Data Analyst — чек-лист для проверки аналитических навыков

Вы запустили рекламную кампанию, но конверсия упала. Вы собрали данные из CRM, Google Analytics и соцсетей — но не можете понять, что именно пошло не так. Вы чувствуете, что ваши маркетологи или менеджеры по продажам «думают на интуиции», а не на фактах. И вы задаетесь вопросом: «А что если у меня есть Data Analyst, но он не умеет анализировать?» Или, может быть, вы сами пытаетесь разобраться в данных — и боитесь ошибиться. В этом случае вам нужен не просто отчет, а надежный чек-лист для проверки аналитических навыков. Не теория, а конкретные критерии, по которым можно оценить, умеет ли человек превращать хаос данных в ясные бизнес-решения. Этот чек-лист создан для владельцев бизнеса и маркетологов, которые хотят перестать полагаться на догадки и начать принимать решения на основе реальных данных.

Сегодня аналитика — это не роскошь, а базовый инструмент выживания. Компании, которые игнорируют данные, теряют клиентов, упускают возможности и тратят бюджет впустую. Но не все, кто называет себя аналитиками, действительно умеют анализировать. Многие умеют делать красивые таблицы, строить диаграммы и копировать шаблоны — но не умеют задавать правильные вопросы, находить скрытые закономерности и объяснять результаты не техническим людям. Поэтому важно не просто нанять аналитика, а проверить его реальные компетенции. И именно для этого мы создали этот практический чек-лист.

Почему аналитические навыки — это не про инструменты, а про мышление

Часто владельцы бизнеса думают: «Если аналитик знает SQL и Power BI — значит, он хорош». Это ошибочное суждение. Инструменты — это лишь кисти и краски. Аналитик — не художник, который просто рисует красивые картинки. Он — детектив, который ищет улики в огромном потоке информации. Его задача — не просто показать, сколько человек кликнуло на баннер, а понять: почему они это сделали? Кто из них вернется? Что их остановит на следующем шаге? И как это связано с другими кампаниями?

Представьте, что ваш маркетолог принес вам отчет: «За месяц мы получили 12 000 переходов с рекламы, конверсия в лиды — 5%, а в продажи — 1.8%». Что вы делаете? Скорее всего, радуетесь — «Отлично!». Но настоящий аналитик задаст три вопроса:

• Какие именно каналы принесли эти 12 000? Были ли они распределены равномерно?
• Какова средняя стоимость привлечения клиента (CAC)? И как она соотносится с LTV (ожидаемой прибылью от клиента)?
• А что происходит с теми, кто перешел, но не купил? Где они «выпадают» из воронки?

Без ответов на эти вопросы ваш «отчет» — это просто красивая обертка. Аналитик, который не умеет задавать такие вопросы, даже с лучшими инструментами — бесполезен. Именно поэтому чек-лист, который мы представляем ниже, фокусируется не на том, какие программы он знает, а на том, как он мыслит.

Что мешает бизнесу получать ценную аналитику?

Почему так много компаний сталкиваются с проблемой «у нас есть данные, но мы ничего не понимаем»? Вот основные причины:

• Нет четкого бизнес-вопроса. Аналитик не знает, зачем ему делать анализ. Он работает «по приказу»: «Сделай отчет по продажам». Без цели — любой анализ бессмыслен.
• Данные разрознены. CRM, Google Analytics, платные рекламные аккаунты, почтовая рассылка — все в разных системах. Если аналитик не умеет объединять их, он видит только фрагменты.
• Ожидания не соответствуют реальности. Бизнес ждет «волшебного отчета», который скажет: «Вот где надо вложить деньги». Но аналитика — это не гадание. Она показывает вероятности, а не гарантии.
• Не умеют объяснять результаты. Аналитик нашел, что удержание клиентов падает в январе — и написал 40-страничный PDF. А менеджер по продажам не понял ни слова. Это провал.

Вот почему чек-лист — не просто перечень умений. Это система проверки, которая помогает отделить настоящего аналитика от «дизайнера отчетов».

Чек-лист для проверки аналитических навыков: 8 ключевых компетенций

Вот восемь критериев, по которым вы можете оценить аналитика — будь то сотрудник, фрилансер или аутсорс-команда. Эти пункты не зависят от инструментов. Они работают в ритейле, SaaS, финансы, маркетплейсах — в любой сфере. Каждый пункт сопровождается практическими примерами и вопросами, которые вы можете задать кандидату.

1. Умение формулировать бизнес-вопросы

Первый и самый важный навык. Если аналитик не умеет превращать размытую задачу в конкретный вопрос — весь дальнейший анализ бесполезен. Вместо «покажи, как у нас дела с продажами» он должен говорить: «Какие факторы влияют на снижение конверсии в корзине у клиентов, пришедших с мобильных устройств за последние 30 дней?»

Как проверить:

• Предложите ему задачу: «У нас упала конверсия в продажи на 15% за последний месяц. Что делать?»
• Посмотрите, как он будет уточнять: «А какие каналы? Какие продукты? Когда именно началось падение? Есть ли сезонность?»
• Если он сразу начинает строить графики — это красный флаг. Правильный аналитик сначала спрашивает, а не действует.

Пример: в ритейле аналитик выяснил, что падение продаж связано не с качеством товаров, а с изменением алгоритма доставки — клиенты получали посылки на два дня позже, чем раньше. Это открытие позволило улучшить логистику, а не запускать скидки. Без формулирования вопроса — он бы просто «показал тренд» и ничего не изменил.

2. Способность работать с разнородными данными

В реальности данные редко приходят в чистом виде. Они идут из разных источников: Excel, CRM, Яндекс.Метрика, платформы вроде Ozon или Wildberries, почтовые сервисы, API маркетплейсов. Аналитик должен уметь их объединять, чистить и структурировать.

Что проверять:

• Знает ли он, что такое «слияние таблиц» и зачем оно нужно?
• Может ли он объяснить, почему в одном файле даты в формате «2024-05-12», а в другом — «12.05.2024» и как это исправить?
• Умеет ли он работать с пропущенными значениями, дублями и неверными типами данных?

Практический кейс: маркетолог прислал два файла — один с данными из Google Ads, другой — с продажами из CRM. В первом указаны «клики», во втором — «покупатели». Но имена клиентов не совпадают. Аналитик должен уметь найти связь: по телефону, email или ID транзакции. Если он не умеет это делать — вы получите «сравнение яблок с огурцами».

Важно: Не требуйте от него знания SQL, если вы не ведете крупную базу. Но требуйте умения работать с Excel или Google Sheets: фильтры, ПИВОТ-таблицы, VLOOKUP, условное форматирование. Это база для любого аналитика.

3. Понимание метрик и KPI

Вы слышали термины: CAC, LTV, ROI, retention rate, churn, conversion funnel. Но что они означают на практике? Аналитик должен не просто знать определения, а уметь объяснять их влияние на бизнес.

Проверка:

• Спросите: «Что такое CAC и почему он важнее, чем общая сумма расходов на рекламу?»
• Попросите объяснить, как рассчитать LTV для клиента, который покупает раз в год.
• Спросите: «Если CAC — 3000 рублей, а LTV — 4500, стоит ли тратить деньги на привлечение?»

Многие думают: «Чем больше продаж — тем лучше». Но если вы привлекаете 100 клиентов за 350 000 рублей, а каждый приносит в среднем 2800 — вы теряете деньги. Аналитик должен видеть это до того, как вы запустите новую кампанию.

Пример: в SaaS-стартапе аналитик обнаружил, что клиенты, пришедшие через рекламу в Instagram, имеют LTV на 40% выше, чем клиенты из Google Ads. Это позволило перераспределить бюджет и увеличить прибыль на 28% за квартал. Без понимания метрик — это было бы невозможно.

4. Умение строить логические гипотезы

Аналитика — это не «посмотри на данные и скажи, что там». Это научный метод: наблюдение → гипотеза → проверка → вывод. Если аналитик не умеет формулировать гипотезы — он просто «капает» в данные, пока не найдет что-то похожее на ответ.

Как проверить:

• Скажите: «У нас упала конверсия в подписку на рассылку. Какие гипотезы вы можете предложить?»
• Ожидайте 3–5 вариантов: «Изменился дизайн формы», «Появилась конкуренция», «Сменили таргетинг» и т.д.
• Проверьте, умеет ли он расставлять приоритеты: «Какая гипотеза наиболее вероятна? Почему?»

Пример: в интернет-магазине упала конверсия на странице оплаты. Аналитик не стал сразу смотреть код — он предложил три гипотезы:

1. Изменился дизайн кнопки «Оплатить» — стала меньше видна.
2. Появилась новая опция «рассрочка» — клиенты не понимают, как ей пользоваться.
3. Увеличилась цена доставки — клиенты отказываются от покупки на этом этапе.

Затем он провел A/B-тест и выяснил, что причина — в третьей гипотезе. Вместо того чтобы менять дизайн, они снизили порог бесплатной доставки — и конверсия выросла на 21%.

5. Способность визуализировать данные для принятия решений

Графики — не просто красивые картинки. Они должны помогать принимать решения. Аналитик должен уметь выбирать тип визуализации под задачу: линейный график — для трендов, столбчатая диаграмма — для сравнений, тепловая карта — для распределения.

Важно: Плохой аналитик рисует 15 диаграмм, чтобы «все показать». Хороший — одну-две, но максимально информативные.

Как проверить:

• Попросите показать «проблему с оттоком клиентов».
• Посмотрите, как он ее представит: график с убывающей линией? Диаграмма с оттоком по месяцам? Карта тепла по регионам?
• Спросите: «Что на этом графике наиболее важно? Что нужно изменить?»

Пример: аналитик в образовательном стартапе увидел, что 70% оттока происходит в первую неделю после регистрации. Он не стал показывать общий график — он нарисовал «путь клиента»: регистрация → email-письмо → первый урок → вовлечение. Выяснилось, что клиенты не получают «первый бонус» — и теряют интерес. Решение: автоматическое письмо с подарком через 2 часа после регистрации — и отток упал на 40%.

6. Понимание причинно-следственных связей

«Корреляция не означает причинность» — это самая частая фраза в аналитике. И если аналитик не понимает этого — он может навредить бизнесу.

Пример: в магазине скидок выяснилось, что в дождливые дни продажи плащей растут. Вывод: «Нужно больше рекламы плащей в дождь». Но на самом деле — в дождливые дни люди чаще сидят дома, открывают сайты и совершают покупки. Это не про плащи — это про поведение в плохую погоду. Аналитик, который не понимает это, запустит ненужную кампанию.

Как проверить:

• Скажите: «Мы заметили, что в понедельники у нас больше продаж. Почему?»
• Ожидайте, что он скажет: «Может, люди в понедельник планируют покупки? Или у нас в этот день акция?»
• Если он ответит: «Потому что в понедельник люди счастливее» — это красный флаг.

Просите его искать «третью переменную»: не «A → B», а «C → A и C → B». Часто причина — не в самом факторе, а в чем-то, что его вызывает.

7. Умение объяснять результаты простым языком

Аналитик не работает для других аналитиков. Он работает для маркетологов, менеджеров по продажам и владельцев бизнеса. Если он говорит: «Мы провели логистическую регрессию с кросс-валидацией и получили AUC 0.87», — он провалил задачу.

Правильный ответ: «Клиенты, которые открыли email с предложением в течение 24 часов, покупают в три раза чаще. Значит, нужно отправлять их быстрее».

Как проверить:

• Попросите объяснить сложный отчет человеку, который не знает, что такое «коэффициент корреляции».
• Скажите: «Расскажи это, как будто я — владелец магазина и не понимаю технических терминов».
• Оцените, умеет ли он использовать аналогии: «Это как смотреть на тормоза в машине — если они изношены, машина не останавливается, даже если ты нажимаешь на педаль».

Пример: аналитик в аптеке выяснил, что клиенты, которые покупают витамины, чаще берут и сироп от кашля. Вместо того чтобы говорить «коэффициент ассоциации 0.62», он сказал: «Если человек купил витамины — ему, скорее всего, нужен сироп. Значит, можно предложить его в корзине — и продажи вырастут». Результат: рекламные баннеры на странице витаминов увеличили продажи сиропа на 34%.

8. Критическое мышление и умение ставить под сомнение данные

Данные — не истина. Они могут быть неполными, ошибочными или вводящими в заблуждение. Аналитик должен уметь спрашивать: «Откуда эти данные? Кто их собирал? Когда?»

Пример: в отчете сказано, что «85% клиентов довольны сервисом». Но при этом 60% отзывов — это «отзывы о работе службы поддержки». А клиенты, которые не купили вообще — не включены. Это искажение.

Как проверить:

• Предложите ему отчет с явной ошибкой: «Все клиенты купили продукт. Конверсия — 100%». Спросите: «Верно ли это?»
• Спросите: «Какие данные могли быть исключены?»
• Проверьте, замечает ли он «белые пятна»: например, отсутствие данных о мобильных пользователях.

Хороший аналитик всегда спрашивает: «А что, если мы не видим часть данных?» Это — ключевой признак зрелости.

Что выбрать для начала: SQL, Excel или Power BI?

Один из самых частых вопросов: «Чему учить аналитика первым? SQL или Excel?»

Ответ: зависит от вашей компании.

Если вы малый или средний бизнес — начните с Excel

• Excel — универсальный инструмент. В нем можно делать фильтры, ПИВОТ-таблицы, графики, VLOOKUP.
• 90% малых компаний работают именно с Excel — и ему хватает.
• Если аналитик не умеет работать с Excel — он не справится даже с базовыми задачами.

Если у вас больше 10 000 записей в базе — переходите к SQL

• SQL позволяет выбирать данные по условиям: «показать всех клиентов, которые купили больше 3 раз за полгода».
• Он работает с огромными объемами — Excel начинает «тормозить» на 50 000 строк.
• SQL — это основа для работы с базами данных CRM, маркетплейсов и рекламных систем.

Power BI, Tableau — это инструменты визуализации

• Они нужны, когда у вас есть данные и вы хотите их красиво показать.
• Но если аналитик не умеет чистить и объединять данные — он не сможет сделать ничего в Power BI.

Практический совет:

1. Начните с Excel. Пусть аналитик сделает отчет по продажам за квартал: суммы, динамика, товары-лидеры.
2. Если он справился — переходите к SQL: добавьте таблицу с клиентами и попросите выгрузить всех, кто сделал заказ после 15 мая.
3. Только после этого — Power BI. Не наоборот.

Важно: Никогда не нанимайте аналитика, который говорит: «Я знаю Power BI, но Excel — не мой уровень». Это как нанять шеф-повара, который говорит: «Я умею готовить в мультиварке, но с ножом не работаю».

Как избежать ловушек новичков: 5 самых частых ошибок

Новички в аналитике часто совершают одни и те же ошибки. Если вы видите их у кандидата — это красный флаг.

Ошибка 1: «Я покажу вам все данные»

Они делают 20 диаграмм, 15 таблиц и 30 страниц текста. Но никто не понимает, что делать. Аналитик должен быть как врач: он диагностирует и дает рекомендации — не перечисляет симптомы.

Ошибка 2: «Все данные в порядке»

Когда что-то идет не так — они говорят: «Наверное, это временно». Аналитик должен искать причину. Не оправдывать.

Ошибка 3: «Я не знаю, как это работает»

Если вы спрашиваете: «Как мы получаем данные из рекламы?» — и он говорит: «Это не моя задача», это плохо. Он должен понимать процесс от начала до конца.

Ошибка 4: «Это просто цифры»

Аналитик не должен воспринимать данные как абстракцию. Каждая цифра — это человек. У кого-то есть потребность, боль, желание. Аналитик должен видеть людей за цифрами.

Ошибка 5: «Я не буду говорить, если не уверен»

Иногда нужно делать предположения. Аналитик не должен бояться говорить: «Я думаю, что причина в этом». Главное — основывать предположение на данных.

Практический совет: Задайте кандидату задачу: «Сделайте 1-страничный отчет по продажам за месяц. Только главное. Без лишних деталей». Если он не может — это тревожный сигнал.

Как проверить аналитика на практике: тестовое задание

Нет лучшего способа проверить навыки, чем реальное задание. Вот простой кейс — используйте его как тестовое.

Тестовое задание: «Проблема с оттоком клиентов»

У компании 5000 активных клиентов. За последний месяц 870 человек перестали покупать (отток). Вы хотите понять, почему.

Данные:

• Файл 1: список клиентов с датой последней покупки, суммой всех покупок, городом и каналом привлечения.
• Файл 2: журнал событий — когда клиенты открывали email, кликали на рекламу, заходили в личный кабинет.

Задача:

1. Определите, какие клиенты ушли.
2. Найдите общие признаки: город, канал, сумма покупок.
3. Какой из факторов влияет сильнее всего?
4. Сделайте рекомендацию: что предложить этим клиентам, чтобы вернуть их?

Что вы оцениваете:

• Как он структурирует данные?
• Сколько времени уходит на очистку? (если больше 2 часов — плохо)
• Как он формулирует выводы?
• Есть ли рекомендации — или только наблюдения?

Это задание занимает 2–3 часа. Но оно покажет вам больше, чем 10 собеседований.

Как выбрать аналитика: пошаговая инструкция

Вот как действовать, если вы хотите нанять или проверить аналитика:

1. Определите задачу. Что вы хотите получить? Отчеты? Прогнозы? Оптимизация кампаний?
2. Составьте список требований. Используйте наш чек-лист. Не пишите «знает Excel». Пишите: «умеет делать ПИВОТ-таблицы и объяснять тренды».
3. Проведите собеседование. Задавайте вопросы из чек-листа. Не спрашивайте «знаете ли вы SQL?». Спросите: «Как бы вы нашли, почему клиенты перестали покупать?»
4. Дайте тестовое задание. Из пункта выше. Проверьте не только результат, но и процесс.
5. Проверьте коммуникацию. Может ли он объяснить результаты без сленга?
6. Нанимайте на пробный срок. Дайте 2–3 недели. Посмотрите, как он работает с реальными данными.

Важно: Не нанимайте аналитика, который говорит: «Я все умею». Это невозможно. Лучше найти специалиста, который делает одно — но делает отлично.

Чем отличаются требования к аналитику в ритейле и в финансах?

Требования к аналитику зависят от сферы. Вот основные различия:

Критерий	Ритейл / маркетплейс	Финансы / банки
Основная цель	Продать больше, удержать клиентов	Снизить риски, минимизировать убытки
Основные метрики	LTV, CAC, конверсия в корзине	Долговая нагрузка, вероятность дефолта, отток по кредитам
Инструменты	Excel, Google Analytics, CRM	SQL, Python (для моделей), BI-платформы
Тип данных	Поведение покупателей, отзывы, сезонность	Финансовые транзакции, кредитные истории, статистика по просрочкам
Ключевой навык	Прогнозирование спроса, персонализация	Оценка рисков, соблюдение регуляторных норм

В ритейле аналитик должен быть «дружелюбным»: он объясняет маркетологам, как улучшить рекламу. В финансах — «строгим»: он должен доказывать каждую рекомендацию. Если вы в ритейле — ищите аналитика с опытом в маркетинге. Если в банке — ищите того, кто работает с кредитными рисками.

Заключение: аналитика — это не про технологии, а про ясность

Сегодня бизнес, который не использует данные — это как корабль без компаса. Вы можете плыть, но не знаете, куда идете. Аналитик — это ваш компас. Но он должен уметь не только показывать направление, но и объяснять: «Почему мы идем именно сюда?»

Ваш чек-лист теперь в руках. Он не требует дорогостоящих инструментов. Он требует ясности мышления, умения задавать вопросы и не бояться говорить: «Я не знаю». Потому что именно эти качества отличают настоящего аналитика от того, кто просто умеет копировать таблицы.

Если вы видите, что ваш аналитик:

• Не задает вопросов — он не анализирует, а выполняет.
• Говорит «все в порядке» — он не ищет проблемы.
• Не может объяснить результаты без терминов — он не умеет влиять на бизнес.
• Не может сделать отчет меньше 20 страниц — он не понимает, что важно.

Тогда пришло время пересмотреть его роль. Или — если вы сами пытаетесь разбираться в данных — начните с этого чек-листа. Проверьте себя. Задайте себе те же вопросы, которые мы привели выше.

Аналитика — это не про то, сколько вы знаете инструментов. Это про то, насколько ясно вы видите картину. И чем яснее — тем увереннее вы принимаете решения. А это — основа любого успешного бизнеса.

FAQ

Как выбрать аналитика без опыта?

Начните с кандидатов, которые умеют работать в Excel и задавать вопросы. Ищите тех, кто любит разбираться — даже если у них нет опыта в вашей сфере. Мотивация и логическое мышление важнее, чем знание конкретных программ. Попросите сделать тестовое задание — и смотрите не на результат, а на процесс: как он думает, какие вопросы задает, как структурирует информацию.

Стоит ли нанимать аналитика, если у меня мало данных?

Да. Даже с 500 записями можно найти закономерности. Главное — начать. Аналитика нужна не для «больших данных», а для того, чтобы перестать полагаться на интуицию. Даже базовый анализ — «кто чаще покупает?», «в какой день лучше продавать?» — уже даст вам преимущество.

Что делать, если аналитик не может объяснить результаты?

Это красный флаг. Аналитик — не технический специалист, а бизнес-партнер. Если он не может объяснить результаты простым языком — вы тратите деньги на человека, который не решает ваши задачи. Найдите того, кто умеет говорить с маркетологами и менеджерами — а не только с коллегами-аналитиками.

Какие инструменты реально используют в 2025 году?

В 2025 году основные инструменты останутся теми же: Excel, SQL, Google Analytics и BI-платформы. Но важнее не инструмент, а умение его использовать. Настоящий аналитик — это не тот, кто знает 10 программ, а тот, кто умеет извлекать смысл из данных — независимо от того, в каком формате они приходят.

Можно ли научиться аналитике без технического образования?

Да. Многие успешные аналитики — бывшие маркетологи, менеджеры по продажам или даже врачи. Главное — умение задавать вопросы, видеть закономерности и не бояться цифр. Начните с Excel, пройдите бесплатные курсы по основам аналитики — и попробуйте проанализировать свои собственные данные: например, отчеты по вашему магазину или рекламным кампаниям. Практика важнее диплома.

Почему аналитика не работает в моей компании?

Скорее всего, потому что вы не задаете четких вопросов. Или аналитик работает в изоляции — без доступа к бизнес-целям. Или его результаты игнорируют. Аналитика — это не «отчет по запросу», а часть процесса принятия решений. Если вы не используете выводы — аналитик становится бесполезным. Начните с того, чтобы спрашивать: «Что делать дальше?» — после каждого отчета.