15 апреля 2026 г.

План обучения аналитика данных с нуля: недельный трекер

Как пользоваться планом

План рассчитан на 20 недель при 2 часах занятий в день (14 часов в неделю). Если можете больше — сжимайте. Меньше — растягивайте, но не дольше 40 недель, иначе теряется мотивация.

Каждая неделя = тема + практика + чек-поинт. Прошли чек — переходите дальше. Не прошли — повторите неделю.

Неделя 1: Окружение + базовый SELECT

Темы:

  • Установка PostgreSQL + DBeaver.
  • SELECT, WHERE, ORDER BY, LIMIT.
  • Базовая фильтрация: =, !=, >, <, IN, LIKE.

Задачи: 15 простых SELECT на учебной БД.

Чек-поинт: написать SELECT с WHERE + ORDER BY + LIMIT без гугления.

Неделя 2: Агрегаты + GROUP BY

Темы:

  • COUNT, SUM, AVG, MIN, MAX.
  • GROUP BY, HAVING.
  • Отличия WHERE vs HAVING.

Задачи: 10 задач «посчитайте X по каждой Y».

Шпаргалки: GROUP BY, агрегаты, HAVING.

Чек-поинт: объяснить своими словами разницу WHERE и HAVING.

Неделя 3: JOIN

Темы:

  • INNER, LEFT, RIGHT, FULL OUTER.
  • Ключи, кардинальность (1:1, 1:n, m:n).
  • Ловушки при JOIN с NULL.

Задачи: 15 задач на JOIN.

Шпаргалки: JOIN, типы JOIN, задачи на JOIN.

Чек-поинт: написать LEFT JOIN с условием в ON vs WHERE и объяснить разницу.

Неделя 4: Работа с датами

Темы:

  • DATE_TRUNC, EXTRACT, INTERVAL.
  • Типы: DATE, TIMESTAMP, TIMESTAMPTZ.
  • Timezone.

Задачи: 10 задач «выведите X по неделям/месяцам».

Шпаргалки: Даты в SQL.

Чек-поинт: посчитать MoM growth revenue через LAG.

Неделя 5: Оконные функции

Темы:

  • ROW_NUMBER, RANK, DENSE_RANK.
  • LAG, LEAD.
  • SUM OVER, AVG OVER с PARTITION BY.

Задачи: 15 задач.

Шпаргалки: Оконные функции, задачи.

Чек-поинт: посчитать нарастающий итог и топ-3 в каждой группе.

Неделя 6: Подзапросы и CTE

Темы:

  • Скалярные, табличные, коррелированные.
  • EXISTS vs IN vs NOT IN (ловушки NULL).
  • CTE и рекурсивные CTE.

Шпаргалки: подзапросы, CTE.

Чек-поинт: решить задачу разными способами — subquery, CTE, JOIN.

Неделя 7: NULL + строки + CAST

Темы:

  • IS NULL, COALESCE, NULLIF.
  • Строковые функции: SUBSTRING, REPLACE, SPLIT_PART, LIKE, регулярки.
  • CAST и преобразование типов.

Шпаргалки: NULL, строки, CAST.

Чек-поинт: очистить «грязный» датасет через SQL.

Больше таких примеров с разборами — в Telegram-тренажёре. Короткие сессии, прогресс по темам, объяснения после каждого ответа.

Неделя 8: Продуктовые метрики — основы

Темы:

  • DAU, MAU, WAU, stickiness.
  • Retention: D1, D7, D30, классификация.
  • Воронка конверсии.

Материал:

Чек-поинт: посчитать DAU/MAU и retention D7 в SQL.

Неделя 9: Когортный анализ

Темы:

  • Когорты, когортные таблицы, pivot.
  • Rolling vs classic retention.
  • Unbounded retention.

Задачи: задачи на retention, задачи на когорты.

Чек-поинт: построить когортную таблицу в SQL + pandas.

Неделя 10: Unit-экономика

Темы:

  • ARPU, ARPPU, LTV, CAC, payback.
  • Связь LTV × retention.
  • NSM, guardrail-метрики.

Материал:

Чек-поинт: посчитать unit-экономику вымышленного продукта.

Неделя 11: Статистика основы

Темы:

  • Нормальное распределение, ЦПТ.
  • p-value, α, β, мощность.
  • Доверительные интервалы.

Материал:

Чек-поинт: объяснить p-value нетехническому PM.

Неделя 12: A/B-тесты

Темы:

  • Дизайн эксперимента, MDE.
  • SRM, peeking, multiple comparisons.
  • CUPED, стратификация.

Материал:

Чек-поинт: посчитать размер выборки для своего теста.

Неделя 13: Python основы

Темы:

  • Переменные, типы, циклы, функции.
  • List, dict, set.
  • File I/O.

Ресурсы: Kaggle Learn Python, Stepik.

Чек-поинт: написать Python-скрипт, который читает CSV и считает базовую статистику.

Неделя 14: Pandas

Темы:

  • DataFrame, Series, iloc/loc.
  • Фильтрация, groupby, merge.
  • pivot_table, rolling.

Шпаргалки: pandas, groupby, merge.

Чек-поинт: решить задачу, которую решали в SQL, через pandas.

Неделя 15: Визуализация

Темы:

  • matplotlib основы.
  • seaborn: histplot, boxplot, heatmap.
  • Когда какой график.

Материал:

Чек-поинт: построить dashboard из 4 графиков по одному датасету.

Неделя 16: BI-инструмент

Темы:

  • Tableau Public или Power BI (один).
  • Базовые viz, фильтры, calculated fields.
  • Публикация дашборда.

Чек-поинт: опубликованный дашборд в Tableau Public.

Если готовишься к собесу — бот @kariernik_bot закрывает 80% технических вопросов. SQL, Python, A/B, продуктовые метрики — всё в одном месте.

Неделя 17: Портфолио — проект 1

Что: SQL-анализ публичного датасета (Kaggle).

Формат: GitHub с SQL-файлами + README + выводы.

Неделя 18: Портфолио — проект 2

Что: полноценный продуктовый анализ: когорты + A/B + дашборд.

Формат: Jupyter Notebook + дашборд + README.

Неделя 19: Резюме + LinkedIn

Темы:

  • Как писать резюме аналитика.
  • Оформление LinkedIn.
  • Подбор ключевых навыков.

Материал: резюме аналитика.

Чек-поинт: резюме + LinkedIn готовы к откликам.

Неделя 20: Собеседования

Темы:

  • Откликаться на вакансии (5–10/день).
  • Готовиться к конкретной компании.
  • Практиковать кейсы.

Материал: чек-лист подготовки.

Чек-поинт: первое приглашение на собеседование.

Что делать дальше

После 20 недель у вас будет:

  • Уверенный SQL (middle-уровень).
  • Базовый Python/pandas.
  • Понимание продуктовых метрик.
  • 2 проекта в портфолио.
  • Готовое резюме.

Дальше — собеседования. Типично 15–30 попыток за 1.5–2 месяца до оффера.

Как не сломаться

  • Ежедневный коммит в GitHub — видите прогресс.
  • Пятница — разбор недели: что выучили, что осталось.
  • 1 раз в 4 недели — отпуск от учёбы. Мозгу нужен отдых.
  • Найдите бадди — учиться в паре.
  • Не сравнивайте себя с экспертами из Telegram.

Читайте также

FAQ

Можно ли пропустить Python?

На BI-аналитика — можно. На data/продуктового — нельзя. Middle+ позиции требуют Python.

20 недель — это слишком мало?

Для 2 часов в день — нормально. Дисциплинированные справляются. Если пропускаете неделю — возвращайтесь и продолжайте.

А если я уже знаю SQL?

Пропустите недели 1–7, начните с 8-й. Подкрепите SQL шпаргалками по оконным и CTE.

Что делать, если «застрял» на теме?

Используйте 2-3 разных источника (курс + видео + статья). Решайте похожие задачи. В крайнем случае — переходите к следующей теме и возвращайтесь позже.

Тренироваться в Telegram