Откройте любую статью про инструменты продуктовой аналитики, которая сейчас висит в топе поиска, и почти наверняка первым пунктом там будет Amplitude. Красивый интерфейс, воронки в два клика, бесплатный тариф. Новичок читает, идёт регистрироваться и упирается в отказ: с российского IP сервис не открывается с сентября 2024 года.
Так выглядит главная проблема этой темы. Списки инструментов в интернете есть, они длинные, и половина рекомендаций в них протухла.
Мы разобрали стек продуктового аналитика по уровням: что относится к языкам, что к системам аналитики, что к программам для дашбордов, а что к инфраструктуре, которую джуну трогать вообще не надо. Собрали сравнительную таблицу с колонкой доступа из России, таблицу «какая метрика в каком инструменте считается», бесплатный стек, который собирается за один вечер, и карту изучения на три месяца по неделям.
Если саму профессию вы представляете смутно, начните с обзорного материала «Продуктовый аналитик: кто это, чем занимается, зарплата». Там про рабочие задачи и типичную неделю, а здесь только про инструменты.
Статья рассчитана на новичка. Это может быть маркетолог, который устал ждать выгрузки от аналитика, разработчик, которому надоело писать чужие запросы, или человек вообще со стороны. Полный маршрут входа в профессию мы расписали отдельно, в материале «Как стать продуктовым аналитиком».
А если хочется сразу учиться системно, а не собирать знания по кусочкам, у нас есть подборка курсов продуктового аналитика: там программы от коротких интенсивов до годовых.
Пять уровней стека, которые обычно валят в одну кучу
Главная путаница в статьях про инструменты выглядит так: SQL, Python, Hotjar, Tableau, Excel и Amplitude идут одним списком через запятую. Читатель видит шесть названий и делает вывод, что учить надо шесть штук примерно поровну.
На деле это вещи разного порядка. SQL — язык, его учат месяцами. Hotjar — сервис, в котором разбираются за вечер. Разложим по уровням.
Уровень 1. Языки и среды. SQL, Python, Excel и Google Таблицы. Это навыки, а не сервисы: они не устаревают, не уходят из России и переносятся между работами целиком. Сюда уходит примерно 80 % времени на обучение.
Уровень 2. Системы продуктовой аналитики. Яндекс Метрика, AppMetrica, PostHog, когда-то Amplitude и Mixpanel. Они собирают события (действия пользователя: открыл экран, нажал кнопку, оплатил) и показывают воронки, когорты и удержание готовыми отчётами.
Уровень 3. BI-системы. DataLens, Power BI, Metabase, Superset. BI (business intelligence) — это конструктор дашбордов: подключаешь базу данных и собираешь из неё графики, которые обновляются сами.
Уровень 4. Качественные инструменты. Вебвизор, Microsoft Clarity. Они не считают цифры, а показывают запись экрана конкретного человека и тепловые карты кликов. Отвечают на вопрос «почему», когда цифры уже показали «что».
Уровень 5. Инфраструктура. ClickHouse, хранилище данных (DWH — единая база, куда стекаются сырые данные из всех источников), витрины данных и ETL-процессы, которые эти данные перекладывают и чистят. Джуну сюда не нужно, и ниже я объясню почему.
Ещё пара слов, которые встретятся в вакансиях. Сегментация — деление пользователей на группы по поведению или признакам. Атрибуция — определение того, какой канал привёл человека, который в итоге заплатил. Product/Market Fit — состояние, когда продукт попал в реальную потребность рынка, и задача аналитика в том, чтобы показать это цифрами удержания, а не ощущениями команды.
Если запомнить одно. Уровень 1 — это то, за что вам платят. Уровни 2–4 — это интерфейсы, которые осваиваются на рабочем месте за неделю. Не путайте их местами при планировании учёбы.
SQL: инструмент, без которого продуктовым аналитиком не работают
SQL — язык запросов к базам данных. На нём вы говорите хранилищу что-то вроде «покажи всех пользователей, которые зарегистрировались в августе, сделали хотя бы одну покупку и не заходили последние две недели».
Это единственный пункт списка, который обязателен без вариантов. Систему аналитики на новой работе вам покажут за день. SQL за день не покажут, поэтому его спрашивают на собеседовании и по нему отсеивают.
Уровень, который нужен для работы: выборки с условиями, соединение таблиц (JOIN), группировки, подзапросы, обобщённые табличные выражения (CTE — способ дать подзапросу имя и переиспользовать его) и оконные функции. Последние два пункта отличают человека, который «проходил SQL», от того, кого возьмут: почти любая продуктовая задача про удержание или последовательность действий решается именно оконной функцией.
Что нужно поставить на компьютер: PostgreSQL (сама база, бесплатно) и DBeaver Community — бесплатную программу, через которую к базе подключаются и пишут запросы. У нас есть отдельный разбор, как подключить DBeaver к PostgreSQL, если на этом шаге что-то пойдёт не так.
Подробнее про сам язык мы написали в материале «Язык SQL: что это такое и зачем его учить». А если окажется, что SQL нравится вам больше продуктовых задач, посмотрите на смежную роль SQL-аналитика.
CheckroiПодборка курсов по SQL425 курсов • 37 школСравните цены, школы, программу и найдите выгодные предложения по обучениюСравнить→
Канал основателя Checkroi Вани Буявца3 700 человек читают мой Телеграм-канал про нейросетиСобрал промпты для Claude Code и ChatGPT, разборы ИИ-инструментов и лайфхаки по продвижению бизнеса в одном местеПрисоединитьсяPython: когда SQL перестаёт хватать
Python нужен там, где данные не помещаются в один запрос. Проверить, не случайно ли выиграл A/B-тест (эксперимент, где одной половине пользователей показывают новый вариант, а другой старый), склеить выгрузки из трёх систем, посчитать когорты сложной формы, автоматизировать отчёт, который вы делаете руками каждый понедельник.
Библиотек, которые продуктовый аналитик трогает на практике, немного. pandas — работа с таблицами в коде, примерно как Excel, только без мышки и без ограничения на миллион строк. NumPy — математика под капотом. SciPy и statsmodels — статистические тесты. Matplotlib или Seaborn рисуют графики для себя, не для презентации.
Работают в этом обычно через Jupyter Notebook — это среда, где код и результат идут вперемешку: написали кусок, тут же увидели таблицу или график под ним. Для аналитики удобнее обычного редактора кода, потому что данные смотрят маленькими шагами.
Частый вопрос. Что учить первым, SQL или Python? SQL. Без него вы физически не достанете данные, а без Python первое время можно жить на выгрузках и Excel, просто медленнее.
CheckroiПодборка курсов по Python561 курс • 46 школСравните цены, школы, программу и найдите выгодные предложения по обучениюСравнить→
Системы продуктовой аналитики и что случилось с Amplitude
Это тот самый класс инструментов, вокруг которого больше всего устаревших советов.
Amplitude был отраслевым стандартом продуктовой аналитики. Ещё в 2022 году компания остановила новые продажи в России, а осенью 2024 российские команды массово сообщили, что сервис перестал открываться с российских IP, и занялись выгрузкой данных. Отдельного публичного заявления именно о блокировке по IP у Amplitude нет, так что осторожная формулировка звучит так: рассчитывать на доступ из России нельзя. Знать это название стоит: его пишут в вакансиях по инерции и спрашивают на собеседованиях. Тратить вечер на попытку зарегистрироваться не стоит.
Mixpanel об уходе из России не объявлял, и приписывать ему это неправильно. Практическая проблема в другом: оплата зарубежного сервиса с российской карты и хранение пользовательских данных на серверах за границей — это то, что в российской компании придётся согласовывать с юристами. Бесплатный тариф у него сейчас даёт 1 млн событий в месяц.
Google Analytics 4 технически работает, никакого запрета на него в России нет, вопреки тому, что иногда пишут. Что есть на самом деле: Google приостановил создание новых российских аккаунтов платной версии Analytics 360, а закон 152-ФЗ требует хранить персональные данные россиян на серверах в России и уведомлять Роскомнадзор о передаче данных за границу. Поэтому в российских компаниях GA4 обычно живёт вторым счётчиком рядом с Метрикой, а не основной системой.
Что работает сейчас:
Яндекс Метрика — базовый слой для сайтов. Бесплатна, ставится за полчаса, умеет цели, сегменты и отчёты по конверсиям. У нас есть гайд по установке и настройке Метрики — это самый быстрый способ получить первые настоящие данные, на которых можно тренироваться.
AppMetrica — то же для мобильных приложений. Базовый тариф стоит 0 ₽ и даёт до 100 млн своих событий в месяц. Главное преимущество перед зарубежным Firebase в том, что выгрузка сырых данных через Logs API входит в бесплатный тариф: вы забираете события к себе и считаете в SQL что угодно, не упираясь в готовые отчёты.
PostHog — ближайший по классу аналог Amplitude и лучший вариант, чтобы потрогать событийную аналитику руками. Бесплатный тариф в облаке даёт 1 млн событий и 5 тысяч записей сессий в месяц, для учёбы и собственного небольшого проекта с запасом. Внутри сразу продуктовая аналитика по событиям, записи сессий, A/B-тесты и фиче-флаги — переключатели, которыми новую функцию включают части пользователей. Код открыт, и систему можно поднять на своём сервере, но официальной поддержки у такой установки нет: сам вендор ведёт всех в облако.
В освободившуюся нишу целятся несколько продуктов. «Динамика» от компании «Допамин Аналитикс» — пожалуй, самая близкая по задумке замена: воронки, тренды, эксперименты и перенос исторических данных из старой системы; в реестре отечественного ПО она с апреля 2026 года. Есть dataCraft от агентства Adventum, которое раньше было официальным партнёром Amplitude в России. Отдельно стоит Devtodev — он силён в играх и приложениях, из России открывается, но российским его назвать нельзя: компания зарегистрирована в Израиле. Честная рамка такая: зрелой замены Amplitude класс-в-класс на российском рынке не появилось, и большинство команд собирает аналитику из кусков: Метрика плюс своя база плюс дашборды.
Какая метрика в каком инструменте считается
Новичка обычно сбивает то, что метрики продуктовой аналитики и инструменты изучают по отдельности. В итоге человек знает, что такое Retention, и не знает, где его посмотреть. Вот связка.
| Метрика | Что показывает | Где считать проще всего |
|---|---|---|
| DAU / WAU / MAU | Сколько людей пользуются продуктом за день, неделю, месяц | Метрика, AppMetrica, PostHog; в SQL — один COUNT DISTINCT |
| Retention | Какая доля новых пользователей возвращается на 1, 7, 30 день | PostHog и AppMetrica дают готовый отчёт; в SQL — оконные функции |
| Когортный анализ | Чем «приход» августа отличается от «прихода» сентября | SQL плюс BI; готовые когорты есть в PostHog |
| Воронка | Где отваливаются люди на пути от входа до оплаты | Метрика, AppMetrica, PostHog — отчёт в пару кликов |
| Конверсия | Доля дошедших до целевого действия | Метрика (цели), SQL для нестандартных срезов |
| Юнит-экономика | Окупается ли привлечение одного пользователя | Excel или Google Таблицы, честно |
| NPS и опросы | Что люди говорят про продукт словами | Опросные сервисы плюс ручная разметка |
Если названия из первой колонки пока звучат незнакомо, у нас есть разборы конверсии и индекса лояльности NPS: обе метрики продуктовый аналитик считает регулярно.
Обратите внимание на правую колонку: SQL встречается в ней чаще любого сервиса. Это и есть аргумент за порядок изучения.
Инструменты A/B-тестов
A/B-тест — это когда одной половине пользователей показывают старый вариант, другой новый, и сравнивают результат. Звучит просто, ломается на статистике: без проверки значимости легко принять случайный шум за победу.
Varioqub — инструмент экспериментов, который работает поверх счётчика Яндекс Метрики. Самый доступный вход для сайта: разметка вариантов и подсчёт результата уже внутри знакомого интерфейса. Базовая работа доступна вместе со счётчиком, часть возможностей вынесена в платную расширенную версию.
PostHog умеет эксперименты вместе с теми самыми фиче-флагами: новую версию кнопки показывают десяти процентам, смотрят результат и только потом катят на всех.
Python со SciPy и statsmodels — то, чем считают, когда эксперимент нестандартный. На собеседовании спросят именно про это: как сформулирована гипотеза, какой критерий выбрали для проверки статзначимости, что такое p-value (число, которое показывает, насколько вероятно получить такой результат случайно) и почему нельзя останавливать тест в момент, когда цифры впервые понравились.
Про саму механику и типичные ошибки у нас есть подробный материал «A/B-тестирование: как проводить и как не обмануться результатами».
Отдельно про Google Optimize: его до сих пор рекомендуют статьи в топе выдачи, хотя Google закрыл сервис ещё в сентябре 2023 года. Хороший маркер, чтобы понять возраст материала, который вы читаете.
Канал основателя Checkroi Вани БуявцаЗабирайте промпты и обучение по нейросетям в моём Телеграм-каналеБольше 3 700 человек уже применяют Claude Code, ChatGPT и другие нейросети в работе, учёбе, бизнесе и жизниПерейти в каналBI-системы: где собирают дашборды
Дашборд — это экран с графиками, который обновляется сам и который смотрит вся команда. Собирают их в BI-системах.
| Система | Кому подходит | Деньги | Доступ из России |
|---|---|---|---|
| Yandex DataLens | Вариант по умолчанию для российских команд, живёт в облаке | Первое рабочее место бесплатно, есть версия с открытым кодом | Да |
| Metabase | Стартапы и небольшие команды, ставится на свой сервер | Версия для своего сервера бесплатна, облако от $100 в месяц | Да, на своём сервере |
| Apache Superset | Те, кому нужен открытый BI под свою инфраструктуру | Открытый код, бесплатно | Да, на своём сервере |
| Microsoft Power BI | Корпоративный стандарт, часто в вакансиях | Desktop бесплатен, Pro от $14 за пользователя в месяц | Учиться на Desktop можно; новые продажи в России Microsoft остановил в 2022 году |
| Tableau | Международные команды | Платно | В российских вакансиях встречается редко, покупка лицензии из России проблемна |
| Loginom, Полиматика, Visiology | Госсектор и крупные компании, где нужно российское ПО из реестра Минцифры | Платно, у Loginom есть бесплатная настольная версия | Да |
Практический вывод для новичка: берите DataLens или Metabase. Логика дашбордов везде одинаковая, и человек, который собрал витрину в одной системе, разберётся в другой за пару дней. Power BI имеет смысл трогать, если вы целитесь в корпоративный сегмент. Тогда посмотрите заодно на соседнюю роль в материале «Как стать BI-аналитиком».
CheckroiПодборка курсов по продуктовой аналитике34 курса • 15 школСравните цены, школы, программу и найдите выгодные предложения по обучениюСравнить→
Вебвизор и Clarity: инструменты, которые показывают «почему»
Цифры говорят, что 60 % людей уходят с формы оплаты. Они не говорят, что кнопка на мобильном заезжает под клавиатуру.
Вебвизор внутри Яндекс Метрики пишет действия пользователя на странице: движение курсора, клики, прокрутку. Отдельно платить не нужно, он идёт вместе со счётчиком. Записи хранятся 15 дней, так что интересные сессии лучше разбирать сразу.
Microsoft Clarity делает то же самое плюс тепловые карты кликов и прокрутки. Бесплатный сервис, ставится счётчиком на сайт.
Обоим инструментам учиться почти не нужно: полчаса на интерфейс и дальше просто смотрите записи. Зато на собеседовании фраза «посмотрел десять сессий и нашёл, что кнопка перекрывается клавиатурой» звучит сильнее, чем список выученных сервисов.
ClickHouse и хранилища: почему новичку это можно отложить
ClickHouse — быстрая аналитическая база данных. Её начали делать в 2009 году под нагрузку одной из крупнейших в мире систем веб-аналитики, а в 2016 открыли код под свободной лицензией. Сейчас развитием занимается отдельная международная компания. Стоит во многих крупных российских продуктах и регулярно мелькает в вакансиях.
Здесь важный нюанс: ClickHouse — это база, а не новый навык. Вы пишете к ней тот же SQL с небольшими отличиями в синтаксисе. Человеку, который уверенно пишет запросы в PostgreSQL, на переход нужен день.
Хранилища, ETL-процессы и оркестраторы вроде Airflow — это уже территория дата-инженера. Продуктовый аналитик с ними соприкасается, но не строит их сам. Тратить на них месяцы до первой работы не стоит.
Правило отсечения. Если инструмент требует администрирования сервера — это, скорее всего, не ваша зона ответственности на старте.
Бесплатный стек, который собирается за один вечер
Отдельный страх новичка звучит так: «наверное, надо покупать лицензии». Не надо. Весь учебный стек собирается бесплатно и легально:
- PostgreSQL плюс DBeaver Community — база и редактор запросов
- Anaconda или обычный Python с Jupyter — среда для кода и графиков
- Яндекс Метрика с Вебвизором — на свой сайт, блог или лендинг
- Microsoft Clarity — тепловые карты туда же
- Yandex DataLens — чтобы собрать первый дашборд
- PostHog в облаке — на бесплатном тарифе, чтобы увидеть, как устроена событийная аналитика
- Открытый датасет — с Kaggle или из демо-баз, если своего продукта пока нет
Этого достаточно, чтобы сделать первый проект в портфолио. Не нужен ни один платный сервис.
Что учить первым: карта на три месяца
Порядок важнее списка. Вот последовательность, которая даёт максимум пользы на единицу времени.
Недели 1–4: SQL до рабочего уровня
- Ставим PostgreSQL и DBeaver, подключаемся к учебной базе
- Выборки, фильтры, сортировки, агрегатные функции
- JOIN всех видов — это половина реальных задач
- Группировки, подзапросы, CTE
- Оконные функции: считаем удержание по когортам
Недели 5–6: метрики и продуктовое мышление
- DAU, WAU, MAU, Retention, воронки, когорты — что это и когда врёт
- Юнит-экономика в таблице: считаем окупаемость привлечения руками
- Учимся формулировать гипотезу так, чтобы её можно было проверить
Недели 7–9: Python и статистика
- Базовый синтаксис без углубления в разработку
- pandas: чтение файлов, фильтры, группировки, объединение таблиц
- Графики в Matplotlib для себя
- Статистическая значимость, p-value, типичные ошибки A/B-тестов
Недели 10–12: инструменты и портфолио
- Ставим Метрику и Clarity на свой сайт, смотрим живые данные
- Собираем дашборд в DataLens
- Разбираемся в PostHog: события, воронки, эксперименты
- Делаем проект целиком: вопрос, запрос, расчёт, дашборд, выводы
Обратите внимание: первые шесть недель никаких сервисов вообще нет. Это не случайно. Работодатель проверяет мышление и SQL, а интерфейсы вы освоите на месте.
Проверка на свежесть. Открывая любой гайд по инструментам, сначала посмотрите, чем там предлагают мерить эксперименты. Google Optimize в списке означает, что материалу больше трёх лет.
Чего не учить
Список того, что не надо, экономит больше времени, чем список того, что надо.
Amplitude и Mixpanel «на практике». Прочитать про логику событийной аналитики полезно, регистрироваться бессмысленно. Ту же логику покажет PostHog.
Adobe Analytics. Дорогой корпоративный продукт, в российских вакансиях встречается редко.
Машинное обучение до первой работы. Соблазн большой, польза на старте нулевая. Продуктовому аналитику платят за правильно поставленный вопрос и честный ответ на него, а не за модель.
Airflow, dbt, Kafka. Инструменты дата-инженера. Названия знать полезно, изучать до трудоустройства не надо.
Пять BI-систем сразу. Одной достаточно: логика переносится.
Кстати про деньги: разброс зарплат в аналитике сильно зависит от стека, и мы разбирали это на цифрах в материале «Сколько зарабатывает аналитик данных».
Где научиться продуктовой аналитике
Собрать стек самостоятельно можно, но дольше: главная сложность не в том, чтобы найти материал по SQL, а в том, чтобы получить обратную связь по решениям и не закрепить кривые привычки. На курсе за это отвечает проверка домашних заданий.
Форматы обучения бывают разные. Курсы продуктового аналитика с нуля дают весь маршрут целиком, от первого запроса до портфолио, и подходят тем, кто заходит в профессию со стороны. Отдельный курс SQL для аналитиков имеет смысл, если продуктовую часть вы уже понимаете и не хватает только технической базы. Есть ещё симуляторы вроде GoPractice, где вместо лекций дают продуктовые задачи и данные. И отдельно стоит посмотреть сравнение BI-систем перед тем, как выбирать, в чём собирать первый дашборд.
| Курс | Школа | Стоимость со скидкой | В рассрочку | Длительность | Обзор курса от Checkroi |
|---|---|---|---|---|---|
| Менеджер проектов (со специализацией) |  Skypro | 165 240 ₽ | 6750 ₽/мес. | 10 месяцев | Обзор курса |
| Менеджер проектов | Skypro | 102 000 ₽ | 4167 ₽/мес. | 6 месяцев | Обзор курса |
| Профессия UX/UI-дизайнер Перейти на сайт курса |  Contented | 118 638 ₽ | 3295 ₽/мес. | 9 месяцев | Обзор курса |
| Продуктовый маркетолог Перейти на сайт курса |  Эдюсон | 66 045 ₽ | 5503 ₽/мес. | 4 месяца | Обзор курса |
| Продуктовый аналитик с нуля (индивидуальный тариф) | Skypro | 182 240 ₽ | 7222 ₽/мес. | 12 месяцев | Обзор курса |
| Продуктовый аналитик с нуля | Skypro | 134 640 ₽ | 5500 ₽/мес. | 12 месяцев | Обзор курса |
| Product Owner в IT Перейти на сайт курса | Эдюсон | 119 000 ₽ | 4958 ₽/мес. | 9 месяцев | Обзор курса |
| Менеджер проектов Перейти на сайт курса |  Нетология | 98 400 ₽ | 3313 ₽/мес. | 6 месяцев | Обзор курса |
| Профессия: Аналитик данных + ИИ Перейти на сайт курса |  ProductStar | 67 651 ₽ | 2088 ₽/мес. | 12 месяцев | Обзор курса |
| Директор по маркетингу Перейти на сайт курса |  Moscow Business Academy | 230 400 ₽ | 19 200 ₽/мес. | 8 месяцев | Обзор курса |
Больше программ — в полном каталоге курсов по продуктовой аналитике
Если пока не определились с направлением внутри аналитики, посмотрите смежные роли: BI-аналитик ближе к дашбордам и отчётности, а продуктовый аналитик ближе к решениям о продукте.
Коротко о главном
Стек продуктового аналитика выглядит пугающе только списком. По уровням всё проще: SQL обязателен, Python нужен вторым, остальное — интерфейсы, которые осваиваются за вечер каждый.
Российская специфика добавляет один шаг: сверяйте дату материала, который читаете. Если в статье Amplitude стоит первым пунктом, а Google Optimize подан как рабочий инструмент, дальше можно не читать.
