Кто такой аналитик данных и как им стать
- читать
- 12–17 мин
- опубликована
- разделов
- 12
Конверсия интернет-магазина за месяц упала с 3,1% до 2,6%. Маркетинг винит сайт, разработка винит рекламу, а директор хочет знать правду до планёрки. Ответ даст тот, кто умеет быстро достать нужные данные, разложить их по сегментам и найти настоящую причину. Это и есть работа аналитика данных.
Компании хотят принимать решения на основе цифр, а не догадок, поэтому аналитики нужны и банкам, и ритейлу, и производству. На 15 ноября 2026 года на HireHi было открыто 887 вакансий аналитиков данных в России. Из них 198 появились за предыдущие семь дней. Разберём, кто такой аналитик данных, какие задачи он решает и какими инструментами пользуется. Покажем на примере, как выглядит анализ, и соберём план, как войти в профессию с нуля.
Коротко:
- Аналитик данных собирает и проверяет данные, ищет в них закономерности и превращает их в выводы для бизнеса.
- Базовый набор инструментов: SQL, Excel, BI-система и Python. SQL упоминают 68% вакансий.
- Большинство вакансий рассчитаны на middle и senior, но для новичков есть стажировки и junior-позиции.
- Высшее образование не главное: технический, математический или экономический диплом прямо требуют в 23% вакансий.
Кто такой аналитик данных простыми словами
Аналитик данных отвечает на вопросы бизнеса с помощью цифр. Он находит нужные данные в базах и таблицах, проверяет их на ошибки, считает показатели и объясняет, что из них следует. Результат его работы выглядит как отчёт, дашборд или короткий вывод с рекомендацией.
Главное в профессии даже не техника, а умение задать правильный вопрос. Запрос «посчитай продажи» мало что даёт. Запрос «почему продажи в регионах растут медленнее, чем в Москве» уже ведёт к решению. Хороший аналитик сначала выясняет, какое решение примут по его цифрам, и только потом пишет запрос к базе.
В английском варианте профессия называется data analyst, и в вакансиях встречаются оба названия. На HireHi слова «аналитик данных» стоят в названии 237 российских вакансий, data analyst ещё в 43.
Чем занимается аналитик данных
Аналитик данных выгружает данные из баз, очищает их от ошибок и дублей, считает метрики, проверяет гипотезы и показывает результат в отчётах и дашбордах. Регулярная часть работы связана с отчётностью, разовая с исследованиями по конкретному вопросу. Обе части видны в вакансиях: дашборды и отчётность упоминают 77% текстов.
Любая аналитическая задача проходит примерно одинаковый путь:
| Шаг | Что делает аналитик | Чем пользуется |
|---|---|---|
| Постановка вопроса | Выясняет, какое решение примут по результату и какие метрики нужны | Разговор с заказчиком |
| Сбор данных | Находит источники и выгружает нужные поля | SQL, хранилище данных, API |
| Очистка | Убирает дубли и пропуски, проверяет аномалии | SQL, Python, Excel |
| Анализ | Считает метрики, сравнивает сегменты, проверяет гипотезы | Python, статистика, Excel |
| Визуализация | Строит графики и дашборды | Power BI, Tableau, Superset, DataLens |
| Вывод | Формулирует ответ и рекомендацию простым языком | Презентация, записка, встреча |
Сбор и очистка данных часто занимают больше времени, чем сам анализ. В реальных базах встречаются дубли, разные форматы дат и пропущенные значения. Если пропустить проверку, красивый дашборд покажет неверные цифры. О том, как быстро находить выбросы, есть отдельный разбор аномалий в данных.
Вторая постоянная задача связана с метриками. Аналитик договаривается, как считать выручку, активных пользователей или отток, и следит, чтобы все отделы смотрели на одни и те же цифры. Метрики продукта и бизнеса упоминают 39% вакансий, статистику и проверку гипотез 34%.
Задачи аналитика данных в разных отраслях
Методы у аналитиков похожи, а вопросы зависят от бизнеса. В таблице типичные задачи по отраслям, которые часто встречаются в вакансиях.
| Отрасль | Типичный вопрос | С какими данными работает аналитик |
|---|---|---|
| Банк | Какие клиенты скоро перестанут пользоваться картой | Транзакции, обращения в поддержку, продукты клиента |
| Розничная торговля | Какие товары убрать с полки и где поднять цену | Чеки, остатки, цены конкурентов |
| Маркетплейс | Почему продавцы уходят на другую площадку | Заказы, комиссии, рейтинги, отзывы |
| Производство | На каком участке растёт брак | Данные датчиков, журналы смен, контроль качества |
| Онлайн-сервис | Помогла ли новая функция удержать пользователей | События в приложении, подписки, когорты |
| Логистика | Как сократить время доставки без новых машин | Маршруты, заказы, загрузка складов |
Поэтому при смене отрасли аналитику приходится заново изучать бизнес, даже если инструменты те же. Знание отрасли часто становится его главным преимуществом перед кандидатами с похожим набором навыков.
Пример: почему упала конверсия магазина
Вернёмся к магазину из начала статьи. Посмотрим, как аналитик разбирает падение конверсии по шагам. Цифры в примере условные.
Сначала он проверяет, не сломался ли учёт: совпадает ли число заказов в аналитике и в базе заказов. Число заказов совпадает. Теперь нужно так же проверить учёт визитов, которые стоят в знаменателе конверсии. Затем он делит трафик по устройствам и смотрит конверсию в каждом сегменте за два месяца.
| Сегмент | Доля трафика, сентябрь | Доля трафика, октябрь | Конверсия, сентябрь | Конверсия, октябрь |
|---|---|---|---|---|
| Компьютеры | 50% | 30% | 4,2% | 4,2% |
| Смартфоны | 50% | 70% | 2,0% | 1,9% |
| Итого | 100% | 100% | 3,1% | 2,6% |
Картина меняется. Конверсия на компьютерах не изменилась, на смартфонах почти не изменилась. Большую часть падения объясняет структура трафика: доля мобильных посетителей выросла с 50% до 70%. Небольшое снижение конверсии на смартфонах стоит проверить отдельно.
Дальше аналитик ищет, откуда пришли новые мобильные посетители. Выясняется, что маркетинг запустил рекламу в социальной сети, где почти весь трафик мобильный. Вывод для директора звучит так: из новой кампании пришло больше мобильных посетителей. Прежде чем менять сайт или отключать рекламу, нужно сравнить конверсию, расходы и выручку по каналам.
Такой эффект, когда общая цифра ведёт себя иначе, чем сегменты, встречается постоянно. Подробнее о нём рассказано в статье о парадоксе Симпсона. Ниже пример запроса к таблице, где каждая строка соответствует одному визиту. Поле order_id заполнено только для визитов с заказом.
SELECT device_type,
date_trunc('month', visit_date) AS month,
count(*) AS visits,
count(order_id) AS orders,
round(100.0 * count(order_id) / count(*), 1) AS conversion
FROM visits
GROUP BY device_type, month
ORDER BY month, device_type;
Пример: дал ли эффект A/B-тест
Вторая типичная задача связана с экспериментами. Продуктовая команда поменяла кнопку оформления заказа и показала новую версию половине посетителей. Через две недели она просит аналитика подтвердить успех. Цифры снова условные.
| Группа | Посетителей | Заказов | Конверсия |
|---|---|---|---|
| A, старая кнопка | 10 000 | 500 | 5,0% |
| B, новая кнопка | 10 000 | 540 | 5,4% |
На первый взгляд новая кнопка лучше на 0,4 процентного пункта. Аналитик проверяет, не случайна ли разница. Стандартный тест для двух долей даёт p-value около 0,2. Если кнопка не влияет на конверсию, разница такой величины или больше возникнет примерно в одном из пяти подобных экспериментов.
Вывод для команды звучит так: данных пока недостаточно. Для нового теста с эффектом 0,4 пункта при исходной конверсии 5% ориентир составляет около 48 тысяч посетителей на группу. Это расчёт для двусторонней проверки с уровнем значимости 5% и мощностью 80%. При обычном тесте аналитик заранее определяет объём выборки и момент итоговой оценки.
Виды аналитиков данных
Аналитики данных различаются по тому, с какими данными и для какого отдела работают. Набор инструментов у всех похожий, а метрики и заказчики разные. По названиям вакансий на HireHi в России чаще всего ищут BI-аналитиков и маркетинговых аналитиков.
| Направление | Вакансий по названию | Какие вопросы решает |
|---|---|---|
| BI-аналитик и аналитик отчётности | 89 | Строит регулярную отчётность и дашборды для руководства |
| Маркетинговый аналитик | 66 | Оценивает рекламные каналы, кампании и клиентскую базу |
| Финансовый и риск-аналитик | 33 | Анализирует доходы, расходы, кредитные риски |
| Операционный аналитик | 33 | Логистика, склады, закупки, загрузка мощностей |
| Аналитик ценообразования | 32 | Подбирает цены и скидки, считает эластичность спроса |
| Продуктовый аналитик | 27 | Изучает поведение пользователей и эффект новых функций |
| HR-аналитик | 22 | Текучесть, найм, вовлечённость сотрудников |
Отдельно стоит аналитик больших данных. Он работает с объёмами, которые не помещаются в обычную базу, и пользуется распределёнными системами вроде Spark и Hadoop. Такие навыки упоминают 16% вакансий, чаще в банках, телекоме и крупных маркетплейсах.
Аналитик данных, data scientist и data engineer
Эти три профессии работают с данными, но отвечают за разное. Аналитик объясняет, что произошло и почему. Data scientist строит модели, которые предсказывают будущее. Data engineer строит инфраструктуру, по которой данные приходят к первым двум.
| Роль | Главный вопрос | Основные инструменты | Результат |
|---|---|---|---|
| Аналитик данных | Что произошло и почему | SQL, Excel, BI, Python | Отчёты, дашборды, выводы |
| Data scientist | Что произойдёт и как на это повлиять | Python, машинное обучение, статистика | Модели прогнозов и рекомендаций |
| Data engineer | Как надёжно доставить и хранить данные | SQL, Python, Airflow, Spark, хранилища | Пайплайны и витрины данных |
Границы размыты. В 10% вакансий аналитиков данных упоминают машинное обучение, а в 32% подготовку данных и ETL. Многие аналитики со временем уходят в data science или в инженерию данных, и опыт аналитики там помогает.
Ещё одна похожая профессия называется бизнес-аналитик. Он чаще работает с процессами и требованиями, чем с базами данных. Разница подробно разобрана в статьях о бизнес-аналитике и системном аналитике.
Инструменты аналитика данных
Основные инструменты аналитика данных: SQL для выгрузки, Excel или Google Таблицы для быстрых расчётов, BI-система для дашбордов и Python для сложной обработки. Мы посчитали, как часто их называют в 887 вакансиях на HireHi на 15 ноября 2026 года. Одна вакансия может попасть в несколько строк.
| Инструмент | Вакансий | Доля |
|---|---|---|
| SQL и базы данных | 603 | 68% |
| Excel и Google Таблицы | 479 | 54% |
| BI-системы (любые) | 469 | 53% |
| Python | 429 | 48% |
| Power BI | 244 | 28% |
| Tableau | 113 | 13% |
| ClickHouse | 112 | 13% |
| Superset | 89 | 10% |
| Git | 62 | 7% |
| DataLens | 55 | 6% |
SQL остаётся обязательным минимумом: без него не получить данные из базы. Excel никуда не делся, на нём держатся быстрые сверки и расчёты для руководителей. Среди BI-систем лидирует Power BI, хотя российские компании всё чаще переходят на Superset и DataLens.
Python нужен не во всех вакансиях, но открывает доступ к более сложным задачам. С ним проще автоматизировать отчёты, обработать большой файл или проверить статистическую гипотезу. Для старта хватит библиотеки pandas и умения работать в Jupyter.
Какие навыки нужны аналитику данных
Кроме инструментов, аналитику нужны знания статистики и понимание бизнеса. Без статистики легко принять случайное колебание за тренд. Без понимания бизнеса легко посчитать то, что никому не нужно.
- Статистика: среднее и медиана, распределения, доверительные интервалы, корреляция.
- A/B-тесты: как спланировать эксперимент и понять, значим ли результат. Их упоминают 15% вакансий.
- Метрики: выручка, конверсия, удержание, средний чек, LTV, юнит-экономика.
- Коммуникация: объяснить вывод человеку без технического образования за пять минут.
- Скепсис к данным: проверять источник, прежде чем строить выводы.
Как аналитик формулирует вывод
Самый недооценённый навык аналитика связан с подачей результата. Руководитель читает вывод за минуту между встречами. Если в нём нет ответа и следующего шага, исследование пропадает зря.
Слабо: «Конверсия в октябре составила 2,6%, в сентябре 3,1%. Доля мобильного трафика 70%. Конверсия на смартфонах 1,9%».
Сильнее: «Сайт работает как раньше. Конверсия упала из-за новой рекламы в соцсети, она приводит мобильных посетителей, которые покупают в два с лишним раза реже. Предлагаю сравнить стоимость этой рекламы с выручкой от неё и решить, оставлять ли канал».
Во втором варианте сначала ответ, потом причина и действие. Цифры остаются в приложении для тех, кто захочет проверить расчёт.
Отдельный растущий навык связан с ИИ. Языковые модели и нейросети упоминают 17% вакансий аналитиков данных. Работодатели ждут, что аналитик умеет ускорять с их помощью написание запросов и обработку текстов, но сам проверяет результат.
Что требуют в вакансиях аналитика данных
Рынок ищет в основном специалистов с опытом. Из 887 вакансий в России 388 рассчитаны на middle и 305 на senior. Для новичков есть 53 вакансии уровня junior и 32 стажировки.
Минимальный стаж назван в 325 вакансиях. Чаще всего просят два года, почти так же часто три, на третьем месте один год. Офисных вакансий 355, гибридных 314, удалённых 218. Больше всего предложений в Москве: 572 из 887.

На скриншоте вакансия производственной компании. В задачах обработка данных подразделения, статистические и прогнозные модели и автоматизация отчётности. В требованиях Power Query и построение моделей данных. Так выглядит типичная middle-позиция, где от аналитика ждут и регулярных отчётов, и самостоятельных исследований.

Все открытые предложения собраны в ленте вакансий аналитиков данных, их можно отфильтровать по грейду, формату и городу. Несколько свежих вакансий:
Как стать аналитиком данных с нуля
Ниже пример учебного плана на год. Если вы уже работаете с таблицами, часть первого этапа можно пройти быстрее. Переходите дальше, когда можете выполнить задачу из последней колонки самостоятельно.
| Этап | Что изучать | Результат |
|---|---|---|
| Месяцы 1–2 | Excel: формулы, сводные таблицы, графики. Основы статистики | Можете посчитать и показать базовые метрики |
| Месяцы 3–4 | SQL: выборки, соединения, группировки, оконные функции | Самостоятельно достаёте данные из учебной базы |
| Месяцы 5–6 | Одна BI-система и основы визуализации | Собираете дашборд по открытому набору данных |
| Месяцы 7–9 | Python и pandas, A/B-тесты, метрики продукта | Проводите небольшое исследование от вопроса до вывода |
| Месяцы 10–12 | Портфолио, резюме, тестовые задания | Отклики на стажировки и junior-вакансии |
Портфолио для аналитика важнее сертификата. Хватит двух-трёх проектов, где виден весь путь: вопрос, данные, анализ, вывод. Возьмите открытые данные о ценах на жильё, поездках такси или продажах и ответьте на конкретный вопрос. Выложите код и короткое описание результата.
Несколько идей для учебных проектов:
- Анализ цен на жильё: от чего зависит стоимость квадратного метра в разных районах.
- Когортный анализ подписочного сервиса на открытых данных: через сколько месяцев уходит половина пользователей.
- Дашборд продаж для условного магазина с фильтрами по категориям, регионам и месяцам.
- Разбор учебного A/B-теста с выводом, можно ли доверять результату.
Работодатель смотрит не на сложность модели, а на ход мысли. Короткое описание в начале проекта должно отвечать на три вопроса: что спрашивали, что сделали и какое решение из этого следует.
Многие приходят в аналитику изнутри компании. Специалист по продажам, маркетингу или финансам уже знает бизнес и данные своего отдела. Если он освоит SQL и BI, его часто переводят на позицию аналитика без внешнего поиска.
Перед собеседованием полезно пройтись по типовым вопросам и задачам на SQL. Они собраны в разборе вопросов на собеседовании аналитика данных. А где искать первые вакансии и стажировки, рассказано в статье где искать работу аналитику данных.
Покажите проекты и инструменты в резюме
HireHi проверит резюме аналитика и подскажет, каких навыков из вакансий не хватает в описании опыта и проектов.
Как растёт аналитик данных
Junior выполняет готовые задачи по образцу: выгрузки, обновление отчётов, простые расчёты. Middle сам ведёт исследование от вопроса до вывода и отвечает за свой участок метрик. Senior выбирает, какие вопросы важнее для бизнеса, проектирует метрики и наставляет коллег.
| Уровень | Пример задачи | За что отвечает |
|---|---|---|
| Junior | Обновить еженедельный отчёт по продажам и проверить расхождения | Точность своих расчётов |
| Middle | Выяснить, почему падает повторная покупка, и предложить решение | Исследование целиком и свой набор метрик |
| Senior | Выстроить систему метрик нового направления и план экспериментов | Какие вопросы важны для бизнеса и качество работы команды |
Дальше путь разветвляется. Можно стать руководителем группы аналитики, уйти в продуктовую аналитику, в data science или в инженерию данных. Вакансий уровня lead и head среди аналитиков данных в России на HireHi 109. Сравнить уровень дохода на разных этапах можно на странице зарплат аналитиков данных.
Итог
- Аналитик данных отвечает на вопросы бизнеса цифрами: собирает, очищает и анализирует данные, а затем объясняет вывод.
- Больше всего времени уходит на подготовку данных, а самое ценное в работе это правильно поставленный вопрос.
- Минимальный набор инструментов: SQL, Excel и BI-система, вторым шагом Python.
- Рынок ищет в основном middle и senior, но для старта есть стажировки и junior-вакансии.
- Чтобы подготовиться к первым откликам, соберите портфолио проектов с понятным вопросом, проверкой исходных данных и выводом.
часто задаваемые вопросы
На старте достаточно SQL и Excel: с ними работают в большинстве вакансий. Python упоминают в 48% вакансий, поэтому его стоит изучить вторым шагом. Сложное программирование и разработка сервисов для аналитика не обязательны.
Нужна база статистики, а не высшая математика. Важно понимать, чем медиана отличается от среднего, что такое выборка и когда разница между группами случайна. Глубокая математика больше нужна в data science.
Да, но удалённых вакансий меньше, чем кажется: 218 из 887. Ещё 314 вакансий предлагают гибрид. Новичкам удалёнку найти сложнее, потому что на старте важны наставник и быстрые ответы команды.
Пока ИИ скорее меняет работу, чем заменяет её. Он ускоряет написание запросов и черновую обработку, но не знает контекста бизнеса и может ошибаться в цифрах. Работодатели ищут аналитиков, которые умеют пользоваться ИИ и проверять его результат.
Аналитик данных работает с цифрами: базами, метриками, отчётами. Бизнес-аналитик изучает процессы компании и формулирует требования к изменениям и системам. Навыки пересекаются, но в работе аналитика данных больше SQL, а у бизнес-аналитика больше схем процессов и общения с заказчиками.