Приветствую всех, кто читает эту статью! Меня зовут Никита, я аналитик, развиваю ипотечный процесс в Сбере и Домклик, и это моя первая статья на Хабре. Прежде чем переходить к конкретным темам, мне хотелось бы рассказать, кто такой аналитик сегодня и чем он занимается каждый день в крупной компании, которая задаёт тренды IT в России и мире.
P.S. Надеюсь, мой скромный рассказ будет полезен тем, кто выбирает будущую сферу деятельности или уже решил стать аналитиком. Всё, о чём я напишу ниже, — это субъективный взгляд, основанный на моём собственном опыте, и он не претендует на истину в последней инстанции.
Приятного прочтения!
Ни для кого не секрет, что мы живём в эпоху бурного технологического развития, когда вычислительные мощности автоматизированных систем и искусственного интеллекта (ИИ) растут экспоненциально, а понятие «интеллектуальный взрыв», которое ещё 60 лет назад казалось фантастикой, сегодня уже кажется неизбежностью.
К чему я это говорю и как это связано с моей профессией? Об этом — чуть позже. А для начала я бы разбил профессию аналитика на направления, навыки и реальные обязанности, поскольку это, с одной стороны, базовые вещи, а с другой — в зависимости от компании и проекта они могут сильно различаться. На практике получается примерно 50 оттенков аналитика.
Часть 1. Направления
В 2018 г., когда я только начинал свой путь, на собеседовании на позицию младшего аналитика в одной известной жёлтой компании мне предложили три направления: системный аналитик, портфельный аналитик и технолог — он же, как выяснилось позже, «осьминог», или, как сейчас принято говорить, Fullstack-аналитик.
Системный аналитик в основном занимается проработкой архитектуры, построением UML-диаграмм, описанием интеграций и составлением контрактов. Это тот человек, который может прочитать Swagger-спецификацию и сразу заметить, где разработчик забыл описать код ответа.
Портфельный аналитик — или Data‑инженер, — проектирует базы данных, пишет SQL-скрипты для автоматизации выгрузок из баз данных и визуализирует данные в отчётах с помощью специальных инструментов. Его стихия — точные и структурированные данные на красивом дашборде.
Технолог же развивает бизнес-процесс и делает ещё много всего — как по бизнесу, так и по технике. Именно это направление показалось мне наиболее интересным, и я выбрал его. Как выяснилось позже, технолог в той или иной степени затрагивает все перечисленные области, просто не так глубоко, зато видит полную картину и отвечает за свой участок бизнес-процесса от начала до конца.
Также стоит упомянуть бизнес-аналитика, которого часто нвзывают CJE (Customer Journey Expert). Его задача — строить клиентские пути, проводить исследования, анализироваь метрики, планировать доработки и контролировать сроки исполнения.
Разумеется, существуют и другие направления. В зависимости от масштаба и сложности проекта роли могут как объединяться, так и, наоборот, дробиться. Но мне хотелось бы донести прежде всего саму идею: в основе лежит бизнес, техника и данные, а всё остальное — уже детали.
Часть 2. Навыки
По сути, я всё время нахожусь между бизнес-аналитикой и системной аналитикой, а воображаемый ползунок смещается то ближе к первому, то ко второму. Обычно это называют Fullstack-аналитикой. Ниже — базовый набор навыков, необходимых в каждой из этих областей.
Навыки системного анализа
Сбор бизнес-требований к продукту и описание на их основе точных, непротиворечивых системных требований. Умение перевести «хочу, чтобы было красиво, удобно, а денежки лились рекой» на язык технических спецификаций.
Работа с нотациями моделирования для визуализации структуры системы и потоков данных: владение UML, BPMN, ERD и т.д. Диаграмма стоит тысячи слов, особенно когда на ней видно, что интеграции «А» и «Б» говорят на разных протоколах.
Проектирование архитектуры, реляционных и нереляционных баз данных, знание различных способов интеграции систем, а также умение составлять YAML-, JSON- и XML-схемы.
Умение пользоваться инструментами для тестирования API, такими как Postman и SoapUI, а также писать SQL-запросы. Если ты описал контракт, но не можешь его проверить, — ты не аналитик, ты — художник.
Чтение и анализ журналов — навык, необходимый как для отладки разработанной функциональности на этапе тестирования, так и для разбора инцидентов и поиска причин сбоя. Иногда источник проблемы прячется в журнале глубже, чем привычное «не работает — перезапусти».
Навыки бизнес-анализа
Знание предметной области и понимание специфики бизнеса-процесса. Нельзя проектировать кредитный конвейер, если не понимаешь, чем ставка по кредиту отличается от ПСК.
Способность видеть картину целиком: как связаны между собой разные части бизнеса и как изменения в одном месте повлияют на другие. Изменился формат поля в заявке — нужно понять, затронет ли это схему в хранилище или отчётность, и уведомлен ли фронтенд.
Умение выявлять потребности бизнеса и пользователей, структурировать их и оформлять результаты анализа в понятные артефакты: базовые User Stories, Use Cases. Работа с Jira и Confluence для планирования доработок и управления требованиями.
Декомпозиция. Умение разбивать сложные задачи на более мелкие и управляемые части. Большая задача пугает всех, а декомпозированная на эпик → истории → задачи → подзадачи — вдохновляет команду.
Работа с данными и BI-инструментами. Базовое владение SQL для выгрузки данных, Excel для обработки и систематизации, а также инструментами визуализации — Power BI, Tableau, Yandex DataLens. Полезно уметь составлять метрики и интерпретировать их для оценки эффективности решений.
Социальные навыки (Soft Skills)
Коммуникабельность и умение слушать. Навык выстраивать диалог с разными людьми, вести переговоры — как вживую, так и в переписке, — направлять дискуссию к конкретному результату и согласовывать артефакты. Аналитик без коммуникации — это компас без стрелки.
Критическое мышление. Умение объективно оценивать информацию, выявлять логические ошибки и риски, проверять достоверность данных и искать корневые причины проблем, а не только их внешние симптомы.
Стрессоустойчивость. Работать часто приходится в сжатые сроки и в меняющихся условиях. Дедлайн был вчера, требования изменились сегодня, а завтра бизнес скажет, что всё нужно переделать.
Тайм-менеджмент. Помогает грамотно распределять время и расставлять приоритеты. Умение аргументированно сказать «нет» или «позже» — очень важный навык для тех, кто не хочет хвататься за всё подряд и превращать работу в хаос.
Адаптивность и проактивность. Готовность к изменениям в требованиях и условиях проекта, способность брать на себя ответственность, заблаговременно выявлять проблемы и предлагать решения до того, ситуация станет критической.
Смещение «ползунка» между этими группами навыков зависит от уровня аналитика и специфики проекта. Например, на уровне Junior акцент обычно смещается в сторону базовых знаний, а на уровне Senior — в сторону коммуникации, стратегического мышления, лидерства и управления сложными проектами.
Конечно, список можно продолжать, но я лишь хотел выделить базовые вещи, без которых вам точно не обойтись.
Часть 3. Инструментарий
Список инструментов постоянно расширяется, но есть базовый набор, с которым стоит быть знакомым каждому.
Моделирование и диаграммы
Draw.io — бесплатный и простой инструмент для быстрых схем
Enterprise Architect — мощное решение для сложных архитектурных моделей
Camunda Modeler — инструмент для BPMN-диаграмм, которые можно сразу исполнять
PlantUML — диаграммы как код, удобно для версионирования
API и интеграции
Postman — для тестирования REST API и работы с коллекциями запросов
Swagger и OpenAPI — для описания API-контрактов
SoapUI — для тестирования SOAP-интеграций
Insomnia — лёгкая альтернатива Postman
Базы данных
PostgreSQL — самый популярный Open source RDBMS
Oracle — классическое решения в энтерпрайзе
MongoDB — для работы с NoSQL
DBeaver и DataGrip — клиенты для работы с базами данных
Управление задачами и документация
Jira — для отслеживания задач, спринтов и бэклога
Confluence — база знаний и документация
YouTrack — альтернатива Jira от JetBrains
Notion — инструмент для небольших команд
BI и визуализация
Power BI — мощный и популярный инструмент от Microsoft
Yandex DataLens — российский аналог с хорошей интеграцией в отечественный стек
Tableau — красивое, но дорогое решение
Grafana — для мониторинга и Real-time дашбордов
ИИ-инструменты
GigaCode — инструмент от Сбера для работы с кодом и документацией
GitHub Copilot — помощник при работе с кодом
ChatGPT и Claude — для генерации текста, анализа и мозгового штурма
Perplexity — для поиска информации с источниками
Часть 4. Реальные обязанности
На практике аналитик, особенно Fullstack, часто не просто владеет большим спектром навыков, но и совмещает разные роли. Это связано с тем, что он глубоко погружен и в бизнес, и в техническую часть.
В крупных компаниях для поддержания порядка существует строгий регламент вывода функциональности в прод. Поэтому есть набор артефактов, церемоний и согласований. Для этого обычно есть отдельная роль — релизный менеджер команды (РМК), но на практике её часто берёт на себя и аналитик. Кроме того, аналитик, как связующее звено между бизнесом и разработкой, нередко ведёт Jira-проекта. В моём случае это тоже часть работы.
Представьте ситуацию: в команде временно нет владельца продукта. Как вы думаете, кому логичнее всего взять на себя его задачи? Или другой пример: тестировщик заболел, сроки релиза поджимают и необходимо оперативно настроить окружение на ПСИ и провести показ. Кто будет этим заниматься? Оставлю эти вопросы без ответа — всё это примеры из моего опыта.
Отдельно я хотел бы обратить внимание на навык, который в последнее время всё чаще ценят работодатели независимо от роли сотрудника. Речь идёт о работе с инструментами будущего — инструментами ИИ. Собственно, мы пришли к тому, с чего я начал.
ИИ открывает в работе новые возможности: от экономии времени на поиск нужной информации до создания, при грамотной настройке, своего рода виртуального джуна. При наличии подходящего железа можно даже собрать не одного такого помощника, а несколько — под разные задачи и с разными навыками. Уровень такого виртуального сотрудника будет зависеть прежде всего от того контекста, на котором вы его обучите, а также, разумеется, от выбранной модели и выделенных ресурсов.
Часть 5. Карьерный трек
Профессия аналитика — это не прямая линия вверх. Скорее, это дерево с несколькими ветками:
Уровень |
Опыт |
Зона ответственности |
|---|---|---|
Junior |
0—1 год |
Работает под руководством, выполняет типовые задачи: описывает API-контракты, рисует диаграммы, пишет простые SQL-запросы |
Middle |
1—3 года |
Самостоятельно ведёт задачи средней сложности, декомпозирует эпики, общается с бизнесом, проектирует интеграции |
Senior |
3—5+ лет |
Ведёт сложные проекты, наставляет младших, принимает архитектурные решения, работает с заинтересованными лицами высокого уровня |
Lead/Principal |
5+ лет |
Определяет стратегию развития продуктов/направлений, управляет командой аналитиков, выстраивает процессы |
С точки зрения вида деятельности есть два трека развития: технический и управленческий:
Junior → Middle → Senior → Lead-аналитик → Архитектор. Этот путь предполагает углубление в техническую экспертизу: архитектура, интеграции, данные и ИИ.
Junior → Middle → Senior → Team Lead → Product Owner. Здесь акцент смещается в сторону управления: людьми, процессами и бизнес-стратегией.
Можно менять треки: например, бывают архитекторы, которые начинали как бизнес-аналитики, и владельцы продукта, пришедшие как системные аналитики.
Часть 6. Тренды 2025—2026 гг.
Как я уже упоминал, мир вокруг нас меняется очень быстро. Вот что сегодня определяет профессию.
ИИ как инструмент аналитика
Это уже не просто тренд, а реальность. LLM-модели, такие как GigaCode, GitHub Copilot, ChatGPT и др., стали неотъемлемой частью рабочего процесса. Что это даёт на практике?
Генерация требований. ИИ может помочь сформулировать пользовательские истории или проверить спецификацию на полноту.
Автоматизация тестирования API. ИИ помогает генерировать тестовые сценарии и даже составлять запросы для Postman.
Анализ логов. Вместо ручного поиска ошибки в тысячах строк журнала можно загрузить их в ИИ-инструмент и получить сводку.
Промпт-инжиниринг. Умение правильно ставить задачу ИИ становится новым навыком аналитика. Не «сделай красиво», а, например, «на основе этого бизнес-требования к процессу составь BPMN-диаграмму, учитывая описанные ограничения».
При этом очень важно понимать, что ИИ не заменяет аналитика — он заменяет рутину. А сам аналитик становится более стратегическим игроком: он направляет и проверяет результат.
Low-code и No-code
Аналитики всё чаще проектируют решения без участия программистов. Конструкторы диаграмм, которые генерируют код, например, Camunda или Appsmith, визуальные конструкторы отчётов, Drag-and-Drop платформы — всё это расширяет зону ответственности аналитика. Теперь ты не просто описываешь, что нужно сделать. Ты можешь сделать это сам.
Data-driven культура
Аналитик сегодня не только формулирует требования, но и сам работает с данными: предлагает гипотезы и проверяет их. Если раньше можно было передать задачу на выгрузку Data-инженеру и забыть о ней, то теперь ожидается, что ты сам сможешь взять данные, посчитать метрику и сделать вывод.
Удалёнка и распределённые команды
Работа в распределённых командах стала нормой. Аналитику важно уметь выстраивать эффективную коммуникацию на созвонах, документировать решения в Confluence так, чтобы их понял человек, находящийся в другой локации, а иногда даже синхронизироваться асинхронно.
Часть 7. Сферы работы
В зависимости от отрасли и компании роль аналитика может сильно отличаться.
Финтех (банки, страхование, инвестиции)
Самая распространённая сфера для аналитиков в России. Банки — одни из крупнейших IT-работодателей.
Специфика: регуляторная нагрузка, сложные интеграции с внешними системами (ЦБ, НСПК, ФНС, ЕСИА), повышенные требования к безопасности.
Примеры задач: проектирование кредитного конвейера, интеграция с платёжными системами, создание скоринговых моделей.
Преимущества: стабильность, достойные зарплаты, понятные процессы.
Недостатки: бюрократия, часто долгие релизы, сложная предметная область.
E-commerce и маркетплейсы
Специфика: высокие нагрузки, быстрые итерации, A/Б-тестирование, работа с большими данными.
Примеры задач: проектирование корзины и чекаута, интеграция с доставкой, рекомендательные системы.
Преимущества: динамика, возможность видеть результат своей работы у миллионов пользователей.
Недостатки: постоянные изменения, высокий темп, давление метрик.
Госсектор
Специфика: госзаказы, регламентированные процессы, работа с Legacy-системами
Примеры задач: цифровизация госуслуг, межведомственное взаимодействие, электронные очереди
Преимущества: масштабные проекты, социальная значимость, стабильность
Недостатки: медленные процессы, ограниченный бюджет, бюрократия
Телеком
Специфика: работа с биллингом, интеграция с сетевым оборудованием, большие объёмы данных
Примеры задач: проектирование тарифных планов, интеграция с платёжными системами, анализ оттока клиентов
Преимущества: интересные технические задачи, работа с большими данными
Недостатки: сложная предметная область, высокие требования к SLA
Стартапы
Специфика: всё и сразу, минимум процессов, максимум хаоса
Примеры задач: есть тут одна темка
Преимущества: быстрый рост, широкий спектр задач, возможность стать сооснователем
Недостатки: нестабильность, низкие зарплаты на старте, высокий риск провала
Часть 8. Мифы о профессии
Давайте разберём несколько распространённых заблуждений об аналитиках.
Миф 1: «Аналитик — это тот, кто только диаграммы рисует»
Если бы всё было так просто. Диаграммы — это лишь инструмент, а не цель. Главная задача аналитика — решить бизнес-задачу. Иногда для этого достаточно одного абзаца в Jira, а иногда нужны три страницы спецификации и пять диаграмм.
Миф 2: «Нужно знать всё и сразу»
Это невозможно. Хороший аналитик умеет быстро находить информацию и понимает, у кого её уточнить. Он глубоко разбирается в своей области, при этом понимает, как работают смежные системы. Это не «всё и сразу», это «достаточно хорошо в нужном».
Миф 3: «ИИ заменит аналитиков»
ИИ действительно может заменить часть рутины, но не способность понять, почему бизнес хочет именно так, а не иначе. Он не заменит умение находить компромисс между тремя заинтересованными лицами с противоположными требованиями. И, конечно, не возьмёт на себя ответственность за решение, которое повлияет на миллионы пользователей и миллиарды рублей прибыли.
ИИ — это инструмент, как SQL или Postman. Инструменты меняются, а профессия остаётся.
Миф 4: «Аналитик — это для тех, кто не умеет программировать»
Это всё равно что сказать: архитектор — это для тех, кто не умеет класть кирпичи. Аналитик и разработчик — разные роли с разными фокусами. Аналитик отвечает на вопросы «что нужно сделать?» и «зачем это нужно?», разработчик — на вопрос «как это реализовать?» Оба специалиста одинаково важны, и оба требуют глубоких знаний.
Часть 9. Как войти в профессию?
Если вы хотите стать аналитиком, но не знаете, с чего начать, вот ориентиры, которые я считаю наиболее важными. Они не являются ни обязательными, ни исчерпывающими, но их наличие вам очень поможет.
Образование
Высшее: любое техническое или экономическое. Главное — развитое логическое мышление и готовность много и усердно работать.
Дополнительное: курсы повышения квалификации по бизнес- или системному анализу. Хорошие программы есть, например, в СберУниверситете, Яндекс.Практикуме и других школах — на ваш вкус.
Сертификации: CBAP (для бизнес-аналитиков) и IREB (для системных аналитиков). Они не являются обязательными, но могут усилить резюме.
Портфолио
Работодатели видят сотни резюме с одинаковыми формулировками: «Знаю А, умею Б». Как выделиться?
Pet-проект: возьмите любой жизненный процесс — например, заказ еды или запись к врачу — и опишите его: BPMN-диаграмму, API-контракты, ERD-диаграмму базы данных; готовый проект можно выложить на GitHub
Статья: напишите о том, что вы уже знаете — как я делаю это сейчас
Участие в Open source: даже если вы помогаете только с документацией — это уже опыт
На что смотрят на собеседовании
Логическое мышление: вам, скорее всего, предложат задачу на логику, а не на знание нотаций
Импровизация: решите вымышленный пример, накидайте «на коленке» UML-диаграмму бизнес-процесса и приведите доводы в пользу потенциала этого бизнес-процесса
Коммуникация: вас будут спрашивать, как вы решали конфликты, как объясняли сложные вещи простым языком и насколько уверенно умеете общаться
Готовность учиться: технологии меняются очень быстро, поэтому важно не то, что вы знаете сейчас, а то, как быстро вы осваиваете новое
Первый шаг
Попробуйте устроиться младшим аналитиком или аналитиком-стажёром. Если в компании нет отдельной роли аналитика, предложите помощь в описании процессов или требований. Опыт и большие достижения приходят из практики, а не из курсов.
Часть 10. Заключение
Аналитик сегодня — это не просто человек, который пишет требования. Это универсальный специалист, который видит картину целиком и выступает связующим звеном между бизнесом и разработкой. Это человек, который:
Понимает бизнес и говорит с ним на одном языке
Разбирается в технологиях и может поговорить с разработчиками
Владеет инструментами — от BPMN до SQL, от Postman до BI-систем
Использует ИИ как инструмент, а не как угрозу
Готов учиться каждый день, потому что технологии не стоят на месте
Профессия аналитика — это не про знание нотаций. Это про умение решать проблемы. Про способность слышать бизнес, переводить его потребности на технический язык и следить за тем, чтобы результат соответствовал ожиданиям.
Если вы выбираете карьеру и хотите оказаться в сфере, где есть и техника, и бизнес, и постоянные вызовы, аналитика может стать отличным выбром.
А какой путь выбрали бы вы?
Спасибо за внимание!
