открытые данные с собственным вопросом: цены на аренду по районам своего города, динамика показателей по регионам. Учебный кейс из курса тоже годится, но его видели все однокурсники, поэтому рядом лучше положить своё. Если вы уже работаете, самый сильный вариант — собрать на текущем месте регулярный отчёт, который до вас делали вручную.

Варианты первых шагов

Классический маршрут — позиция junior-аналитика в продуктовой или маркетинговой команде, но он не единственный. Аналитические задачи есть в агентствах, где новичок быстро проходит десяток проектов и отраслей, в отделах отчётности крупных компаний, где работа ближе к BI, и в небольших компаниях, где один человек закрывает цикл от выгрузки до презентации. Отдельный путь — вырасти в аналитика внутри своей нынешней профессии: маркетолог, логист или бухгалтер, освоивший SQL и BI, понимает, откуда берутся данные и что означает каждое поле.

Оценить готовность помогает упражнение: возьмите незнакомый набор данных и за вечер доведите его до одного проверяемого вывода — с формулировкой вопроса, честным перечислением того, что в данных сломано, и цифрой, за которую вы готовы отвечать. Если такая работа кажется интересной, а не утомительной, профессия вам подойдёт.