Начинать нужно не с Power BI, не с дашбордов и тем более не с Python. Начинать нужно со сводной таблицы в Excel или Google Sheets — это одна кнопка, которая за пять минут превращает тысячу строк выгрузки в понятный ответ. Дальше — пять-шесть функций для очистки данных, потом ВПР, и только когда вам станет тесно в таблице — переход на BI-систему. Весь путь от «открыл Excel» до «собрал первый дашборд» — это недели практики, а не годы, и в нём нет ни строчки программирования.
Но почему именно в таком порядке? Почему сводные раньше дашбордов, а Excel раньше Power BI? Потому что большинство новичков делает наоборот — хватается за самый красивый инструмент первым, тонет в его настройках и бросает. Дальше — конкретный план: какие функции Excel освоить и в каком порядке, что такое дашборд и зачем он, когда пора уходить из таблицы в BI, и какой первый проект собрать руками за выходные.
Главная мысль простая: анализ данных без кода — это не отдельная магия, а связка трёх инструментов, которые осваиваются последовательно, а не одновременно. Excel или Google Sheets — чтобы считать и чистить. BI-система вроде Power BI, DataLens или Tableau — чтобы показывать. SQL — чтобы доставать данные из баз, но это уже следующая статья. Сначала — таблица. С неё и начнём, потому что в ней лежит 80% того, что аналитик делает каждый день.
Есть один навык, который отделяет человека, умеющего «что-то в Экселе», от человека, который анализирует данные. Это сводные таблицы. Если вы научитесь только им и больше ничему — вы уже полезнее половины офиса.
Сводная таблица берёт длинный плоский список — тысячу строк продаж, где каждая строка это одна сделка — и сворачивает его в компактный ответ. Сколько продали по каждому городу. Какой менеджер принёс больше всех. Как выручка распределилась по месяцам. Всё это собирается перетаскиванием полей мышкой, без единой формулы. В Excel это вкладка «Вставка → Сводная таблица», в Google Sheets — «Данные → Сводная таблица». Кнопка одна. Эффект — будто кто-то включил свет.
Освоить их до рабочего уровня — два-три вечера. Не курс, не семестр. Берёте любую выгрузку и пробуете ответить на пять вопросов: сколько всего, сколько по группам, кто в топе, как менялось во времени, где аномалия. Каждый ответ — одна сводная. Через десять таких ответов рука перестаёт думать.
И вот почему именно сводные первыми, а не дашборды. Дашборд — это витрина. Сводная — это кухня. Нельзя оформить блюдо, которое не умеешь готовить. Человек, который начинает с красивых графиков в Power BI, не понимая, как данные сворачиваются в число, строит фасад без здания за ним. Поэтому сначала кухня.
Сводные дают ответы, но данные перед этим почти всегда грязные. Реальная выгрузка выглядит так: где-то лишние пробелы, где-то даты в трёх форматах сразу, где-то фамилия и город слиплись в одной ячейке, где-то пустоты вместо нулей. Аналитик половину времени не считает — он чистит. И чистит он горсткой функций, которые стоит выучить именно в этом порядке.
ВПР (в новых версиях — ПРОСМОТРX) — подтягивает данные из одной таблицы в другую по совпадению. У вас список заказов с кодами товаров и отдельный справочник, где код соответствует названию. ВПР сшивает их в одну таблицу. Это самая частая операция аналитика после сводных, и первое, что спрашивают на собеседовании.
Дальше — функции очистки: СЖПРОБЕЛЫ убирает лишние пробелы, которые ломают сравнение; ЕСЛИ расставляет метки по условию; СЧЁТЕСЛИ и СУММЕСЛИ считают и суммируют по фильтру, не строя сводную; а текстовые ЛЕВСИМВ, ПРАВСИМВ, ПСТР режут слипшиеся строки на части. Шесть-семь функций. Не двести, которыми пугают справочники.
Не учите Excel «весь». Это ошибка, которая съедает месяцы. Функций в нём больше четырёхсот, и аналитик в реальной работе пользуется тремя десятками от силы. Остальное гуглится за минуту в тот единственный раз, когда понадобится. Учить нужно не функции — учить нужно операции: подтянуть, почистить, посчитать по условию, разрезать текст. Под каждую операцию хватает одной-двух функций, и они закрывают почти всё.
Когда таблица очищена и свёрнута — пора показывать результат. И вот тут Excel начинает буксовать.
Слово «дашборд» звучит модно и пугающе. На деле dashboard переводится буквально — приборная панель, как в машине. Спидометр, бензин, обороты, температура — всё главное на одном экране, без листания мануала. Дашборд данных — то же самое: ключевые цифры бизнеса на одном экране, которые обновляются сами и которые понятны с одного взгляда.
Зачем он нужен и почему его не заменить таблицей. Представьте: руководитель каждое утро хочет видеть выручку за вчера, топ-5 товаров и динамику за месяц. Без дашборда вы каждое утро открываете выгрузку, строите сводные заново, копируете числа, рисуете график — двадцать минут руками, и так каждый день. С дашбордом вы собрали это один раз, подключили к источнику данных, и теперь утром оно обновляется само. Аналитик перестаёт быть человеком-калькулятором и становится человеком, который один раз построил машину.
Хороший дашборд отвечает на вопрос за три секунды. Плохой — заставляет в нём разбираться. Разница не в красоте, а в том, расставлены ли цифры по важности: главное — крупно и сверху, детали — мельче и ниже. Это навык не технический, а почти редакторский: что вынести в заголовок, что убрать, чтобы не мешало. Технарь без этого чутья лепит на экран двадцать графиков, гордится плотностью — и получает панель, в которой тонет даже он сам. Гуманитарий, привыкший думать «что здесь главное», собирает три блока, и ими пользуются. Парадокс, но дашборды у второго выходят лучше.
Строить дашборды можно и в Excel — там есть диаграммы и срезы. Но именно на дашбордах яснее всего видно, где у таблицы кончаются силы.
Excel — отличный старт и плохой финиш. Уходить из него в BI-систему пора по трём конкретным сигналам, и пока ни один не наступил — не тратьте время на Power BI, доучивайте таблицу.
Сигнал первый — объём. Excel начинает задыхаться на сотнях тысяч строк, файл открывается минутами, формулы пересчитываются с задержкой. BI-системы вроде Power BI, Yandex DataLens или Tableau жуют миллионы строк, не замечая. Сигнал второй — повторяемость. Если один и тот же отчёт вы собираете руками каждую неделю — это работа для BI, где он обновится сам по расписанию. Сигнал третий — несколько источников. Когда данные лежат в трёх разных выгрузках и их надо сшивать каждый раз заново, BI связывает их один раз и держит связь.
Что такое BI по сути. Business Intelligence — это конструктор дашбордов, где графики собираются перетаскиванием, как кубики, а под ними живёт постоянное подключение к данным. Вы не копируете цифры — вы подключаетесь к источнику, и панель обновляется сама. По логике это та же сводная таблица, выросшая до промышленного масштаба и научившаяся обновляться без вас.
Хорошая новость для пугливых: переход не болезненный. Если вы освоили сводные в Excel, мышление BI вам уже знакомо — те же измерения и значения, та же группировка, только инструмент мощнее и интерфейс другой. Поэтому порядок именно такой: сначала Excel ставит мышление, потом BI даёт ему мускулы. Прыгать сразу в BI, минуя таблицу, — всё равно что садиться за гоночную машину, не научившись водить. Формально можно. На практике врежетесь в первый поворот.
Инструменты освоены. Осталось понять, что с ними делать, чтобы это засчиталось как опыт.
Теория без проекта мертва — и рынок это знает. От джуниора в 2026 году просят не сертификат, а учебный проект на реальных данных, разобранный до вывода. Хорошая часть: первый такой проект собирается за выходные, и для него не нужно ничьё разрешение.
Не берите «датасет для аналитиков» из учебника — там скучно и обезличенно. Возьмите данные, которые вам не всё равно. Свои расходы за полгода из банковского приложения — почти все банки дают выгрузку в Excel. Статистику любимой спортивной команды за сезон. Историю своих заказов в маркетплейсе. Цифры, которые вам интересны, — потому что интерес тащит через скуку очистки.
Дальше — четыре шага, и каждый отрабатывает один навык. Сначала почистите: уберите дубли, приведите даты к одному формату, заполните пропуски — это ваша функция очистки в деле. Потом сверните: сводными ответьте на три вопроса. На что я трачу больше всего? Как менялись расходы по месяцам? В каком месяце аномалия и почему? Потом покажите: соберите мини-дашборд из трёх блоков — общая сумма, разбивка по категориям, динамика во времени. И главное — четвёртый шаг: напишите вывод словами. Одну-две фразы. «Сорок процентов трат — еда вне дома, пик в декабре из-за праздников, дальше держится привычка».
Этот четвёртый шаг — то, что отличает аналитика от человека, умеющего строить графики. Заказчику не нужен график. Заказчику нужен вывод, который из графика следует. Сборка картинок — ремесло, формулировка вывода — профессия. Проект без вывода — это домашка по черчению. Проект с выводом — то, что можно показать на собеседовании и сказать: вот данные, вот что я в них увидел, вот что советую делать.
Самая частая исповедь на форумах звучит так: «утонул в туториалах, год смотрю и ничего не умею». Это не лень и не тупость. Это конкретная ловушка, и в неё падают потоками.
Ошибка первая, она же корень всех остальных — смотреть вместо делать. Туториал создаёт иллюзию прогресса: вы кивали два часа, всё было понятно, рука ничего не повторила. Назавтра в голове ноль. Навык в аналитике ставится только пальцами на своих данных, а не глазами на чужом экране. Правило простое и злое: на час просмотра — три часа своими руками. Нарушаете пропорцию — год спустя будете «утонувшим в туториалах».
Ошибка вторая — хвататься за Python и SQL первыми, потому что они «серьёзнее». Испуганный новичок парадоксальным образом бежит к самому страшному, лишь бы доказать себе, что он «настоящий». Зря. До Excel и BI ни SQL, ни Python не нужны — вы будете строить третий этаж без фундамента. Сначала таблица, потом BI, и лишь когда упрётесь в объём или автоматизацию — следующий инструмент.
Ошибка третья — учить инструмент «весь». Прочитать Excel от корки до корки, посмотреть все 60 уроков по Power BI, выучить каждую функцию. Так не работает ни один практикующий аналитик. Учится не инструмент целиком, а задача под рукой: нужно подтянуть данные — выучил ВПР сегодня, нужна динамика — разобрал график завтра. Знание под задачу садится в память, знание «впрок» испаряется к утру.
Ошибка четвёртая, и она же самая дорогая, — копить теорию и не собрать ни одного проекта. Сертификат о прохождении курса рынку 2026 года почти ничего не говорит — больше половины junior-вакансий ждут опыта от года до трёх, и в этой давке проект на реальных данных весит больше любой бумажки. Десять туториалов проигрывают одному доведённому до вывода проекту.
План на ближайший месяц укладывается в одну строчку: сводные → функции очистки и ВПР → дашборд в Excel → переход на BI → проект на своих данных → вывод словами. Именно в этом порядке, не перепрыгивая. Каждый шаг — несколько вечеров практики, а не теории.
Начните сегодня и с малого. Откройте любую свою выгрузку — расходы из банка, заказы, что угодно знакомое — и постройте одну сводную таблицу. Ответьте ею на один вопрос: на что ушло больше всего. Поймайте свою реакцию. Если ковыряние в цифрах бесит — честный сигнал, лучше узнать за вечер, чем за год и после оплаченного курса. Если затягивает погоня за «почему вот эта цифра такая» — у вас склад аналитика, и дальше дело техники.
Эти навыки — Excel, BI, потом SQL — ведут в профессию аналитика данных, где junior на старте получает 94 000–149 000 ₽ по медиане предлагаемых зарплат hh.ru за 2026 год, а middle — 150 000–255 000 ₽. Дорога открыта без программирования. Но прежде чем платить за курс, стоит убедиться, что аналитика — вообще ваша ветка, а не первое слово из обзора зарплат. Профтест на этом сайте за пять минут сопоставит ваш склад ума и бэкграунд с подходящим направлением — и подскажет, аналитика это или, например, тестирование или дизайн, и если аналитика, то какая роль: маркетинговая, продуктовая, BI.
Вернёмся к человеку, который год тонул в туториалах. Его проблема была не в нехватке знаний — он их пересмотрел больше, чем иной практикующий аналитик. Его проблема была в том, что он ни разу не открыл свою выгрузку и не построил одну сводную руками. Час смотреть легко. Три часа делать — тяжело. Вся разница между «прошёл курс» и «стал аналитиком» прячется ровно в этой пропорции.
