Analyst / BI: рынок

Вакансия

открытая вакансия, прошедшая гейт качества и содержащая не менее двух технологий

Наблюдаемый кандидат

кандидат, чей стек содержит эту технологию; агрегат, без единой записи наружу

Подходящий кандидат

пока не считается

Окно

открытые вакансии на момент сборки снимка

Топ-5 технологий в Analyst-вакансиях: sql, cloud, user stories, salesforce, java. Универсальный must-know — SQL (PostgreSQL/ClickHouse/Snowflake/BigQuery, JOIN-ы, оконные функции, CTE, performance). Python для анализа (pandas, numpy, matplotlib, seaborn, scipy.stats). Excel/Google Sheets — ad-hoc и презентации стейкхолдерам. BI: Tableau, Power BI, Looker, Metabase, Superset, Yandex DataLens (СНГ-стек). Продуктовая аналитика: Amplitude, Mixpanel, GA4, Heap, PostHog. A/B-тестирование: знание статистики (p-values, мощность, MDE, sequential testing) + платформы (Optimizely, VWO, Statsig, in-house). Для Business Analyst — BPMN/UML, Confluence, Jira, Visio/draw.io. Для Systems Analyst — REST/SOAP, Swagger/OpenAPI, Postman, Kafka/RabbitMQ контракты. Analytics Engineer — dbt + git + DWH + semantic layer.

Эти три роли часто путают, но они работают над разными задачами. Data Analyst (DA) — техническая роль: SQL-выгрузки, дашборды, ad-hoc исследования по запросу бизнеса. Фокус на как получить данные и что они говорят. Стек: SQL + Python + BI. Business Analyst (BA) — бизнес-ориентированная роль: сбор требований, BPMN-схемы процессов, спецификации фич, коммуникация со stakeholders. Фокус на что и зачем строить. Технический стек меньше (хотя SQL ценится), важнее коммуникация, английский, моделирование процессов. Product Analyst (PA) — гибрид DA и продуктового менеджмента: A/B-тесты, продуктовые гипотезы, retention/LTV/cohorts, funnel-анализ. Фокус на какие фичи продукта работают и почему. Самый премиальный по зарплате сегмент аналитики в продуктовых компаниях. Зарплаты в среднем: PA > BA ≈ DA в продуктовых; BA > DA в enterprise/банках.

Да, аналитики — одна из самых remote-friendly специализаций в IT: 29% вакансий full-remote или гибрид. Работа основана на данных и инструментах, физическое присутствие нужно редко. Полностью удалённые позиции: продуктовые стартапы, международные SaaS-компании, СНГ-релокант-команды (Дубай, Кипр, Лиссабон, Тбилиси, Ереван). Гибрид (1-3 дня офис): крупные IT, банки, телеком, ритейл. Office-only: чаще всего Business Analyst в традиционных банках с compliance-требованиями и Systems Analyst в крупных enterprise-проектах. Английский язык открывает доступ к глобальному remote-рынку с премией +20-40% к зарплате.

SQL — обязательно для любого аналитика (DA/PA/BA уровень Middle+). Без SQL вакансию не получить — это базовый навык на 100% позиций. Python — must-have для Data/Product Analyst Middle+ (pandas, очистка данных, базовый ML, автоматизация рутины). Для Business Analyst Python плюс, но не обязателен. Что нужно знать в Python для аналитики: pandas (DataFrame, groupby, merge), numpy, matplotlib/seaborn для визуализации, базовая статистика (scipy.stats), Jupyter notebooks. Что НЕ нужно: продвинутый ООП, фреймворки веб-разработки, DevOps. Программирование в аналитике — инструмент исследования, не продукт сам по себе. Analytics Engineer — исключение: там dbt + Jinja templating + git workflows плюс уверенное программное мышление приближают роль к Data Engineer.

Аналитика — одна из самых доступных entry-точек в IT. Оптимальный roadmap: 1) SQL до уверенного уровня — SELECT, JOIN, GROUP BY, оконные функции, CTE. Курсы: Stepik «SQL для всех», SQL-Academy, Mode Analytics SQL tutorial, LeetCode Database. 2) Excel/Google Sheets — pivot tables, VLOOKUP/XLOOKUP, базовые формулы. 3) Один BI-инструмент: Tableau Public (бесплатно) или Power BI Desktop. Построить 3-5 дашбордов на open data. 4) Python pandas — Kaggle tutorials, pandas docs, книга «Python для анализа данных» Маккинни. 5) Базовая статистика: doverительные интервалы, корреляция vs причинно-следственная связь, A/B-тесты (p-value, мощность, размер эффекта). Книга «Statistics Done Wrong». 6) Pet-проект: end-to-end анализ открытого датасета (Kaggle, data.world) с дашбордом и выводами на GitHub. 7) Учебные программы: Karpov.Courses, Яндекс.Практикум «Аналитик данных», Skillfactory, Stepik «Python для анализа данных». Время до Junior-вакансии — 4-8 месяцев фулл-тайм обучения.

На момент последнего обновления в выборке Zorky CRM 3934 активных открытых Analyst-вакансий. Это позиции с датой публикации в последние 90 дней. География: лидеры — US, PL, GB. В выборку входят все под-специализации: Data Analyst, Business Analyst, Product Analyst, Marketing Analyst, Financial Analyst, Systems Analyst, Analytics Engineer, BI Developer. Реальный рынок шире нашей выборки: много Analyst-позиций публикуется только во внутренних HRMS крупных компаний или через закрытые рекрутинговые каналы. Telegram-каналы аналитики («Аналитика и данные», «Data Driven») — хороший дополнительный источник для Senior-позиций.

В продуктовых компаниях порядок зарплат: Product Analyst > Data Analyst > Business Analyst. Это самая премиальная ниша аналитики за счёт прямого влияния на product metrics + сложность проектирования A/B-тестов. В enterprise/банках/телекоме порядок другой: Business Analyst Senior ≈ Systems Analyst Senior > Data Analyst. Финансовый Analyst в инвестиционных компаниях и big-tech финансовых отделах — отдельная премиум-ниша.

Senior Analyst владеет полным циклом: от requirements до бизнес-вывода. Технически: SQL на mastery (оконные функции, оптимизация, query plans), Python (pandas + scipy + автоматизация ETL/отчётов), один BI-инструмент глубоко (Tableau/Power BI/Looker — calculated fields, LOD-выражения, оптимизация дашбордов). Статистика: планирование A/B-тестов (мощность, MDE, размер выборки), диагностика (SRM, peeking), интерпретация (sequential vs fixed-horizon), bootstrap, bayesian подходы. Продуктовое мышление: понимание funnels, retention/LTV/cohorts, unit-экономика, метрики каждого слоя продукта. Коммуникация: storytelling с данными, презентации для C-level, защита выводов перед скептиками. Менторство: code-review SQL/Python для Middle/Junior. Английский для Senior+ — must-have (даже на локальных позициях в больших компаниях документация и процессы часто на английском).