Как стать аналитиком данных с нуля: навыки, обучение и первая работа

Аналитик данных помогает бизнесу принимать решения на основе цифр, а не интуиции. Почему упали продажи в регионе? Какой канал рекламы окупается? Сколько товара заказать на следующий месяц? Ответы на такие вопросы и есть его работа. Профессия подходит тем, кто любит разбираться в причинах и не боится цифр, — программистский склад ума не обязателен.

Чем аналитик данных занимается в течение дня

• выгружает данные из баз через SQL;
• чистит и приводит их в порядок — на это уходит до половины времени;
• считает метрики, сравнивает периоды и сегменты;
• строит дашборды в BI-системах;
• объясняет выводы менеджерам и руководителям простыми словами.

Важно: аналитика — это не только про инструменты. Хороший аналитик умеет задавать вопросы и понимать, какое решение бизнес примет на основе его отчёта.

Какие навыки нужны новичку

Навык	Что нужно уметь на старте	Сколько времени
Excel / Google Таблицы	сводные таблицы, ВПР, формулы, графики	2–4 недели
SQL	SELECT, JOIN, GROUP BY, оконные функции	1,5–2 месяца
Python	pandas, базовая визуализация, Jupyter	2–3 месяца
Статистика	средние, медиана, распределения, A/B-тесты	1–2 месяца
BI	Power BI, Yandex DataLens или аналог	3–4 недели
Бизнес-метрики	выручка, конверсия, LTV, CAC, retention	параллельно

SQL — самый важный навык: его спрашивают почти на каждом собеседовании, и именно с него стоит начинать после Excel.

План обучения на 9–12 месяцев

1. Месяцы 1–2. Excel и основы статистики. Параллельно читайте, как устроены метрики продуктов и интернет-магазинов.
2. Месяцы 2–4. SQL — каждый день по задаче на тренажёрах. Цель — уверенно писать запросы с несколькими JOIN и оконными функциями.
3. Месяцы 4–7. Python и pandas. Решайте задачи на реальных открытых данных.
4. Месяцы 6–8. BI-система и визуализация. Сделайте 2–3 дашборда.
5. Месяцы 7–12. Портфолио, резюме, собеседования.

Обучение можно построить самостоятельно или выбрать курс — главное, чтобы в нём было много практики на реальных данных. Как отличить хороший курс от плохого, рассказываем в чек-листе.

Типичная задача с собеседования

На собеседованиях джунов часто дают задачу на SQL. Пример:

Есть таблица заказов: id заказа, id клиента, дата, сумма. Найдите клиентов, которые сделали больше трёх заказов в 2025 году, и их средний чек.

Решение:

SELECT customer_id,
       COUNT(*) AS orders,
       ROUND(AVG(amount), 2) AS avg_check
FROM orders
WHERE order_date >= '2025-01-01' AND order_date < '2026-01-01'
GROUP BY customer_id
HAVING COUNT(*) > 3
ORDER BY orders DESC;

Дальше интервьюер обычно усложняет: «А как найти клиентов, у которых второй заказ был дороже первого?» — тут пригодятся оконные функции. Если вы уверенно решаете такие задачи, вы готовы к большей части технических интервью для джунов.

Портфолио: какие проекты сделать

• Анализ продаж интернет-магазина: динамика, сезонность, топ-товары, выводы и рекомендации.
• Когортный анализ удержания пользователей приложения.
• Анализ A/B-теста: правильный расчёт значимости и интерпретация.
• Дашборд по открытым данным — например, рынок недвижимости или статистика вашего региона.

Каждый проект оформляйте как историю: какая задача, какие данные, что сделали, какой вывод и что бизнесу стоит сделать дальше.

Бесплатные ресурсы для старта

• Тренажёры SQL с задачами возрастающей сложности — лучший способ набить руку.
• Открытые датасеты — порталы открытых данных, данные государственной статистики, датасеты на платформах для соревнований по анализу данных.
• Документация pandas и бесплатные интерактивные курсы по Python.
• Бесплатные BI-инструменты, например Yandex DataLens, где можно строить дашборды на собственных данных.
• Профессиональные сообщества и Telegram-каналы аналитиков — разборы задач, вакансии, обсуждения.

Совет: не распыляйтесь на десятки ресурсов. Выберите один основной курс и один тренажёр и пройдите их до конца.

Где искать первую работу

• Позиции «младший аналитик», «аналитик-стажёр», «junior data analyst».
• Аналитика в маркетинге, продажах, финансах — часто туда берут людей из этих сфер, обученных SQL.
• Внутренний переход: если вы уже работаете в компании, предложите автоматизировать отчёты — это лучший способ получить опыт.

Резюме стройте вокруг проектов и инструментов — подробнее в статье как составить резюме.

Аналитик данных или системный аналитик

Это разные профессии. Аналитик данных работает с цифрами и метриками, системный аналитик — с требованиями к IT-системам и их архитектурой. Если вам ближе процессы и документация, загляните в наш разбор профессии системного аналитика.

Сколько зарабатывают

Стартовая зарплата джуна в регионах — от 60–80 тысяч рублей, в Москве — от 90–120 тысяч. Аналитик уровня middle получает в среднем в два раза больше. Сильнее всего платят в финтехе, e-commerce и крупных продуктовых компаниях.

Кому подходит профессия

Если вам интересно копаться в причинах, вы терпеливы к рутине очистки данных и умеете объяснять сложное просто — аналитика может стать отличным выбором. Особенно для тех, кто меняет профессию после 30 и приходит с опытом в финансах, маркетинге или продажах.

Как выглядит рабочий день аналитика

• 10:00 — планёрка с командой продукта: какие гипотезы проверяем на этой неделе.
• 10:30 — запрос от менеджера: «Почему в октябре упала конверсия в оформление заказа?» Аналитик пишет SQL-запросы, сравнивает сегменты по устройствам и каналам.
• 13:00 — обед.
• 14:00 — поиск причины: оказалось, падение только на одной версии мобильного приложения. Аналитик собирает данные для разработчиков.
• 16:00 — обновление еженедельного дашборда для руководства.
• 17:00 — короткая презентация выводов: «Проблема в приложении версии такой-то, затронуто 12% пользователей, потери — примерно столько-то заказов в день».

Работа аналитика — это детектив с цифрами. Если такой день кажется вам интересным, профессия, скорее всего, подойдёт.

Мини-проект, который можно объяснить

Возьмите открытый набор заказов и ответьте на один вопрос: какие категории менялись по месяцам? Сначала проверьте дубли, отмены, пропущенные даты и смысл каждой колонки. Затем посчитайте показатели и построите один график. В итоговой заметке объясните, что именно считали, что получилось и чего по этим данным утверждать нельзя. Если в выборке нет всех продаж, нельзя выдавать результат за картину всего бизнеса. Сохраните расчёт так, чтобы другой человек мог повторить шаги. Этот навык — сделать путь от исходных данных к выводу прозрачным — пригодится независимо от выбранной программы и инструмента.