Хто такий data analyst і що він робить

Дата-аналітик перетворює сирі дані бізнесу на відповіді для рішень. Бізнес питає: «Чому впали продажі в березні?», «Які клієнти приносять найбільше грошей?», «Чи спрацювала акція?». Аналітик дістає дані з бази, чистить їх, рахує метрики і показує результат у вигляді звіту чи дашборда.

Типовий робочий день складається з таких завдань:

• писати SQL-запити до бази даних компанії;
• будувати й підтримувати дашборди в BI-системі (Power BI, Tableau, Looker Studio);
• перевіряти гіпотези: сегментувати клієнтів, порівнювати періоди, шукати аномалії;
• готувати висновки для менеджерів — коротко і зрозуміло, без технічного жаргону.

Важливо відрізняти ролі. Data analyst відповідає на питання бізнесу за наявними даними. Data engineer будує інфраструктуру, якою ці дані течуть. Data scientist будує прогнозні моделі й займається машинним навчанням. Поріг входу найнижчий саме в аналітику — і саме звідси часто ростуть у суміжні ролі.

Навички дата-аналітика: що вчити і в якому порядку

Список вимог у вакансіях лякає, але ядро скрізь однакове. Ось базовий набір junior-аналітика і те, наскільки він критичний на старті.

SQL — навичка номер один

Практично кожна технічна співбесіда на позицію аналітика містить живе завдання з SQL. Типовий приклад: «Знайдіть топ-5 міст за виручкою з оплачених замовлень за 2024 рік». На нашій демо-базі магазину це виглядає так:

SELECT
    c.city,
    COUNT(DISTINCT o.id)  AS orders_cnt,
    SUM(o.amount)         AS revenue
FROM orders AS o
INNER JOIN customers AS c
    ON c.id = o.customer_id
WHERE o.status = 'paid'
  AND o.order_date >= '2024-01-01'
  AND o.order_date <  '2025-01-01'
GROUP BY c.city
ORDER BY revenue DESC
LIMIT 5;

Якщо ви пройшли уроки 1–4 цього курсу, тут немає нічого нового: JOIN, фільтри, агрегація, сортування. Саме такого рівня достатньо, щоб упевнено пройти SQL-частину співбесіди на junior-позицію.

BI та візуалізація

Другий блок — уміння перетворити результат запиту на зрозумілий дашборд. У курсі ми використовуємо Power BI: він безкоштовний у версії Desktop і найчастіше зустрічається у вакансіях поруч із Tableau. Ключове — не «знати всі кнопки», а вміти побудувати модель даних, написати кілька DAX-мір і оформити звіт, який читається за 10 секунд.

Статистика і критичне мислення

Глибока математика на старті не потрібна. Потрібно розуміти, чому середній чек може брехати, коли медіана чесніша, що таке сезонність і чому «після» не означає «внаслідок». Це вбереже вас від хибних висновків — найдорожчої помилки аналітика.

Портфоліо: як показати навички без досвіду роботи

Роботодавець не може перевірити досвід, якого немає, — але може подивитися на ваші проєкти. Портфоліо з 2–3 робіт закриває питання «а що ви вмієте?» краще за будь-який сертифікат.

Що покласти в портфоліо:

• SQL-проєкт. Візьміть відкритий датасет (Kaggle, data.gov.ua), завантажте його в MySQL і напишіть 10–15 запитів, які відповідають на бізнес-питання. Оформіть як репозиторій на GitHub з коротким описом кожного запиту.
• Дашборд у Power BI. Повний цикл: очищення даних у Power Query, модель «зірка», DAX-міри, 1–2 сторінки звіту. Опублікуйте скриншоти й опис у тому ж GitHub або в PDF.
• Міні-дослідження. Одна сторінка тексту: питання → дані → метод → висновок. Це демонструє головне — вміння думати і пояснювати.

Головне правило: кожен проєкт має відповідати на конкретне питання, а не просто демонструвати «я вмію будувати графіки». «Які категорії товарів дають 80% виручки і як це змінилося за рік» — гарна тема. «Дашборд з продажів» без питання — ні.

Резюме і пошук першої роботи

Що написати в резюме без досвіду

Структура резюме junior-аналітика проста: короткий summary (2–3 речення: хто ви, що вмієте, що шукаєте), блок навичок (SQL, Power BI, Excel — конкретно, без «впевнений користувач ПК»), посилання на портфоліо, освіта і курси. Якщо був досвід у іншій сфері — залиште його: робота з клієнтами, звітність, планування конвертуються в плюси аналітика.

Не пишіть навички, які не готові підтвердити на співбесіді. Вказали віконні функції — очікуйте завдання на ROW_NUMBER або LAG.

Де шукати вакансії

• Djinni та DOU Jobs — основні майданчики українського IT. Шукайте за запитами "Data Analyst", "BI Analyst", "Junior Analyst".
• LinkedIn — заповніть профіль англійською, вкажіть навички, підпишіться на рекрутерів у сфері даних.
• Суміжні ролі як трамплін: аналітик підтримки, marketing analyst, operations analyst. Вимоги нижчі, а SQL і дашборди — ті самі.

Скільки заробляє аналітик даних

Ми свідомо не називаємо конкретних цифр: ринок змінюється щопівроку, і будь-яке число в статті швидко застаріє. Актуальні зарплати за роллю Data Analyst дивіться в регулярному зарплатному опитуванні на DOU — там є розбивка за досвідом і містами, а дані оновлюються двічі на рік. Загальна закономірність стабільна: найпомітніше зростання доходу відбувається в перші 2–3 роки, з переходом від junior до middle.

План навчання на 90 днів

Три місяці системної роботи по 1–1,5 години на день — реалістичний термін, щоб дійти від нуля до портфоліо і перших співбесід. Ось план на базі уроків цього курсу.

Після 13-го тижня — резюме, профілі на Djinni й LinkedIn, перші відгуки на вакансії. Не чекайте відчуття «я повністю готовий»: воно не настане. Співбесіди — теж частина навчання.

Дві поради, які підвищують шанси дійти до кінця. Перша: практикуйтеся щодня хоча б 30 хвилин — регулярність важливіша за тривалість. Друга: одразу застосовуйте вивчене до власних даних чи відкритих датасетів, а не лише до прикладів з уроків.

Поширені помилки початківців

• Вчити все одразу. SQL + Python + Power BI + статистика паралельно — прямий шлях до вигорання. Один інструмент за раз, за планом вище.
• Дивитися курси без практики. Переглянуті відео не рахуються. Рахуються запити, які ви написали руками, і дашборди, які зібрали самі.
• Відкладати портфоліо «до кінця навчання». Перший проєкт можна почати вже після уроку 3 — і доробляти в міру нових знань.
• Ігнорувати soft skills. Аналітика беруть не за красивий JOIN, а за вміння пояснити, що означають цифри і що бізнесу з ними робити.
• Місяцями «готуватися» і не відгукуватися на вакансії. Кожна співбесіда показує реальні прогалини точніше за будь-який план.
• Вигадувати досвід у резюме. Технічна співбесіда розкриє це за п'ять хвилин. Чесне «вчився сам, ось портфоліо» працює краще.

FAQ: часті питання про професію

Чи можна стати дата-аналітиком без технічної освіти?

Так. У вакансіях junior-рівня формальна освіта майже ніколи не є жорсткою вимогою — вирішують навички та портфоліо. Люди приходять в аналітику з маркетингу, фінансів, логістики й підтримки, і знання предметної області часто стає перевагою.

Скільки часу потрібно, щоб знайти першу роботу?

Універсальної відповіді немає: залежить від темпу навчання, портфоліо і стану ринку. Реалістичний орієнтир — 3 місяці на базові навички за планом вище, далі — активний пошук, який може тривати від кількох тижнів до кількох місяців. Суміжні ролі (BI-аналітик, аналітик підтримки) зазвичай доступніші для першого входу.

Чи потрібен Python дата-аналітику?

Для старту — ні. Ядро професії — SQL плюс BI-інструмент: цього достатньо для більшості junior-вакансій. Python з pandas варто додати другим етапом, коли базові інструменти вже в роботі, — він розширює можливості й відкриває шлях до складніших задач.

Що краще вчити: Power BI чи Tableau?

Принципи однакові: модель даних, візуали, інтерактивні фільтри. Power BI зручніший для старту — Desktop-версія безкоштовна, а сам інструмент дуже поширений у вакансіях. Перейти з Power BI на Tableau після працевлаштування — питання кількох тижнів.

Що далі

Це був фінальний урок курсу. Якщо ви дійшли сюди послідовно — у вас уже є SQL від SELECT до віконних функцій і Power BI від першого підключення до DAX-мір. Залишилося перетворити знання на портфоліо і резюме — план на 90 днів вище підкаже порядок дій.

Якщо ж ви потрапили на цю статтю з пошуку — почніть курс спочатку: на сторінці курсу аналітики даних зібрано всі 9 уроків у правильному порядку, від основ SQL до цієї статті. Попередній урок — DAX для початківців: міри, CALCULATE та контекст.