Слово «аналитик» в названии курса означает три разные профессии с разными инструментами, зарплатами и типом людей, которым в них комфортно. Аналитик данных, продуктовый аналитик и бизнес-аналитик пересекаются процентов на тридцать, а остальное: отдельные навыки. Ошибка на этапе выбора стоит полугода и нескольких десятков тысяч рублей: человек, которому интересно разговаривать с заказчиками, уходит с курса по SQL и Python, а тот, кто хотел строить модели, полгода рисует схемы бизнес-процессов. Разбираем, чем эти роли отличаются на практике и как выбрать направление до покупки курса.
Три роли на одном примере
Возьмём сервис доставки, где падает доля повторных заказов. Аналитик данных выгрузит историю заказов, соберёт витрину, посчитает удержание по когортам и покажет, что проседают клиенты, у которых первый заказ опоздал больше чем на 20 минут. Продуктовый аналитик возьмёт эту гипотезу, спроектирует A/B-тест с компенсацией за опоздание, посчитает нужный размер выборки и через две недели скажет, окупается ли компенсация. Бизнес-аналитик пойдёт к отделу логистики и службе поддержки, опишет, как сейчас устроен процесс передачи заказа курьеру, найдёт, где теряются минуты, и напишет требования к доработке системы диспетчеризации.
Одна проблема, три разных вида работы. Первый живёт в данных, второй: в экспериментах и метриках продукта, третий: в процессах и требованиях.
Сравнение по ключевым параметрам
| Параметр | Аналитик данных | Продуктовый аналитик | Бизнес-аналитик |
|---|---|---|---|
| Главный вопрос | Что происходит и почему? | Какое изменение продукта окупится? | Как должен работать процесс и что нужно системе? |
| Основные инструменты | SQL, Python (pandas), BI-системы, Excel | SQL, статистика, A/B-платформы, трекеры событий, BI | BPMN/UML, Confluence/Jira, прототипы, SQL на базовом уровне |
| Сколько математики | Средне: описательная статистика, базовая вероятность | Больше всех: проверка гипотез, доверительные интервалы, мощность теста | Минимум: расчёт эффекта проекта, юнит-экономика |
| Доля общения с людьми | 20-30 % | 40-50 % | 60-70 % |
| Кому подчиняется | Руководителю аналитики или CDO | Продакт-менеджеру | Руководителю проекта или заказчику |
| Куда растёт | Инженер данных, data scientist, лид аналитики | Продакт-менеджер, руководитель продуктовой аналитики | Системный аналитик, менеджер проектов, владелец продукта |
| Типичный первый проект | Дашборд продаж по регионам | Разбор воронки и предложение теста | Описание процесса «как есть» и ТЗ на доработку |
Какие навыки общие, а какие нет
Ещё одно практическое отличие: ритм работы. Аналитик данных чаще получает задачи очередью и закрывает их по одной; продуктовый живёт циклами экспериментов по одной-две недели; бизнес-аналитик привязан к этапам проекта и может месяц собирать требования, а потом неделю переписывать ТЗ после встречи с заказчиком.
Общее ядро у всех трёх: SQL на уверенном уровне, умение задавать уточняющие вопросы и объяснять выводы людям без технического бэкграунда. Это стоит выучить в любом случае: SQL переносится между ролями без потерь.
Дальше пути расходятся. Аналитику данных нужен Python с библиотеками для таблиц и графиков и одна BI-система, которую он знает глубоко. Продуктовому: статистика на уровне «объяснить, почему тест нельзя останавливать раньше срока», и понимание продуктовых метрик: удержание, конверсия воронки, LTV. Бизнес-аналитику: нотации для описания процессов, техники сбора требований (интервью, наблюдение, анализ документов) и навык писать ТЗ, которое разработчик поймёт однозначно.
Отдельно стоит аналитик 1С: по сути это бизнес-аналитик, привязанный к одной платформе. Спрос на него стабильно высокий в компаниях, где учёт ведётся в 1С, а порог входа ниже, если вы уже работали в бухгалтерии или на складе.
Как понять, что подходит именно вам
Есть простой тест: за день до покупки курса потратьте по часу на три задачи. Скачайте открытый датасет и попробуйте ответить на вопрос «в какой день недели продажи выше всего» в Excel или Google Таблицах. Затем возьмите любое приложение на телефоне и напишите на полстраницы, какую метрику вы бы улучшили и каким экспериментом это проверили. Наконец, опишите пошагово, как в вашей текущей работе оформляется отпуск или закупка, и что в этом процессе можно убрать. Задача, после которой вы хотите продолжить, и есть ответ.
Второй ориентир: предыдущий опыт. Бухгалтеры, логисты, операционисты банков быстрее входят в бизнес-аналитику: они уже знают предметную область. Маркетологи и менеджеры поддержки: в продуктовую: они видели воронку изнутри. Люди с техническим образованием и те, кому нравится «ковыряться в цифрах» в одиночестве, в аналитику данных.
Чек-лист выбора курса под выбранное направление
- В названии и программе курса есть именно ваша роль, а не «аналитик» вообще: «аналитик данных» и «бизнес-аналитик», разные программы.
- SQL занимает не меньше четверти программы с задачами на JOIN, оконные функции и группировки.
- Для аналитика данных: Python и BI не обзорно, а с проектом, который можно показать.
- Для продуктового: отдельный модуль по статистике и A/B-тестам с расчётом выборки, а не «мы упомянем».
- Для бизнес-аналитика: практика по сбору требований и написанию ТЗ, разбор работ преподавателем.
- Итоговый проект оформлен так, что его можно выложить в портфолио, а не остаётся внутри платформы.
- Посчитана полная стоимость с рассрочкой и сравнена с 2-3 программами других школ.
Частые вопросы
Можно ли стать аналитиком без высшего технического образования?
Да, для всех трёх ролей. В бизнес-аналитике профильный опыт в предметной области часто важнее диплома; в аналитике данных и продуктовой решают портфолио и умение решать задачи на собеседовании. Техническое образование ускоряет вход, но не является фильтром.
Какая роль быстрее приводит к первой работе?
Обычно аналитик данных: вакансий больше, требования на джун-уровне сформулированы чётче (SQL, Excel, одна BI). Бизнес-аналитик без предметного опыта ищет работу дольше, продуктовый аналитик часто вырастает из аналитика данных внутри компании.
Что если выбрать неправильно?
Переход между ролями реален, потому что ядро общее. Аналитик данных с интересом к продукту за год превращается в продуктового; бизнес-аналитик, подтянувший SQL и Python, уходит в данные. Потеря: не полгода, а несколько месяцев на дополнительные навыки.
Вывод
Выбирайте не по зарплате в рекламе, а по типу работы, который готовы делать каждый день: данные, эксперименты или процессы. Учите SQL в любом случае. Подробные описания ролей с задачами, зарплатами и путями роста: на страницах аналитик данных, бизнес-аналитик и продакт-менеджер, к которому ведёт продуктовая ветка. Программы по всем трём направлениям собраны в каталоге курсов по аналитике.