Аналитик данных
Спрашивает «почему упали продажи?» — превращает грязный Excel в таблицу, которой можно верить, а не слайд про ML.
Ориентир по доходу: 4 000 000–28 000 000 сум / мес
Коротко
- Аналитик не чемпион по коду — он уточняет вопрос и превращает грязные данные в таблицу, которой можно верить.
- Отдельной официальной зарплаты «аналитика» в Узбекистане нет; роль спрятана внутри ИТ/финансов/торговли. Не читайте медиану программиста как свой оффер.
- Вход: Excel + SQL + один BI. Python потом. Портфолио — дашборд, не слайд «ML-модель».
Что делает аналитик данных
Аналитик данных берёт вопрос бизнеса — «почему упали продажи?», «где больше возвратов?» — и отвечает цифрой. Работа: найти источник (CRM, 1C, платежи, рекламный кабинет), почистить, агрегировать, показать и осторожно вывести.
Это не data scientist и не ML engineer: модель не главный продукт. И не обязательно BI-разработчик: кубы и ETL могут быть не вашей основной работой. В маленькой компании границы размыты — всё на вас.
Подойдёт тем, кто любит порядок, сомневается в средних и умеет говорить с людьми. Не подойдёт, если хотите только «красивые графики» или не хотите разговаривать.
День и стейкхолдеры
Утро: проверить, что вчерашний дашборд жив. Потом ad-hoc: маркетинг спрашивает «кампания вчера», финансы ждут закрытия месяца. Днём SQL или Power Query, вечером короткий вывод в Slack/Telegram.
Стейкхолдер — половина работы. Переспросите: какие даты, какая валюта, с НДС ли. Без письменных критериев приёмки начнётся цикл «перерисуй».
Где живёт роль
| Контекст | Вопросы | Инструменты |
|---|---|---|
| Product / IT | Активность, воронки, A/B | SQL, Metabase/Looker, Python по желанию |
| Маркетинг | CAC, ROAS, канал | GA4, Ads, Excel |
| Финансы / 1C | Маржа, дебиторка, бюджет | 1C, Excel, Power BI |
| Операции / маркетплейс | Доставка, возвраты, SKU | SQL, внутренняя админка |
Путь с нуля
01Сделайте Excel серьёзным
Таблица, сводная, VLOOKUP/XLOOKUP, простой график. Опыт бухгалтера или оператора — плюс.
02SQL: от SELECT до окон
Mode/SQLBolt/песочница. JOIN и GROUP BY — 70% собеседования.
03Один BI
Power BI (ближе к финансам/1C) или Metabase/Looker (product). Дашборд должен быть понятен другому человеку.
04Портфолио: 2 истории
Открытый датасет (продажи, не очередной COVID). Вопрос, чистка, вывод, ограничения. Python — по желанию на 5-м месяце.
Навыки и собеседование
Жёсткие: SQL, Excel, BI, простая статистика (среднее vs медиана, выборка). Мягкие: короткий вывод, умение сказать «не знаю», не врать графиком.
Собеседование: напишите JOIN; две гипотезы «почему вырос средний чек»; найдите вранье на графике. Могут дать CSV — спросите срок и напишите ограничения.
Узбекистан: где есть роль
Объявления: hh.uz «аналитик», «data analyst», «маркетинг аналитик», иногда «бизнес-аналитик» (это другая профессия — требования/BPMN). Работодатели: маркетплейсы, банки, телеком, агентства, госцифровизация.
Язык: SQL на английском, отчёты на русском/узбекском. 1C — сильный фильтр в финансовом анализе. Отдельной статистики нет; средняя ИТ/связь 17,41 млн (I пол. 2026) аналитика не описывает. Вилка джуна часто около моды программиста (8 млн) или ниже — читайте объявление.
Поиск: hh.uz, LinkedIn, Telegram, внутренние рассылки. Международный remote — сильный SQL + английский и портфолио.
Честно про деньги
Международный рынок и ИИ
Глобально: SQL + Tableau/Looker + письменный английский. Не берите титул data scientist слишком рано. Релокация — виза страны.
ИИ: ChatGPT набросает SQL и подскажет чистку. Он не знает вашу схему, может нарушить тайну и соврать в JOIN. Вы: вопрос, проверка, словарь метрик. Дороже всего умение сказать, что значит KPI.
Кто не верит цифре и строит таблицу
Ошибки: график без чистки; «A/B победил» без оговорок; залить PII в личный ChatGPT. Рост: analytics engineer, product analyst, лид маленькой команды. Переход в разработку легче с сильным SQL, но инженерия — другая работа.
Часто спрашивают от Excel до SQL
Нужен ли Python?
Для входа нет. SQL + BI достаточно. Python полезен на повторяемой чистке и больших файлах.
Чем отличается бизнес-аналитик?
BA чаще требования и процессы; data analyst — цифры и запросы. Читайте текст, не название.
Учить ли 1C?
В финансовом/торговом анализе — да, сильный фильтр. В чистом product IT — по желанию.
Сколько учиться?
Если Excel уже есть — 4–8 месяцев SQL+BI. С нуля 8–14. Первый год на работе — главная школа.
Где взять датасет?
data.gov, Kaggle, анонимизированный экспорт своей компании (с разрешения). Важнее реальные имена полей.
Пусть ИИ пишет отчёт?
Черновик можно, без проверки цифр не отправляйте. Строка источника остаётся на вас.
Справлюсь ли с английскими SQL-доками?
Чтобы читать SQL и доки инструментов — да. Для международной команды — письменный B2.
Нужен ли диплом статистика?
Нет. Экономика, математика, самоучка работают. Часть банков фильтрует по диплому.
Цифры опираются на источники 2026 года: Национальный комитет статистики Узбекистана (официальные средние по отраслям, I кв./I пол. 2026), медианы вакансий Flexa и hh.uz, открытые гайды по IT Park и продуктовым командам. Это не гарантия: договор, город, налоги и грейд меняют вилку. Сверяйте актуальные объявления.