15 апреля 2026 г.

С чего начать изучение аналитики данных: первые 30 дней

Проблема первого шага

Вы решили стать аналитиком. Открываете интернет — там 50 курсов, 100 книг, 1000 ютуб-гайдов. Всё хочется пройти, ничего не хочется начинать. Классическая ловушка парализирует неделями.

Ниже — план первых 30 дней. Без воды, без курсов за 100k, без «сначала изучите математику».

Неделя 1: окружение и первый SQL

День 1: инструменты

Поставьте две вещи:

PostgreSQL — https://postgresql.org/download.
DBeaver — https://dbeaver.io/ (визуальный клиент, бесплатный).

Запустите, подключите DBeaver к PostgreSQL. На это уйдёт 30–60 минут.

Дни 2–3: первый запрос

Скачайте учебную базу данных (например, dvdrental — https://www.postgresqltutorial.com/postgresql-sample-database/).

Напишите первые запросы:

SELECT * FROM customer LIMIT 10;
SELECT first_name, last_name FROM customer WHERE active = 1;
SELECT first_name, last_name FROM customer ORDER BY last_name LIMIT 20;

Поиграйте — посмотрите, что возвращается, как меняется результат при LIMIT, ORDER BY, WHERE.

Дни 4–5: фильтры и сортировка

WHERE x = y, WHERE x > y, WHERE x IN (...), WHERE x LIKE '%abc%'.
AND, OR, NOT.
ORDER BY ... DESC.
DISTINCT.

Дни 6–7: первые агрегаты

COUNT(*), SUM, AVG, MIN, MAX.
GROUP BY.
HAVING.

К концу недели вы умеете: выбрать данные, отфильтровать, отсортировать, посчитать количество и сумму.

Неделя 2: JOIN и основы аналитики

Дни 8–10: JOIN

Без JOIN SQL бесполезен — все данные в разных таблицах.

INNER JOIN — только совпадения.
LEFT JOIN — все из левой + совпадения справа.
Почему не надо использовать RIGHT JOIN.
FULL OUTER JOIN (редко).

Практика: задачи на JOIN.

Шпаргалка: JOIN SQL.

Дни 11–12: работа с датами

DATE_TRUNC('month', col) — обрезать до начала месяца.
EXTRACT(YEAR FROM col) — достать год.
INTERVAL '7 day' — арифметика.

Шпаргалка: Даты в SQL.

Дни 13–14: что такое продуктовая аналитика

Прочитайте (не надо учить):

К концу недели вы понимаете, куда идёте.

Попробовать силы на подобных вопросах проще всего в тренажёре Карьерник — прямо в Telegram, без регистрации через сайт.

Неделя 3: оконные функции и подзапросы

Дни 15–17: оконные функции

Самый важный продвинутый блок SQL.

ROW_NUMBER() OVER (PARTITION BY x ORDER BY y).
LAG(col) OVER (ORDER BY x) — предыдущее значение.
SUM(col) OVER (PARTITION BY x) — агрегат по окну.

Практика: задачи на оконные.

Шпаргалка: Оконные функции.

Дни 18–19: подзапросы и CTE

Подзапросы в WHERE: WHERE x IN (SELECT ...).
Подзапросы в FROM: FROM (SELECT ...) t.
CTE: WITH x AS (SELECT ...) SELECT FROM x.

Шпаргалка: CTE, подзапросы.

Дни 20–21: retention и когорты

Практическая задача: посчитать D7-retention в SQL.

WITH cohort AS (
    SELECT user_id FROM events WHERE event_time::DATE = '2026-04-01'
),
returned AS (
    SELECT DISTINCT user_id FROM events WHERE event_time::DATE = '2026-04-08'
)
SELECT COUNT(*) * 1.0 / (SELECT COUNT(*) FROM cohort) AS retention
FROM cohort INTERSECT SELECT user_id FROM returned;

Подробнее: как считать retention.

Неделя 4: A/B и портфолио

Дни 22–24: основы A/B-тестов

Гипотеза, p-value, уровень значимости.
Ошибки I и II рода, мощность.
Размер выборки.

Шпаргалки: A/B-тесты.

Дни 25–27: первый проект в портфолио

Возьмите любой публичный датасет с Kaggle (например, e-commerce sales):

Загрузите в PostgreSQL.
Напишите 10 аналитических SQL-запросов.
Опубликуйте на GitHub с README и выводами.

Дни 28–30: итоги и планирование

Оцените, где слабо — возвращайтесь и закрывайте.
Составьте план на следующие 60 дней (Python, статистика, BI).
Начните мониторить вакансии — не подавайтесь ещё, просто смотрите требования.

Что НЕ делать в первые 30 дней

Не покупать платный курс. Базу можно выучить бесплатно.
Не читать книги 500+ страниц. Нужна практика, не теория.
Не учить Python раньше SQL. SQL — база, без него Python бесполезен для аналитика.
Не зубрить математику. Математика нужна в минимальном объёме (проценты, доли).
Не сравнивать себя с экспертами. Они учатся 5+ лет. Дайте себе время.

Бесплатные ресурсы, которые реально работают

SQL

SQL Academy — https://sql-academy.org.
Stepik «Основы SQL» — https://stepik.org.
Kaggle Learn SQL — https://kaggle.com/learn.
Тренажёр Карьерник — задачи с реальных собеседований.

Статистика

Khan Academy Statistics (англ.).
Stepik «Основы статистики» Анатолия Карпова.

Python

Kaggle Learn Python.
Stepik «Поколение Python».

Продуктовая аналитика

Блог GoPractice (бесплатные материалы).
Kariernik blog — статьи по метрикам и продукту.

Пройти 30–50 задач по теме за вечер можно в Telegram-тренажёре. Это то, что отличает «знаю» от «уверенно отвечу на собесе».

Что важно понять до начала

Скорость роста нелинейна. Первый месяц кажется, что ничего не получается. Через 2 месяца прорыв.
Практика > теория. 1 решённая задача > 10 прочитанных статей.
Сообщество спасает. Присоединяйтесь к Telegram-чатам аналитиков.
Ошибки — норма. Забывать синтаксис, путать JOIN — это часть процесса.

FAQ

Сколько часов в день нужно заниматься?

Минимум 1 час в день с учётом практики. Оптимум — 2–3 часа. Полный день — если горит и есть возможность.

Что первое — SQL или Excel?

SQL. Excel знают все офисные люди, аналитик отличается SQL. Если вы уже в Excel — переход на SQL займёт недели.

Можно ли без программирования вообще?

Можно BI-аналитик — там больше BI-инструментов, меньше кода. Но для data-аналитика и продуктового — SQL обязателен.

Через сколько искать работу?

Через 2–3 месяца начните мониторить вакансии, через 4 — откликаться. Раньше — не имеет смысла, поздно — теряете темп.

Тренироваться в Telegram