Аналитик данных: кто это, чем занимается, задачи и навыки

Аналитик данных — это специалист, который выгружает данные компании, проверяет их и отвечает на вопрос бизнеса цифрами: почему упали продажи, какая реклама окупается, сработало ли новое изменение в приложении. Он пишет запросы на SQL, считает в Python или Excel, собирает дашборды в BI-системе и показывает вывод тому, кто принимает решение. По калькулятору Хабр Карьеры на 23 октября 2026 года медианная зарплата аналитика данных — 170 000 ₽ в месяц.

Чем занимается аналитик данных?

Аналитик данных получает вопрос от менеджера, находит нужные данные, считает и объясняет результат. Работа заканчивается решением: запустить акцию, убрать шаг из воронки, перераспределить бюджет.

Типичная неделя аналитика данных состоит из таких задач:

• выгрузить данные из хранилища запросом на SQL;
• найти дубли, пропуски и ошибки в выгрузке и исправить их;
• посчитать метрики: выручку, конверсию, удержание, средний чек;
• сравнить показатели с прошлым периодом и планом, найти причину отклонения;
• проверить гипотезу статистикой, например оценить результат A/B-теста;
• собрать дашборд или отчёт и обновлять его по расписанию;
• объяснить вывод заказчику и ответить на его вопросы.

Если выгрузка содержит ошибки, все следующие расчёты повторяют их. Поэтому проверку данных аналитик делает до любых выводов.

Какие бывают виды аналитиков данных?

Аналитики данных делятся по тому, чьи вопросы они решают: команды продукта, маркетинга, руководства или финансовой службы. Полный список аналитических профессий собран в статье про виды аналитиков.

Финансовая аналитика данных пересекается с работой финансового аналитика. Разница в акценте: аналитик данных строит выгрузки и расчёты на больших таблицах, финансовый аналитик чаще работает с отчётностью и моделями. Подробнее о второй профессии — в статье кто такой финансовый аналитик.

Как аналитик данных решает задачу от вопроса до вывода?

Любая задача проходит шесть шагов: вопрос, выгрузка, очистка, анализ, визуализация, вывод. Ниже разобран условный пример интернет-магазина.

1. Вопрос бизнеса. Руководитель интернет-магазина видит, что в сентябре заказов стало на 12% меньше, чем в августе. Аналитик уточняет вопрос: «На каком шаге воронки теряются покупатели и в каком сегменте».
2. Выгрузка на SQL. Аналитик пишет запрос к таблицам сессий и заказов: число визитов, корзин, оформлений и оплат по дням, устройствам и источникам трафика за два месяца. Для сравнения с прошлой неделей он использует оконные функции LAG и SUM OVER, они разобраны в статье про оконные функции SQL.
3. Очистка. В pandas аналитик убирает тестовые заказы сотрудников, склеивает дубли сессий и находит три дня, когда счётчик на сайте не отправлял события. Эти дни он исключает из сравнения.
4. Анализ. Конверсия из корзины в оплату на десктопе осталась на уровне августа. На мобильных устройствах она упала с 41% до 29% после обновления формы оплаты 4 сентября. Аналитик проверяет разницу статистическим тестом и убеждается, что она выходит за пределы случайных колебаний.
5. Визуализация. Аналитик строит в BI-системе график конверсии по дням с отметкой даты релиза и разбивкой по устройствам.
6. Вывод. Аналитик пишет руководителю: проблема в мобильной форме оплаты, её стоит откатить или исправить, после исправления проверить конверсию через A/B-тест. Он прикладывает оценку потерянной выручки за сентябрь.

Какие навыки нужны аналитику данных?

Аналитику данных нужны SQL, Python или Excel для расчётов, BI-система для дашбордов и базовая статистика. С SQL начинается почти любая задача, потому что данные компании хранятся в базах.

Помимо инструментов работодатели в требованиях к аналитику данных пишут про понимание бизнес-метрик, умение задать заказчику уточняющие вопросы и объяснить вывод без технических терминов. Знание юнит-экономики помогает связать падение метрики с деньгами компании.

Чем аналитик данных отличается от data scientist, BI-аналитика и бизнес-аналитика?

Аналитик данных объясняет, что произошло и почему. Data scientist строит модели, которые прогнозируют. BI-аналитик строит систему отчётности. Бизнес-аналитик описывает процессы и требования к изменениям.

Медианы взяты из калькулятора Хабр Карьеры на 23 октября 2026 года по специализациям «Аналитик по данным», «Учёный по данным» (data scientist), «BI-разработчик» и «Бизнес-аналитик». О профессии бизнес-аналитика подробно написано в статье кто такой бизнес-аналитик, о его доходах — в обзоре зарплаты бизнес-аналитика.

Сколько зарабатывает аналитик данных?

По калькулятору Хабр Карьеры на 23 октября 2026 года медианная зарплата аналитика данных — 170 000 ₽ в месяц с учётом премий. Расчёт построен на 1 115 анкетах специалистов.

Разница между junior и senior почти трёхкратная. Зарплата растёт вместе с самостоятельностью: senior сам формулирует вопрос с бизнесом и отвечает за решение, которое приняли по его расчёту.

Как стать аналитиком данных с нуля?

Путь в профессию с нуля идёт по шагам: SQL и Excel, затем Python и BI-система, затем проекты в портфолио. На собеседовании работодатели проверяют задачи на SQL и логику расчёта, диплом по профильной специальности помогает пройти первый отбор резюме.

1. Выберите вид аналитики. Продуктовая подойдёт тем, кому интересны приложения и пользователи, маркетинговая — рекламные каналы, финансовая — деньги компании.
2. Освойте SQL. SELECT, JOIN, GROUP BY, подзапросы и оконные функции закрывают большую часть задач на собеседовании junior-уровня.
3. Добавьте Excel и Python. В Excel нужны сводные таблицы и функции поиска, в Python — pandas для очистки и группировки данных.
4. Соберите дашборд. Возьмите открытый датасет и постройте отчёт в Power BI, DataLens или Tableau с метриками и фильтрами.
5. Сделайте два-три проекта. Каждый проект оформите по схеме: вопрос, данные, расчёт, вывод. Опубликуйте код на GitHub.
6. Напишите резюме. В резюме аналитика данных указывайте результат в цифрах: «автоматизировал еженедельный отчёт, подготовка сократилась с 4 часов до 20 минут». Перечислите стек и дайте ссылку на портфолио.

Что сдавать на аналитика данных после школы

Для бакалавриата по анализу данных обычно сдают профильную математику, информатику или физику и русский язык. Например, на программу «Прикладной анализ данных» факультета компьютерных наук ВШЭ в 2026 году нужны математика от 70 баллов, информатика или физика от 60 баллов и русский язык от 60 баллов. Требования других вузов проверяйте на сайтах их приёмных комиссий.

Какие вопросы задают на собеседовании аналитику данных?

На собеседовании аналитика данных проверяют SQL, статистику, понимание метрик и умение рассуждать над бизнес-задачей. Обычно встречаются такие вопросы:

• Чем отличаются INNER JOIN и LEFT JOIN, что будет с числом строк при соединении таблиц с дублями ключей?
• Чем WHERE отличается от HAVING?
• Как найти второй по величине заказ каждого клиента? Здесь ждут оконную функцию ROW_NUMBER или DENSE_RANK.
• Как посчитать retention пользователей по когортам первого месяца?
• Что такое p-value и статистическая значимость?
• Как рассчитать размер выборки для A/B-теста и сколько дней его держать?
• Чем медиана отличается от среднего и когда показывать медиану?
• Выручка упала на 10% за неделю. С чего начнёте поиск причины?
• Какие метрики выберете для оценки новой функции в приложении?
• Расскажите о проекте из портфолио: какой был вопрос и что решили по вашему выводу?

На технических этапах часто дают тестовое задание: выгрузку на несколько тысяч строк и вопрос бизнеса. Оценивают ход рассуждения, проверку данных и то, как вы сформулировали вывод.

Частые вопросы