Аналитик данных: кто это, чем занимается и как им стать

Аналитик данных собирает цифры о работе компании, проверяет их и отвечает на вопросы бизнеса: почему упали продажи, какая реклама окупается, где клиенты бросают оформление заказа.

Кто такой аналитик данных и чем он занимается

Аналитик данных (data analyst, дата-аналитик) превращает сырые данные в ответ на конкретную задачу, а сама аналитика данных как понятие означает их сбор, очистку, анализ и визуализацию. Сырые данные лежат в базах данных компании: заказы, платежи, клики на сайте, звонки в поддержку. Миллионы строк сами по себе ничего не говорят: аналитик отбирает из них нужное, обрабатывает, находит ошибки и дубликаты, считает показатели и показывает, что изменилось и почему.

Задачи аналитика данных в вакансиях повторяются от компании к компании:

• собирать данные из разных источников: баз данных, CRM (системы учёта клиентов), выгрузок из 1С, файлов;
• очищать данные: убирать дубли, пропуски, аномалии и заведомо неверные значения;
• считать метрики (показатели) бизнеса: выручку, средний чек, конверсию, отток клиентов;
• строить регулярные отчёты и дашборды, панели с графиками, которые обновляются сами;
• прогнозировать продажи, спрос или нагрузку по прошлым данным;
• выполнять разовые задачи руководства, их называют ad hoc (анализ «под случай»);
• проверять гипотезы и оценивать результаты A/B-тестов, когда две версии страницы или предложения показывают разным группам пользователей и сравнивают итог.

Среди работодателей на hh.ru банки, маркетплейсы, торговые сети, телеком, рекламные агентства, городские IT-проекты. В Сбере аналитик ищет ошибки в работе специалистов контактных центров, в маркетинге оценивает эффективность рекламных кампаний и каналов привлечения, в ритейле ведёт анализ продаж по магазинам и выявляет закономерности в покупках.

Рабочий день аналитика данных

Утро часто начинается с дашбордов: обновились ли за ночь основные показатели, нет ли в свежих данных провала или всплеска, похожего на сбой загрузки. Если выручка за вчера вдруг равна нулю, аналитик сначала проверяет сам сбор данных.

Потом идут просьбы коллег. Маркетолог хочет знать, сколько принесла рассылка, менеджер продукта хочет понять, пользуются ли новой кнопкой. Много времени уходит на такие задачи: задавать уточняющие вопросы, пока не станет ясно, что именно нужно, достать данные, сверить результат со здравым смыслом, оформить ответ. Раз в неделю или месяц аналитик готовит регулярную отчётность и презентацию для руководства: презентации упомянуты в 28 % вакансий, которые мы изучили.

Пример задачи: почему упала конверсия

Задача звучит так: «В этом месяце конверсия интернет-магазина в покупку упала с 3 до 2,4 %. Что случилось?» Начинающий аналитик строит график и пишет «конверсия упала». Опытный специалист изучает проблему по шагам:

1. Проверяет сами данные. Не поменялся ли подсчёт визитов, не сломался ли счётчик на одной из страниц.
2. Делит показатель на разрезы: по устройствам, браузерам, источникам трафика, регионам, новым и постоянным клиентам.
3. Находит, где именно провал. Например, на мобильной версии в одном браузере покупок почти нет, а на компьютерах всё как раньше.
4. Сверяет с датами релизов. Если спад начался в день обновления корзины, это главный кандидат в причину.
5. Пишет заключение в две-три строки: что сломалось, сколько заказов магазин теряет в день и кому передать проблему. Дальше за дело берутся разработчики и тестировщики.

Какие бывают аналитики данных

Бизнес-аналитик стоит отдельно: он в первую очередь описывает бизнес-процессы и ищет, как их улучшить, а работа с данными у него вспомогательная. На старте разница между специализациями не так важна, основа общая: запросы к базе и понимание метрик. Специализация складывается на первом месте работы, по тому, в какую команду вы попадёте.

Что должен знать и уметь аналитик данных

Онлайн-школы пишут в программах курсов длинные списки того, чему вы научитесь. Мы проверили по работодателям: изучили 144 случайных вакансии на hh.ru из 439, найденных 30.09.2026 поиском по названию вакансии: «аналитик данных», data analyst, «дата-аналитик» или «дата аналитик», и посчитали, как часто в них встречается каждый навык:

Технические навыки

SQL (язык запросов к базам данных) требуют почти везде. Для джуна достаточно базового уровня: отбор строк с условиями, группировка, объединение таблиц через JOIN и оконные функции, которые считают, например, накопленную выручку по дням. Оконные функции прямо названы в каждом четвёртом описании.

Язык программирования Python используют для того, что неудобно делать в базе: обработать выгрузку данных, посчитать статистические показатели, построить графики. Он же нужен для автоматизации ручных процессов, например ежедневной отчётности. Для этого учат библиотеки pandas и numpy: pandas прямо называют 31 % вакансий подборки, numpy 19 %. Язык R встречается редко, в 6 описаниях из 144.

Excel в IT-среде часто недооценивают, а его просят в половине подборки: сводные таблицы, ВПР, формулы. Отчёт для финансового директора нередко проще сделать в таблице, чем в Python.

BI-системы (business intelligence, системы бизнес-аналитики) нужны для визуализации: они строят дашборды поверх базы. Чаще других называют Power BI и Tableau, а почти в четверти вакансий DataLens, Superset, Metabase или FineBI. Какую систему выбрать для начала, почти не важно: принципы построения отчётов у всех одни, поэтому после первой вторую освоить проще.

Статистику прямо называют 36 % вакансий, но базовые знания статистики и теории вероятностей нужны почти в любой задаче: среднее и медиана, распределение, корреляция, то есть зависимости между показателями, проверка гипотез, на которой держится анализ A/B-теста.

Личные качества

Работодатели пишут в требованиях про аналитический склад ума и аналитическое мышление. На практике это интерес к тому, как устроен бизнес. Просьбу «посчитай выручку» стоит уточнить: с возвратами или без, с НДС или нет, по дате заказа или оплаты. Второе качество: умение объяснять сложные вещи просто. Руководитель не будет читать код, ему нужно показать ответ понятными словами и одним наглядным графиком. Аналитик много общается с сотрудниками других отделов, и от этого общения зависит, получит ли он нужные данные вовремя.

Аналитик данных, Data Scientist и системный аналитик

Data Scientist (специалист по data science, науке о данных) строит модели прогнозирования, и порог входа у него выше: нужны линейная алгебра, математическая статистика и машинное обучение. Если цель Data Science, начинать с аналитики данных разумно: SQL, статистика и работа с метриками понадобятся и там. Системный аналитик работает с данными меньше. Он пишет требования к IT-системе, по которым её потом делают разработчики.

Сколько зарабатывает аналитик данных

По калькулятору зарплат Хабр Карьеры за полгода по сентябрь 2026 медианная зарплата аналитика данных на руки вместе с премией, рублей в месяц:

Медиана по всем грейдам 170 000 ₽, расчёт по 1 104 анкетам. Медиана делит специалистов пополам: половина получает меньше, половина больше. Продуктовые аналитики на той же площадке получают больше, медиана джуна 142 000 ₽. Сравнить аналитика с разработчиками и тестировщиками можно по статье сколько зарабатывают программисты.

Карьерный рост аналитика данных

Грейд аналитика данных определяется самостоятельностью, а не количеством лет в профессии. Начинающий специалист делает задачу по готовой постановке, и старший коллега смотрит его запросы. Мидл сам уточняет, что нужно заказчику, выбирает метод анализа и отвечает за результат. Сеньор решает, какие показатели компании вообще стоит считать, и проверяет выводы других. Лид руководит командой аналитиков данных и договаривается с руководством о приоритетах.

Для развития вбок есть несколько путей: в продуктовую аналитику, в Data Science, в инженерию данных (дата-инженер строит хранилища и потоки данных, с которыми работает аналитик). Опыт в аналитике помогает перейти и в управление продуктом: аналитик хорошо знает, как ведут себя пользователи.

Спрос на аналитиков данных

30.09.2026 в поиске hh.ru по России по этим же словам в названии нашлось 439 вакансий. Востребованы на рынке прежде всего специалисты с опытом: опыт 1-3 года просили в 212 из них, 3-6 лет в 189, больше шести лет в 13. Без опыта подходили 25, в восемь с лишним раз меньше, чем для опыта 1-3 года. Удалённый формат предлагали в 87 объявлениях, а удалённую работу без опыта только в одном.

Название должности мало говорит о работе. В нашей подборке попались «специалист по анализу данных», который разбирает фотоотчёты из торговых точек и заносит данные о товарах в Excel, и «аналитик данных», который готовит отчётность по установленным формам в 1С и Excel. К анализу данных такая работа отношения почти не имеет. Смотрите в обязанностях на SQL, метрики и гипотезы.

Нейросети и ИИ-инструменты упомянуты в 17 % подборки: от умения пользоваться ГигаЧатом в работе до разработки ИИ-агентов. Они помогают быстрее писать черновики запросов и кода на Python, но сверять такой запрос с базой и отвечать за цифры в отчёте всё равно аналитику, поэтому SQL учить нужно самому.

Как стать аналитиком данных с нуля

Обещание «освоите профессию аналитика за три месяца» мы бы не принимали всерьёз. Срок зависит от часов в неделю, математической базы и того, насколько быстро вы соберёте проекты. Порядок шагов при этом один:

1. SQL и Excel. На онлайн-тренажёрах решайте задачи, пока JOIN и оконные функции не станут привычными.
2. Основы статистики и метрик бизнеса: конверсия, удержание, средний чек, юнит-экономика.
3. Python с pandas для обработки данных и одна BI-система, чтобы визуализировать результаты.
4. Два-три проекта на открытых данных. Возьмите реальный набор данных, определите цель исследования, проведите анализ и опишите ответ так, будто отчитываетесь перед руководителем. Выложите код и отчёт в открытый доступ, чтобы ссылку можно было дать в резюме.
5. Резюме, отклики и тестовые задания. Параллельно ищите стажировки: осенью 2026 городская программа «ИТ-город» в Москве набирала стажёров-аналитиков на 20 или 40 часов в неделю с оплатой до 75 000 ₽ до вычета налога.

Самый короткий путь в аналитику данных часто лежит внутри своей компании. Специалисты из смежных областей, бухгалтер, маркетолог или логист, уже знают бизнес. Освоив SQL, такой сотрудник переходит в отдел аналитики проще, чем новичок с улицы проходит отбор среди кандидатов с опытом.

Курсы, вуз или самостоятельное обучение

Курсы аналитика данных в онлайн-школах помогут тем, кому нужны структура, наставник и дедлайны. Работу они не гарантируют, даже если в договоре написано про помощь с трудоустройством: на собеседовании проверяют навыки и просят показать проекты. Перед покупкой откройте программу и сверьте с таблицей навыков выше: SQL должен занимать заметную часть часов, итоговый проект строиться на реальных данных. Число модулей мало что говорит. Спросите, сколько проектов вы сделаете и кто их проверит: разбор заданий живым наставником полезнее одних видеоуроков. Бесплатные курсы и открытые тренажёры хорошо закрывают основы SQL и Python. Если хотите учиться самостоятельно, начните с них, прежде чем платить за длинную программу на полгода и больше.

Школьнику, который выбирает вуз, подойдут направления «Прикладная математика и информатика», «Бизнес-информатика», «Статистика», экономика с сильной математикой. Высшее образование упоминают 38 % описаний из нашей подборки.

Кому подойдёт профессия аналитика данных

Профессия подойдёт тем, кому интересно докапываться до причин и кто спокойно проводит день с таблицами. Помогает аккуратность: одна пропущенная строка с возвратами меняет выручку в отчёте. Нужна и готовность спорить фактами: вывод аналитика иногда расходится с тем, что хотел услышать руководитель.

Не подойдёт тем, кто хочет создавать продукт своими руками или видеть результат работы сразу. Аналитик данных готовит решение, а принимают и внедряют его другие люди.

Частые вопросы об аналитике данных

Нужно ли высшее образование, чтобы стать аналитиком данных?

Для большинства работодателей нет: из 144 изученных вакансий высшее образование упоминалось в 38 %. В одной из вакансий на моделирование прямо требуют математический или технический диплом.

Сколько нужно математики?

Для анализа данных на уровне аналитика хватает статистики и теории вероятностей в объёме вводного вузовского курса. Высшая математика понадобится, если вы собираетесь дальше в Data Science и машинное обучение.

Что учить первым: SQL или Python?

SQL. Его требуют 89 % вакансий из нашей подборки, Python 67 %. Python добавляйте, когда JOIN и оконные функции уже не вызывают трудностей.

Можно ли работать аналитиком данных удалённо?

Можно, но начинающему специалисту это сложнее. На 30.09.2026 на hh.ru удалённый формат был в 87 объявлениях из 439, а среди подходящих без опыта удалённое было одно.

Можно ли стать аналитиком данных бесплатно?

Можно. Основы SQL, Python и статистики разбирают бесплатные курсы и открытые тренажёры, а данные для проектов лежат в открытом доступе. Платные курсы дают наставника и проверку проектов. Разбираться самостоятельно обычно дольше, зато вы платите только временем.

Где найти стажировку аналитиком данных?

Ищите на hh.ru по словам «стажёр аналитик» и на карьерных сайтах крупных банков и IT-компаний. Опыт работы для стажировки не нужен, но базовый SQL был в требованиях всех трёх стажёрских вакансий из нашей подборки. Сбер, например, прямо просит приложить к отклику ссылки на свои проекты.