Как отличить BI-аналитика от дата-сайентиста, если оба сидят в SQL и устали от жизни

Когда я говорю, что я аналитик, в глазах собеседников часто появляется вопросительное облако:
🤖 «Ты, получается, с нейросетями?»
📊 «А дашборды можешь?»
🧮 «SQL знаешь? А Excel?»

Кажется, слово «аналитик» сейчас стало собирательным образом для всех, кто хоть как-то взаимодействует с данными, числами и графиками. Но на деле внутри этой профессии — как минимум пять разных ролей, каждая со своими задачами, подходами и болями.

Задача: следить за тем, чтобы продукт не просто работал, а рос и приносил деньги. Считает метрики вроде Retention, Conversion, DAU/WAU/MAU, анализирует поведение пользователей, ищет точки роста.

📌 Пример: замечает, что на третий день после установки пользователи массово отваливаются — и идёт выяснять, почему.

🩺 Аналогия: как врач, который не лечит, а проводит регулярные обследования, чтобы не довести до больнички.

Задача: подключиться к базам, вытащить нужные данные и визуализировать их в виде отчёта, от которого не захочется плакать. Работает с инструментами типа Power BI, Tableau, Metabase, Looker и, конечно, SQL.

📌 Пример: строит витрину, где видно, сколько продаж было вчера, кто из филиалов отстаёт, и где деньги, Лебовски.

☕ Аналогия: как бариста, который не варит кофе, а оформляет витрину — красиво и понятно.

Задача: строит модели, которые могут что-то предсказывать или автоматически принимать решения. Работает с ML, Python, статистикой, Jupyter-ноутбуками и вопросами из разряда «А есть ли тут закономерность?»

📌 Пример: делает модель, которая предсказывает отток клиентов за неделю до того, как они уйдут.

🌦 Аналогия: как синоптик, который не просто сообщает, что идёт дождь, а говорит, когда именно польёт и в каком районе.

Задача: не про данные, а про процессы. Общается с бизнесом, разбирает, как должна работать система, описывает требования и следит, чтобы в итоге всё действительно так и работало.

📌 Пример: понимает, как пользователи должны регистрироваться, что должно происходить при нажатии кнопки и кто виноват, если всё упало.

🏗 Аналогия: как архитектор, который сначала рисует, что где будет, а уже потом начинается стройка.

Задача: копаться в сырых данных, находить закономерности, проверять гипотезы и искать, что пошло не так. Может не делать дашбордов вовсе — его цель — ответы на вопрос «почему».

📌 Пример: выясняет, почему внезапно просела выручка — не через готовые отчёты, а через погружение в данные.

🔬 Аналогия: как учёный, который устраивает НИОКР (научно-исследовательские и опытно-конструкторские работы) вместо отчёта «по шаблону».

Если в команде никто не удосужился прописать, кто за что отвечает, то аналитик превращается в человека-оркестр:

А потом его называют BI-аналитиком. И вроде как всё логично… 😅

Особенно если это стартап, или проект маленький, или просто «аналитик, который всё умеет». Поэтому, если снова услышите, что кто-то «работает аналитиком» — просто уточните:

«А чем именно ты занимаешься?»

Иначе можно перепутать с Python-разработчиком, который просто делает красивые таблички.

📌 Поделитесь в комментариях — какой вы аналитик?