Roadmap аналитика данных: как стать аналитиком

План в пяти шагах

Аналитик данных превращает данные в ответы на вопросы бизнеса: почему упали продажи, какие клиенты уходят, какая кампания сработала. Инструменты удобно осваивать в таком порядке:

1. Excel или Google Sheets.
2. SQL.
3. Статистика.
4. Визуализация и BI.
5. Python для анализа.

Каждый следующий шаг расширяет предыдущий: от таблиц на одном листе к базам данных, выводам и автоматизации.

Шаг 1. Электронные таблицы

• Формулы, относительные и абсолютные ссылки.
• Функции поиска (XLOOKUP или VLOOKUP), IF, SUMIFS, COUNTIFS.
• Сводные таблицы и фильтры.
• Очистка данных: дубликаты, пропуски, разные форматы дат.

Чекпоинт: вы берете сырую выгрузку продаж и за короткое время собираете сводку по месяцам, категориям и регионам.

Шаг 2. SQL

SQL — главный рабочий инструмент аналитика.

• SELECT, WHERE, ORDER BY, агрегатные функции, GROUP BY и HAVING.
• JOIN разных типов и понимание, когда строки дублируются.
• Подзапросы и CTE.
• Оконные функции: ранжирование, нарастающий итог, сравнение с прошлым периодом.

WITH monthly AS (
  SELECT DATE_TRUNC('month', order_date) AS month,
         SUM(amount) AS revenue
  FROM orders
  GROUP BY 1
)
SELECT month,
       revenue,
       revenue - LAG(revenue) OVER (ORDER BY month) AS diff
FROM monthly
ORDER BY month;

Чекпоинт: вы уверенно решаете задачи на джойны и оконные функции и проверяете результат на здравый смысл.

Шаг 3. Статистика

• Среднее, медиана, разброс, выбросы.
• Распределения и выборки.
• Корреляция и причинность: почему одно не доказывает другое.
• Основы A/B-тестов: гипотеза, статистическая значимость, размер выборки.

Чекпоинт: вы объясняете, почему средний чек может обманывать и когда лучше смотреть на медиану.

Шаг 4. Визуализация

• Выбор графика под вопрос: динамика, сравнение, доля, распределение.
• BI-инструменты: Power BI, Tableau, Looker Studio или аналоги.
• Дашборды: несколько ключевых метрик вместо десятков графиков.
• Сторителлинг: вывод, затем доказательства, затем рекомендация.

Чекпоинт: человек без технического фона за минуту понимает главный вывод вашего дашборда.

Шаг 5. Python

• Основы языка и Jupyter Notebook.
• pandas для загрузки, очистки и группировки данных.
• matplotlib или seaborn для графиков.
• Автоматизация повторяющихся отчетов.

import pandas as pd

df = pd.read_csv("orders.csv", parse_dates=["order_date"])
monthly = df.groupby(df["order_date"].dt.to_period("M"))["amount"].sum()
print(monthly.tail())

Идеи кейсов для портфолио

Используйте открытые данные: государственные порталы открытых данных, Kaggle, публичные датасеты городского транспорта или погоды.

Для каждого кейса пишите короткий отчет: вопрос, данные, метод, вывод, ограничения, рекомендация.

Частые ошибки

• Учить Python раньше SQL и спотыкаться на простых выборках.
• Строить красивые графики без ответа на вопрос.
• Делать выводы о причинах по одной корреляции.
• Не проверять данные на пропуски и дубликаты.