15 апреля 2026 г.

Аналитик данных vs Data Scientist

Главное отличие

  • Аналитик данных — работает с прошлым: «что произошло и почему».
  • Data Scientist — работает с будущим: «что произойдёт и как оптимизировать».

Все остальное вытекает из этого.

Таблица сравнения

Критерий Аналитик Data Scientist
Задачи Отчёты, метрики, дашборды, A/B ML-модели, predictions, оптимизация
Основной стек SQL + pandas + BI Python + sklearn + ML-фреймворки
Математика Статистика + A/B Статистика + ML + линейная алгебра
Уровень кода SQL, простой Python Python + OOP + продвинутый Python
Продуктовое мышление Критично Важно, но меньше
Порог входа 4–6 месяцев 9–18 месяцев
Зарплаты (РФ) 80–450k₽ 120–600k₽

Детали задач

Аналитик данных делает

  • Пишет SQL-запросы для отчётов.
  • Строит дашборды в Tableau/Power BI.
  • Разбирает воронки конверсии.
  • Проектирует и анализирует A/B-тесты.
  • Считает метрики: DAU, retention, LTV, CAC.
  • Декомпозирует «почему метрика упала».

Data Scientist делает

  • Строит модели классификации (churn prediction, fraud detection).
  • Работает с рекомендательными системами.
  • Делает прогнозы (time series forecasting).
  • Применяет NLP / computer vision.
  • Оптимизирует бизнес-процессы через ML.
  • Deploys модели в прод (MLOps).

Прокачать тему на реальных задачах удобно в боте @kariernik_bot — база вопросов собрана с собеседований в Яндексе, Авито, Ozon, Тинькофф.

Стек технологий

Аналитик

  • SQL (обязательно, глубоко).
  • Python + pandas (базово-средне).
  • BI: Tableau / Power BI / Metabase.
  • Excel.
  • Git — базово.

Data Scientist

  • Python (продвинутый, включая OOP).
  • Pandas + NumPy + SciPy.
  • scikit-learn, XGBoost, LightGBM.
  • PyTorch / TensorFlow (для DL).
  • Docker, MLflow.
  • SQL — есть, но не главный инструмент.

Сколько учиться

Аналитик с нуля

4–6 месяцев при 2 часах в день. Подробный план.

Data Scientist с нуля

9–18 месяцев. Нужно:

  • Глубокая математика: линейная алгебра, calculus, теория вероятностей.
  • Статистика на уровне MIT-курсов.
  • ML: от линейной регрессии до градиентного бустинга.
  • DL: CNN, RNN, Transformers.
  • Практика на Kaggle / пет-проектах.

Зарплаты в РФ (2026)

Аналитик данных

  • Junior: 80–130k.
  • Middle: 160–280k.
  • Senior: 300–450k.

Data Scientist

  • Junior: 120–180k.
  • Middle: 200–380k.
  • Senior: 400–650k+.

DS платят больше, но порог входа в 3x выше.

Какая профессия лучше «на старте»

Для быстрого входа в IT

→ Аналитик. За 4–6 месяцев реально выйти на оффер.

Для глубоко технических людей

→ Data Scientist. Если нравится математика, ML, программирование.

Для бизнес-ориентированных

→ Аналитик, потом продуктовый аналитик. DS часто изолирован от бизнеса.

Если не уверены

→ Начните с аналитика. Всегда можно перейти в DS через 1–2 года, имея работу и опыт.

На собесе такие штуки часто спрашивают. Быстрый способ довести до автоматизма — тренажёр в Telegram с задачами из реальных интервью.

Пересечение

На практике границы размыты. Продвинутый аналитик использует ML для churn prediction. Джуниор-DS в маленькой компании делает отчёты.

  • Product Analyst — смесь аналитика + немного ML.
  • ML Engineer — больше инженерии, чем science.
  • Applied Scientist — гибрид, часто в R&D.

Не путайте титулы — всегда смотрите на responsibilities.

Как перейти из аналитика в DS

Если вы уже аналитик:

  1. Добивайте Python — OOP, декораторы, генераторы.
  2. Учите scikit-learn — 2–3 месяца.
  3. Делайте Kaggle-соревнования.
  4. Читайте ISLR (Introduction to Statistical Learning).
  5. Откликайтесь на junior-DS через 6–9 месяцев.

Аналитика → DS — один из самых частых переходов в индустрии.

Читайте также

FAQ

Кто чаще нужен на рынке?

Аналитиков — в 3–5x больше вакансий. Data Scientist — меньше, но средняя зарплата выше.

Можно ли быть и тем, и другим?

На старте — нет (слишком много скиллов). На middle+ — да, «full-stack data specialist» в небольших компаниях.

Что сложнее?

DS сложнее технически. Аналитика сложнее в коммуникации и бизнесе.

С какой специальности лучше переходить?

В аналитика: финансисты, маркетологи, экономисты, IT. В DS: физики, математики, разработчики, ML-энтузиасты.

Тренироваться в Telegram