Data Science: почему специалист по данным получает вдвое больше аналитика

Две должности стоят рядом в любом описании профессии, а платят за них по-разному в два с половиной раза. Медианная зарплата аналитика данных по стране — 96 750 ₽, специалиста по данным — 248 188 ₽. Обе работают с таблицами, обе пишут запросы к базам, обе делают выводы для бизнеса. Разрыв объясняется не количеством строк кода, а типом ответственности: аналитик описывает то, что уже произошло, специалист по данным строит систему, которая принимает решения сама и приносит деньги без участия человека.

Понимание этой границы полезно до выбора программы. Многие покупают курс по анализу данных, рассчитывая на вторую цифру, и получают первую профессию. Это не обман: путь от одной должности к другой существует и обычно занимает год-два работы. Просто он не помещается внутрь одной учебной программы.

Пять ролей вокруг одних и тех же данных

В компании, где данные используются всерьёз, работает несколько человек с разными задачами. Названия у них похожи, а содержание работы и требования различаются заметно.

Инженер данных в этой таблице стоит особняком и часто недооценивается новичками. Между тем без надёжного хранилища не работает ничего остальное, а спрос на таких специалистов стабильно высок и конкуренция там ниже, чем на позиции с модным названием.

Переход между ролями внутри этой таблицы происходит без смены отрасли и часто без смены работодателя. Человек приходит на отчётность, через год берёт эксперименты, потом первую модель, и на четвёртый год его должность называется иначе. Такой путь надёжнее попытки сразу занять верхнюю строку: работодатель охотнее доверяет модель тому, кто уже год отвечает за цифры в его отчётах и знает, откуда они берутся.

Как выглядит задача, которую приносят специалисту по данным

Задача приходит от бизнеса в размытом виде: «клиенты стали чаще уходить», «склад закупает не то», «слишком много ручной проверки заявок». Первый шаг — превратить жалобу в вопрос с числовым ответом. Что считать уходом клиента, за какой период, какую долю ошибок мы согласны терпеть. Этот разговор занимает несколько дней и определяет судьбу проекта: неверно поставленный вопрос не спасёт никакая модель.

Второй шаг — понять, есть ли данные вообще. Часто выясняется, что нужная информация не собиралась или собиралась с ошибками, и проект превращается в организацию сбора. Честный ответ «сейчас это посчитать нельзя, давайте начнём записывать вот это» — нормальный результат первой недели.

Третий — разведочный анализ. Специалист смотрит на распределения, ищет странности, сравнивает группы. Значительная часть полезных выводов рождается здесь, до всякого моделирования: оказывается, уходят в основном клиенты одного региона, а всплеск заявок приходится на день после рассылки.

Четвёртый — модель и проверка. Она сравнивается не с идеалом, а с тем, как задача решается сейчас: сотрудник на глаз, простое правило, прошлогодний прогноз. Модель, которая не обыгрывает существующий способ, компании не нужна, каким бы современным ни был метод.

Пятый — внедрение и измерение эффекта. Решение подключают к процессу, сравнивают результат с контрольной группой и считают деньги. Специалист, доводящий работу до этого шага, и есть тот, чью зарплату описывает вторая цифра из первого абзаца.

Шестой шаг живёт после запуска и в описаниях курсов встречается редко. Мир меняется: приходят новые пользователи, конкурент снижает цены, склад переезжает. Модель, обученная на прежних данных, тихо теряет точность, и заметить это можно только по регулярным замерам. Деградация модели — обычное явление, а не признак плохой работы; профессиональным считается не отсутствие деградации, а её своевременное обнаружение и переобучение по расписанию.

Нужна ли вышка и какая математика

Формальных требований к образованию, как правило, нет, их определяет работодатель: ни лицензии, ни аттестата, ни реестра в этой области не существует. В вакансиях высшее техническое образование указывают часто, но как предпочтение. Решает не диплом, а проекты в портфолио и способность объяснить принятые в них решения.

Математика нужна в разумном объёме. Теория вероятностей и статистика — обязательно и всерьёз: без них нельзя отличить настоящий эффект от случайного колебания. Линейная алгебра и производные — на уровне понимания, как устроены методы, без вывода формул на доске. Специалист, не понимающий статистики, регулярно выдаёт руководству случайный шум за открытие, и это самая дорогая ошибка в профессии.

Обязателен Python и SQL. Первый как рабочий инструмент, второй потому, что данные лежат в базах и доставать их придётся самому, обычно из нескольких таблиц с не самой понятной структурой. Умение написать запрос с соединением нескольких источников проверяют почти на каждом собеседовании.

Отдельная и недооценённая часть — умение писать и говорить. Результат работы почти всегда доносится до людей, которые не разбираются в методах. Специалист, объясняющий вывод на языке денег и сроков, получает следующий проект; тот, кто показывает график с непонятной подписью, получает вопрос «и что?».

Взрослому человеку из другой области разумно идти ступенями: сначала программа для начинающих с кодом, базами и статистикой, затем работа аналитиком, потом углубление в моделирование. Попытка перепрыгнуть первую ступень заканчивается тем, что человек умеет запускать готовые примеры, но теряется на реальных данных.

Сколько платят на позициях, связанных с данными

По данным ГородРабот.ру, в 2026 году специалист по данным в России получает в среднем 241 315 ₽ при медианной зарплате 248 188 ₽; самая частая сумма — 250 000 ₽. По Москве средняя 259 072 ₽, медианная 260 250 ₽, самая частая 300 000 ₽.

Аналитик данных зарабатывает существенно меньше: по стране средняя 117 708 ₽ и медианная 96 750 ₽, по Москве средняя 139 568 ₽, медианная 125 469 ₽, самая частая 150 000 ₽.

Здесь любопытна не только разница между должностями, но и разное поведение столичной надбавки. У аналитика Москва добавляет около трети к медиане по стране: 96 750 ₽ против 125 469 ₽. У специалиста по данным добавка почти исчезает — 248 188 ₽ против 260 250 ₽. Объяснение простое: чем выше квалификация, тем чаще человека нанимают на удалённую работу, и региональная скидка перестаёт действовать. Для жителя небольшого города это самый практичный вывод из всей статьи.

Нанимают банки и страховые компании, маркетплейсы и розничные сети, телеком, сервисы доставки и такси, медицинские компании, промышленные холдинги. Отдельная категория — консалтинговые и продуктовые компании, которые делают аналитические решения для внешних заказчиков; там ниже стабильность, зато быстрее набирается разнообразный опыт.

Отрасль влияет на содержание работы сильнее, чем на сумму. В банке вы считаете риск и объясняете решение проверяющим, в сервисе доставки сокращаете время ожидания курьера, в промышленности предсказываете отказ оборудования до поломки. Диапазон оплаты при этом остаётся близким, поэтому отрасль разумнее выбирать по интересу к задачам, а не по ожидаемым деньгам: скучная предметная область гасит мотивацию быстрее низкой ставки.

Ориентироваться на медиану при первом трудоустройстве не стоит. Она описывает людей с несколькими годами практики и внедрёнными решениями, а первые предложения оказываются заметно скромнее и часто приходят с должности аналитика. Разумная стратегия — согласиться на первую цифру ради задач, на которых растёт вторая, и пересматривать условия через год.

Про окупаемость обучения удобно думать в месяцах работы. Длинная программа подготовки специалиста по данным по деньгам сопоставима примерно с одним месяцем работы на медианной ставке действующего специалиста, а если считать от медианы аналитика — с двумя месяцами. Но честный расчёт для новичка строится от первой реальной зарплаты, а не от медианы, и включает полгода-год до выхода на рыночный уровень.

Что в профессии радует и что раздражает

Как отличить программу, после которой берут, от той, после которой смотрят

Первое, что стоит проверить, — сквозной проект. Не десять разрозненных заданий, а одна задача, доведённая от вопроса до результата: постановка, сбор данных, модель, оценка, объяснение выводов. Именно такой проект показывают на собеседовании, и по нему видно, умеете ли вы работать, а не только повторять за преподавателем.

Второе — грязные данные в заданиях. Реальная выгрузка содержит дубли, пропуски, отрицательный возраст и записи, внесённые задним числом. Учебные наборы обычно вычищены, и человек, впервые встретивший беспорядок на работе, теряет темп там, где подготовленный тратит час.

Третье — статистика без снисхождения. Программа должна заставить вас считать доверительные интервалы, разбираться с размером выборки и объяснять, почему нельзя останавливать эксперимент в тот момент, когда результат вам понравился. Курсы, которые проходят статистику за одно занятие, оставляют опасный пробел.

Четвёртое — проверка кода наставником. Автоматический тест не скажет, что ваше решение сработало случайно. Человек скажет. Узнайте, сколько работ проверяется вручную и в каком виде приходит ответ.

Пятое — что с трудоустройством. Обещание работы не гарантия, но наличие карьерного сопровождения, разборов резюме и тренировочных собеседований экономит месяцы. Спросите, сколько выпускников прошлого потока вышли на работу и на какие должности, — уклончивый ответ говорит сам за себя.

Выбор редакции

Полный курс по Data Science

SkillFactory · 4,0 (4)

148 500 ₽ 270 000 ₽ −45% Смотреть программу

На сайт школы

• Инженер данных с нуля Яндекс Практикум 169 500 ₽
• Инженер данных Яндекс Практикум 119 500 ₽
• Специалист по Data Science Яндекс Практикум 168 500 ₽
• Дата-инженер: расширенный курс Нетология 95 700 ₽ 225 070 ₽ −57%
• Data-инженер Slurm 65 000 ₽

Все курсы в каталоге

Отдельная категория программ — с поддержкой при поиске работы. Их немного, и они, как правило, длиннее, зато заканчиваются не сертификатом, а собеседованиями.

Кому в работе с данными будет интересно

Профессия подходит людям, которых радует вопрос «а почему». Данные постоянно показывают странности: продажи выросли в среду, отток вырос среди самых лояльных клиентов, модель ошибается только на новых пользователях. Тем, кто получает удовольствие от разгадывания таких историй, здесь просторно.

Хорошо чувствуют себя аккуратные люди. Ошибка в фильтре по датам портит весь вывод, и внешне результат выглядит правдоподобно. Привычка перепроверять себя стоит в этой профессии дороже скорости.

Подходит она и тем, кто умеет объяснять. Способность рассказать про результат простыми словами превращает аналитика в человека, к которому приходят с вопросами до принятия решения, а не после.

Пригодится и спокойное отношение к тупику. Часть проектов заканчивается выводом, что задача в текущем виде не решается, и это честный результат, сэкономивший компании деньги. Люди, для которых отрицательный результат не равен личной неудаче, работают в этой профессии дольше и ровнее.

Отдельное преимущество получают специалисты с отраслевым прошлым. Врач понимает, какие данные о пациентах имеют смысл, а какие внесены формально. Логист знает, почему в выгрузке появляются рейсы длиной ноль километров. Такое знание невозможно получить на курсе, зато оно резко сокращает путь к сильным выводам.

Курсы: Data Science

Все курсы в каталоге

Профессия Диплом Для профессионалов

Data scientist: тариф PRO

Eduson Academy ·9 мес.

136 395 ₽ 340 988 ₽ −60%

Профессия Диплом

Data Science + ИИ

Eduson Academy ·8 мес.

109 900 ₽ 274 750 ₽ −60%

Кто учит работе с данными

В российском каталоге по направлению собрано 40 программ от 15 школ: подготовка специалиста по данным, курсы для инженеров данных, программы для начинающих, магистратура и даже отдельный курс английского для тех, кто работает с данными. Профили двух школ с большим набором курсов ниже.

Нетология

4,2 · 291 отзыв

На рынке с

2011 года

Курсов в каталоге

352

Сайт школы

netology.ru

Нетология — одна из первых крупных онлайн-школ Рунета. Запустилась в 2011 году как серия очных семинаров Юлии Микеды по интернет-маркетингу, а к 2014-му вместе с «Фоксфордом» объединилась в холдинг «Нетология-групп». За это время через программы школы прошли более 186 тысяч учеников — по этому показ...

Смотреть курсы школы

Slurm

На рынке с

2018 года

Курсов в каталоге

110

Сайт школы

slurm.io

Слёрм (slurm.io) — учебный центр для IT-инженеров, специализирующийся на DevOps и смежных темах. Проект начался в 2018 году как внутреннее обучение инженеров аутсорсинговой DevOps-компании Southbridge: сначала интенсивы по Kubernetes проводились для своих, потом открылись для других компаний, а в 20...

Смотреть курсы школы

Разница в два с половиной раза между двумя строчками в вакансиях выглядит как разница в сложности методов, а на деле это разница в масштабе ответственности. Аналитик отвечает за точность цифры в отчёте, специалист по данным — за поведение системы, которая работает без него каждый день. Второе требует не столько знания дополнительных алгоритмов, сколько привычки думать о том, что произойдёт с решением через полгода, когда данные изменятся, а вас рядом не будет. Этой привычке учат не курсы, а первые самостоятельные проекты, поэтому важнее выбрать программу, которая доведёт вас до такого проекта, чем ту, где перечислено больше методов.

Что почитать дальше

• Кто такой аналитик данных и чем он занимается
• Машинное обучение: кого берут в профессию, что делает ML-инженер и сколько платят
• SQL: язык, который спрашивают на собеседованиях в пяти профессиях