Проверил: Александр. Обновлено: 27 августа 2026. Собираем программы российских школ в одном месте и объясняем, на что смотреть при выборе. Не берем денег за место в подборке. Партнерская модель — честно описана в методологии.
Как мы оцениваем курсы →Аналитик данных — одна из самых востребованных профессий в IT, но курсов много, и почти все обещают «стать аналитиком за три месяца». Разберем, что реально должно быть в программе, чем отличаются три направления аналитики и как отсеять слабые курсы до оплаты.
Три направления, которые часто смешивают
Профессия разделилась на три связанных, но разных направления. Половина тех, кто уходит с обучения, не понимает разницы до покупки.
Аналитик данных (Data Analyst). Работает с готовыми данными: собирает, чистит, считает метрики, делает отчеты и отвечает на вопросы бизнеса. Стек: SQL (обязательно), Excel на продвинутом уровне, одна из BI-систем (Power BI или Tableau), базовый Python (pandas). Это стартовая точка — 70 процентов вакансий для начинающих находятся здесь.
BI-аналитик. Узкая специализация: строит дашборды, настраивает ETL, следит за качеством метрик. Стек тот же, но глубже по BI-инструментам и моделированию данных. Часто следующая ступень после работы аналитиком год-два.
Data Scientist. Прогнозы, машинное обучение, статистика серьезнее. Python, scikit-learn, PyTorch, математика на уровне матанализа и тервера. Это не «продолжение» аналитика данных — отдельная профессия с более высоким порогом входа. Если в курсе для новичка предлагают ML на первом месяце, это повод насторожиться.
Что должно быть в программе
- SQL обязательно, на уровне window-функций. Если в курсе SQL только на SELECT и JOIN — этого мало. Реальная работа требует оконных функций, CTE, понимания планов выполнения. Спросите, до какого уровня доводят SQL.
- Python с pandas. Не «основы программирования», а именно pandas для работы с данными: группировки, merge, временные ряды.
- Статистика и A/B-тесты. Большинство бизнес-задач — проверить гипотезу. Без понимания p-value, распределений и размера выборки аналитик бесполезен.
- BI-система. Power BI или Tableau. В России Power BI встречается чаще, Tableau — в международных компаниях и крупных банках.
- Реальные данные в портфолио. Учебные датасеты типа iris или titanic — не показатель. Хороший курс дает кейсы на реальных или реалистичных данных: логи продаж, пользовательские сессии, финмодель.
- Модуль по трудоустройству. Не «помощь с резюме», а конкретные шаги: разбор тестовых заданий, собеседования с HR, стажировка.
Как проверить курс
- Спросите программу целиком — не маркетинговую брошюру, а поурочный план. Если школа не дает, это красный флаг.
- Узнайте, кто преподает. Имена с опытом в компаниях. «Команда экспертов» — не показатель.
- Проверьте бесплатный вводный модуль. Если он выглядит как записанная веб-камерой лекция 2018 года, дальше то же.
- Поищите выпускников в LinkedIn или Telegram. Не отзывы на сайте школы, а реальные люди с работой в аналитике.
- Про «гарантию трудоустройства» читайте договор. Обычно там условия — выполнить все задания, определенный балл, согласие на любую вакансию, ограниченный срок.
Сколько времени и денег
Полноценные программы — 6–12 месяцев при нагрузке 8–15 часов в неделю. Экспресс-курсы по SQL или Power BI — 1–3 месяца, но дают один инструмент, а не профессию.
Дальше поиск работы, и рынок джунов конкурентный. На одно место откликаются 50–80 человек, и решает портфолио с реальными кейсами, а не сертификат.
Что попробовать бесплатно
Официальная документация SQL и любой бесплатный тренажер. Пройдите SELECT, JOIN, GROUP BY, потом window-функции. Установите pandas и загрузите любой открытый датасет — попробуйте сгруппировать и посчитать. Пройдите бесплатный курс по статистике на Khan Academy или аналоге.
Если через две недели вам интересно копаться в данных и искать в них закономерности — идите на платную программу. Если скучно, вы сэкономили деньги и полгода.
