SQL-аналитик

Чем занимается SQL-аналитик

Насколько востребован

Анализ рынка труда на основе данных Хабр Карьера и внутренней аналитики за 2025–2026 годы.

Навыки по грейдам

Типичный список навыков и стек

Список требований, которые чаще всего встречаются в вакансиях SQL-аналитик на основе текущих предложений на Хабр Карьере

Как стать SQL-аналитиком

Пошаговый план развития от нуля до senior-уровня. Сроки ориентировочные и зависят от интенсивности обучения и предыдущего опыта.

• 0Основы SQL1–2 месяца

  Научиться уверенно доставать данные из одной и нескольких таблиц

  Задачи этапа:

  • Освоить SELECT, WHERE, GROUP BY, HAVING и ORDER BY

  • Разобраться с INNER, LEFT и FULL JOIN

  • Установить PostgreSQL и загрузить учебную базу продаж

  • Решить 100+ задач на SQL-тренажёрах

  • Понять NULL, типы данных и работу с датами

  SQLPostgreSQL
• 1Продвинутый SQL1–2 месяца

  Писать запросы, которые задают на собеседованиях и в реальной работе

  Задачи этапа:

  • Освоить подзапросы, CTE и рекурсивные запросы

  • Разобраться с оконными функциями: ROW_NUMBER, LAG, SUM OVER

  • Читать план запроса EXPLAIN и понимать индексы

  • Посчитать когорты и retention на учебных данных

  • Попробовать аналитическую СУБД ClickHouse

  SQLClickHouse
• 2Excel, BI и метрики1–2 месяца

  Превращать результат запроса в понятный отчёт для бизнеса

  Задачи этапа:

  • Освоить сводные таблицы, ВПР и Power Query в Excel

  • Собрать 2–3 дашборда в Yandex DataLens или Superset

  • Разобраться в метриках: конверсия, средний чек, LTV, churn

  • Изучить основы описательной статистики

  • Научиться писать короткий вывод по цифрам

  Microsoft ExcelYandex DataLens
• 3Хранилища и Python1–2 месяца

  Понять, как устроены данные в компании, и автоматизировать рутину

  Задачи этапа:

  • Разобраться с DWH, слоями данных, фактами и измерениями

  • Понять ETL и как данные попадают в хранилище

  • Освоить Python и Pandas для выгрузок и обработки

  • Сохранять запросы и скрипты в Git

  • Посмотреть, как Airflow запускает регулярные задачи

  DWHPythonPandas
• 4Портфолио и поиск работы2–4 месяца

  Показать работодателю, что вы умеете решать задачи на реальных данных

  Задачи этапа:

  • Сделать 3–5 проектов на открытых данных с выводами

  • Выложить запросы и дашборды на GitHub

  • Отрепетировать SQL-задачи с live-coding

  • Подготовить рассказ о каждом проекте на 3 минуты

  • Откликаться на junior-вакансии и стажировки аналитиков

  Портфолио
• 5Junior -> Middle1–2 года

  Перейти от выполнения запросов к самостоятельным задачам

  Задачи этапа:

  • Строить витрины данных в рабочем DWH

  • Оптимизировать медленные отчёты и запросы

  • Самостоятельно ставить задачу с заказчиком

  • Автоматизировать регулярные отчёты через Airflow

  • Освоить A/B-тесты и проверку гипотез

  DWHApache Airflow
• 6Middle -> Senior2–3 года

  Отвечать за данные и метрики целого направления

  Задачи этапа:

  • Спроектировать модель витрин и словарь метрик

  • Выстроить проверки качества данных

  • Задать стандарты SQL-кода и ревью в команде

  • Менторить junior-аналитиков

  • Выбрать специализацию: продукт, BI, DWH или менеджмент

Обучение и курсы

Структурированный путь вместо хаотичного самообучения

Курсы не заменяют практику, но значительно сокращают время на поиск актуальной информации, дают обратную связь от менторов и помогают систематизировать знания. При интенсивном обучении с курсом можно выйти на рынок на 3–4 месяца быстрее.

Плюсы и минусы SQL-аналитика

Обсудили вместе с экспертами в профессии SQL-аналитик, какие они видят преимущества и недостатки профессий для новичков и растущих специалистов.

Зарплаты SQL-аналитика в РФ

Анализ рынка труда сделан на основе данных Хабр Карьера и внутренней аналитики за 2025–2026 годы

Резюме SQL-аналитика

Сделали собирательный образ-профиль должности специалиста на основе обезличенной базы данных специалистов Хабр Карьера.

Семён Семёныч

SQL-аналитик

Инструменты

PostgreSQL

ClickHouse

Greenplum

DBeaver

Yandex DataLens

Apache Superset

Power BI

Microsoft Excel

Pandas

Apache Airflow

Git

Jira

Навыки

• Пишу сложные SQL-запросы: JOIN, CTE, оконные функции, подзапросы

• Работаю с PostgreSQL и ClickHouse, читаю план запроса EXPLAIN

• Строю витрины в DWH на Greenplum по слоям сырых и очищенных данных

• Собираю дашборды в Yandex DataLens, Superset и Power BI

• Обрабатываю выгрузки на Python с Pandas и Jupyter

• Считаю конверсии, retention, LTV и когорты

• Автоматизирую регулярные отчёты через Apache Airflow

• Делаю сводные таблицы и Power Query в Excel для быстрых проверок

• Храню запросы и скрипты в Git, пишу понятные комментарии

• Уточняю, какое решение бизнес примет по цифрам

• Объясняю выводы без терминов SQL

• Перепроверяю цифры перед отправкой

• Расставляю приоритеты в потоке срочных запросов

• Документирую методику расчёта метрик

Часто задаваемые вопросы

Ответы на популярные вопросы о профессии SQL-аналитик

• Сложно ли стать SQL-аналитиком с нуля?

  Это один из самых доступных входов в аналитику, но не «лёгкий» в 2026 году. Сам SQL осваивается за 2–3 месяца, к нему нужно добавить Excel, один BI-инструмент и понимание бизнес-метрик.

  Сложнее всего не синтаксис, а первая работа: junior-вакансий стало меньше, и работодатели хотят видеть реальные проекты. Портфолио из 3–5 работ на открытых данных заметно повышает шансы.

  Если вы уже работали с отчётами в Excel, 1С или CRM, вход проще: понимание бизнес-данных у вас есть, остаётся добавить SQL.

• Сколько времени нужно до первой работы?

  Ориентир - 5–10 месяцев при 10–15 часах занятий в неделю. Из них 3–4 месяца уходит на SQL, Excel, BI и метрики, остальное - на портфолио и поиск.

  По данным hh.ru в пересказе ТГУ ДПО, поиск первой работы аналитиком занимает в среднем 2–6 месяцев. Если у вас есть опыт в финансах, продажах или 1С и вы уже работали с отчётами, срок может сократиться в 1,5–2 раза.

  Заметно ускоряют поиск стажировки в крупных компаниях и внутренний переход: многие SQL-аналитики начинали в поддержке, продажах или финансах той же компании.

• Нужны ли высшее образование и математика?

  Диплом обычно не обязателен: в вакансиях SQL-аналитика смотрят на навыки и тестовое задание. Исключения - некоторые банки и госкомпании, где фильтр по образованию ещё встречается.

  Высшая математика для старта не нужна. Достаточно школьной алгебры и основ описательной статистики: среднее, медиана, процентили, распределения. Для роста в продуктовую аналитику понадобятся A/B-тесты и проверка гипотез.

  Английский на уровне чтения документации полезен, но для старта не обязателен.

• Чем SQL-аналитик отличается от аналитика данных?

  Граница размыта, и часто это одна должность. SQL-аналитик работает в основном с хранилищем: запросы, витрины, отчёты, качество данных.

  Аналитик данных шире: Python, статистика, A/B-тесты, иногда простые модели. На Хабр Карьере Python указан в 63% вакансий аналитиков данных, поэтому SQL-аналитику, который хочет расти, стоит освоить его в первый год работы.

  От BI-разработчика SQL-аналитик отличается фокусом: ему важнее ответ на вопрос бизнеса, чем система дашбордов. Посмотрите требования вакансий: по ним видно, какая роль скрывается за названием.

• Что учить кроме SQL: Python, Excel или BI?

  Начните с Excel и одного BI-инструмента, затем Python. Excel и дашборды нужны с первого дня, ими пользуются заказчики отчётов.

  Python нужен для автоматизации и анализа, который неудобно делать в SQL. По вакансиям Хабр Карьеры аналитиков данных: SQL - 83%, Python - 63%, Power BI - 10%, Tableau - 8%. В России всё чаще встречаются Yandex DataLens и Superset вместо Power BI.

  Не пытайтесь выучить всё сразу: уверенный SQL и один BI-инструмент на старте ценнее поверхностного знакомства с десятком технологий.

• Можно ли стать SQL-аналитиком после 30 или 40?

  Да, и это один из удобных путей смены профессии. Работодателю важнее, что вы понимаете бизнес и аккуратно работаете с цифрами, чем возраст.

  Люди из финансов, продаж, логистики или закупок часто выигрывают у выпускников курсов: они знают, какие вопросы задаёт бизнес. Используйте прошлый опыт в портфолио - например, проект на данных вашей прежней отрасли.

  Сложности обычно не с возрастом, а со временем на учёбу: закладывайте реалистичный график, например 10 часов в неделю, и не бросайте работу до первого оффера.

• Сколько зарабатывает SQL-аналитик?

  По Хабр Карьере у аналитиков данных медиана junior - около 96 тыс ₽, middle - около 174 тыс ₽, senior - около 250 тыс ₽ в месяц. Это данные калькулятора за последние 12 месяцев по аналитикам данных в целом.

  В Москве на junior по hh.ru в пересказе ТГУ ДПО - 81–109 тыс ₽, в регионах - 50–70 тыс ₽. Именно SQL-аналитик без Python может получать немного меньше, чем аналитик данных того же грейда.

  Доход сильнее всего растёт при переходе на middle и при добавлении Python и BI к SQL.

• Можно ли работать удалённо?

  Да, удалёнка в профессии распространена. На Хабр Карьере около половины вакансий аналитиков данных - удалённые.

  На hh.ru картина другая: банки, ритейл и госкомпании чаще ищут людей в офис или на гибрид, особенно на junior-позиции. Новичку полезно рассматривать и гибрид: так быстрее разобраться в данных компании и получить обратную связь от коллег.

  Для удалёнки важны самостоятельность и умение письменно ставить и уточнять задачи: заказчик не подойдёт к вашему столу.

• Стажировка или сразу junior: что выбрать?

  Если есть возможность, берите стажировку в крупной компании. Банки, маркетплейсы и IT-компании регулярно открывают аналитические стажировки, после которых многих оставляют в штате.

  Стажировка платит меньше, но даёт доступ к реальному хранилищу и ревью от опытных коллег. На Хабр Карьере на одну junior-вакансию аналитика в среднем больше 800 откликов, стажировки - реальный способ обойти эту конкуренцию.

  Если стажировки нет, ищите junior-позиции в небольших компаниях или внутренние переходы.

• Что спрашивают на собеседовании SQL-аналитика?

  Почти всегда - задачи на SQL в live-coding или тестовое. Типичный набор: JOIN и разница между ними, GROUP BY и HAVING, оконные функции, поиск дублей, расчёт retention или топ-N в группе.

  Кроме SQL, спрашивают про метрики и логику: почему могла упасть конверсия, как проверить, что цифры верные. Часто дают кейс, где нужно не только написать запрос, но и объяснить вывод.

  Подготовьте 2–3 истории о своих проектах: какой был вопрос, какие данные, что нашли и что изменилось. Повторите основы статистики и типичные бизнес-метрики.

• Заменит ли AI SQL-аналитиков?

  Полностью - вряд ли, но рутина уже меняется. LLM-ассистенты пишут типовые запросы по описанию и помогают искать ошибки, поэтому простые выгрузки становятся быстрее.

  Ценность смещается к тому, что нейросеть не знает: устройство данных конкретной компании, методика метрик, проверка корректности и понимание бизнеса. Аналитикам, которые умеют это и используют AI как инструмент, по нашей оценке, он скорее помогает.

  Новичкам стоит учиться SQL без подсказок нейросети: на собеседовании и при проверке чужого запроса придётся понимать каждую строку.