Сколько зарабатывает аналитик данных в 2026: разбор зарплат по уровням и стекам

Аналитика данных — одна из немногих IT-профессий, где гуманитарий с экономическим бэкграундом обгоняет программиста: ключевые навыки тут не алгоритмы и не паттерны проектирования, а статистика, бизнес-логика и SQL. Junior-аналитик в Москве стартует с 70-110 тыс. ₽, Middle с уверенным SQL и Python — 180-220 тыс., Senior с продуктовой экспертизой — 280-350 тыс. Конкуренция за вакансии умеренная: около 4-5 резюме на одну позицию против 10 у Python-разработчиков.

Редакция Edlist изучила открытые вакансии аналитиков данных на hh.ru и собрала картину рынка — реальные оффер-вилки по уровням и регионам, разрыв между продуктовым и BI-аналитиком, что добавляет +30% к окладу, и куда расти после Senior. Все цифры — из живых вакансий, а не из «среднего по рынку».

Зарплата аналитика данных по уровням и регионам

Если усреднить по тысячам открытых вакансий, средняя зарплата аналитика данных в России — около 165 000 ₽ до вычета НДФЛ. Но за этой средней скрывается трёхкратный разрыв между BI-новичком из региона и продуктовым Senior в Москве.

Удалёнка платит на 10-15% меньше московской вилки, но на 25-35% больше региональной. За последний год спрос на аналитиков данных в России вырос на 41%, а резюме — лишь на 15%, и компании всё чаще доплачивают +15-25% сверх объявленной вилки за уверенный SQL и продуктовый опыт.

Junior-аналитик: оффер 70-110 тыс. за 6-9 месяцев учёбы

Junior-аналитик данных — это специалист, который окончил курс, уверенно пишет SELECT-запросы с JOIN и оконными функциями, умеет строить дашборды в Tableau, Power BI или Datalens, работать с Excel и читать продуктовые метрики. На собеседовании его спрашивают о когортном анализе, A/B-тестах в общих чертах, типах распределений и базовой статистике.

Типичный Junior-оффер выглядит примерно так:

• Москва, продуктовый аналитик в e-commerce — 90 000 ₽ на руки + ДМС после испытательного. In-house, удалёнка или гибрид. Анализ воронки покупок, когорты, отчёты по продуктовым метрикам.
• Удалёнка, BI-аналитик в SaaS-стартапе — 95 000 ₽ gross. SQL + Tableau, недельные отчёты для продуктовой команды.
• Региональный центр (Казань, Екатеринбург) — 65 000 ₽ + квартальные премии. In-house в банке или ритейле, отчёты в Power BI.

Войти в аналитику данных немного дольше, чем в QA, но быстрее, чем в backend-разработку: с нуля до Junior реально за 6-9 месяцев целенаправленной учёбы. Это связано с тем, что главный навык — SQL и логика данных — осваивается за 3-4 месяца практики, а Python нужен опционально и в базовом виде.

Что просят на стартовой позиции:

• Уверенный SQL: JOIN, GROUP BY, оконные функции (RANK, LAG, SUM OVER)
• Excel: сводные таблицы, ВПР, формулы массивов
• Один BI-инструмент: Tableau, Power BI или Yandex Datalens
• Базовая статистика: среднее, медиана, дисперсия, нормальное распределение
• Продуктовые метрики: DAU/MAU, retention, конверсии, ARPU
• Python на базовом уровне (опционально, но даёт +20% к офферу)

Сертификации в аналитике данных меньше влияют на оффер, чем в 1С или QA. Главное — портфолио из 2-3 кейсов с реальными данными (Kaggle, открытые датасеты, пет-проекты).

Middle-аналитик: продуктовый vs BI — разница в 1.5 раза

Middle-аналитик — это специалист с опытом 2-4 года, который ведёт самостоятельные исследования, общается с продактами и разработчиками, проектирует A/B-тесты и продуктовые метрики. На собеседовании Middle спрашивают про статистическую значимость, мощность теста, выбор метрики, кейсы с реальными данными.

На Middle-уровне рынок жёстко делит специалистов на два типа, и оффер отличается на 40-70 тыс.:

1. BI-аналитик / отчётный аналитик — потолок 150-180 тыс. Это специалист, который собирает регулярные отчёты для бизнеса, строит дашборды, отвечает на ad-hoc запросы. Хорошо знает SQL и BI-инструменты, но мало работает с гипотезами и экспериментами.
2. Продуктовый аналитик — оффер 180-220 тыс. Сюда попадают те, кто проектирует A/B-тесты, оценивает влияние фичей на метрики, работает с продакт-менеджерами над выработкой гипотез. Уверенно владеет Python (pandas, scipy), статистикой и продуктовыми метриками.

Чтобы перейти из BI в продуктовую аналитику, обычно нужно 6-12 месяцев параллельного развития: изучение Python для анализа, статистики и теории A/B-тестов, работа с продактами на реальных задачах. Это самый мощный карьерный апгрейд в аналитике: рост зарплаты на 40-50% за полгода-год — типичная история.

Параллельный трек — ML-аналитик и Data Scientist. На стыке аналитики и машинного обучения: те же продуктовые метрики, но добавляются модели прогноза, кластеризация, рекомендательные системы. Зарплаты Senior ML-аналитика начинаются от 280 тыс. в Москве.

Senior-аналитик: 300+ тыс. и три пути дальше

Senior-аналитик — это специалист с 5+ годами опыта, который видел минимум 2-3 продуктовых запуска «с нуля», проектирует архитектуру аналитической инфраструктуры и руководит младшими. Его зарплатная вилка в столице — 240-340 тыс. ₽, но реальные офферы для сильных Senior с экспертизой в e-commerce или финтехе уверенно перешагивают 380 тыс.

Что отличает «обычного» Senior от того, кому предлагают 350+:

• Опыт построения аналитической культуры с нуля — выбор стека, найм команды, выстраивание процесса экспериментов и приоритизации метрик. Тех, кто это делал, единицы на рынке.
• Знание Apache Airflow, dbt, ClickHouse — современный data-инжиниринг. Большинство Senior-аналитиков такого не знают, и за это платят надбавку в 50-80 тыс.
• Опыт A/B-платформ — построение собственной платформы экспериментов, mass-experimentation, оценка влияния фичей. Премиальная узкая ниша.
• Доменная экспертиза — финтех, e-commerce, gaming. Senior с 3+ годами в одной отрасли получает на 20-30% больше «универсального».

Для тех, кто перешагнул потолок Senior, есть три карьерных пути:

• Lead Data Analyst / Head of Analytics — 320-500 тыс. ₽. Управление командой 5-15 человек, формирование стратегии аналитики компании, бюджеты, найм. Меньше технической работы, больше менеджмента.
• Data Scientist / ML Engineer — 350-500 тыс. ₽. Машинное обучение в продуктовых командах: рекомендации, прогнозы, антифрод. Требует усиления Python и математики.
• Аналитический консалтинг — почасовая ставка 4 000-8 000 ₽/час. Запросы есть от стартапов и средних компаний, но рынок небольшой.

5 множителей оффера: что превращает 150 тыс. в 280 тыс.

Реальный оффер аналитику складывается не только из «junior/middle/senior». Это произведение пяти переменных, и каждая меняет цифру на 10-50%.

1. Тип аналитики: разница в 1.5 раза

Главный мультипликатор. Сравнение типичных вилок Middle:

2. Стек инструментов: +30 тыс. за современную обвязку

Внутри аналитики тоже есть градация. SQL и один BI-инструмент — необходимый минимум, но дополнительные навыки заметно поднимают оффер:

• Python (pandas, scipy, statsmodels) — базовый must-have для продуктового аналитика, +20-40 тыс. к офферу
• Apache Airflow — оркестрация ETL-процессов, +30-50 тыс.
• dbt + ClickHouse — современный data-stack, узкая ниша с премией +50-80 тыс.
• SQL продвинутого уровня — оконные функции, рекурсивные запросы, оптимизация по EXPLAIN
• R или продвинутая статистика — нужно в редких ролях, но даёт надбавку 30-50 тыс. в финтехе

3. Тип работодателя: разница в 30-50% за тот же опыт

Разница в офферах одного кандидата по типам компаний — 30-50%:

• Аутсорс и консалтинг (Big4, KPMG-style консультации) — стабильно, но средний уровень. Подходит для старта, опыт работы с разными доменами.
• In-house в малых и средних компаниях — спокойно, но потолок 150-180 тыс. На один-двух аналитиков на всю компанию.
• Продуктовые компании (Яндекс, Ozon, Wildberries, Авито, ВКонтакте) — самые высокие оффера. Аналитика тут — основа продукта, не вспомогательная функция.
• Финтех (Сбер, Тинькофф, Альфа, ВТБ) — премиум-сегмент с надбавкой за домен. Middle 200-260 тыс., Senior 280-350 тыс.
• Геймдев (Wargaming, Pixonic, Playrix) — узкая ниша с продуктовым аналитиком. Высокие зарплаты, но рынок мелкий.

4. Регион: +25-40% за московскую регистрацию

Москва добавляет к региональной зарплате 25-40%. Полностью удалённая работа в среднем оплачивается на 10-15% ниже московской вилки — компании понимают, что вы экономите на переезде, и закладывают это в оффер.

5. Английский: +50-100 тыс. на 30% позиций

Английский в аналитике нужен чаще, чем в 1С или QA: на 30% позиций — это либо проекты для зарубежных клиентов, либо удалёнка на международные компании, либо чтение англоязычной литературы по продуктовой аналитике. Уверенный B2 поднимает оффер на 50-100 тыс. в международных компаниях.

От Junior к 350 тыс.: дорожная карта на 6-8 лет

Стандартный карьерный путь занимает 6-8 лет до уровня Lead:

1. 0-6 месяцев: курсы или самообучение. SQL, Excel, один BI-инструмент, базовая статистика.
2. 6-12 месяцев: Junior-позиция, отчёты и ad-hoc запросы. Зарплата 70-100 тыс. в Москве.
3. 1-2 года: стабильная Middle BI-роль или начало продуктовой аналитики. Параллельно изучаете Python и статистику. Зарплата 130-170 тыс.
4. 2-4 года: переход в продуктового Middle-аналитика. A/B-тесты, метрики продукта, dbt или Airflow. Зарплата 180-230 тыс.
5. 4-6 лет: Senior-аналитик. Берёте на себя инфраструктуру и наставничество. Зарплата 240-320 тыс.
6. 6+ лет: Lead, Head of Analytics или переход в Data Science. 320+ тыс.

Примеры вакансий аналитика данных: что обычно размещают на hh.ru

Структура рынка аналитических вакансий устойчива — последние 3 года она почти не меняется. Чтобы цифры из таблиц выше не казались абстракцией, ниже — пять характерных примеров вакансий разных уровней. Так чаще всего и пишут реальные работодатели.

Аналитика vs Frontend vs Python: что выбрать новичку

Часто стоит выбор между аналитикой и разработкой. Цифры по hh.ru показывают: войти в аналитику чуть дольше QA, но потолок выше и работа интересней:

Аналитика данных особенно подходит тем, у кого экономический, математический или социологический бэкграунд: продуктовое мышление и понимание бизнеса важнее, чем умение писать код. Если вы пришли из маркетинга, продаж или финансов — путь в аналитику будет короче и логичнее, чем в backend-разработку.

Фриланс-аналитик: реальные условия

Фрилансер-аналитик с опытом 3+ года и ставкой 3 000-5 000 ₽/час при средней загрузке 130 часов в месяц зарабатывает 390-650 тыс. ₽. Это в 1.5-2 раза больше штатного Middle, но за этой цифрой скрываются ловушки:

• Нет оплачиваемого отпуска и больничных — каждый день простоя «съедает» доход.
• Налоги. На УСН 6% и торговом сборе на руки остаётся ~85% от выручки. На самозанятости (4-6%) — выше, но не все клиенты согласны платить ИП-самозанятому.
• Сложно строить долгосрочные отношения. Аналитика часто заказывается на разовые проекты, постоянные клиенты — большая редкость.
• Высокая входная планка. Заказчики не нанимают Junior на фриланс — нужно минимум Middle с уверенным портфолио.

Реалистично: фриланс в аналитике выгоден только Middle+ с 3+ годами опыта и пулом 2-3 постоянных клиентов. Для Junior фриланс рискованнее, чем штат: ставки низкие, конкуренция со студентами высокая, а первые 6-12 месяцев уйдут на наработку базы и репутации.

Часто задаваемые вопросы

Реально ли стать аналитиком данных с нуля за 6 месяцев?

Да, при ежедневной практике 2-3 часа и хорошем курсе. Junior-позицию реально найти через 6-9 месяцев целенаправленной учёбы. Главный фокус — на SQL, BI-инструмент и портфолио из 2-3 кейсов на открытых данных.

Нужно ли высшее образование, чтобы стать аналитиком данных?

Желательно, но не обязательно. В 60% вакансий высшее упоминается как формальное требование, но в реальности работодатели смотрят на портфолио и тестовое задание. Преимущество — экономическое, математическое или техническое образование, но и гуманитарии успешно входят в профессию.

В чём разница между аналитиком данных и Data Scientist?

Аналитик данных работает с готовыми данными, отвечает на бизнес-вопросы и строит дашборды. Data Scientist строит модели машинного обучения для прогнозов, рекомендаций и автоматизации решений. Зарплата Data Scientist Senior на 30-50% выше, но и порог входа существенно выше: нужны углублённые математика, статистика и Python.

Какой BI-инструмент учить новичку?

В России в 2026 году топ-3: Power BI (универсальный, доминирует в банках и крупном бизнесе), Tableau (популярен в продуктовых командах) и Yandex Datalens (растёт благодаря интеграции с Yandex Cloud). Для старта подходит любой — главное освоить логику работы с данными, дальше второй инструмент изучается за 2-3 недели.

Нужен ли Python начинающему аналитику?

На Junior-уровне опционально — можно обойтись SQL и Excel/BI. С Middle уже желательно: Python расширяет возможности (статистические тесты, кастомная визуализация, ETL-процессы) и добавляет к офферу 20-40 тыс. На Senior-уровне Python обязателен в большинстве вакансий продуктовой аналитики.

Имеет ли смысл идти в аналитику после 35 лет?

Аналитика — одна из самых дружелюбных к возрасту IT-профессий. Опыт работы в смежных областях (бухгалтерия, маркетинг, продажи, финансы) даёт серьёзное преимущество — вы лучше понимаете бизнес-логику и быстрее формулируете правильные вопросы к данным. Многие успешные продуктовые аналитики приходят в IT после 30-40 лет.

Можно ли работать аналитиком данных удалённо?

Да, около 50% всех аналитических вакансий — удалёнка или гибрид. Полная удалёнка чаще встречается в продуктовых компаниях и SaaS-стартапах. Банки и крупные интеграторы чаще предлагают гибрид с 2-3 днями в офисе.

Через сколько окупаются курсы по аналитике?

Средний курс стоит 100-200 тыс. ₽. При первой Junior-зарплате 90 тыс. в Москве курс окупается за 2-3 месяца после трудоустройства. С учётом времени на обучение (6-9 мес) и поиска работы (1-2 мес) полная окупаемость — 9-12 месяцев от старта обучения.

Какой стек учить, чтобы выйти на 250+ тыс.?

Минимальный набор для Senior-оффера 250+: продвинутый SQL (оконные функции, оптимизация), Python с pandas и scipy, статистика и A/B-тесты, один продвинутый стек (Airflow или dbt + ClickHouse). Плюс доменная экспертиза в одной отрасли — финтех, e-commerce или геймдев.

Будет ли востребован аналитик данных через 5-10 лет?

Да. За последние 3 года рынок вырос на 40-60%, и тренд продолжается: компании все больше зависят от данных в принятии решений. AI-инструменты автоматизируют рутинные запросы, но проектирование метрик, экспериментальный дизайн и работа с продактами требуют человеческой экспертизы. Прогнозы аналитических агентств: рост рынка минимум 5-7 лет.

Данные о зарплатах основаны на анализе нескольких тысяч открытых вакансий аналитиков данных на hh.ru. Дополнительно использованы данные СберИндекса и опросы Хабр Карьеры. Цифры пересматриваются ежеквартально.