Платные курсы 184
Сколько зарабатывает
Карьерная траектория
Junior Data Analyst 0–2 года
Написание SQL-запросов, подготовка отчётов по шаблонам, базовая работа в Python/pandas. Задачи ставит более опытный аналитик.
90 000–150 000 ₽Middle Data Analyst 2–4 года
Самостоятельные исследования данных, A/B-тесты, построение дашбордов, работа с несколькими заказчиками.
150 000–250 000 ₽Senior Data Analyst 4–8 лет
Формирование аналитических процессов в команде, менторство джуниоров, работа с ML-командой, участие в продуктовой стратегии.
250 000–400 000 ₽Head of Analytics / Data Lead 8+ лет
Управление аналитическим отделом, найм команды, выстраивание data governance, отчётность на уровне C-level.
350 000–600 000+ ₽О профессии
Аналитик данных извлекает полезные выводы из массивов информации — продажи, поведение пользователей, производственные показатели — и переводит их в решения для бизнеса. Базовый стек: SQL для запросов к базам данных, Python или R для обработки, BI-инструменты (Power BI, Tableau, Superset) для визуализации. На практике аналитик много времени тратит на очистку данных и коммуникацию с заказчиками внутри компании.
По данным hh.ru за 2025 год, медиана по рынку составляет около 160 тысяч рублей. Джуниоры с SQL и базовым Python начинают с 90–120 тысяч. Специалисты с 2–3 годами опыта, уверенно работающие с BI и способные самостоятельно ставить и проверять гипотезы, зарабатывают 150–250 тысяч. Сеньоры, умеющие выстраивать аналитическую культуру в команде и работать с ML-командой — 250–400 тысяч. Разброс внутри грейда доходит до 30–50% в зависимости от отрасли и формата (офис / удалёнка).
Направления
Категории
Навыки и инструменты
SQL
Сложные запросы, оконные функции, оптимизация, работа с PostgreSQL / ClickHouse / BigQuery
Python / pandas
Обработка и трансформация данных, numpy, matplotlib, statsmodels
BI-инструменты
Power BI, Tableau, Metabase, Superset — построение отчётов и дашбордов
Статистика
A/B-тестирование, проверка гипотез, доверительные интервалы, регрессия
Работа с DWH
Понимание архитектуры хранилищ данных, ETL-процессов, dbt
Soft Skills
- Умение задавать правильные вопросы
- Коммуникация с нетехническими стейкхолдерами
- Критическое мышление
- Структурированное изложение выводов
- Управление приоритетами
Обязанности
Сбор требований от бизнес-заказчиков и перевод их в аналитические задачи
Написание SQL-запросов и подготовка датасетов
Проведение A/B-тестов и интерпретация результатов
Построение и поддержка отчётов и дашбордов
Поиск аномалий в данных и объяснение метрик
Документирование методологии и метрик
Плюсы и минусы
Преимущества
- Высокие зарплаты с ранних грейдов. Даже джуниоры зарабатывают 90–120 тысяч — выше среднего по рынку
- Удалёнка. Большинство позиций предполагают полностью удалённый формат
- Востребованность во всех отраслях. Банки, ритейл, IT-компании, медиа, логистика — везде нужны аналитики
- Карьерный рост в ML и Data Science. Аналитик данных — удобная точка входа для последующего перехода в ML-инженерию или DS
Сложности
- Много времени на очистку данных. До 60–70% рабочего времени уходит на «грязную» работу с данными, а не на интересный анализ
- Неопределённость задач. Бизнес часто не знает, что хочет; аналитик должен сам формулировать гипотезы
- Зависимость от качества данных. Плохие данные на входе = неверные выводы. Часть времени уходит на борьбу с инфраструктурными проблемами
- Высокая конкуренция. Рынок наполнился выпускниками онлайн-курсов; без реального проекта в портфолио устроиться трудно
Востребованность
Аналитики данных входят в топ самых востребованных IT-смежных профессий в России. Спрос превышает предложение по квалифицированным специалистам уровня мидл и выше. Крупнейшие работодатели — банки, e-commerce, телеком и технологические компании.
Где работают
Как стать аналитик данных
Освоить SQL
SQL — фундамент профессии. Пройти курс по PostgreSQL, научиться писать оконные функции и оптимизировать запросы.
Выучить Python для анализа данных
pandas, numpy, matplotlib — базовый минимум. Дополнительно statsmodels для статистики.
Разобраться с BI-инструментом
Power BI или Tableau. Построить несколько учебных дашбордов на реальных открытых датасетах (Kaggle).
Сделать проект в портфолио
Анализ реальных данных с гипотезами, выводами и визуализацией. Опубликовать на GitHub и Kaggle.
Идти в стажировки
Crème de la crème — стажировка в IT-компании или банке. Без стажировки — тестовые задания на ресурсах hh.ru и Habr Career.
Частые вопросы
Эксперты и авторы 20
Отзывы 41
− Полная ерунда, не стоит своих денег. Красивый заголовок, но содержание курса плохое.
↗ Красивые таблицы шефу− Курс — полная унылость. Материал не стоит своих денег.
↗ Красивые таблицы шефу+ Объяснение представлено в текстовом варианте в самом файле.
− Отсутствуют видеофайлы с объяснениями автора.
↗ ABC и XYZ-анализ товарного ассортимента в Excel+ Шикарный курс: уроки короткие и насыщенные информацией. К урокам приложены конспекты, что очень удобно.
↗ Сводные таблицы от и до+ Если вы хотите освоить сводные таблицы в Excel, то курс «Сводные таблицы от и до» поможет на 101%. Николай Павлов — один из лучших преподавателей в данной сфере. Курс смотрится с удовольствием от начала до конца.
↗ Сводные таблицы от и до+ Материал курса подан отлично. Система организации уроков удобная: файлы в формате .html корректно открываются в браузере и автоматически подгружают необходимые данные.
↗ Эксель и Гугл-таблицы для начинающих+ Отличный курс, понятные практические задания, всё доходчиво. Материал очень помог в работе.
− В начале курса лектор говорит медленно, рекомендуется использовать проигрыватель с возможностью ускорения.
↗ Excel: Базовый, Продвинутый и программирование на VBA+ Понравился автор и его подача материала, а также средства, используемые для наглядности. Материал структурирован и подаётся ёмко.
↗ Microsoft Excel 2019/2016. Уровень 1. Работа с Excel