Курсы аналитики — 137 программ обучения от 26 школ

Что делает аналитик и зачем учиться аналитике в 2026

Аналитик берёт сырые данные и превращает их в решения. Не «строит красивые графики», а отвечает бизнесу на конкретные вопросы: почему упали продажи, какой канал привлекает дорогих клиентов, стоит ли запускать новый продукт. Все ответы — с цифрами, проверяемыми и воспроизводимыми.

В 2026 году спрос на аналитиков растёт быстрее, чем рынок успевает их выпускать. По данным hh.ru/stats, число вакансий «аналитик данных» за последние два года выросло почти вдвое, и на одну вакансию приходится 3–4 резюме — это считается дефицитным рынком. Аналитиков ищут не только IT-компании: банки, ритейл, телеком, медицина, государство и стартапы — везде, где есть транзакции, пользователи или сенсоры.

Главное отличие профессии от соседних — она кросс-функциональная. Аналитик сидит между бизнесом, продуктом и инженерией. От него ждут не только Python и SQL, но и умения объяснить менеджеру без техфона, что значит «p-value 0,03» и почему по этой метрике пока решение не принимать. Поэтому курс по аналитике редко учит чему-то одному — обычно это связка инструментов плюс мышление.

Зачем сейчас идти в аналитику: низкий порог входа на джуна (по сравнению с разработкой), быстрый рост зарплаты в первые 1,5–2 года, удалёнка как норма и широкий выбор отрасли. Минусы тоже есть, и о них честно дальше.

Чем отличается аналитика данных от Data Science. Аналитик отвечает на вопрос «что произошло и почему», дата-сайентист — «что произойдёт, если». Аналитик строит дашборд, который показывает падение продаж в марте; дата-сайентист обучает модель, которая прогнозирует продажи на октябрь. Стек частично пересекается (Python, SQL, статистика), но дальше расходится: у аналитика — BI и продуктовые метрики, у DS — машинное обучение и MLOps. Подробный разбор соседней профессии — в материале «Профессия Data Scientist».

Кто такие аналитики — 6 специализаций и чем они отличаются

Слово «аналитик» в вакансиях покрывает шесть разных профессий. Они пересекаются по инструментам, но решают разные задачи и платят по-разному. Прежде чем выбирать курс, разберись, кем ты хочешь стать.

Data-аналитик — ядро профессии. Считает метрики продукта или бизнеса, строит дашборды, разбирается в воронках, делает A/B-тесты. Стек: SQL + Python (Pandas) + Tableau или Power BI. Идёт в IT-компании, банки, ритейл. Подробный разбор профессии — в нашем материале «Профессия Аналитик данных».

Бизнес-аналитик работает на стыке заказчика и разработчиков. Описывает требования к продукту, рисует BPMN-диаграммы, ведёт документацию, общается с командой. Меньше Python, больше Excel и систем вроде Jira/Confluence. Это про коммуникацию и продукт. Отдельная подборка — в категории Бизнес-аналитика.

Продуктовый аналитик — отвечает за метрики продукта: retention, LTV, конверсия, юнит-экономика. Строит когортные отчёты, проводит A/B-эксперименты, ищет точки роста. Глубже копает в SQL и статистике, чем data-аналитик в среднем. Курсы — в подкатегории Продуктовая аналитика.

BI-аналитик строит инфраструктуру отчётности: ETL-процессы, витрины данных, дашборды для топ-менеджмента. Это история про DataLens, Power BI, Tableau и Apache Airflow. Программы — в подборке BI-аналитика.

Системный аналитик работает в IT-командах: проектирует архитектуру сервисов, пишет ТЗ для разработчиков, описывает API. Больше похож на инженера-проектировщика, чем на «человека с цифрами». Зарплаты выше среднего по отрасли — в основном за счёт сложности входа. Программы — у нас в разделе Системный аналитик.

Финансовый аналитик — про деньги: финмодели, оценка инвестиций, риски, бюджеты. Excel здесь главный инструмент, дальше идут SQL и Power BI. Подходит экономистам, которые хотят перейти в IT-компании. Подробнее — в подборке Финансовый аналитик.

Какую специализацию выбрать — зависит от бэкграунда и любимой работы. Технарю с математикой ближе data или продуктовая, гуманитарию с опытом проектов — бизнес-аналитика, экономисту — финансовая.

Что изучают на курсах по аналитике

Программы у разных школ отличаются деталями, но базовый стек у всех одинаковый. Если в курсе не учат хотя бы 6 пунктов из этого списка — это не курс по аналитике, это вводный мини-урок.

SQL. Главный язык аналитика. Без него никуда: данные лежат в базах, и доставать их нужно SELECT-запросами с JOIN, GROUP BY и оконными функциями. На толковом курсе SQL занимает 4–8 недель. Большие подборки курсов по теме — в категории SQL.

Python и Pandas. Когда SQL не справляется — берут Python. Pandas для работы с таблицами, NumPy для математики, Matplotlib и Seaborn для графиков. Чистый Python тоже нужен: писать скрипты, парсить файлы, ходить в API. Соответствующая подборка — Python.

Excel и Google Sheets. Никуда не делись. Сводные таблицы, ВПР, Power Query, формулы массива — это рабочая лошадка любого аналитика, особенно в бизнес- и финансовых ролях. Программы — в разделе Microsoft Excel.

Статистика и теория вероятностей. Без неё нельзя понять, что значит «значимый результат», и не спалиться на собеседовании. Курсы дают базу: распределения, доверительные интервалы, проверка гипотез, корреляции.

A/B-тестирование. Ключевой навык продуктовых и data-аналитиков. Как правильно посчитать выборку, сколько ждать, как не ловить ложные срабатывания — всё это идёт отдельным блоком в хороших программах.

Визуализация и BI. Дашборды строят в Tableau, Power BI, DataLens или Metabase. На курсе обычно учат один инструмент — этого хватает, остальные осваиваются за пару недель самостоятельно.

Git и работа в команде. Аналитики живут в одних репозиториях с разработчиками. Минимум: clone, branch, pull request, merge conflict.

Soft skills. Презентация результатов, работа с заказчиком, выбор метрик под задачу. Это редко выносят в отдельный модуль, но в проектах оно всплывает постоянно.

Дополнительно — основы машинного обучения, Apache Airflow для пайплайнов, ClickHouse и Greenplum для больших данных. Эти темы появляются ближе к концу программы или в разделе «Hard аналитика».

Сколько зарабатывает аналитик данных в России

Зарплаты — главный аргумент в пользу профессии. И главная же причина переоценённых ожиданий. Цифры ниже — медианы по предложениям работодателей в 2026 году по данным hh.ru/stats и публичных обзоров Хабр Карьеры.

Несколько важных оговорок. Первое: вилки сильно зависят от города. В Москве и Санкт-Петербурге медиана выше на 25–35%, чем в регионах. Второе: продуктовые и BI-аналитики в средне-крупных IT-компаниях часто получают на 20–30% больше data-аналитиков. Третье: удалённые позиции обычно платят чуть меньше, чем московские офисные, но позволяют жить там, где жизнь дешевле.

В сферах помимо классического IT — в банках, телекоме, ритейле — зарплаты сравнимы с IT, а у топовых работодателей (крупные банки, экосистемы) — выше. Подробный обзор смежной профессии для сравнения — статья «Профессия Web-аналитик».

Сколько ждать первого оффера. Реалистичный срок от старта обучения до джуниор-позиции — 8–14 месяцев, при условии что ты учишься 10–15 часов в неделю и параллельно собираешь портфолио. Не верь обещаниям «работа через 4 месяца после старта»: это маркетинг, а не реальность для большинства.

Куда расти после первой работы. Карьерный путь у аналитика гибкий и стандартного маршрута тут нет. Самый частый вариант — за 1,5–2 года вырасти в middle и оставаться в роли, постепенно переходя из data-аналитика в продуктового или из бизнес-аналитика в системного. Второй сценарий — пойти в смежные специальности: продакт-менеджмент (аналитик, который полюбил продуктовые гипотезы), ML-инженерию (если нравится машинное обучение и Python), data engineering (если ближе инфраструктура и SQL-производительность). Третий путь — менеджерский: тимлид аналитики через 3–4 года, head of analytics через 5–7 лет. Четвёртый — фриланс и консалтинг, обычно после 4–5 лет в найме, когда есть портфолио и контакты.

Главное преимущество профессии в карьерном плане — она открывает двери в сторону любой data-driven роли, а не запирает в одной. Это редкая ситуация на IT-рынке.

Как выбрать курс по аналитике — 7 критериев

Курсы по аналитике — переполненный рынок. Чтобы не потратить 100–300 тысяч и год жизни на пустоту, прогоняй каждую программу через семь фильтров.

1. Программа покрывает базовый стек. SQL, Python, статистика, A/B, BI-инструмент, Excel. Если хотя бы один из ключевых пунктов отсутствует — курс короткий или поверхностный.

2. Практика на реальных данных. Тестовые датасеты в духе «продажи зоомагазина за квартал» — нормально для разминки, но в финальных проектах должны быть данные, похожие на боевые: миллионы строк, грязь, пропуски, дубли. Без этого выпускник встанет на первой же рабочей задаче.

3. Преподаватели — действующие практики. Запрашивай конкретные имена и компании. «Аналитик с 10-летним опытом» без имени и места работы — обычно либо вчерашний выпускник, либо человек, который перестал кодить пять лет назад.

4. Поддержка трудоустройства, а не «гарантия». Гарантия трудоустройства — почти всегда хитрая формулировка с оговорками («возврат части денег, если за год не нашёл работу»). Полезнее реальные карьерные сервисы: тренировки собеседований, разбор резюме, контакты с работодателями. Спрашивай у школы статистику трудоустройства последнего выпуска — если её нет в открытом виде, это ответ.

5. Прозрачные цены и формат рассрочки. Если на лендинге цена «по запросу» или есть «специальная цена только сегодня» — это давление на принятие решения. У нашего каталога цены тянутся напрямую со школ и обновляются ежедневно: ты видишь точную сумму без скидок-ловушек.

6. Есть отзывы выпускников за последний год. Старше года — ничего не значит, программы и команды меняются. Читай не только сайт школы, но и сторонние площадки: Отзовик, IRecommend, Хабр.

7. Подходит твоему темпу. Курс на 12 месяцев по 15 часов в неделю — это серьёзная нагрузка. Если работаешь полный день и есть семья, ищи программы 6–8 месяцев или с возможностью растянуть срок.

После того как программа прошла все семь фильтров — заходи на её страницу в нашем каталоге и сравнивай по цене, длительности и формату с соседями.

Сколько стоит обучение аналитике

Цена курсов в нашем каталоге — от 790 ₽ до 700 000 ₽, медианная стоимость — 55 000 ₽. Разброс огромный, потому что под одним словом «курс» прячутся разные форматы.

Короткие курсы и интенсивы — 2–4 месяца, фокус на одном инструменте (например, только SQL или только Power BI). Стоят 15 000 – 50 000 ₽. Хорошо подходят для апгрейда: маркетолог хочет научиться SQL, экономист — Python.

Профессии с нуля до middle — 8–14 месяцев, с проектами, ревью кода и сопровождением менторов. Это основная масса предложений на рынке: 80 000 – 200 000 ₽. У большинства школ есть рассрочка на 12–36 месяцев без переплат.

Премиум-программы и магистратуры — 18–24 месяца с гарантиями трудоустройства, индивидуальным наставничеством или дипломом ВУЗа. Стоят 200 000 – 700 000 ₽. Имеют смысл, если у тебя нулевой бэкграунд и нужна максимальная подстраховка.

Налоговый вычет. Любой курс у школы с лицензией даёт право на возврат 13% от стоимости через ИФНС. На программе за 150 000 ₽ это экономия в 19 500 ₽ — небольшая, но честно лежит в законе.

Наш каталог собирает все эти варианты в один экран: фильтры по цене и длительности отсекают неподходящие, а в карточке курса видно условия рассрочки и наличие лицензии.

Сколько длится обучение

Длительность зависит от формата:

• Бесплатные курсы и подкасты — от пары часов до 4 недель. Дают базу, но не профессию.
• Узкие практические курсы (только SQL, только Excel, только Tableau) — 1–3 месяца.
• Профессии для джуна — 6–10 месяцев. Самый частый формат.
• Полная переквалификация с трудоустройством — 12–18 месяцев.
• Магистратуры онлайн — 24 месяца.

Реальная длительность обычно больше заявленной на 20–30%: домашки накапливаются, проекты растягиваются. Поэтому если на лендинге написано «9 месяцев», закладывай в график год.

Сколько часов в неделю реально нужно. Школы любят писать «достаточно 5 часов в неделю». На практике толковая программа требует 10–15 часов: 3–4 часа на видеолекции, 5–7 часов на практику и проекты, ещё пара часов на ревью и общение в потоке. Если ты учишься после работы — посчитай эти часы заранее, а не после первой просрочки дедлайна.

Что должен уметь аналитик-джуниор к первой работе. Чтобы пройти собеседование на джуна, мало закончить курс. Нужны: 2–3 учебных проекта на GitHub с реальными датасетами, уверенный SQL (включая оконные функции и подзапросы), Python с Pandas хотя бы на уровне «могу самостоятельно решить задачу с Kaggle», базовая статистика для разговора об A/B-тестах и хоть один дашборд в Tableau, Power BI или DataLens. Если на курсе всего этого нет в финальном модуле — программу нужно доукомплектовать самостоятельно за месяц-полтора до собеседований.

Кому подойдут курсы по аналитике

Аналитика — одна из тех профессий, в которые приходят из самых разных мест. Реальные портреты учеников по нашим данным:

Новичок без IT-опыта. Студент, человек после декрета, кто-то с офисной работой, который устал. Минимальное требование — школьная математика и желание разобраться в SQL. Стартовая программа — «Профессия Аналитик данных» на 9–12 месяцев.

Специалист из смежной сферы. Маркетолог, который хочет считать ROMI самостоятельно, а не ждать дашборда от аналитика. Менеджер по продукту, которому нужны метрики. Экономист, переходящий в IT. Этим людям подходит короткий апгрейд: 2–4 месяца SQL + Python + BI.

Разработчик или тестировщик в IT. Уже знает Python и Git, но хочет работать с данными. Идеальный сценарий — сразу middle-курс или продуктовая аналитика: пропускает базу, идёт в специфику.

Руководитель отдела или владелец бизнеса. Не собирается строить карьеру в аналитике, но хочет уметь читать дашборды и задавать правильные вопросы команде. Ему хватает короткого курса на 4–6 недель по основам визуализации и SQL-запросам.

Не подойдёт тем, кто ищет «работу без напряга»: SQL-задачки, отладка пайплайнов и спор с менеджером о метрике — это нагрузка на голову, к которой нужно быть готовым.

А математика обязательна? На уровне школьной программы — да. Проценты, дроби, логика, базовая алгебра. Если за плечами есть хоть какой-то ВУЗ с математикой (даже экономический или гуманитарный с курсом высшей математики на первом-втором курсе) — этого хватает с запасом. Тем, кто математику забыл, школы дают «нулевой модуль» с повторением: 2–3 недели и можно идти дальше. Боятся идти в аналитику из-за матана не нужно — реальная работа это не олимпиадные задачи, а понимание, какую формулу применить и как объяснить результат менеджеру.

Можно ли учиться параллельно с работой. Большинство наших учеников именно так и делают. Школы намеренно делают асинхронный формат: видео можно смотреть утром перед работой или вечером, домашки сдавать в выходные. Самая тяжёлая нагрузка приходится на 2–3 неделю старта (адаптация) и финальный проект (последний месяц). В середине курса можно жить почти обычной жизнью.

Плюсы и минусы профессии аналитика

Профессия не для всех. Если ты не любишь сидеть с данными и копаться в табличках — не помогут никакие курсы.

Как мы отбираем курсы по аналитике

В каталог попадают не все программы подряд. Каждый курс мы проверяем по четырём критериям: содержание программы, прозрачность условий, наличие реальных кейсов в обучении и отзывы выпускников за последний год.

Цены тянутся напрямую со школ через ежедневный парсинг — ни одна сумма в карточке не редактируется вручную. Если школа поднимает цену в понедельник, в нашем каталоге она обновится во вторник утром.

Сортировка курсов учитывает релевантность теме (аналитика, аналитик данных, бизнес-аналитика, продуктовая аналитика, BI-аналитика), глубину программы и оценки выпускников. На первой странице — самые сильные предложения по сочетанию цены, программы и поддержки.

Для уточнения подборки используй фильтры: цена, длительность, формат, наличие рассрочки, гарантии трудоустройства. По данным Data Insight, рынок онлайн-образования в России в 2026 году продолжает расти двузначными темпами — выбор есть, и он становится только шире.

Что мы НЕ показываем. Программы школ без активной поддержки выпускников и без обновлений учебных планов за последние 2 года. Курсы без публичной программы, где «всё расскажем после оплаты». Бесплатные курсы-приманки, после которых начинается обязательная платная часть без чёткой границы. Это не вопрос личной симпатии: такие курсы плохо проходят наши проверки на прозрачность и не дают выпускнику навыков, которых от него ждут на собеседовании.

Если у школы есть лицензия Минобразования — она помечена в карточке курса. Это нужно для двух вещей: налогового вычета 13% и для тех работодателей, которые требуют диплом установленного образца (государственные структуры, банки в части ролей, медицинские организации). Большинству IT-компаний лицензия школы безразлична: они смотрят на портфолио и собеседование.