Аналитик данных с нуля — план обучения 2026
Содержание (11 разделов)
- План перехода: 5 ключевых этапов за 12 месяцев
- 5 типов аналитиков — какой ты выберешь
- Месяц 1-2: SQL — фундамент
- Месяц 3-4: Python для анализа
- Месяц 5-6: статистика и продуктовые метрики
- Месяц 7-9: продуктовые кейсы и BI
- Месяц 10-12: подготовка к собесу
- Где найти первую работу (junior listings)
- Что писать в резюме без опыта
- Pet-проекты для портфолио
- 5 ошибок при переходе из другой профессии
План перехода: 5 ключевых этапов за 12 месяцев
Полный roadmap от полного нуля до Junior-оффера. Каждый этап имеет конкретную цель и количество задач для практики. Главное — регулярность: 1-2 часа в день лучше чем 10 часов на выходных.
5 типов аналитиков — какой ты выберешь
В аналитике 5 разных ролей с разным фокусом и зарплатой. Перед началом обучения важно понять в какую именно роль хочешь — это повлияет на акценты в подготовке.
Месяц 1-2: SQL — фундамент
Учи SELECT/WHERE/ORDER BY/GROUP BY/HAVING. Базовые JOIN (INNER/LEFT). Подзапросы. К концу месяца 1 — решай 5-10 задач уровня easy в день. Месяц 2: окна (ROW_NUMBER, RANK), CTE, агрегаты на больших таблицах. Цель — 100-150 решённых задач.
- Наш SQL-тренажёр — 5 задач каждой темы бесплатно, далее Pro
- Книга «SQL за 10 минут» (Бен Форта) — для начинающих
- Книга «Изучаем SQL» (Алан Бьюли) — глубокий разбор JOIN и окон
- Официальная документация PostgreSQL — лучший reference
- Бесплатные интерактивные курсы в открытом доступе
Месяц 3-4: Python для анализа
pandas (groupby, merge, pivot, time series). numpy (vectorization). matplotlib/seaborn (визуализация). К концу месяца 3 — умеешь загрузить CSV, посчитать средние по группам, нарисовать график. Месяц 4: scipy.stats (t-test, chi-square), bootstrap.
- «Python для анализа данных» Уэс Маккинни — must read
- Наш Python-тренажёр — 5 задач каждой темы бесплатно
- Kaggle Courses (pandas, intro to ML) — бесплатно
- Документация pandas + numpy — лучший reference
- Pet-проекты на public датасетах для самостоятельной практики
Месяц 5-6: статистика и продуктовые метрики
Статистика: распределения, доверительный интервал, гипотезы (H0/H1), t-test, chi-square. A/B-тесты: дизайн (sample size, MDE), peeking, SRM, multiple testing. Метрики: DAU/MAU, Retention, LTV, CAC, NPS, churn rate, юнит-экономика.
- «Statistics» Дэвид Фридман — фундамент
- «Trustworthy Online Controlled Experiments» (Kohavi) — A/B-тесты бестселлер
- «Practical Statistics for Data Scientists» (Bruce) — applied статистика
- Наши конспекты /notes — A/B-тесты и статистика с Python-задачами
- Документация scipy.stats + statsmodels — для практических тестов
Месяц 7-9: продуктовые кейсы и BI
Кейсы: «Падение DAU −15%, почему?». Учишься структурировать: данные → гипотезы → анализ → выводы. Минимум 30 кейсов. BI: один инструмент глубоко (Tableau / DataLens / Power BI). Дашборды с фильтрами, drill-down.
- Yandex DataLens — бесплатный, российский, отличная документация
- Tableau Public — бесплатно для портфолио
- Наши /cases — 440+ кейсов с эталонными решениями
- Habr статьи с разборами продуктовых кейсов от РФ-компаний
- «Storytelling with Data» (Cole Knaflic) — must для дашбордов
Месяц 10-12: подготовка к собесу
Активная подготовка: 10 mock-интервью (живые или AI), 50 решённых задач по компаниям (Яндекс/Ozon/Тинькофф), 5 продуктовых кейсов, обновление резюме, нетворк (Telegram-каналы, конференции). Цель — 3-5 офферов Junior на 70-150K ₽.
Где найти первую работу (junior listings)
Топ-5 источников для Junior-аналитика 2026:
- HH.ru — самая большая база. Фильтр «Junior» + «удалённо»
- Telegram-каналы: @data_jobs, @jobs_data_jobs, @analyst_jobs
- LinkedIn — особенно для b2b SaaS и зарубежных компаний
- Хабр Карьера — IT-фокус, чаще встречаются стартапы
- Stackoverflow Jobs / GetMatch — для более senior, но Junior встречается
Что писать в резюме без опыта
Junior без опыта работы — не редкость. Главное правильно подать что есть.
- GitHub с pet-проектами — каждый репозиторий с README, описанием задачи и стека
- Список пройденных курсов / онлайн-программ с защитой проектов
- Достижения с цифрами, даже из других ролей («ускорил отчётность в Excel в 5×»)
- Soft skills конкретно — «провёл 10 интервью с клиентами», «вёл проект из 5 человек»
- Honest stack — только то, чем владеешь. На собесе спросят детально.
Pet-проекты для портфолио
Pet-проекты компенсируют отсутствие опыта работы. Главное — реальные публичные данные и значимая бизнес-задача.
- Анализ данных Yandex Music API — топ артистов / треков по жанрам
- Парсинг Wildberries / Ozon + анализ ценообразования
- A/B-тест на учебных данных Microsoft / Kaggle
- Cohort retention analysis на открытых SaaS-данных
- Dashboard в DataLens / Tableau по публичным открытым данным
5 ошибок при переходе из другой профессии
Эти ошибки делают почти все кто переходит из инженерии / гуманитарных профессий.
- Зубрят синтаксис вместо паттернов — не пишут код руками каждый день
- Пренебрегают статистикой — это критично, не «по верхам»
- Игнорируют софт-скиллы — на собесе аналитика спросят про коммуникацию
- Сразу ML без базы — пытаются учить нейросети не зная pandas
- Не тренируют разбор кейсов вслух — на собесе молчат 5 минут
Что изучить дальше
- SQL-тренажёр (480+ задач)
- Python/pandas-тренажёр (530+ задач)
- Конспекты — статистика, A/B-тесты, ML
- 440+ продуктовых кейсов
- Продуктовые метрики справочник
- AI мок-собеседование
- SQL практика онлайн
- Как стать аналитиком — полный гайд
- Roadmap от 0 до Junior
- Зарплаты аналитиков 2026
Частые вопросы
Сколько времени учиться с нуля до Junior?
6-12 месяцев активного обучения (2-3 часа в день). С техническим бэкграундом (программист, инженер) — 4-6 месяцев. С гуманитарным — 9-12 месяцев. Главное не сокращать SQL и статистику, на них держится 80% технических вопросов на собесе.
Нужно ли высшее образование?
Нет, формально не требуется. У 30% Junior аналитиков в Яндекс/Ozon — не профильный диплом (инженер, химик, переводчик). Главное: SQL + Python + статистика + продуктовое мышление. Резюме без диплома компенсируется портфолио из 3-5 проектов на GitHub.
Какие бесплатные ресурсы лучшие?
1) Habr — статьи по A/B-тестам, метрикам, SQL/Python. 2) Документация PostgreSQL и pandas — лучший reference. 3) Kaggle Courses — бесплатно, фокус на ML. 4) YouTube туториалы по конкретным темам. 5) Наш zasqlpython.ru — 5 задач каждого типа бесплатно. Достаточно чтобы дойти до Junior без платных курсов.
Стоит ли платить за полноценный курс с ментором?
Зависит от стиля обучения. Плюсы менторского формата: структура, проектное портфолио, обратная связь по коду. Минусы: цена 100-200K ₽. Если есть деньги и нужна дисциплина — может подойти. Если можешь учиться сам — тратишь только на разовые консультации с опытным аналитиком (5-10K ₽/час).
Куда подаваться на Junior?
Яндекс (G14, ~190K ₽/мес), Ozon, Tinkoff, Avito, Wildberries — top-5 для входа. Также: маркетплейс СБЕР, X5 Tech, МТС Big Data. Стартапы (B2B SaaS) — меньше зарплата, но быстрый рост. Не подавайся в банки без опыта — у них собес сложнее.
Реально ли стать аналитиком после 30 / 40 лет?
Да, опыт работы в любой сфере — преимущество. Аналитик из бизнес-домена (банки, телеком, ритейл) ценнее джуна без опыта. Главное — продуктовое мышление. Стартапы охотно берут «вторая профессия» после 30-35 лет.
Сколько pet-проектов нужно для портфолио?
3-5 хороших проектов лучше 10 поверхностных. Каждый: задача (что решаем), стек (Python, SQL, BI), данные (откуда), вывод (что узнали). Pet с парсингом своих данных (Wildberries, Ozon API) ценнее чем работа над Titanic dataset.
Что важнее: SQL или Python в первую очередь?
SQL. Он короче в обучении (1-2 месяца до уверенного middle vs 3-4 для Python). На 80% собесов SQL спрашивают первым. Python без SQL — бесполезен в аналитике (данные читать неоткуда).
Можно ли быть аналитиком без знания статистики?
На Junior — да, можно работать в BI/отчётности. На Middle+ — нет. Стат нужна для A/B-тестов, оценки гипотез, доверительных интервалов. Без статистики — это не аналитик, а BI developer (другая профессия).
Как узнать, готов ли я к собесу?
1) Решаешь 90% задач Junior без подсказки за < 15 мин. 2) Можешь объяснить вслух любую SQL-window-функцию. 3) Знаешь формулы LTV/CAC/Retention. 4) Прошёл 5+ mock-интервью с positive feedback. 5) Имеешь 3+ pet-проекта на GitHub.