Как стать аналитиком данных с нуля: план обучения 2026
Аналитик данных — одна из немногих IT-профессий, куда реально войти без диплома технического вуза. Но «реально» не значит «быстро» или «легко». Ниже — честный план: что учить, в каком порядке, сколько времени закладывать.
Кто такой аналитик данных и чем занимается
Аналитик данных работает с уже собранными данными: выгружает их из баз, чистит, считает метрики, строит дашборды и отвечает на вопросы бизнеса — «почему упала конверсия», «какой сегмент приносит больше денег», «сработала ли акция».
Часто путают три роли:
- Аналитик данных — SQL, таблицы, дашборды, метрики, A/B-тесты. Работает с конкретными задачами бизнеса.
- BI-аналитик — акцент на визуализации и отчётности: Power BI, Tableau, Superset. Меньше аналитики, больше «сделай красивый дашборд».
- Data Scientist — машинное обучение, модели, Python/R как основной инструмент. Порог входа выше.
Для старта оптимальна позиция аналитика данных — спрос выше, порог ниже, чем у DS.
Подробнее о роли и карьерных треках — в обзоре профессии на profinow.online.
Какие навыки нужны
Вот что реально спрашивают в вакансиях:
Обязательно
- SQL — главный навык. Без него не пройдёте даже первый скрининг. Нужны SELECT, JOIN, GROUP BY, подзапросы, оконные функции.
- Excel / Google Sheets — сводные таблицы, ВПР/XLOOKUP, базовые формулы. Используется повсеместно, даже там, где есть BI.
- Продуктовые метрики — DAU, MAU, Retention, CAC, LTV, Churn. Нужно понимать, что они значат и как считать.
- Основы статистики — среднее, медиана, дисперсия, p-value. Не нужен курс матстата — нужно понимать, когда результат значим, а когда нет.
- A/B-тесты — как устроены, как считать значимость, какие ошибки бывают.
Желательно
- BI-инструменты — Tableau, Power BI, Metabase, Apache Superset. Достаточно знать один.
- Python (pandas, matplotlib) — плюс при найме, но не блокер для старта.
- Git — базовый уровень.
Можно ли обойтись без математики и программирования?
Да, если под «математикой» понимать линейную алгебру и матан — они не нужны. Нужна школьная статистика плюс понимание вероятности на уровне «что такое доверительный интервал». Python на старте не обязателен, но после трудоустройства пригодится — лучше учить параллельно.
Сколько зарабатывает и востребованность
По данным агрегатора profinow.online на июнь 2026 года:
- ~421 активная вакансия в фиде по профессии «аналитик данных»
- Медиана зарплаты: 200 000–270 000 ₽
Спрос стабильный. Большинство вакансий — Москва и удалёнка. Джуниор стартует в диапазоне 80 000–130 000 ₽, мидл — 150 000–220 000 ₽, сеньор и выше — от 250 000 ₽.
Свежие вакансии публикуются в Telegram-канале @profinow_jobs.
Пошаговый план: как стать аналитиком данных с нуля
Общий срок при нагрузке 1–2 часа в день: 3–5 месяцев.
Шаг 1. SQL — месяц 1–1,5
Начните с SQLZoo или Mode Analytics Tutorial. Цель — уверенно писать запросы с JOIN, GROUP BY, оконными функциями. Практикуйтесь на реальных датасетах (Kaggle, data.world).
Шаг 2. Excel / Google Sheets — параллельно с SQL, 2–3 недели
Сводные таблицы, базовые формулы, условное форматирование. Не нужно знать всё — нужно уметь быстро считать и делать читаемые таблицы.
Шаг 3. Метрики и статистика — месяц 2
Разберите продуктовые метрики на практике: возьмите любой публичный датасет (e-commerce, приложение) и посчитайте Retention, конверсию воронки, средний чек. Параллельно — базовая статистика: распределения, t-тест, p-value.
Шаг 4. Визуализация — месяц 3
Установите Metabase или Tableau Public. Постройте 3–4 дашборда на реальных данных. Учитесь рассказывать историю через графики, а не просто «нарисовать красиво».
Шаг 5. A/B-тесты — месяц 3–4
Поймите, как работает тест: гипотеза, размер выборки, p-value, ошибки первого и второго рода. Порешайте кейсы — они часто встречаются на собеседованиях.
Шаг 6. Портфолио — месяц 4–5
Минимум 2–3 проекта на GitHub или в Notion:
- Исследование датасета с выводами на SQL
- Дашборд в BI-инструменте
- Разбор A/B-теста с расчётом значимости
Проекты должны показывать мышление аналитика, а не просто умение делать SELECT.
Полная дорожная карта с ресурсами — roadmap аналитика данных на profinow.online.
С чего начать прямо сейчас
1. Пройдите бесплатный вводный курс на profinow.online — там структурированная программа под старт в профессии.
2. Зарегистрируйтесь на Kaggle и скачайте любой датасет по интересной теме.
3. Начните с первых 30 задач на SQLZoo — это займёт 3–4 вечера.
4. Подпишитесь на @profinow_jobs — там актуальные вакансии аналитиков, можно сразу смотреть, что требуют работодатели.
Вход в профессию реален без технического бэкграунда. Но без системной практики и портфолио — нет. Разница между теми, кто устраивается за 4 месяца, и теми, кто «учится» год, обычно в одном: первые делают проекты, вторые смотрят курсы.