19 января 2024 • Обновили 13 июля 2026
Самые популярные профессии в аналитике
Данных у компаний всё больше, а времени на раздумья — всё меньше. Решать на глаз уже не выходит, поэтому аналитик тихо переехал из категории модных профессий в разряд необходимых: без него бизнес не понимает, что с ним происходит.
Хорошая новость для тех, кто присматривается со стороны: в аналитику реально прийти из другой сферы. По данным исследования NEWHR, больше половины аналитиков сменили профессию и попали сюда извне — из финансов, инженерии и диджитала. Так что если вы сейчас между «хочу в аналитику» и «а получится ли», вы не исключение, а скорее правило.
Разберём шесть самых популярных профессий в аналитике: чем занимается каждый специалист, какими инструментами работает, сколько зарабатывает на разных уровнях и как войти с нуля. А в конце подскажем, с какой проще стартовать.
Хорошая новость для тех, кто присматривается со стороны: в аналитику реально прийти из другой сферы. По данным исследования NEWHR, больше половины аналитиков сменили профессию и попали сюда извне — из финансов, инженерии и диджитала. Так что если вы сейчас между «хочу в аналитику» и «а получится ли», вы не исключение, а скорее правило.
Разберём шесть самых популярных профессий в аналитике: чем занимается каждый специалист, какими инструментами работает, сколько зарабатывает на разных уровнях и как войти с нуля. А в конце подскажем, с какой проще стартовать.
Редакция Медиа Нетологии
Данных у компаний всё больше, а времени на раздумья — всё меньше. Решать на глаз уже не выходит, поэтому аналитик тихо переехал из категории модных профессий в разряд необходимых: без него бизнес не понимает, что с ним происходит.
Хорошая новость для тех, кто присматривается со стороны: в аналитику реально прийти из другой сферы. По данным исследования NEWHR, больше половины аналитиков сменили профессию и попали сюда извне — из финансов, инженерии и диджитала. Так что если вы сейчас между «хочу в аналитику» и «а получится ли», вы не исключение, а скорее правило.
Разберём шесть самых популярных профессий в аналитике: чем занимается каждый специалист, какими инструментами работает, сколько зарабатывает на разных уровнях и как войти с нуля. А в конце подскажем, с какой проще стартовать.
Хорошая новость для тех, кто присматривается со стороны: в аналитику реально прийти из другой сферы. По данным исследования NEWHR, больше половины аналитиков сменили профессию и попали сюда извне — из финансов, инженерии и диджитала. Так что если вы сейчас между «хочу в аналитику» и «а получится ли», вы не исключение, а скорее правило.
Разберём шесть самых популярных профессий в аналитике: чем занимается каждый специалист, какими инструментами работает, сколько зарабатывает на разных уровнях и как войти с нуля. А в конце подскажем, с какой проще стартовать.
Шесть популярных профессий в аналитике и их зарплатные ориентиры:
Вход в любую из них начинается с одной базы: SQL, статистика, визуализация данных и немного Python. Проще всего стартовать в системной, BI- и маркетинговой аналитике, а в деньгах и на длинной дистанции выигрывают дата-сайентисты и профессии на стыке с ИИ.
- Аналитик данных — ищет закономерности и проверяет гипотезы на готовых данных. Мидл — 180–280 тыс. ₽.
- BI-аналитик — собирает дашборды и отчёты для бизнеса. Мидл — 190–300 тыс. ₽.
- Продуктовый аналитик — считает метрики и подсказывает, как улучшить продукт. Мидл — 200–320 тыс. ₽.
- Маркетинговый аналитик — оценивает окупаемость рекламы через веб-аналитику. Мидл — 130–210 тыс. ₽.
- Системный аналитик — переводит требования бизнеса на язык разработки. Мидл — 200–310 тыс. ₽.
- Дата-сайентист — строит модели машинного обучения и прогнозы. Мидл — 200–330 тыс. ₽.
Вход в любую из них начинается с одной базы: SQL, статистика, визуализация данных и немного Python. Проще всего стартовать в системной, BI- и маркетинговой аналитике, а в деньгах и на длинной дистанции выигрывают дата-сайентисты и профессии на стыке с ИИ.
В материале
Почему аналитики востребованы: что говорят цифры
Спрос рос десять лет подряд. По данным РБК Трендов со ссылкой на hh.ru, число вакансий, связанных с анализом данных и машинным обучением, за десять лет выросло в 30 раз.
Но рынок повзрослел, и вход перестал быть лёгкой прогулкой. Исследование NEWHR фиксирует: работу до трёх месяцев находят 76% аналитиков против 81% годом раньше. Джунов на рынке около 16%, и теперь на входе решает не диплом, а портфолио, чистый SQL и умение объяснить бизнесу, что стоит за графиками.
Ещё один сдвиг — в сторону машинного обучения: ML-задачи уже выполняют 22% аналитиков против 14% годом раньше, а развивать навыки в этом направлении хотят больше 40%. Это меняет требования сразу ко всем ролям, к чему вернёмся в конце.
Но рынок повзрослел, и вход перестал быть лёгкой прогулкой. Исследование NEWHR фиксирует: работу до трёх месяцев находят 76% аналитиков против 81% годом раньше. Джунов на рынке около 16%, и теперь на входе решает не диплом, а портфолио, чистый SQL и умение объяснить бизнесу, что стоит за графиками.
Ещё один сдвиг — в сторону машинного обучения: ML-задачи уже выполняют 22% аналитиков против 14% годом раньше, а развивать навыки в этом направлении хотят больше 40%. Это меняет требования сразу ко всем ролям, к чему вернёмся в конце.
Шесть популярных профессий в аналитике
Аналитик данных
Аналитик данных — это переводчик с языка цифр на язык решений. Он помогает компании действовать по расчёту, а не по интуиции: выгружает данные, ищет в них закономерности, проверяет гипотезы и оформляет понятные выводы.
- Частая задача: понять, влияет ли новая скидка на средний чек, или найти причину, по которой упали повторные заказы. В отличие от дата-сайентиста, аналитику данных не нужно строить математические модели — он работает с готовыми ИТ-решениями.
Такие специалисты нужны почти везде, где есть данные: от банков и маркетплейсов до медиа и логистики. Ядро навыков — SQL и статистика, проверка гипотез через A/B-тесты (сравнение двух вариантов на живых пользователях) и визуализация данных; для быстрых отчётов хватает Excel, для задач посложнее нужен Python.
Самостоятельно получить базовые знания по профилю помогут эти книги:
Быть в курсе отраслевых новостей и инструментов, которые используют специалисты, позволит Telegram-канал This is Data. Его ведёт Роман Романчук — экс-директор по аналитике Сравни.ру.
Войти в профессию помогает курс «Аналитик данных» с программой трудоустройства — она снимает главный страх при смене сферы. Если пока не уверены, что аналитика вам подходит, за месяц можно попробовать себя на курсе «Аналитика и аналитическое мышление для начинающих». А тем, кому не хватает уверенности в инструментах, Excel, Power BI и SQL можно освоить отдельно на курсе «Инструменты для анализа данных».
Пройти переподготовку и получить востребованную профессию можно в вузах МФТИ и ВШЭ.
Самостоятельно получить базовые знания по профилю помогут эти книги:
- «Погружение в аналитику данных», Джордж Маунт. Это пособие с наглядными приёмами анализа, исследования и тестирования взаимосвязей между переменными. Здесь можно посмотреть реальные примеры работы в Excel и узнать о проверке гипотез с помощью языка программирования Python.
- «Заставьте данные говорить. Как сделать бизнес-дашборд в Excel. Руководство по визуализации данных», Алексей Колоколов. Учебник о визуализации данных на обновляемых информационных панелях. Здесь можно почитать о том, как создавать понятные отчёты и выбрать способ отображения показателей.
Быть в курсе отраслевых новостей и инструментов, которые используют специалисты, позволит Telegram-канал This is Data. Его ведёт Роман Романчук — экс-директор по аналитике Сравни.ру.
Войти в профессию помогает курс «Аналитик данных» с программой трудоустройства — она снимает главный страх при смене сферы. Если пока не уверены, что аналитика вам подходит, за месяц можно попробовать себя на курсе «Аналитика и аналитическое мышление для начинающих». А тем, кому не хватает уверенности в инструментах, Excel, Power BI и SQL можно освоить отдельно на курсе «Инструменты для анализа данных».
Пройти переподготовку и получить востребованную профессию можно в вузах МФТИ и ВШЭ.
BI-аналитик
BI-аналитик (от business intelligence — «бизнес-аналитика») превращает разрозненные данные в наглядные отчёты, по которым бизнес принимает решения. Он собирает показатели из разных систем, проектирует дашборды — живые панели с ключевыми цифрами — и следит, чтобы данные обновлялись сами и не расходились между отделами.
- Типичная задача: свести продажи из 1С, CRM и рекламных кабинетов в одну панель, где руководитель видит выручку по регионам за любой период.
Чаще всего BI-аналитики нужны в ритейле, банках, телекоме и на производстве — там, где много данных и регулярная отчётность. Основные инструменты: SQL, Power BI, Tableau, реже Qlik и российский Visiology.
Самостоятельно изучить азы аналитики помогут эти книги:
Освоить BI-инструменты может помочь YouTube-канал директора компании Finalytics.pro Станислава Салостея. В роликах специалист рассказывает, как делать отчёты в Power BI и Excel. Здесь можно найти гайды, вебинары, хитрые приёмы автоматизации своей работы.
Профессия подойдёт тем, кто любит наводить порядок в данных и делать сложное понятным. Освоить её можно на курсе «Аналитик BI», а попрактиковать визуализацию отдельно — на курсе «Бизнес-аналитика с Power BI».
Профильное высшее образование по специальности предоставляют ВШЭ и РАНХиГС.
Самостоятельно изучить азы аналитики помогут эти книги:
- «Дата йога. Грамотная работа с данными», Александра Усачёва, Андрей Демидов. Путеводитель по операциям с массивами информации позволит понять, как читать цифры, понимать, обрабатывать, анализировать и отражать их на дашбордах. В нём нет инструкций, но есть примеры и советы экспертов.
- «Заставьте данные говорить. Как сделать бизнес-дашборд в Excel. Руководство по визуализации данных», Алексей Колоколов. Книга о том, как работать с коммерческими показателями, составлять и оформлять понятные отчёты. Автор пишет о задачах аналитика на конкретных примерах и рассматривает типичные ошибки.
Освоить BI-инструменты может помочь YouTube-канал директора компании Finalytics.pro Станислава Салостея. В роликах специалист рассказывает, как делать отчёты в Power BI и Excel. Здесь можно найти гайды, вебинары, хитрые приёмы автоматизации своей работы.
Профессия подойдёт тем, кто любит наводить порядок в данных и делать сложное понятным. Освоить её можно на курсе «Аналитик BI», а попрактиковать визуализацию отдельно — на курсе «Бизнес-аналитика с Power BI».
Профильное высшее образование по специальности предоставляют ВШЭ и РАНХиГС.
Читать также:
Кто такой BI-аналитик и как им стать
Кто такой BI-аналитик и как им стать
Продуктовый аналитик
Продуктовый аналитик отвечает на вопрос, что изменить в продукте, чтобы вырос доход или удержание. Он собирает данные о поведении пользователей, считает продуктовые метрики и проверяет идеи тестами.
За аббревиатурами скрываются простые вещи: LTV — сколько денег приносит один клиент за всё время, DAU — сколько человек заходит в продукт за день, Retention — какая доля пользователей возвращается, Churn — какая уходит.
За аббревиатурами скрываются простые вещи: LTV — сколько денег приносит один клиент за всё время, DAU — сколько человек заходит в продукт за день, Retention — какая доля пользователей возвращается, Churn — какая уходит.
- Частая задача: выяснить, на каком шаге регистрации отваливаются пользователи, и предложить, как их удержать.
Такие аналитики нужны продуктовым ИТ-компаниям, онлайн-сервисам и маркетплейсам. Помимо SQL и Python, важно понимать продуктовую аналитику и юнит-экономику — то есть считать, приносит ли продукт прибыль на каждом клиенте.
Освоить теорию новичкам помогут эти книги:
В отличие от маркетингового, продуктовый аналитик смотрит на весь продукт, а не только на рекламу. Хорошая практическая точка входа — программа «Юнит-экономика и продуктовые метрики», где учат считать экономику продукта и отслеживать показатели. А чтобы глубже понимать пользователей через качественные исследования, пригодится курс «UX-исследования в продукте и бизнесе».
Высшее профильное образование можно получить в ВШЭ, РАНХиГС и Финансовом университете.
Освоить теорию новичкам помогут эти книги:
- «Много цифр. Анализ больших данных при помощи Excel», Джон Форман. Главный специалист компании Mailchimp, консультант ЦРУ и Coca-Cola просто и понятно пишет о том, как работать с массивами информации в табличном редакторе. Книга будет полезна тем, кто хочет научиться анализировать предпочтения аудитории, чтобы предлагать ей новые продукты.
- «Как создать продукт, который купят. Метод Lean Customer Development», Синди Альварес. Автор работала с крупными компаниями из списка Forbes. Она пишет о собственной технологии продвижения продуктов. В книге есть полезная информация о поиске будущих клиентов, определении мест их присутствия и потребностей аудитории, оценке спроса.
В отличие от маркетингового, продуктовый аналитик смотрит на весь продукт, а не только на рекламу. Хорошая практическая точка входа — программа «Юнит-экономика и продуктовые метрики», где учат считать экономику продукта и отслеживать показатели. А чтобы глубже понимать пользователей через качественные исследования, пригодится курс «UX-исследования в продукте и бизнесе».
Высшее профильное образование можно получить в ВШЭ, РАНХиГС и Финансовом университете.
Маркетинговый аналитик
Маркетинговый аналитик оценивает, окупается ли реклама и какие каналы приводят клиентов. Он собирает данные из рекламных систем и трекеров, считает эффективность кампаний и показывает маркетологам, куда уходит бюджет.
- Типичная задача: определить, какой канал привёл платящих клиентов и по какой цене, чтобы перенести расходы на прибыльные направления.
Больше всего такие специалисты нужны в e-commerce, банках, телекоме и у крупных рекламодателей. Инструменты роли: веб-аналитика (Яндекс Метрика, Google Analytics, AppMetrica), сквозная аналитика — она связывает клик по рекламе с реальной покупкой, — SQL и базовый Python.
Получить представление о задачах специалиста и освоить основы направления помогут эти книги:
Аналитическую часть маркетинга и работу с метриками можно освоить на курсе «Интернет-маркетолог»: в программе есть веб-аналитика и системы отслеживания трафика.
Специалистов в области маркетинга и рыночной аналитики с высшим образованием готовит ВШЭ.
Получить представление о задачах специалиста и освоить основы направления помогут эти книги:
- «Аналитический маркетинг. Что должен знать маркетинговый аналитик», Тамара Рыжикова. Учебное пособие по программе бакалавриата об основах аналитики в сфере продвижения товаров и услуг. Здесь можно почитать про инструменты, методики и технологии для сбора и изучения данных.
- «Маркетинговый анализ», Наталия Казакова. В книге автор пишет о приёмах, методах, инструментах для изучения рынка и прогнозирования трендов. Освоить материал помогают примеры проведения оценки конкурентоспособности проекта, эффективности рекламы, рисков маркетинговой деятельности.
Аналитическую часть маркетинга и работу с метриками можно освоить на курсе «Интернет-маркетолог»: в программе есть веб-аналитика и системы отслеживания трафика.
Специалистов в области маркетинга и рыночной аналитики с высшим образованием готовит ВШЭ.
Читать также:
Маркетинговый аналитик: всё о профессии
Маркетинговый аналитик: всё о профессии
Системный аналитик
Системный аналитик стоит между бизнесом и разработкой. Он выясняет, какая программа нужна компании, описывает требования к ней понятным для разработчиков языком и сопровождает продукт до запуска.
- Пример из жизни: системный аналитик детально прописывает, как должно работать мобильное приложение для сотрудников склада — что происходит по нажатию каждой кнопки и как система реагирует на ошибку.
Чаще всего такие специалисты трудятся в ИТ-компаниях, банках и крупном ритейле, который собирает собственные команды разработки. Системным аналитикам пригодятся нотации UML и BPMN — визуальные языки для схем систем и бизнес-процессов, — знание SQL, вики-системы вроде Confluence и гибкие методологии.
Изучить азы системной аналитики помогут эти книги:
Профессия ближе тем, кто знаком с разработкой изнутри и умеет договариваться. Получить эти компетенции можно на курсе «Системный аналитик», а тем, кто разрывается между системным и бизнес-анализом и не хочет выбирать одно, ближе курс «Системный и бизнес-аналитик».
Высшее образование по профилю можно получить в СПбГУ, РАНХиГС и ВШЭ.
Изучить азы системной аналитики помогут эти книги:
- «Путь аналитика. Практическое руководство IT-специалиста», Андрей Перерва, Вера Иванова. Опытные разработчики программного обеспечения пишут о том, как воплотить ожидания заказчика и создать блестящий проект. Авторы делятся ноу-хау, анализируют ситуации и кейсы, приводят примеры шаблонов и документов.
- «Head First. Паттерны проектирования», Эрик Фримен, Кэти Сьерра, Берт Бейтс. Книга избавит от необходимости изобретать велосипед. Здесь можно узнать о принципах и условиях применения шаблонов ПО: когда подойдут, в каких случаях использовать.
- «Release it! Проектирование и дизайн ПО для тех, кому не всё равно», Майкл Нейгард. Автор пишет об IT-решениях, которые помогают избежать критических ситуаций при атаке ботов, ошибках пользователей и создания неудобного интерфейса. В пособии есть примеры на языке программирования Java с комментариями эксперта.
Профессия ближе тем, кто знаком с разработкой изнутри и умеет договариваться. Получить эти компетенции можно на курсе «Системный аналитик», а тем, кто разрывается между системным и бизнес-анализом и не хочет выбирать одно, ближе курс «Системный и бизнес-аналитик».
Высшее образование по профилю можно получить в СПбГУ, РАНХиГС и ВШЭ.
Дата-сайентист
Если аналитик данных объясняет, что уже произошло, то дата-сайентист учит машину предсказывать, что произойдёт дальше. Это специалист, который строит алгоритмы и модели машинного обучения — программы, которые сами находят закономерности в огромных массивах данных.
- Примеры задач: рекомендации в маркетплейсах, антифрод (защита банков от мошеннических операций), прогноз спроса на складах и распознавание лиц на фото.
Работают дата-сайентисты на Python с библиотеками Pandas, scikit-learn и PyTorch, знают статистику и машинное обучение. Больше всего их зовут в финтех, e-commerce, промышленность и медицину.
Это одна из самых сложных и дорогих ролей в аналитике. Легче она даётся тем, у кого крепкая база в математике. Если формулы в школе были не вашим любимым разделом, возможно, стоит начать с профессии попроще, а к дата-сайенс вернуться позже — это нормальный маршрут.
Подготовиться к старту в карьере самостоятельно помогут эти книги:
Освоить профессию с нуля можно на курсе «Data scientist с нуля» — там преподают практики из Сбера, «Работа.ру», Домклик, Amazon и других компаний. А если на входе не хватает математики и алгоритмов, их отдельно осваивают на курсе «Машинное обучение».
Получить высшее профильное образование можно в НИУ ВШЭ, МФТИ и ИТМО.
Это одна из самых сложных и дорогих ролей в аналитике. Легче она даётся тем, у кого крепкая база в математике. Если формулы в школе были не вашим любимым разделом, возможно, стоит начать с профессии попроще, а к дата-сайенс вернуться позже — это нормальный маршрут.
Подготовиться к старту в карьере самостоятельно помогут эти книги:
- «Роман с Data Science. Как монетизировать большие данные», Роман Зыков. Создатель аналитической системы Ozon пишет о том, как организовать процесс сбора и обработки массивов информации. Автор учит использовать цифры с пользой для бизнеса и доводить до совершенства свои проекты.
- «Наука о данных. Базовый курс», Джон Келлехер, Брендан Тирни. Авторы пишут о видах данных, машинном обучении, научном подходе в аналитике, о массивах и неочевидных закономерностях. Материал подаётся простым языком, чтобы любой новичок мог его усвоить.
Освоить профессию с нуля можно на курсе «Data scientist с нуля» — там преподают практики из Сбера, «Работа.ру», Домклик, Amazon и других компаний. А если на входе не хватает математики и алгоритмов, их отдельно осваивают на курсе «Машинное обучение».
Получить высшее профильное образование можно в НИУ ВШЭ, МФТИ и ИТМО.
От теории к практике ↓
• За несколько дней попробуете аналитику на живых бизнес-кейсах
• Увидите, где в работе аналитика помогает ИИ, а где нужен человек
• Определитесь, с чего начать вход в профессию
• Увидите, где в работе аналитика помогает ИИ, а где нужен человек
• Определитесь, с чего начать вход в профессию
• За несколько дней попробуете аналитику на живых бизнес-кейсах
• Увидите, где в работе аналитика помогает ИИ, а где нужен человек
• Определитесь, с чего начать вход в профессию
• Увидите, где в работе аналитика помогает ИИ, а где нужен человек
• Определитесь, с чего начать вход в профессию
Сколько зарабатывают аналитики
Перейдём к тому, ради чего многие и открыли эту статью, — к деньгам. Доход в аналитике зависит от грейда, отрасли и навыков, и точные цифры у разных исследователей расходятся. Медиана аналитика по Хабр Карьере — около 171 000 ₽. Но рост уже остановился: по данным SENSE, в первом квартале 2026 года медианные зарплаты в ИТ снизились примерно на 5%, а у системных аналитиков и дата-сайентистов на старших грейдах заметно просели. Так что цифры ниже стоит читать как коридор, а не ценник.
Ориентиры по грейдам (на руки, тыс. ₽):
Ориентиры по грейдам (на руки, тыс. ₽):
Вилки собраны по нескольким источникам: исследование NEWHR, отчёты Хабр Карьеры и SENSE, для отдельных ролей — данные hh.ru
На доход влияет не только опыт. Москва и Петербург заметно поднимают вилку, регионы — снижают. Отдельная надбавка идёт за навыки в ИИ и машинном обучении. На фоне общей стагнации 2026 года именно эти направления — вместе с кибербезопасностью и сложной инфраструктурой — остаются исключением, где спрос всё ещё тянет зарплаты вверх.
По рыночным оценкам, специалисты по языковым моделям получают ощутимо больше коллег из классического анализа данных. Часть аналитиков работает на фрилансе, где оплата чаще почасовая или за проект, а ставка зависит от сложности задач и портфолио.
По рыночным оценкам, специалисты по языковым моделям получают ощутимо больше коллег из классического анализа данных. Часть аналитиков работает на фрилансе, где оплата чаще почасовая или за проект, а ставка зависит от сложности задач и портфолио.
Как ИИ меняет профессии в аналитике
Искусственный интеллект не отменяет аналитиков, но перекраивает их работу — примерно как Excel в своё время не отменил бухгалтеров, а поднял планку. Рутину вроде сбора данных, чернового кода и первых выводов всё чаще берут на себя нейросети, а от специалиста ждут задач посложнее: понять, что вообще спросить у данных, и проверить, не соврала ли машина. Рост ML-задач подтверждает исследование NEWHR: за год доля аналитиков, которые их выполняют, выросла с 14 до 22%.
Разобраться, где ИИ реально помогает, а где мешает, можно на бесплатном практическом курсе «ИИ в аналитике данных»: там объясняют, чем отличаются аналитик, дата-сайентист и ИИ-специалист, и дают собрать простого ИИ-агента. Автоматизировать ежедневную работу с данными учат на курсе «Нейросети для анализа данных». А тем, кто хочет строить сами ML-системы, подойдёт профессия «Специалист по искусственному интеллекту» — это следующий уровень после аналитика данных.
Разобраться, где ИИ реально помогает, а где мешает, можно на бесплатном практическом курсе «ИИ в аналитике данных»: там объясняют, чем отличаются аналитик, дата-сайентист и ИИ-специалист, и дают собрать простого ИИ-агента. Автоматизировать ежедневную работу с данными учат на курсе «Нейросети для анализа данных». А тем, кто хочет строить сами ML-системы, подойдёт профессия «Специалист по искусственному интеллекту» — это следующий уровень после аналитика данных.
Какую профессию выбрать для старта
Если после шести описаний в голове каша — это нормально. На деле выбор проще, чем кажется, и упирается в основном в один вопрос: насколько вам хочется погружаться в код и математику.
Тем, кто не хочет много программировать, проще начать с системного, BI- или маркетингового аналитика: код здесь сводится в основном к запросам SQL, а системный склад ума важнее математической подготовки. Базу можно собрать за несколько месяцев. Тем, кому ближе математика и выше потолок по деньгам, стоит смотреть в сторону аналитика данных и дата-сайентиста: там больше Python, статистики и моделей, но и порог входа выше.
Тем, кто не хочет много программировать, проще начать с системного, BI- или маркетингового аналитика: код здесь сводится в основном к запросам SQL, а системный склад ума важнее математической подготовки. Базу можно собрать за несколько месяцев. Тем, кому ближе математика и выше потолок по деньгам, стоит смотреть в сторону аналитика данных и дата-сайентиста: там больше Python, статистики и моделей, но и порог входа выше.
Если выбирать вдолгую, самое перспективное направление — связка с ИИ и машинным обучением: специалисты с ML-навыками зарабатывают больше и востребованы надолго. Джуну, который растёт в грейде под запрос компании, эти навыки логично добирать поверх базовой аналитики.
Кроме этих шести, в аналитике есть смежные роли. Одна из самых востребованных и почти полностью российских — 1С-аналитик: он настраивает и дорабатывает учётные системы на платформе 1С. Если ближе бизнес и внедрение, чем чистые данные, стоит присмотреться к этой специальности.
Кроме этих шести, в аналитике есть смежные роли. Одна из самых востребованных и почти полностью российских — 1С-аналитик: он настраивает и дорабатывает учётные системы на платформе 1С. Если ближе бизнес и внедрение, чем чистые данные, стоит присмотреться к этой специальности.
Как войти в аналитику
Что удобно — фундамент у всех аналитических профессий общий. Поэтому не нужно угадывать специализацию заранее: сначала база, а выбор придёт по дороге.
Что стоит освоить в первую очередь:
Что стоит освоить в первую очередь:
- SQL — язык запросов к базам данных, без него в аналитике никуда;
- Excel и Google Таблицы для быстрых расчётов и первых отчётов;
- статистику и основы анализа данных, чтобы корректно читать цифры;
- визуализацию данных в Power BI или Tableau;
- базовый Python для автоматизации.
Ни одну из этих ролей не нужно осваивать целиком и в одиночку. Достаточно сделать первый честный шаг — разобраться в SQL, собрать пару учебных проектов — и станет понятно, тянет вас к дашбордам, продукту или моделям. А дальше выбор профессии из абстрактного вопроса превращается в понятный маршрут.
Читать также
Чтобы быть в курсе всех новостей и не пропускать новые статьи, присоединяйтесь к Telegram-каналу Нетологии.
Оцените статью