Хороший курс аналитика отбирается одним вопросом, который вы задаёте до оплаты и бесплатно: «На каких данных мы будем учиться?» Если в ответ — «реальный датасет компании, грязный, с пропусками и дублями, как в работе», это уже половина решения. Если «учебные таблицы, которые мы для вас подготовили» — закрывайте вкладку. Аналитика — это на восемьдесят процентов возня с кривыми данными, и курс, который от этой возни вас бережёт, готовит к профессии, которой не существует.
Дальше всё считается. Junior-аналитик в 2026-м получает 94 000–149 000 ₽ — это медиана по вакансиям на hh.ru, не средняя с лендинга. До этой ставки идти девять-восемнадцать месяцев, считая поиск первой работы. Не три месяца. А курс, который реально доведёт вас до неё, стоит не обязательно дорого: половину информации по аналитике можно получить бесплатно, и платите вы не за неё.
Дальше я разберу, на что смотреть перед оплатой: какие данные дают трогать руками, кто проверяет ваши SQL-запросы, что останется в портфолио к финалу, где в программе живая аналитика, а где платный пересказ открытых уроков. И назову флаги, по которым развод видно раньше, чем вы введёте данные карты. Недоверие, с которым вы пришли на этот рынок, обоснованное. Сделаем из него инструмент.
Костя выбирал курс две недели и сдался: лендинги были близнецами. «Актуальная программа», «эксперты из крупных компаний», «помощь с трудоустройством» — слово в слово, у всех. Сравнить их между собой было нечем.
Тогда он перестал читать продающие блоки и начал писать в поддержку один вопрос: «Покажите датасет, на котором идёт обучение. Дайте его скачать или скриншот первых строк». Половина школ замялась.
Это и есть фильтр, и работает он именно в аналитике. Потому что работа аналитика начинается не с графика — с базы, где даты записаны в трёх разных форматах, где у тысячи строк пустой регион, где две таблицы не сходятся по сумме, и никто не помнит почему. Чистого «анализа» в дне аналитика хорошо если треть. Остальное — раскопки: где лежат нужные цифры, почему выгрузка врёт, кто вообще заполняет этот столбец. Курс, который сажает вас за вылизанную учебную табличку, где всё сходится, учит несуществующей работе. На собеседовании вам дадут реальную выгрузку и попросят что-то из неё достать. И вы впервые в жизни увидите, что данные бывают грязными.
Поэтому вопрос про датасет — не придирка. Хороший курс честно говорит: вы будете работать с настоящими данными, кривыми, как в бою, — обезличенная выгрузка из реального бизнеса, открытый государственный датасет, дамп транзакций интернет-магазина. Вы сами будете чистить дубли, чинить даты, решать, что делать с пропусками. Это неприятно. Это и есть профессия.
Слабый курс даёт чистые таблицы и красивый финальный график, который сходится с первого раза. По нему приятно снять видео для рекламы. К работе он не готовит никак.
Следующая проверка — программа. Откройте её и найдите, сколько в ней SQL. Не «знакомство с базами данных» одним вечером, а недели реальной практики: SELECT, JOIN, GROUP BY, подзапросы, оконные функции.
SQL спрашивают на каждом собеседовании аналитика. Это язык, которым вы достаёте данные из базы, и без него вы не аналитик, а человек, который умеет рисовать графики из того, что ему принесли. Курс, где SQL — один модуль из десяти, между «введением в профессию» и «софт-скиллами», продаёт вам обзорную экскурсию по аналитике, а не профессию.
Как считать. В честной программе SQL — это сквозная линия, к которой вы возвращаетесь весь курс, с десятками задач: достань выручку по месяцам, посчитай средний чек по городам, найди клиентов, которые перестали покупать. Не «напишите SELECT * FROM table» на третьей неделе и забудьте. А BI-инструмент — Power BI, DataLens, Tableau — вы строите сами, с нуля, подключая к своим данным, а не смотрите, как преподаватель кликает мышкой по готовому дашборду на экране.
И отдельно про Python. Многие новички думают, что аналитика — это сразу Python и машинное обучение. Это не так, и курс, который грузит вас Python с первой недели, либо готовит дата-сайентиста под видом аналитика, либо распыляет ваше время. Порядок другой: сначала таблицы и SQL, потом BI, и только потом Python с pandas — когда данных столько, что таблица не тянет. Курс, который уважает этот порядок, понимает профессию. Курс, который начинает с нейросетей, продаёт хайп.
Автопроверка скажет, что ваш SQL-запрос вернул правильное число. Она не скажет, что вы написали его так, что в реальной базе на миллион строк он будет считаться полчаса. И не скажет, что вы ответили не на тот вопрос.
В этом подвох аналитики. Запрос может вернуть верную цифру и при этом быть написан криво, медленно, нечитаемо. А может вернуть красивую цифру, которая отвечает не на вопрос бизнеса, а на тот, что вы сами себе придумали. Автотест проверяет совпадение с эталоном. Он не видит, что вы посчитали средний чек по всем заказам, включая отменённые, и тем самым соврали. Это видит только человек, который читал тысячу таких решений.
Вот за что вы платите курсу, а не открытым урокам, — за ментора, который смотрит именно ваш запрос и ваш дашборд и говорит, что не так. Не «эксперт из крупной компании» с обложки. Конкретный проверяющий: здесь JOIN потеряет половину строк, здесь ты не учёл возвраты и завысил выручку, здесь дашборд технически верен, но руководитель по нему ничего не поймёт. Бесплатно вам этого никто не должен. В открытом сообществе на вопрос могут ответить, а могут пролистнуть. Платный курс превращает «могут» в «обязаны».
Спросите до оплаты три вещи. Сколько проверок с живой обратной связью входит — число, а не «поддержка наставников». Как быстро отвечают — за сутки или за две недели; разница между «исправил по горячим следам» и «забыл, о чём была задача». И кто проверяет — практикующий аналитик или выпускник прошлого потока, которого посадили проверять за копейки. На перегретом рынке школы экономят и сажают на проверку вчерашних студентов. Человек, который сам месяц назад вышел из джуна, не отличит хороший запрос от того, который случайно выдал верное число.
В вебе работодатель открывает ссылку на ваш сайт. В аналитике он открывает ваше резюме и ищет одно: что вы реально посчитали и какой вывод сделали. И тут большинство выпускников курсов проваливаются одинаково.
Потому что портфолио аналитика — это не сертификат и не папка выполненных уроков. Это два-три кейса, где видна вся цепочка: была задача бизнеса, вы достали данные, почистили, посчитали, построили дашборд и сформулировали вывод, на основании которого кто-то мог принять решение. «Я прошёл курс и умею SQL» — пустой звук. «Я взял датасет продаж интернет-магазина, нашёл, что выручка проседает по вторникам из-за сбоя в одном канале, и посчитал, сколько это стоит в неделю» — разговор.
Поэтому спросите прямо: какие проекты останутся у меня к выпуску и смогу ли я их показать работодателю. Хороший курс строит обучение так, что к финалу у вас есть готовые кейсы на реальных данных, которые вы провели от грязной выгрузки до вывода и можете защитить на собеседовании — рассказать, почему вы почистили данные именно так, почему выбрали эту метрику, что бы вы сделали иначе. Слабый курс оставляет вас с сертификатом и графиками «повторите за преподавателем». Повторить за преподавателем и провести анализ самому — разные навыки. Платят за второй.
На рынке 2026-го это особенно жёстко. Спрос на аналитиков вырос на 16,4% за год — но фокус найма сместился на людей с опытом 1–3 года, их 51% вакансий. Junior-сегмент сжался, на каждую вакансию очередь, и в очереди у всех одинаковые корочки. Сертификат подтверждает, что вы досидели до конца. Кейс с выводом подтверждает, что вы умеете думать данными. Угадайте, что цепляет работодателя.
Теперь список того, что должно вас не насторожить, а остановить.
«Стань аналитиком за три месяца». Запомните цифры: вход в аналитику — девять-восемнадцать месяцев, считая поиск первой работы, который у джунов тянется от полугода до года. Три месяца — это срок, за который вы освоите SQL и научитесь строить простой дашборд. До трудоустраиваемого уровня отсюда ещё далеко: нужны кейсы, нужна практика на грязных данных, нужно научиться переводить цифру в вывод. Кто рисует вам «аналитика за три месяца», либо честно не понимает профессию, либо врёт ради продажи.
«Зарплата 231 тысяча». Эта цифра гуляет по лендингам, и она почти настоящая — её дают опросные сервисы. Только это среднее по всем грейдам, и считается оно по опросам сотрудников, где топ-офферы senior тянут цифру вверх. Медиана по вакансиям hh.ru — это про деньги, которые реально предлагают, — для junior составляет 94 000–149 000 ₽. Вы на старте junior. Среднюю по больнице вам показывают как вашу будущую зарплату через полгода. Это не расчёт, это приманка.
«Гарантия трудоустройства» письменно, «иначе вернём деньги». Звучит как забота — на деле признак того, что вам врут в лицо. Школа не контролирует ни одного фактора трудоустройства: ни открыта ли вакансия, ни как вы пройдёте собеседование, ни сколько таких же стоит в очереди. До работы доходит примерно половина выпускников даже у курсов с честной статистикой. Гарантировать то, что зависит не от тебя, нельзя без мелкого шрифта, который превратит «гарантию» в «покажем пару вакансий — и всё». А «кешбэк за отзыв» в придачу объясняет, почему на лендинге одни восторги: честных отзывов на лендингах меньше пятой части, остальные написаны за скидку или отделом маркетинга.
Дальше пачкой. Python и машинное обучение с первой недели для «аналитика с нуля» — распыление, вам нужны сперва SQL и таблицы. Давление срочностью, «осталось два места до полуночи» — настоящая школа не торгует, как магазин на диване. Рассрочка как главный аргумент — когда менеджер говорит про оплату дольше, чем про датасеты и проверку домашек, он продаёт не обучение. Отзывы только на собственном лендинге — ищите независимые площадки, разговоры выпускников вне сайта школы. Ваше недоверие оправдано; просто чем громче курс обещает результат, который зависит не от него, тем тише от него уходите.
Разброс цен — от нуля до 150–200 тысяч за длинную программу. И аналитика тут особая: бесплатного материала по ней очень много. SQL разобран в открытых тренажёрах вдоль и поперёк, на русском, с интерактивными задачами. Excel и основы статистики — то же самое. Открытых датасетов для практики — тысячи, от государственной статистики до дампов соревнований по анализу данных.
Так зачем платить? Честный ответ: не за информацию. Информация бесплатна. Вы платите за три вещи, которых в самостоятельном пути нет. Структуру — порядок тем, чтобы не схватиться за Python раньше SQL и не утонуть. Проверку — живого аналитика, который читает ваш запрос и говорит, где вы соврали цифрой, хотя число «правильное». И дисциплину — внешнюю силу, которая не даст бросить на третьей неделе, когда оконные функции откажутся укладываться в голове. Самоучки чаще всего отваливаются именно здесь, в одиночестве, без того, кто скажет «нормально, у всех так, идём дальше».
Отсюда самый дешёвый способ не слить деньги. Сначала бесплатно потрогайте аналитику пару недель: пройдите открытый SQL-тренажёр, возьмите любой бытовой массив цифр — свои расходы за год, статистику любимой команды — и попробуйте ответить на вопрос «почему вот эта цифра такая». Это проверка не курса, а себя: цепляет вас загадка в данных или раздражает рутина чистки таблиц. Большинство тех, кто слил 150 тысяч, могли за две бесплатные недели понять, что им скучно копаться в цифрах. Если после двух недель тянет дальше — тогда платите за структуру, проверку и кейсы под защиту, которых в бесплатном пути не хватает. Не «или-или». Сначала дешёвая проверка себя, потом дорогой каркас.
И не сравнивайте ценники в лоб. Курс за 50 тысяч с живым ментором, грязным датасетом и тремя кейсами в портфолио обгонит курс за 160 с красивыми лекциями и автопроверкой. В цену зашиты реклама, лендинг и зарплата менеджера, который вам звонил, — иногда это больше половины чека. Дорого не значит хорошо. Значит, у школы большой бюджет на то, чтобы вас найти.
Сведём к пяти вопросам в чат поддержки — по ответам всё ясно за десять минут.
Покажите датасет, на котором идёт обучение, — реальный и грязный или вылизанный учебный. Сколько в программе живого SQL и строю ли я BI-дашборд сам. Кто проверяет мои домашки — практикующий аналитик или выпускник прошлого потока, и сколько таких проверок входит. Какие кейсы останутся в портфолио и смогу ли я их защитить на собеседовании. И контрольный: что вы гарантируете — если слышите «трудоустройство», вы уже знаете, что это флаг.
Есть и вопрос, который вы задаёте себе раньше, чем школе: аналитика вам вообще подходит по складу ума или вы идёте туда за «профессией будущего и большими деньгами», не примерив рутину. Полгода учёбы не в ту сторону дороже любого ценника. Здесь помогает Профтест на нашем портале — он не продаёт курс и не обещает 231 тысячу из дома, а за десять минут показывает, какое ИТ-направление ближе к вашему складу и цели и какой формат обучения под него реально подходит. Это та самая бесплатная проверка «моё — не моё», которую разумнее сделать до первого платежа, а не после слитых ста тысяч.
Костя в итоге не пошёл на курс с «гарантией оффера» и Python с первой недели. Он выбрал программу вдвое дешевле — ту, где в поддержке без паузы прислали первые строки реального датасета: с пропущенными регионами, кривыми датами и дублями. Он посмотрел на этот бардак и вместо того, чтобы испугаться, захотел разобраться, почему две суммы не сходятся. Это и был ответ на вопрос, туда ли он идёт.
Хороший курс аналитика не обещает вам работу — он не может, она зависит не от него. Он сажает вас за грязные данные, заставляет достать из них вывод и даёт человека, который скажет, где вы соврали цифрой раньше, чем это увидит работодатель. За это стоит платить. За обещание оффера — нет. Его не существует.
