В аналитику данных можно войти без программирования. Не лазейкой, не «начни, а там разберёшься» — а в полноценную профессию, по которой работает большинство аналитиков. Связки Excel, BI-системы и SQL хватает, чтобы стать продуктовым, маркетинговым или BI-аналитиком. Junior на старте получает 94 000–149 000 ₽ по медиане предлагаемых зарплат hh.ru за 2026 год. Python не нужен на входе. Высшая математика не нужна вообще.
Но дальше — звёздочка по имени SQL. Его вы выучить должны, и да, формально это «язык». Именно здесь половина людей закрывает вкладку: увидели слово «язык», решили, что это программирование, и ушли. Зря ушли. SQL — не программирование в том смысле, которого боятся. Это другое, и об этом весь текст.
Разберём по порядку. Сначала — почему «без кода» правда, и в чём единственная оговорка. Потом — кому этот путь подходит больше, чем технарям (спойлер: гуманитариям и людям из маркетинга, финансов, продаж). Потом — три конкретные роли, где Python не открывают годами, и где у этого пути всё-таки лежит потолок. И в конце — что делать завтра, чтобы примерить профессию за вечер, а не за год.
Стек аналитика без кода выглядит так. Excel или Google Sheets — сводные таблицы, формулы, то, что вы, скорее всего, уже видели. BI-система вроде Power BI или DataLens — конструктор дашбордов, где графики собираются мышкой, перетаскиванием. И SQL — способ доставать данные из баз. Всё. Этого набора хватает на огромную часть аналитической работы, и в нём нет ни одной строчки того, что обычно называют программированием.
Звёздочка — SQL. Тут многие спотыкаются, потому что SQL формально язык, а «язык» в голове новичка склеивается с Python, C++ и ночными кошмарами про вузовскую информатику. Склейка ложная.
В программировании вы описываете компьютеру алгоритм: вот переменная, вот цикл, повтори двадцать раз, если выполнилось условие — сделай это, иначе то. Вы строите логику по шагам, и машина тупо её исполняет. SQL устроен наоборот. Вы не описываете шаги — вы формулируете вопрос к таблице, почти человеческими словами: «дай мне продажи по этим городам за март, сгруппируй по неделям». Машина сама решает, как это посчитать. Вы говорите что хотите, а не как это сделать. Это ближе к расширенному фильтру в Excel, чем к написанию программы.
Освоить SQL до рабочего уровня — пара месяцев практики. Не пять лет, не «способности к точным наукам». Бояться его так же, как Python, — всё равно что бояться калькулятора, потому что когда-то боялся высшей математики. Разные вещи. Одна про вход, другая про потолок, до которого ещё дойти надо.
Самая частая исповедь на форумах звучит так: «Я гуманитарий, у меня всегда было плохо с математикой, осилю ли аналитику?» И почти всегда за этим стоит конкретный страх — не перед работой, а перед той самой вышкой, которая отравила второй курс.
Хорошая новость неприятна для тех, кто искал повод не пробовать. Аналитику высшая математика не нужна. Ни линейной алгебры, ни матанализа, ни интегралов — это территория дата-сайентиста, другая профессия и другой этаж. Аналитику нужна школьная статистика на бытовом уровне: чем среднее отличается от медианы, почему корреляция не означает причину. Это не та математика, что вас отпугнула. Это здравый смысл, переведённый в цифры.
Теперь вторая звёздочка, и она честная до неудобства. «Без кода» люди читают как «без усилий». Это ловушка, и в неё падают целыми потоками курсов. Слышно с тех же форумов: «думал, лёгкая дверь, а оказалось — год чищу таблицы и не могу найти работу».
Дверь в аналитику без кода — да. Без труда — нет. Валюта, которой вы платите вместо программирования, называется усидчивость. Аналитик половину времени не считает озарения, а возится с грязными данными: дубли, пропуски, даты, где половина в одном формате, половина в другом. Кто-то от этой возни звереет и уходит. Кого-то она цепляет, как погоня. От того, какая реакция ваша, зависит больше, чем от диплома филфака. Код вы обойдёте. Терпение — нет.
Вот разворот, который меняет всю рамку. Гуманитарию, маркетологу, финансисту, эйчару вход в аналитику не просто открыт. Их прошлое на старте дороже, чем Python у технаря.
Аналитик — это переводчик между цифрами и людьми, которые принимают решения. И главная его работа не в том, чтобы посчитать. А в том, чтобы понять, что заказчик на самом деле хочет узнать, и объяснить ответ человеческим языком. «У нас всё плохо с продажами» нужно сначала перевести в точный, считаемый вопрос — а потом результат вернуть так, чтобы руководитель не уснул на третьем графике.
И вот тут выясняется странное. Маркетолог уже знает, что такое конверсия и почему просел трафик. Финансист читает таблицы во сне. Эйчар понимает, что стоит за текучкой. Продажник чувствует воронку кожей. Им не хватает одного — инструмента. SQL и BI. А инструмент учится быстрее, чем бизнес-чутьё, которое они нарабатывали годами.
Технарь без чутья строит красивый дашборд, который никому не нужен, — технически безупречный ответ на вопрос, который никто не задавал. Гуманитарий с SQL отвечает на вопрос, который болит. Рынок 2026 года устроен так, что платит за второе: его главная боль — «дефицит навыков, а не людей», нужны не руки, а люди, умеющие вытащить из данных смысл. Поэтому когда маркетолог стирает свою прошлую профессию как «нерелевантный опыт» — он выбрасывает самое ценное, что принёс.
Без программирования открыты не объедки с барского стола, а полноценные позиции. Три самые доступные.
Маркетинговый аналитик считает, какой канал окупается, сколько стоит привлечь клиента, работает ли реклама. Excel, BI и SQL закрывают тут почти всё. Продуктовый аналитик смотрит на метрики продукта: воронки, удержание, результаты простых A/B-тестов — и снова основной инструмент это SQL плюс дашборды. BI-аналитик буквально живёт в BI-системе: его работа — превращать сырые цифры в понятные дашборды, которыми пользуется вся компания. Python ему почти не нужен, нужен SQL и вкус к тому, как показать данные, чтобы их поняли с одного взгляда.
Это не «аналитики второго сорта». Те же junior-вилки 94 000–149 000 ₽, та же лестница вверх. Отдельной зарплатной статистики «для аналитика без кода» рынок почти не ведёт — потому что граница между «с кодом» и «без» проходит не по должности, а по конкретной задаче внутри неё.
Где Python всё-таки понадобится: глубокий анализ на по-настоящему больших данных, серьёзная статистика, автоматизация рутины скриптами. Но это не вход. Это выбор где-то на середине пути, и к нему мы сейчас подойдём.
Честно про границу, потому что без неё текст был бы рекламным враньём. Потолок у пути без программирования существует.
Лежит он не там, где пугают. Junior, а потом middle — 150 000–255 000 ₽ — весь этот отрезок проходится на Excel, SQL и BI. Это не годы у нижней планки, это нормальная карьера с нормальным ростом дохода. Потолок появляется выше: когда данных становятся миллионы строк и таблица их физически не тянет, когда задача — не посчитать, а построить предсказательную модель, когда руками уже не успеваешь и нужен скрипт, который сделает это за тебя.
И вот фокус. К этому моменту Python перестаёт быть страшным словом. Потому что вы уже год пишете SQL, уже думаете запросами, уже привыкли формулировать вопрос к данным формально. Python после SQL — это не новая вселенная, а следующий инструмент, логично продолжающий то же мышление. Люди, которые в ужасе бежали от программирования на старте, доходят до этой границы и спокойно берут Python, потому что подходят к нему подготовленными, а не с улицы.
А многие не доходят. И не страдают. Маркетинговому аналитику в средней компании Python может не понадобиться никогда — ему хватает SQL и BI до конца карьеры, и зарплата от этого не проседает. Потолок есть. Но он высоко, и упираешься в него по собственному выбору расти в сторону больших данных — а не на второй неделе обучения, как боялась Марина.
Марина, 34, маркетолог. Гуманитарное образование, филфак, и она с гордостью зовёт себя гуманитарием — как щитом. Год её бесит одно и то же: она предлагает свернуть один рекламный канал и усилить другой, а ей отвечают «давай оставим, вроде работает». На глазок. Доказать цифрами она не может — сводит что-то в Excel руками, но это не аргумент в споре. Она прочитала «аналитик данных», дошла до слова SQL, подумала «ну вот, программирование, не моё» и закрыла вкладку.
Зря закрыла. Посмотрите, как на SQL выглядит её вопрос «сколько клиентов из Казани купили в марте»:
SELECT COUNT(*) FROM покупки WHERE город = 'Казань' AND месяц = 'март'
Прочитайте вслух. «Посчитай записи из покупок, где город Казань и месяц март». Это не алгоритм. Это её же вопрос, просто записанный так, чтобы база поняла без двусмысленности. Никаких циклов, никакой логики по шагам, никакой математики. Вопрос, заданный формально.
Марина годами думает воронками, конверсией, окупаемостью канала — она уже мыслит как аналитик. Ей не хватало не способностей. Ей не хватало одного перевода: что SQL — это не стена кода, а способ наконец задать данным вопрос, который она и так держит в голове. И что её маркетинговое чутьё, которое она считала «несерьёзной гуманитарной ерундой», — ровно тот дефицитный навык, за который рынок платит больше, чем за технику.
Начните не с курса, а с вечера. Возьмите любые знакомые цифры — свои расходы за полгода, статистику любимой команды, выгрузку с работы — и попробуйте ответить на вопрос «почему вот эта цифра такая». Посчитайте, сравните, докопайтесь до причины. Поймайте свою реакцию. Рутина бесит — честный сигнал, аналитика не ваше, и хорошо, что выяснили за вечер. Цепляет погоня за «почему» — у вас склад аналитика, и можно идти дальше.
Порядок дальше простой и не пугающий. Сначала таблицы и SQL, потом BI. Python — не на входе, а сильно потом и только если упрётесь в потолок больших данных. Детальный инструментальный план — отдельный разговор про то, с чего начать в Excel и BI; здесь важно одно: не хватайтесь за Python первым, это самая частая ошибка испуганного новичка.
И не стирайте своё прошлое. Маркетолог идёт в маркетинговую аналитику, финансист — в финансовую или BI, продажник — в продуктовую или коммерческую. Прежняя профессия не балласт, а фора. Учтите и фон: рынок 2026 жёсток к джунам, больше половины вакансий ждут опыта от года до трёх, и от вас попросят не сертификат, а учебный проект на реальных данных, разобранный до вывода. Без кода войти реально. Без проекта и терпения — нет.
Но прежде чем платить за любой курс — проверьте, что аналитика вообще ваша ветка, а не первое слово, попавшееся в обзорах зарплат. Профтест на этом сайте за пять минут сопоставит ваш склад ума, бэкграунд и отношение к цифрам с подходящим направлением — и подскажет, аналитика это, и если да, то какая роль: маркетинговая, продуктовая, BI. Пять минут теста дешевле, чем год, потраченный на профессию, от которой вас тошнит на второй неделе.
Марина, кстати, ту вкладку потом открыла заново. Оказалось, она и так была аналитиком — просто без инструмента и с лишним страхом.
