Аналитика данных: все гайды раздела

Аналитика — SQL, метрики, дашборды, эксперименты. На старте важнее «ответить на вопрос бизнеса», чем выучить десять BI-инструментов.

Маршрут

1. SQL и старт.
2. Метрики и дашборды.
3. Кейс для портфолио.

Стек: что учить, A/B — эксперименты, ETL — пайплайны.

Типичная ошибка новичка-аналитика — учить Python «для важности», не умея собрать JOIN и назвать метрику. Сначала данные и вопрос, потом инструмент. Портфолио = 1–2 кейса с выводом для бизнеса, не сертификат BI.

Кому подходит аналитика, а кому нет

Подходит, если вам интересны не технологии сами по себе, а вопрос «почему так получилось». Это одно из немногих направлений, где прошлый опыт из другой сферы работает напрямую: маркетинг, финансы, логистика, медицина — знание предметной области здесь ценность, а не балласт.

Не подходит, если вы хотите чётко очерченных задач. Аналитику часто приходит запрос в формулировке «посмотри, что там с продажами», и превращать его в конкретный вопрос — ваша работа, а не чужая. Плюс много коммуникации: результат, который никто не понял, равен отсутствию результата.

Что это значит на практике. Типичная ошибка новичка — учить Python «для важности», не умея собрать JOIN и назвать метрику. Сначала данные и вопрос, потом инструмент. В портфолио нужен не набор дашбордов, а один-два кейса, где видно: был вопрос бизнеса, вы достали данные, посчитали и сформулировали вывод, на который можно опереться при решении.

FAQ раздела

С чего начать — Excel или SQL? Оба, но SQL обязателен для роста. Excel — для быстрых гипотез.

Нужен ли Python сразу? После уверенного SQL. Не наоборот.