Data Analyst — что делает, навыки, зарплата, как стать
Содержание (10 разделов)
Зарплаты по грейдам — наглядно
Levels.fyi РФ 2026: рост зарплаты по грейдам. Junior G14 стартует с 94K, Senior G16 уходит за 400K, Lead/Staff до 700K+. Total comp с RSU добавляет 20-40%.
Что делает Data Analyst
Day-to-day задачи аналитика данных в продуктовой компании. Реальный split времени: 50% анализ, 25% митинги с продактами и стейкхолдерами, 15% документация выводов, 10% обучение новым инструментам.
- SQL-выборки из DWH для бизнес-вопросов («сколько MRR в Январе?»)
- Ad-hoc анализ — исследование конкретной проблемы
- Регулярные отчёты — еженедельные/месячные KPI
- Дашборды в Tableau / Power BI / DataLens
- Проверка гипотез через статистику (correlation, A/B-тесты)
- Подготовка презентаций для бизнеса с insights
- Communication с продактом, маркетингом, командой разработки
Roadmap с нуля до Junior за 12 месяцев
Реалистичный план обучения по месяцам. Каждый этап имеет конкретную цель и количество задач для практики. К концу — Junior-оффер 100-150K ₽.
Hard skills 2026
Минимальный стек Junior → Senior:
| Навык | Junior | Middle | Senior |
|---|---|---|---|
| SQL | JOIN, GROUP BY | +CTE, окна, EXPLAIN | +диалекты, оптимизация |
| Python | pandas basics | +scipy.stats, sklearn | +async, profiling, advanced |
| Статистика | t-test базовый | +A/B дизайн, multiple testing | +Bayesian, causal |
| BI | 1 инструмент basic | 1 инструмент advanced | +самописные dashboards |
| Excel | pivot tables | VLOOKUP, INDEX/MATCH | +VBA / Power Query |
| Soft skills | Базовая коммуникация | +презентации | +влияние на продукт |
5 типов аналитиков — сравнение
В каждой компании есть 3-5 разных типов аналитиков. Они различаются фокусом, стеком и зарплатой. На собесе важно знать в какую роль ты идёшь.
Чем Data Analyst отличается от Data Scientist
Главное отличие: Data Scientist строит ML-модели для production, Data Analyst делает ad-hoc и отчёты. Стек: DS использует sklearn / PyTorch, DA — pandas + SQL. DS зарабатывает на 20-30% больше, но порог входа выше (нужна сильная математика + ML опыт).
Чем Data Analyst отличается от Product Analyst
Product Analyst — подкласс с фокусом на продуктовые гипотезы и A/B-тесты. DA шире (любая бизнес-задача — финансы, маркетинг, операции), PA глубже в продуктовой методологии (AARRR, NSM, продуктовые метрики). Стек схожий, но PA знает CUPED, mSPRT, причинно-следственный анализ.
Зарплаты в РФ 2026
Levels.fyi RU 2026 для Data Analyst:
| Уровень | Salary | RSU | Total Comp |
|---|---|---|---|
| Junior (0-1.5 года) | 94-149K ₽/мес | 0-15% | ~140K ₽/мес |
| Middle (1.5-3 года) | 150-255K ₽/мес | 15-25% | ~250K ₽/мес |
| Senior (3-5 лет) | 300-426K ₽/мес | 20-35% | ~450K ₽/мес |
| Staff/Lead (5+ лет) | 450-700K ₽/мес | 25-40% | ~700K ₽/мес |
Топ компании РФ
Где платят больше всего Data Analyst:
- Yandex — G15 ~289K + RSU 20-30% = ~3.65M ₽/год
- Wildberries — top-3 в РФ, до 3.89M ₽/год (Levels.fyi)
- Avito — top-2, до 3.68M ₽/год
- Tinkoff — Senior ~400K + bonus
- Ozon — Middle ~250K + опционы
- Сбер — Middle ~220K
- B2B SaaS стартапы — меньше зарплата, больше equity
Как стать Data Analyst с нуля
Реалистичный roadmap 6-12 месяцев:
- Месяц 1-2 — SQL основы (100-150 задач), Python pandas (50 задач)
- Месяц 3-4 — pandas advanced + numpy + scipy.stats (100 задач)
- Месяц 5-6 — Статистика (16 модулей конспектов), A/B-тесты
- Месяц 7-9 — BI-инструмент глубоко, продуктовые кейсы (30+ кейсов)
- Месяц 10-12 — Pet-проекты, mock-собесы, активный job-search
Что изучить дальше
- Аналитик данных с нуля — детально
- Аналитик данных — курс
- Продуктовый аналитик
- BI аналитик
- SQL курс
- Python курс
- Зарплаты аналитиков 2026
Частые вопросы
Сколько лет учиться?
С нуля до Junior — 6-12 месяцев. С другой технической базой (программист, инженер) — 4-6 месяцев. С гуманитарным бэкграундом — 9-12 месяцев.
Нужно ли высшее образование?
Нет, у 30% аналитиков в bigtech РФ — непрофильный диплом. Главное навыки + портфолио. ВО полезно для топовых вакансий (Yandex G16+) но не критично.
Что важнее: SQL или Python?
SQL обязателен, освой первым. Python важен но проще выучить после SQL. На собесе: 60% SQL вопросов, 30% Python, 10% статистика.
Где брать pet-проекты?
Public датасеты: Kaggle, datasets.google.com, UCI ML Repo. Парсинг Wildberries / Ozon (свой API). Открытые данные госорганов РФ.
Удалёнка возможна?
Да, 30-40% позиций Data Analyst — fully remote или hybrid. Особенно в стартапах. В bigtech (Yandex/Tinkoff) — чаще офис-first.