Аналитик старт: SQL и основы статистики

Коротко. SQL — навык №1 аналитика данных: без уверенных SELECT, JOIN и GROUP BY на собеседовании дальше не пускают. Начните с SQL, затем добавьте Excel/Python и основы статистики. Формула junior-аналитика: SQL (уверенно) + Python или Excel + один BI + 3 проекта. Реально собрать за 5–7 месяцев.

Почему начинают с SQL

Данные живут в базах, и SQL — способ их доставать. Он проще многих языков для старта, ориентирован на работу с таблицами и требуется практически в каждой вакансии аналитика. Поэтому это первый и главный навык.

SQL-минимум аналитика

• SELECT, WHERE, ORDER BY, LIMIT — выборка и фильтрация.
• JOIN — объединение таблиц.
• GROUP BY + агрегаты (COUNT, SUM, AVG) — сводки.
• HAVING — фильтр по агрегатам.
• Оконные функции — следующий уровень (ранжирование, накопительные суммы).

Базу по таблицам и запросам разбираем в статье базы данных и SQL.

Примеры запросов

-- Топ-5 городов по числу пользователей
SELECT city, COUNT(*) AS users
FROM users
GROUP BY city
ORDER BY users DESC
LIMIT 5;

-- Средний чек по месяцам
SELECT DATE_TRUNC('month', created_at) AS month,
       AVG(total) AS avg_check
FROM orders
GROUP BY month
ORDER BY month;

Основы статистики для аналитика

SQL достаёт данные, а статистика помогает их правильно понять. Джуну-аналитику нужен базовый набор: среднее, медиана и мода (и почему на перекошенных данных медиана честнее среднего), процентили и разброс, корреляция (и правило «корреляция ≠ причинность»), а также основы проверки гипотез для A/B-тестов. Тяжёлый матан не нужен — нужен здравый смысл в цифрах и умение не делать поспешных выводов из шумных данных.

План старта

1. Месяц 1–2: SQL уверенно на тренажёрах + Excel.
2. Месяц 2–4: Python/pandas и основы статистики.
3. Месяц 4–6: BI-дашборды и 3 проекта в портфолио.

Подробный стек — в статье что учить аналитику.

SQL-минимум, который реально спрашивают

• WHERE, ORDER BY, LIMIT;
• INNER/LEFT JOIN и когда строки размножаются;
• GROUP BY + агрегаты;
• подзапросы / CTE на простых примерах;
• NULL-логика (почему «не равно» отрезает NULL).

Параллельно с синтаксисом учите предмет: DAU, конверсия, retention на пальцах. Иначе вы «пишете JOIN», но не понимаете, что ответить продакту. Практика метрик — здесь, кейс — здесь.

План на 4 недели

1. Неделя 1: SELECT/фильтры/агрегаты на учебной БД.
2. Неделя 2: JOIN + задачи «сколько пользователей сделали X».
3. Неделя 3: оконные функции (ROW_NUMBER, SUM OVER) — базово.
4. Неделя 4: один мини-отчёт + 5–10 запросов в GitHub/gist.

Ошибки новичков в SQL

• забытый GROUP BY при агрегатах;
• INNER JOIN там, где нужен LEFT (теряются пользователи без заказов);
• фильтр в WHERE по колонке правой таблицы после LEFT — превращает в INNER;
• сравнение с NULL через = вместо IS NULL.

Следующий шаг в аналитике

Примените идеи из «Аналитик старт: SQL и основы статистики» к своему учебному проекту или к одной вакансии на этой неделе. Сделайте один воспроизводимый кейс: вопрос бизнеса → SQL → вывод → простой дашборд. База: SQL-старт, метрики, кейс-стади, стек — что учить аналитику.

Как применить «Аналитик старт: SQL и основы статистики» на практике

Пройдите материал не как статью, а как задание. Выпишите 3 тезиса из разделов (Почему начинают с SQL; SQL-минимум аналитика; Примеры запросов) и напротив каждого — действие на 30–90 минут: что сделаете руками, какой файл/репозиторий появится, как поймёте что готово. Без этого колонки «изучил» в голове не конвертируются в оффер.

Связка с соседними материалами: базы данных и SQL, A/B-тестов, что учить аналитику, здесь, здесь. Не читайте всё подряд — возьмите один следующий URL и закройте его артефактом в git до конца недели. Если роль ещё не выбрана, сначала профессии и 5 вакансий-ориентиров, потом возвращайтесь к этой теме.

На собеседовании по теме «Аналитик старт: SQL и основы статистики» вас почти всегда просят пример из практики. Подготовьте 60–90 секунд: задача → что сделали → результат/ограничение. Даже учебный пример звучит сильнее пересказа теории.

Частые вопросы

Какой SQL нужен аналитику?
SELECT, JOIN, GROUP BY, агрегаты, HAVING; затем оконные функции. Это ядро повседневной работы.

Нужна ли высшая математика?
Для аналитика — базовая статистика, а не тяжёлый матан. Глубокая математика нужна скорее в Data Science.

Где практиковать SQL?
На онлайн-тренажёрах с задачами и на открытых датасетах. Практика важнее теории.

Материал «Аналитик старт: SQL и основы статистики» имеет смысл только вместе с практикой: один артефакт в git на этой неделе важнее десяти вкладок с теорией. Если застряли на выборе роли — начните с профессий и одной вакансии-ориентира.