Роадмап аналитика данных 2026: от нуля до оффера

Зачем нужен роадмап

Аналитика данных — широкая область: SQL, Python, статистика, визуализация, продуктовые метрики, A/B-тесты, машинное обучение. Без плана легко потратить месяцы на то, что не спрашивают на собеседованиях, и пропустить то, что спрашивают всегда.

Этот роадмап построен на основе реальных требований вакансий и вопросов собеседований в Яндекс, Тинькофф, Ozon, Сбер и другие крупные компании.

Уровень 1: Стажёр / Junior (0–6 месяцев)

SQL — обязательно

SQL — инструмент номер один. Его спрашивают на 95% собеседований аналитиков.

Что освоить:

• SELECT, WHERE, ORDER BY, LIMIT
• GROUP BY, HAVING, агрегатные функции (COUNT, SUM, AVG, MAX, MIN)
• JOIN (INNER, LEFT, RIGHT, FULL) — шпаргалка
• CASE WHEN, COALESCE, NULLIF
• Подзапросы и CTE (WITH) — гайд
• Базовые оконные функции: ROW_NUMBER, RANK — шпаргалка
• Работа с датами: DATE_TRUNC, EXTRACT, INTERVAL
• Порядок выполнения SQL-запроса

Как учить: решайте задачи каждый день. Минимум 3 задачи в день в SQL-тренажёре.

Результат: можете написать запрос с JOIN, GROUP BY и оконной функцией за 15 минут.

Excel / Google Sheets — базовый уровень

• Сводные таблицы, ВПР/INDEX-MATCH
• Базовые графики
• Формулы: IF, SUMIFS, COUNTIFS

Не тратьте на это больше недели — Excel нужен для быстрых задач, но основная работа будет в SQL.

Основы метрик

• Что такое DAU, MAU, WAU
• Что такое retention и почему это главная метрика
• Что такое воронка конверсии

Уровень 2: Junior+ / Middle (6–18 месяцев)

Продвинутый SQL

• Оконные функции: LAG, LEAD, SUM OVER, NTILE
• Рамки окна (ROWS BETWEEN, RANGE BETWEEN)
• Рекурсивные CTE
• LATERAL JOIN, CROSS JOIN
• Оптимизация запросов: EXPLAIN, индексы

Практика: 15 SQL-задач для собеседования — задачи middle и senior уровня.

Python для анализа

• Pandas: чтение данных, фильтрация, groupby, merge, pivot_table
• NumPy: базовые операции с массивами
• Matplotlib, Seaborn: визуализация данных
• Jupyter Notebook: интерактивный анализ

Подробнее: Python на собеседовании аналитика.

Статистика

• Проверка гипотез: нулевая и альтернативная гипотеза
• P-value: что это и как интерпретировать
• Нормальное распределение и центральная предельная теорема
• Доверительные интервалы
• Ошибки I и II рода

Подробнее: Статистика на собеседовании аналитика.

A/B-тестирование

• Дизайн эксперимента: контроль, тест, метрика успеха
• Размер выборки и мощность теста
• Типичные ошибки: подглядывание, множественные сравнения
• A/B-тестирование на собеседовании

Продуктовая аналитика

• Unit-экономика: LTV, CAC, Payback Period
• Когортный анализ
• Кейс «метрика упала»: как решать
• North Star метрика, AARRR-фреймворк

Подробнее: Продуктовая аналитика на собеседовании.

Визуализация и BI

• Типы графиков и когда какой использовать
• Tableau или Looker (достаточно одного)
• Принципы построения дашбордов
• Визуализация данных на собеседовании

Уровень 3: Senior (18+ месяцев)

Глубокая экспертиза в домене

Senior-аналитик — не тот, кто знает больше SQL. Это тот, кто глубоко понимает бизнес и влияет на решения.

• Проектирование системы метрик для продукта
• Выбор метрик для экспериментов
• Анализ причинности (не только корреляции)
• CUPED и другие методы повышения чувствительности тестов

Коммуникация и влияние

• Презентация результатов анализа stakeholder-ам
• Перевод данных в бизнес-рекомендации
• Менторство junior-аналитиков
• Участие в продуктовой стратегии

Дополнительные навыки (опционально)

• Базовое ML: линейная регрессия, классификация, кластеризация
• Airflow / dbt для автоматизации пайплайнов
• ClickHouse / BigQuery для больших данных
• ETL-процессы и data engineering основы

Как использовать этот роадмап

1. Определите свой текущий уровень. Если не знаете SQL — начинайте с уровня 1. Если пишете JOIN и GROUP BY — переходите к уровню 2.
2. Фокусируйтесь на одном навыке за раз. Не пытайтесь учить SQL, Python и статистику одновременно.
3. Практикуйтесь каждый день. 30 минут ежедневной практики лучше, чем 4 часа раз в неделю.
4. Начните ходить на собеседования раньше, чем почувствуете себя готовым. Первые 2–3 собеседования — это тоже обучение.

Читайте также

• Как стать аналитиком данных в 2026
• Зарплаты аналитиков данных
• 3 типа аналитиков: отличия
• Стажировки для аналитиков 2026
• Собеседование на аналитика данных

FAQ

С чего начать изучение аналитики данных?

С SQL. Это фундамент, без которого невозможно работать аналитиком. Начните с SELECT и JOIN, затем переходите к GROUP BY и оконным функциям. Параллельно читайте про базовые метрики (DAU, retention, конверсия).

Нужно ли учить Python аналитику данных?

Для Junior — не обязательно, но желательно. Для Middle и Senior — да. Python (Pandas, визуализация) расширяет возможности и повышает зарплату на 15–25%. На собеседованиях в крупные компании Python спрашивают всё чаще.

Сколько времени занимает каждый уровень?

Уровень 1 (Junior): 3–6 месяцев при ежедневных занятиях. Уровень 2 (Middle): 6–18 месяцев, из которых большая часть — рабочий опыт. Уровень 3 (Senior): 1.5–3 года, в основном рост через реальные проекты и бизнес-экспертизу.

Какие навыки самые важные для собеседования?

SQL (спрашивают всегда), продуктовые метрики (DAU, retention, воронки), базовая статистика (p-value, A/B-тесты) и умение структурировать ответ на кейс. Именно эти четыре навыка определяют, получите ли вы оффер.

---

Начните с практики — откройте тренажёр с 1500+ вопросами по SQL, Python, статистике и продуктовой аналитике.