13 мая 2026 г.·5 мин чтения

Из маркетинга в аналитика данных: путь и план

Готовься к собесу аналитика как в Duolingo
10 минут в день — SQL, Python, A/B, метрики. 1700+ вопросов в Telegram
Открыть Карьерник в Telegram

Содержание:

Зачем маркетолог переходит в аналитика

Маркетинг (особенно performance) уже работает с данными: ROAS, CAC, LTV, conversion. Переход в analyst даёт: больше технической глубины (SQL, Python), более стабильная роль (DA сложнее уволить, чем performance-маркетолога), более широкий спектр продуктов и индустрий, доступ к данным напрямую (не через рекламный кабинет).

Типичный путь: performance / digital маркетолог с 2-3 годами → DA junior+. Маркетинг даёт огромное преимущество в продуктовом мышлении и понимании метрик. Нужно добрать технические навыки.

Что общего и в чём разница

Общее:

  • Метрики: CAC, LTV, conversion, retention
  • Эксперименты (A/B на креативах / лендингах)
  • Продуктовое мышление, понимание воронок
  • Excel / Google Sheets на высоком уровне
  • Понимание бизнес-целей

Разница:

Performance-маркетолог Data analyst
Инструменты рекламные кабинеты SQL, Python, BI tools
Источник данных Google Ads, Facebook, Я.Директ DWH, продуктовая БД
A/B креативы, лендинги продуктовые фичи
Глубина анализа средняя (готовые отчёты) глубокая (custom queries)
Программирование редко базовый Python, SQL
Math базовая статистика стат-методы, гипотезы

Что доучить

1. SQL (3-6 месяцев)

Самое важное.

  • SELECT, WHERE, GROUP BY, HAVING
  • JOIN-ы (INNER, LEFT, RIGHT, FULL)
  • Подзапросы и CTE
  • Оконные функции (ROW_NUMBER, RANK, SUM OVER)
  • Дата-операции

Подробнее — SQL на собеседовании. Курсы: Datacamp, Stepik, Yandex.Practicum, Karpov.Courses.

2. Python для аналитики (2-3 месяца)

  • pandas, numpy
  • matplotlib / seaborn для визуализации
  • Базовый ML basics (опционально)
  • Jupyter Notebook

Подробнее — Python на собеседовании.

3. Продуктовая аналитика и метрики (1-2 месяца)

Маркетолог это уже знает, но нужно углубить:

  • Retention cohort analysis (не только D1/D7, но и matrix)
  • Funnel analysis (продуктовая, не рекламная)
  • Unit-economics: LTV, CAC, payback
  • North Star metric, AARRR

Подробнее — продуктовая аналитика.

4. Статистика для A/B (1-2 месяца)

Маркетолог запускает A/B без статистики — нужно прокачать:

  • Размер выборки, MDE, statistical power
  • P-value, доверительные интервалы
  • Multiple testing problem

Подробнее — статистика на собесе.

5. BI tools (1 месяц)

  • Tableau / Power BI / DataLens / Metabase
  • Dashboard design (выбор графиков, фильтры)

План перехода

Месяцы 0-3: SQL глубоко

  • Курс по SQL до конца (Stepik free / Karpov / Datacamp)
  • Прорешать 100+ задач (Leetcode SQL, SQL Bolt, HackerRank)
  • Pet-project: SQL-анализ открытого dataset

Месяцы 3-6: Python + продуктовая аналитика

  • Курс по pandas (Datacamp / Stepik)
  • Курс по продуктовой аналитике
  • Pet-project: end-to-end анализ — SQL → pandas → визуализация → инсайты
  • Книга «Hacking Growth» (Ellis)

Месяцы 6-9: Статистика + BI

  • Курс по статистике (Stepik / Coursera)
  • Освоить Tableau / DataLens / Metabase
  • Pet-project: дашборд с реальными данными

Месяцы 9-12: Подача

  • Резюме с упором на маркетинг-experience с цифрами и квантитативными результатами
  • Прорешать вопросы из тренажёра
  • Подача на DA-позиции, в первую очередь — внутренний transfer
Готовься к собесу аналитика как в Duolingo
10 минут в день — SQL, Python, A/B, метрики. 1700+ вопросов в Telegram
Открыть Карьерник в Telegram

Где брать опыт

1. На текущей работе. Самое эффективное. Возьми смежную задачу: «помоги аналитику разобрать campaign data», «построй self-service дашборд для маркетинг-команды». Это уже DA-задачи.

2. Pet-project. Возьми открытый dataset (Kaggle, открытые данные госструктур) и сделай end-to-end анализ. Положи на GitHub.

3. Стажировки и junior-позиции. Часто маркетологи переходят в DA через DA-стажировку или junior-роль внутри компании.

4. Внутренний transfer. Самый лёгкий путь. Компания знает тебя, твою работу. Меньше риска.

Частые ошибки

  • Учить Python без SQL. SQL — основа DA. Python — потом.
  • Игнорировать статистику. На собесе DA спрашивают p-value, MDE, доверительные интервалы.
  • Pet-project в Excel. DA — это SQL + Python. Excel — это табличный калькулятор.
  • Слишком долго ждать «идеального момента». Учись на текущей работе, не жди отдельного времени.
  • Сравнивать только зарплату. DA-junior может получать меньше middle-маркетолога. Через 1-2 года выходит на тот же уровень.

Связанные темы

FAQ

Сколько занимает переход?

В среднем 9-12 месяцев активного обучения + поиск работы. Если уже работаешь с SQL в маркетинге — быстрее.

Стоит ли получать дополнительное образование?

Не обязательно. Курсы (Yandex.Practicum, Karpov.Courses, ProductStar) + pet-projects достаточно. Магистратура по data science — плюс, но не критично.

Какая зарплата у junior DA vs middle-маркетолога?

Зависит от компании и города. В крупных компаниях junior DA часто получает на старте меньше middle-маркетолога. Через 1-2 года выходит на сопоставимый или выше уровень.

Какие компании дружелюбны?

Технологические компании с product-marketing командами (Yandex, Avito, Ozon, Wildberries). Также банки и телеком — у них много DA-вакансий.

Performance-маркетолог или SMM — кому проще перейти?

Performance — проще. Уже работает с данными и метриками. SMM — сложнее, потому что преимущественно про креативы и engagement.

Ещё по теме