Короткий ответ: аналитику данных первым учить SQL. На реальной работе аналитик пишет SQL каждый день, а Python открывает раз в неделю; на собеседовании SQL-секция есть всегда, а Python-секцию джуну нередко прощают. Оптимальный план: 6-8 недель SQL до уверенных оконных функций, потом 4-6 недель pandas — и параллельно статистика.
Вопрос «SQL или Python» — самый частый у тех, кто входит в аналитику. Ответ зависит не от того, какой язык «мощнее», а от того, что быстрее доведёт до оффера и что вы будете делать в первый рабочий месяц. Разберём по фактам: рабочие задачи, собеседования, рынок вакансий — и конкретный план на 2-3 месяца.
Что аналитик реально делает: SQL против Python
Типичное распределение времени продуктового аналитика или аналитика данных в российской компании:
| Задача | Инструмент | Доля времени |
|---|---|---|
| Выгрузки, ad-hoc запросы, проверка гипотез | SQL | 40-60% |
| Дашборды и метрики (DataLens, Superset, Tableau) | SQL внутри BI | 15-25% |
| A/B-тесты: расчёт значимости, мощности | Python (scipy) или калькуляторы | 5-15% |
| Прогнозы, кластеризация, сложный анализ | Python (pandas, sklearn) | 5-15% |
| Встречи, постановка задач, презентации | — | 15-25% |
Вывод из таблицы простой: без SQL аналитик не может выполнять базовую работу вообще, без Python — может, просто часть задач делает дольше или отдаёт коллегам. Данные лежат в базах — ClickHouse, PostgreSQL, Greenplum — и достать их оттуда можно только SQL-запросом. Python начинается там, где SQL заканчивается: статистика, визуализация вне BI, автоматизация.
Что спрашивают на собеседовании чаще?
SQL-секция есть практически на каждом собеседовании аналитика — от джуна до сеньора: JOIN, агрегации, оконные функции, когорты. Живое кодирование на SQL — стандарт в Яндексе, Ozon, Т-Банке, Авито, Сбере. Разбор реальных вопросов по компаниям — в гайдах по собеседованиям.
Python-секция у джуна чаще всего ограничивается pandas-базой: groupby, merge, обработка пропусков. В некоторых компаниях джуну её вовсе не дают, если SQL-секция сильная. У мидла и сеньора Python спрашивают уже всерьёз — вплоть до алгоритмических задач.
Практический вывод: подготовка к SQL-секции даёт максимум очков за час вложенного времени. Прокачать её можно на задачах с реальных собеседований в SQL-тренажёре, Python — в Python-тренажёре.
Когда Python всё-таки учить первым?
Есть три честных исключения:
- Целитесь в Data Science / ML, а не в аналитику — там Python первичен, SQL добирается за пару недель.
- Уже знаете Python с прошлой работы или учёбы — тогда не бросайте его, просто добавьте SQL параллельно.
- Идёте в компанию с ноутбук-культурой (research-команды), где всё в Jupyter — но таких вакансий заметно меньше.
Для классических ролей — продуктовый аналитик, аналитик данных, BI-аналитик — порядок неизменен: SQL, потом Python.
План на первые 3 месяца
Недели 1-6: SQL с нуля до оконных функций. SELECT и фильтры → агрегации и GROUP BY → JOIN → подзапросы и CTE → оконные функции → даты и когорты. Именно в таком порядке построен бесплатный курс «SQL с нуля» — 10 частей с практикой в браузере, без установки базы.
Недели 7-10: pandas и базовый Python. Типы данных, списки и словари, циклы — ровно настолько, чтобы читать код. Дальше сразу pandas: чтение данных, groupby, merge, pivot. Это покрывает 80% рабочих Python-задач аналитика.
Недели 11-12: статистика и A/B-тесты. p-value, доверительные интервалы, ошибки I/II рода, размер выборки. Без этого блока на собеседовании продуктового аналитика делать нечего.
Если времени меньше — есть сжатые планы подготовки за неделю или месяц.
Типичные ошибки при выборе
- Учить Python «для галочки» до SQL — три месяца на синтаксис, циклы и ООП, которые аналитику почти не нужны, вместо двух недель до первых рабочих SQL-запросов.
- Учить оба одновременно с нуля — прогресс в каждом вдвое медленнее, мотивация падает. Последовательно быстрее.
- Застрять в теории — язык закрепляется только решением задач. 20 решённых SQL-задач дают больше, чем 5 просмотренных курсов.
- Игнорировать статистику — на собеседовании она весит не меньше Python, а учат её в последнюю очередь.
Частые вопросы
Можно ли стать аналитиком, зная только SQL?
Да, на джун-позиции берут с сильным SQL и базовой статистикой без Python — особенно в BI-аналитику. Но Python стоит добрать в первые полгода работы: без него потолок в задачах и зарплате наступает быстро. Сравнить вилки по грейдам можно в обзоре зарплат аналитиков.
Сколько учить SQL с нуля до уровня собеседования?
При 1-1.5 часах в день — 6-8 недель до уверенных оконных функций и когортных запросов. Критерий готовности: решаете средние задачи тренажёра без подсказок за 10-15 минут.
Нужен ли Python джуну на собеседовании?
Зависит от компании: где-то Python-секции у джуна нет вовсе, где-то дают простой pandas (groupby, merge) или задачу на словари. Обязательный минимум перед собеседованием: прочитать чужой pandas-код и написать groupby с агрегацией.
Что учить после SQL и Python?
Статистику и A/B-тесты (обязательно), потом один BI-инструмент (DataLens или Superset — по вакансиям в РФ), потом продуктовые метрики. Полная структура — в гайде по собеседованию аналитика.