Аналитик данных: насколько востребована профессия в 2026

Аналитик данных в 2026 году: коротко о статусе профессии

Аналитик данных остаётся одной из наиболее стабильно оплачиваемых специальностей в российском IT. По данным Хабр Карьеры, медианная зарплата аналитиков выросла на 3% ко второму полугодию 2025 года, это данные опроса 52 123 анкет, статья опубликована 9 февраля 2026 года. Рост медианы, пусть и небольшой, показывает: спрос со стороны работодателей не остыл, компании продолжают конкурировать за специалистов деньгами, а не только формальными вакансиями.

При этом рынок изменился по сравнению с 2021-2022 годами, когда в профессию звали почти любого выпускника курсов. Сейчас работодатель смотрит не на факт прохождения обучения, а на конкретные навыки: чистый SQL, понимание бизнес-метрик, портфолио с разобранными кейсами. Профессия не потеряла востребованность, но стала избирательнее к тем, кого нанимает. Для тех, кто выбирает специальность на старте карьеры или планирует переход из смежной области, это не повод отказываться от идеи, а повод подойти к ней осознаннее, чем это делали кандидаты несколько лет назад. Дальше разберём, на чём основан этот вывод: на зарплатах, реальном спросе по отраслям, влиянии ИИ и на том, кому вообще стоит сейчас идти в профессию.

Кто и зачем нанимает аналитиков данных

Спрос на аналитиков данных формируют компании, где решения принимаются на основе цифр, а не интуиции руководителя. Это продуктовые IT-компании, банки и финтех, e-commerce и маркетплейсы, ритейл с розничной аналитикой, телеком.

В финтехе и банках аналитик данных чаще работает с рисками, скорингом и поведением клиентов: смотрит, кому можно одобрить кредит, а кто с высокой вероятностью уйдёт в просрочку. В e-commerce и на маркетплейсах фокус смещается на конверсию, воронки продаж и юнит-экономику: сколько стоит привлечение клиента и окупается ли оно. В продуктовых IT-компаниях аналитик чаще всего работает с метриками удержания пользователей и результатами A/B-тестов, помогает команде разработки понять, какая версия функции реально приносит пользу. В ритейле и телекоме добавляется логистика и отток абонентов: аналитик считает, где теряются деньги на цепочке поставок или почему клиент уходит к конкуренту. Среди работодателей, которые регулярно публикуют вакансии аналитиков данных: Яндекс, Ozon, Сбер, Т-Банк, Wildberries и другие крупные продуктовые компании и банки.

Логика простая: чем больше у компании данных о клиентах и операциях, тем выше цена решения, принятого без аналитики. Поэтому бизнес охотно нанимает специалистов, способных эти данные читать и превращать в конкретные рекомендации, а не просто строить графики для отчётности.

Специализации внутри профессии: спрос неравномерный

«Аналитик данных» на практике не одна профессия, а зонтичное название для нескольких смежных ролей, и спрос на них различается. В каталоге SkillEdge отдельными направлениями идут системный аналитик, бизнес-аналитик, продуктовый аналитик, финансовый аналитик, HR-аналитик и BI-аналитик: это не маркетинговое деление, а отражение того, как реально устроены вакансии на рынке.

Системный аналитик ближе к разработке: описывает требования к продукту, работает с техническими заданиями и часто нужен там, где идёт активная разработка внутренних систем, банковского ПО или крупных корпоративных платформ. Бизнес-аналитик разбирается в процессах компании и ищет, где теряются деньги или время, его чаще нанимают консалтинговые компании и крупный бизнес с усложнённой структурой. Продуктовый аналитик работает внутри IT-команды и отвечает за метрики конкретного продукта: retention, конверсию, LTV. Финансовый и HR-аналитик встречаются в компаниях любого размера, но с более узким набором задач: первый считает бюджеты и риски, второй разбирает текучку кадров и эффективность найма. BI-аналитик специализируется на дашбордах и визуализации, обычно поверх уже собранных другими данных.

Для человека, который выбирает специализацию, это значит: спрос на «аналитика данных вообще» не единый показатель. Стоит смотреть на конкретное направление, потому что требования по инструментам, зарплатная вилка и число открытых вакансий у системного и, например, HR-аналитика заметно различаются.

Порог входа тоже различается по специализациям. BI-аналитику и продуктовому аналитику проще начать без профильного образования: там ценится в первую очередь владение инструментами и умение работать с готовыми данными. Системному аналитику и дата-инженеру, наоборот, обычно нужна более крепкая техническая база: понимание архитектуры систем, баз данных на уровне глубже пользовательского SQL, а иногда и опыт в разработке. Финансовому аналитику часто помогает профильное экономическое образование, хотя это не жёсткое требование во всех вакансиях. При выборе специализации для входа с нуля разумно смотреть не только на то, где выше зарплата, но и на то, какой стартовый набор навыков ближе к уже имеющемуся опыту.

Аналитик данных, дата-сайентист и дата-инженер: где выше спрос

Аналитику данных часто путают с data science и дата-инженерией, хотя это разные точки входа с разным объёмом вакансий. Аналитик данных, как правило, самая массовая из трёх ролей: вакансий физически больше, а порог входа ниже, потому что она не требует глубокой математики и машинного обучения.

Дата-сайентист занимается построением моделей машинного обучения и предсказаний, требует более серьёзной математической подготовки, и вакансий на этом уровне заметно меньше, зато выше и порог входа: с улицы туда почти не берут. Дата-инженер отвечает за инфраструктуру данных, строит конвейеры, которые доставляют данные до аналитика и дата-сайентиста, и особенно ценится там, где данных становится настолько много, что аналитик руками уже не справляется с их подготовкой.

Для тех, кто выбирает вход в профессию, это значит одно: аналитик данных остаётся самой доступной точкой входа в это семейство ролей, а рост в data science или дата-инженерию логично рассматривать уже после года-двух практики, а не как стартовую позицию.

Зарплата как индикатор реального спроса

По данным исследования Хабр Карьеры (опрос 52 123 анкет), во втором полугодии 2025 года медианная зарплата аналитиков в России составила 160 000 ₽, на 3% больше, чем в первом полугодии того же года. Это не самый быстрый рост среди IT-специальностей, но и не стагнация.

Данные исследования Хабр Карьеры за второе полугодие 2025 года.

Зарплата, которую готов платить работодатель, честнее любых заявлений о востребованности профессии. Если бы спрос на аналитиков падал, медиана снижалась бы или стояла на месте, потому что компаниям незачем было бы бороться за кандидатов деньгами. Вместо этого зарплаты аналитиков выросли на 3% всего за полгода, войдя в тройку специальностей с наиболее заметным ростом. Подробный разбор зарплат по грейдам и городам собран в статье сколько зарабатывают аналитики данных.

Спрос на новичков и опытных: разная динамика

Общая температура рынка труда в России в 2025 году была высокой: по данным Росстата, безработица держалась на уровне 2,2%, историческом минимуме для страны. При этом, по данным hh.ru, доля вакансий, рассчитанных на кандидатов с опытом 1-3 года, выросла до 43% всех предложений (4,4 млн), а доля вакансий без требований к опыту, ориентированных на новичков, выросла до 42% (4,3 млн).

Для аналитиков данных это означает две параллельные истории. С одной стороны, вакансий для начинающих меньше не стало, войти в профессию с нуля по-прежнему реально. С другой стороны, конкуренция среди джуниоров выросла: компании стали разборчивее и чаще требуют портфолио, а не диплом об окончании курса. Специалистов с опытом от 2-4 лет рынку по-прежнему не хватает, отсюда и премия за опыт, которую видно в разнице зарплат между грейдами.

Типичная ошибка джуниора, из-за которой отклик остаётся без ответа, не техническая, а презентационная: в резюме перечислены названия пройденных курсов, но нет ни одного разобранного кейса с конкретными цифрами и выводами. Рекрутер и нанимающий менеджер физически не могут проверить, что кандидат реально умеет, если видят только список программ обучения, поэтому портфолио с 2-3 доведёнными до конца проектами почти всегда весит больше, чем ещё один сертификат.

Какие навыки и инструменты реально спрашивают работодатели

SQL остаётся базовым требованием почти в каждой вакансии независимо от специализации: без него аналитик физически не может добраться до данных в базе. Следующий по частоте запрос: работа с BI-инструментами для визуализации, чаще всего Power BI, Tableau или отечественные решения вроде Yandex DataLens и Superset, которые стали особенно заметны в вакансиях после ухода части западных сервисов с российского рынка.

Python с библиотеками pandas и numpy всё чаще указан не как преимущество, а как обязательное требование, особенно в продуктовой и финтех-аналитике, где нужно обрабатывать данные объёмнее, чем позволяет Excel. Статистика и понимание A/B-тестов отдельно ценятся в продуктовых компаниях: аналитик должен уметь сказать, случайно ли изменилась метрика после эксперимента или это статистически значимый эффект. Excel при этом никуда не исчез: он остаётся стартовой точкой почти для всех специализаций и основным инструментом там, где объёмы данных не требуют более тяжёлых решений.

Из новых требований последних двух лет: работодатели всё чаще упоминают опыт работы с нейросетями как ускорителем рутинных задач, подробнее об этом тренде в следующем разделе.

Как ИИ меняет спрос на аналитиков, а не убирает вакансии

Один из главных страхов последних лет: нейросети заменят аналитиков данных, ведь они умеют писать SQL-запросы и строить графики. Данные hh.ru говорят об обратном сценарии. В январе-феврале 2026 года на сайте было размещено 10 777 вакансий с явным требованием ИИ-навыков (0,8% от всех), на 15% больше, чем годом ранее, когда таких вакансий было 9 378 (0,5% от всех). Заметнее всего число таких вакансий год к году выросло в IT (+13%), маркетинге и рекламе (+16%), а также в стратегии и консалтинге (+9%). Отдельной статистики именно по аналитикам данных hh.ru не публиковал, но аналитика как часть IT-сегмента попадает в эту тенденцию.

Похожую динамику подтверждает и общий рынок труда: по оценке hh.ru, доля вакансий с требованием навыков работы с ИИ выросла в 2,4 раза за три года, хотя в общей структуре рынка такие предложения по-прежнему составляют около 2%. В промышленности рост ещё заметнее: в пять раз за тот же период. Это не вакансии для промпт-инженеров, а обычные позиции, где ИИ стал частью привычного инструментария.

Практический вывод для аналитика данных простой. Работодатели не убирают позицию из штата из-за появления нейросетей. Они меняют требования к позиции: ждут, что аналитик использует ИИ для ускорения рутины, вроде написания однотипных SQL-запросов или первого черновика отчёта, а освободившееся время потратит на то, что нейросеть пока не умеет: задавать бизнесу правильные вопросы и нести ответственность за выводы.

Как самому проверить текущий спрос на аналитиков

Число вакансий по любому запросу на рекрутинговых площадках меняется каждый день, поэтому приводить в статье точную цифру «вакансий сейчас» бессмысленно: через месяц она устареет. Проверить актуальный спрос проще самостоятельно, и это займёт пару минут.

• Откройте hh.ru, введите в поиск «аналитик данных» и отдельно отфильтруйте по региону и опыту работы, чтобы увидеть картину для своего города и уровня.
• Сравните число вакансий по запросу без опыта и по запросу с опытом от 3 лет: разница в объёме наглядно показывает, где сейчас более острый дефицит кадров.
• Посмотрите на сами описания вакансий, а не только на их число: если в последних объявлениях чаще встречаются требования к Python или к работе с нейросетями, значит, планка входа в конкретной нише выросла именно сейчас, а не два года назад.

Такой самостоятельный срез займёт меньше времени, чем поиск чужой статистики в интернете, и окажется точнее любых усреднённых цифр по рынку в целом, тем более что усреднённая цифра почти никогда не учитывает специфику конкретного города, отрасли или узкой специализации внутри профессии.

Не перегрет ли рынок обучения аналитиков данных

В каталоге SkillEdge на сентябрь 2026 года собрано 113 курсов, так или иначе связанных с профессией аналитика данных, от точечного модуля «Основы SQL» за 495 ₽ до двухлетней программы «Аналитика больших данных» за 310 000 ₽. Такое количество программ обучения иногда трактуют как признак того, что профессия перенасыщена: слишком много школ учат одному и тому же, значит, и слишком много выпускников выходит на один и тот же рынок.

Эта логика не совсем верна, потому что путает спрос на обучение со спросом на конкретного специалиста. Курсов действительно много, но их количество ничего не говорит о том, сколько выпускников доходят до реального собеседования с портфолио, а не только с сертификатом. Раздел выше про типичную ошибку джуниора объясняет, где именно теряется большая часть кандидатов: не на этапе поиска вакансий, а на этапе доказательства навыков. Рынок обучения расширяется, потому что расширяется и спрос со стороны студентов, но это отдельный рынок от найма, и перегретость одного не означает перегретость другого.

Чего ждать от профессии в ближайшие годы

Точного прогноза числа вакансий на 3-5 лет вперёд с проверяемым источником по профессии «аналитик данных» на сентябрь 2026 года не существует, и любая точная цифра в такой перспективе была бы гаданием, а не фактом. Но по уже подтверждённым трендам можно аккуратно обозначить направление.

Как показано выше, доля вакансий с требованием ИИ-навыков растёт кратно быстрее, чем рынок труда в целом, а IT-сегмент, частью которого является аналитика, входит в число направлений с заметным приростом таких вакансий год к году. Одновременно общий рынок труда в России остаётся дефицитным по кадрам: безработица держалась на уровне 2,2% по итогам 2025 года, а это обычно поддерживает зарплаты специалистов на текущем или растущем уровне, а не толкает их вниз.

Из этого следует не громкий прогноз, а скромный практический ориентир: ставку стоит делать не на факт наличия диплома об окончании курсов, а на постоянное обновление конкретных навыков, потому что набор требований к аналитику данных за последние три года уже заметно изменился и, судя по перечисленным трендам, продолжит меняться дальше.

География и удалённая работа

Большинство ориентиров по зарплате в этой статье и по рынку в целом привязаны к Москве: именно там сосредоточена основная масса вакансий с самыми высокими вилками, особенно в финтехе и крупных продуктовых компаниях. В регионах зарплаты по всем грейдам заметно ниже, но и стоимость жизни ниже пропорционально не всегда, поэтому прямое сравнение вилок без поправки на город может вводить в заблуждение.

Удалённый формат работы для аналитиков данных распространён шире, чем для многих других IT-специальностей, поскольку большая часть задач: работа с базами данных, построение отчётов, статистический анализ, не требует физического присутствия в офисе. При этом крупные банки и финтех-компании чаще держат аналитиков, работающих с чувствительными данными, в гибридном или офисном формате из соображений безопасности, а продуктовые IT-компании охотнее нанимают полностью удалённо.

Помимо Москвы заметный спрос на аналитиков данных формируют Санкт-Петербург, а также города с крупными IT- и финансовыми хабами: Новосибирск, Екатеринбург, Казань. В этих городах зарплатная вилка обычно ближе к средней по стране, чем к московской, но и конкуренция за вакансию ниже за счёт меньшего числа кандидатов на одну позицию. Для тех, кто не готов к переезду, удалённая вакансия в московской или петербургской компании часто оказывается более выгодным вариантом, чем локальная вакансия в своём городе.

Что реально повышает востребованность конкретного специалиста

Общая статистика по рынку показывает спрос на профессию в целом, но нанимают не профессию, а конкретного человека. Есть несколько шагов, которые заметно повышают шанс попасть в число тех вакансий для новичков или тех вакансий с опытом, где кандидатов не хватает.

• Довести до конца 2-3 полноценных проекта с реальными или открытыми данными и оформить их как кейсы с вопросом, гипотезой, методом и выводом, а не просто выложить код в репозиторий.
• Освоить SQL до уровня уверенных оконных функций и сложных JOIN, а не только базового SELECT: именно на этом уровне отсеивается большинство джуниоров на техническом собеседовании.
• Добавить в стек хотя бы один BI-инструмент и базовый Python, даже если вакансия формально не требует программирования: это расширяет число подходящих вакансий и часто становится решающим при выборе между двумя похожими кандидатами.
• Научиться коротко объяснять результат анализа человеку без технического образования: собеседование на аналитика данных почти всегда проверяет не только точность расчёта, но и умение донести вывод.

Ни один из этих пунктов не гарантирует трудоустройство сам по себе, но вместе они превращают общий тезис «профессия востребована» в конкретный план действий для одного человека.

Сколько стоит войти в профессию и куда идти учиться

Комплексные программы «с нуля до трудоустройства» в каталоге SkillEdge чаще всего укладываются в диапазон 65 000-130 000 ₽ при длительности обучения 6-9 месяцев. Отдельно можно закрывать точечные пробелы: базовый SQL, работу с конкретным BI-инструментом или основы Python, такие модули стоят от нескольких сотен до нескольких десятков тысяч рублей и занимают от 1 месяца.

Выбор между полной программой и набором точечных курсов зависит от стартовой точки. Тем, кто уже работает с цифрами (бухгалтер, маркетолог, экономист) и хочет добавить конкретный навык, обычно достаточно 2-3 точечных курсов по SQL, BI-инструменту и статистике. Тем, кто входит в профессию с нуля без смежного опыта, чаще подходит комплексная программа с практикой и куратором, потому что самостоятельно выстроить последовательность из полусотни разрозненных курсов сложнее, чем кажется на старте. Все актуальные программы по профессии можно сравнить на странице курсов по data-аналитике.

Стоит ли идти в аналитику данных сейчас

Если коротко, то да, но без иллюзий лёгкого входа. Профессия вышла из фазы хайпа 2021-2022 годов, когда почти любой выпускник курсов находил работу за пару месяцев. Сейчас она перешла в фазу зрелости: спрос стабильный, зарплаты растут медленнее, но растут, а требования к джуниорам приблизились к требованиям для позиций на ступень выше.

Профессия подходит:

• тем, кому интересно доводить анализ до конкретного вывода, а не только строить графики;
• тем, кто готов регулярно осваивать новые инструменты, включая ИИ-инструменты, а не останавливаться на одном стеке навсегда;
• тем, кто уже работает с цифрами в смежной роли, например в маркетинге, финансах или поддержке, и хочет усилить эту работу аналитикой.

Профессия вряд ли подойдёт:

• тем, кто ищет быстрый и лёгкий вход в IT без готовности разбираться в SQL и статистике;
• тем, кто рассчитывает на трудоустройство сразу после курса без единого самостоятельного проекта в портфолио;
• тем, кому некомфортно объяснять руководителям без технического бэкграунда, что означают цифры и графики простыми словами.

Конкретные шаги, которые повышают шанс попасть именно в число нанятых, разобраны в разделе выше про то, что реально повышает востребованность специалиста. Подробный план входа в профессию с нуля разобран в статье как стать аналитиком данных, а детальный разбор зарплат по городам и грейдам, в материале сколько зарабатывают аналитики данных. Общую картину по профессии, включая обязанности и карьерный путь, можно посмотреть на странице профессия аналитик данных.