Сколько зарабатывает аналитик данных: разбор по опыту, городам и навыкам

Сколько зарабатывает аналитик данных: короткий ответ

Мы взяли все открытые вакансии по направлению «Аналитик данных» на hh.ru по России, оставили те, где указана зарплата, и посчитали медиану по уровням опыта. Суммы до вычета налогов пересчитали в деньги на руки.

Важно. Почему медиана, а не среднее. Одна вакансия с зарплатой в полмиллиона поднимает среднее так, что оно перестаёт описывать реальность. Медиана — это середина списка: половина вакансий предлагает меньше, половина больше. Для зарплат она честнее.

Группу с опытом больше шести лет мы не приводим: вакансий с открытой зарплатой в ней нашлось всего шесть, для медианы этого мало. Общая оговорка та же — зарплату указывают далеко не все работодатели, так что счёт идёт по тем, кто указал.

Почему в разных обзорах цифры не сходятся

Если поискать, легко наткнуться на статьи, где аналитику данных обещают и 80 тысяч, и 250. Обе цифры могут быть правдой — вопрос в том, что именно считали.

Регион

Обзоры часто молча считают по Москве. Разница со средним по стране по этой профессии почти полуторакратная, и об этом стоит помнить, читая любую цифру без указания города.

Вилка или медиана

В вакансии пишут диапазон, и по верхней границе берут редко. Если взять верхние значения, получится красивая, но недостижимая для большинства цифра.

До вычета налога или после

Одни считают сумму из договора, другие то, что приходит на карту. Это сразу 13 процентов разницы на пустом месте.

Какие роли смешали в одну кучу

Дата-сайентист и аналитик данных — разные профессии с разными деньгами. Если посчитать их вместе, средняя цифра вырастет, но описывать она не будет никого.

Поэтому мы не приводим одну цифру, а показываем разрез: по опыту, по городам и по смежным профессиям. Так видно, откуда берётся разброс.

Зарплата аналитика данных по городам

География в этой профессии влияет на деньги сильнее, чем стаж на первых порах.

Разрыв между двумя столицами почти двукратный, и это не ошибка выборки: в Москве сосредоточены компании, которым нужны аналитики уровнем выше, и вакансий там в разы больше. По остальным городам мы медиану не приводим — вакансий с открытой зарплатой в каждом нашлось меньше десяти, считать по такой выборке нельзя.

Важно. Практический вывод для тех, кто живёт не в Москве: смотрите на удалённые вакансии московских компаний. Именно они выравнивают географический разрыв, и для аналитика данных удалённый формат — обычное дело, а не исключение.

Как это выглядит на фоне соседних профессий

Мы посчитали тем же способом ещё две профессии, с которыми аналитика данных чаще всего сравнивают. Метод одинаковый, поэтому цифры сопоставимы между собой.

На старте разница между профессиями невелика — порядка нескольких тысяч. Расходятся они позже: к третьему-четвёртому году аналитические роли уходят вперёд, потому что там выше потолок ответственности за решения, а не только за выполнение задач.

Обе профессии мы разбирали отдельно и тем же методом: кто такой бизнес-аналитик и как стать тестировщиком с нуля.

Сколько вакансий и кого на самом деле ищут

Зарплата бесполезна без ответа на второй вопрос: а много ли мест, куда с такими данными можно попасть. Мы посчитали все открытые вакансии по направлению и разложили их по требуемому опыту.

Всего вакансий около 987. Картина типичная для аналитических профессий: почти половина рынка ждёт человека с опытом от года до трёх, а на новичков приходится меньше десятой части.

Важно. Отсюда практический вывод. Ориентироваться только на вакансии с пометкой «без опыта» — значит бороться за 8 процентов рынка. Гораздо шире дорога у тех, кто приходит в аналитику из смежной работы: маркетинга, финансов, продаж. Там уже есть и данные, и понимание, зачем их считают.

Кто такой аналитик данных и за что ему платят

Короткое пояснение для тех, кто пришёл за цифрами, но профессию представляет смутно.

Аналитик данных отвечает на вопросы бизнеса цифрами. Не «сделай красивый график», а «почему в июне упали повторные заказы» и «стоит ли открывать пункт выдачи в этом районе». Он достаёт данные, проверяет их на вменяемость, считает и объясняет результат людям, которые в таблицах не живут.

Платят, по сути, за последнее. Достать данные и построить график умеет многий, а вот сформулировать вывод, на основании которого руководитель примет решение и потратит деньги, — умение более редкое и оттого дорогое.

Важно. Отсюда же понятно, почему у новичков зарплата скромная. Начинающий аналитик закрывает первую часть работы — выгрузить и посчитать. Ответственность за выводы остаётся на ком-то другом, и оплачивается она отдельно.

От чего зависит зарплата

Отрасль

Больше всего платят банки, финтех и крупная интернет-торговля: там решения на данных стоят прямых денег. Меньше — в некоммерческом секторе и небольших агентствах.

Размер компании

В крупной компании выше зарплата и уже задачи. В маленькой платят меньше, но за год набирается опыта больше, потому что делать приходится всё подряд.

Что именно умеете

Разница между «умею строить отчёты в готовой системе» и «умею сам достать данные из базы и проверить гипотезу» в деньгах измеряется десятками тысяч.

Близость к деньгам компании

Аналитик, который считает выручку и удержание клиентов, ценится выше того, кто считает внутренние показатели отделов. Несправедливо, но так устроено.

Формат работы

Удалённые вакансии заметно расширяют выбор для тех, кто живёт не в столице: работодатель в этом случае московский, а конкуренция за место — со всей страной.

Какие навыки реально поднимают зарплату

Список короткий, и в нём нет ничего экзотического. Дорого стоит не редкий инструмент, а уверенное владение обычными.

SQL глубже, чем выборка

Мало уметь выбрать строки из одной таблицы. Нужно соединять несколько таблиц, считать нарастающие итоги и сравнения с прошлым периодом, разбираться в чужом запросе на сто строк. Это первое, что проверяют на собеседовании, и первое, на чём отсеивают.

Python для обработки данных

Не программирование, а обработка таблиц и автоматизация рутины. Граница между аналитиком с Python и без него в вакансиях видна невооружённым глазом.

Системы отчётности

Умение собрать дашборд — экран с графиками и цифрами, который обновляется сам и на который руководитель смотрит без вашего участия. Ключевое слово «без вашего участия»: красивый, но непонятный отчёт не считается.

Статистика на рабочем уровне

Понимать, когда разница в цифрах реальна, а когда случайна. Без этого аналитик регулярно делает уверенные выводы из шума.

Умение объяснять

Самый недооценённый навык. Вывод, который руководитель не понял, не влияет ни на что и не стоит ничего.

Знание своей отрасли

Аналитик, который понимает, как устроена логистика или банковский продукт, задаёт правильные вопросы к данным. Это то, за что доплачивают выше рынка.

Что чаще всего требуют в вакансиях

Мы открыли 45 вакансий аналитика данных и посчитали, как часто в описании встречается каждое требование. Не в заголовке вакансии, а в тексте — там, где работодатель перечисляет, что нужно уметь.

Три вывода из этой таблицы. Первый: SQL — не один из навыков, а входной билет, без него разговор чаще всего не начинается. Второй: системы отчётности требуют чаще, чем Python, хотя учить их принято во вторую очередь. Третий: высшее образование упоминают лишь в каждой пятой вакансии, а английский — вообще редко.

Важно. Оговорка про метод. Выборка небольшая, 45 вакансий, и считали мы по тексту описания: если работодатель подразумевает SQL, но не написал его, в нашу статистику он не попал. Поэтому доли стоит читать как «не меньше чем», а не как точное значение.

Как растёт зарплата: путь от новичка

Из наших цифр видно, что рост неравномерный, и это стоит учитывать в ожиданиях.

Первый год

Самый тяжёлый: около 63 тысяч по медиане, а первые предложения бывают и ниже. Задача этого периода не заработать, а получить в резюме строчку с реальными задачами.

Второй год

Медиана поднимается до 100 тысяч — рост примерно в полтора раза. Именно здесь окупается всё, что было вложено в обучение.

С третьего года

Медиана уходит к 190 тысячам, и это самый заметный скачок за карьеру — почти вдвое к предыдущей ступени. Но растёт она уже не сама по себе: дальше платят за ответственность, за собственные гипотезы и за чужие решения, принятые по вашим выводам.

Потолок

Он упирается не в стаж, а в то, насколько ваши выводы влияют на деньги компании. Аналитик, чьи рекомендации меняют бюджет, стоит принципиально дороже.

Как понять, что вам недоплачивают

Цифры выше можно использовать не только для выбора профессии, но и как линейку для собственной зарплаты. Порядок простой.

Найдите свою строку по опыту

Считается не стаж в трудовой, а опыт именно в работе с данными. Год на позиции, где вы половину времени сводили отчёты, в эту профессию засчитывается только наполовину.

Поправьте на город

Медиана по стране 109 тысяч, по Москве 157. Если работаете удалённо на московскую компанию, ориентир для вас лежит между этими числами, а не по вашему городу.

Сравните с серединой, а не с потолком

Половина вакансий с опытом от года укладывается в 70–135 тысяч. Если ваша зарплата ниже нижней границы этого коридора и вы работаете больше года — повод для разговора есть.

Сверьтесь с требованиями рынка

SQL просят в трёх вакансиях из четырёх, системы отчётности — в двух из трёх. Если у вас закрыт только SQL, дело может быть не в жадности работодателя, а в том, что до следующей ступени не хватает одного навыка.

Важно. Главная ошибка в таком разговоре — приходить с абстрактным «на рынке платят больше». Приходить нужно с конкретикой: вот задачи, которые я закрыл, вот медиана по вакансиям моего уровня, вот разрыв. Второй разговор проходит заметно лучше первого.

Как повысить зарплату аналитику данных

Четыре способа, которые действительно работают, в порядке от быстрого к долгому.

Сменить работу

Неприятная правда: прибавка при переходе почти всегда больше, чем при пересмотре внутри компании. Раз в полтора-два года стоит хотя бы сходить на пару собеседований, чтобы понять свою цену.

Перейти в отрасль, где данные стоят дороже

Тот же набор навыков в банке и в небольшом агентстве оплачивается по-разному. Иногда прибавка достигается сменой отрасли, а не сменой уровня.

Закрыть провал в навыках

Чаще всего это Python или статистика. Посмотрите пять вакансий на уровень выше своего и выпишите, что повторяется во всех — это и есть ваш список.

Начать отвечать за результат, а не за задачи

Самый долгий путь и самый надёжный. Аналитик, который сам предлагает, что проверить, а не только выполняет заявки, переходит в другую зарплатную категорию.

С чего начать, если хотите в профессию

Порядок примерно такой, и он короче, чем кажется по описаниям вакансий.

SQL в первую очередь

Это язык, на котором данные достают. Без него всё остальное не имеет смысла, а освоить основы можно за несколько недель.

Таблицы и базовая статистика

Уметь посчитать долю, динамику и понять, значима ли разница. Скучно, но именно это составляет большую часть работы.

Система отчётности

Освоить один инструмент для дашбордов. По нашему разбору вакансий их требуют чаще, чем Python, — в двух случаях из трёх, — а учить их почему-то принято в последнюю очередь.

Python на уровне обработки данных

Подключается третьим, когда с таблицами и запросами уже комфортно.

Свой разбор на открытых данных

Взять любой открытый набор данных, задать себе вопрос и ответить на него цифрами. Один доведённый до конца разбор в резюме весит больше трёх сертификатов.

Отклики раньше, чем закончится обучение

Собеседования быстро показывают, чего не хватает. Дожидаться ощущения полной готовности не стоит — оно не наступает.

Частые вопросы

Сколько получает аналитик данных без опыта?

По нашим подсчётам медиана около 63 тысяч ₽ на руки, а половина вакансий для новичков укладывается в 50–70 тысяч. Отдельные предложения бывают и ниже, особенно вне Москвы.

Нужно ли высшее образование?

Формально почти нигде не требуется. Смотрят на умение работать с данными и на примеры ваших разборов. Математическое или экономическое образование помогает на старте, но быстро перестаёт быть решающим.

Обязательно ли знать Python?

Для начала нет, стартовать можно с SQL и таблиц. Но разница в зарплате между аналитиком с Python и без него заметна уже на уровне вакансий с опытом от года.

Можно ли работать удалённо?

Да, это одна из самых удалённых профессий в работе с данными. Новичкам чаще предлагают офис или гибрид, дальше формат становится вопросом договорённости.

Чем аналитик данных отличается от дата-сайентиста?

Аналитик отвечает на вопросы о том, что уже произошло, и объясняет причины. Дата-сайентист строит модели, которые предсказывают будущее. Требования к математике у второго заметно выше, и зарплаты тоже.

За сколько реально войти в профессию?

На обучение при регулярных занятиях уходит от четырёх до восьми месяцев. Плюс поиск работы, который занимает ещё от двух до пяти месяцев. Реалистичный горизонт — около года.