Шаблон карьерной лестницы

Карьерная лестница аналитика данных: шаблон

Пять уровней от Junior до Principal и семь компетенций — от постановки вопроса до влияния на решения.

Бесплатный тариф · Банковская карта не нужна

Эта карьерная лестница написана для компаний примерно на 20–200 человек, где аналитики работают рядом с бизнесом: несколько аналитиков, а иногда и один, отвечают на вопросы продукта, маркетинга, продаж и руководства — часто на стеке данных, который сами же помогают строить. В ней пять уровней: от человека, который учится писать надёжные запросы, до того, кто решает, как вся компания измеряет свои результаты. Верхний уровень, Principal-аналитик, — экспертный: руководство командой аналитики — отдельная работа.

Каждый уровень описывает, что аналитик делает и насколько далеко простирается его работа, а не какие инструменты он знает и сколько лет работает. Читайте строку матрицы компетенций слева направо, чтобы увидеть, как растёт одно ожидание, а раздел уровня — чтобы увидеть всё, что ожидается на нём. С её помощью удобно объяснять, что значит следующий уровень, проводить самооценку и чек-ины и делать кейсы на повышение сопоставимыми.

Перед публикацией адаптируйте её: замените общие формулировки своим стеком и своими метриками, уберите уровни, которые пока не нужны, и решите, где у вас заканчивается analytics engineering и начинается анализ.

Уровни коротко

Junior-аналитик
Отвечает на чётко поставленные вопросы надёжными запросами и понятными графиками; работу проверяет более опытный аналитик.
Масштаб
Отдельные запросы и регулярные отчёты для одной команды; задачу обычно ставит кто-то другой.
Middle-аналитик
Ведёт анализ целиком — от размытого вопроса до рекомендации — и становится основным аналитиком для одного направления.
Масштаб
Одно направление бизнеса — например, онбординг, ценообразование или воронка продаж — с его дашбордами и регулярными вопросами.
Senior-аналитик
Ведёт анализ, на котором строятся важные решения, и поднимает качество аналитики вокруг себя.
Масштаб
Несколько направлений бизнеса или одна крупная инициатива компании и определения метрик, от которых они зависят.
Lead-аналитик
Определяет, как компания работает с данными в разных функциях, и задаёт стандарты для других аналитиков.
Масштаб
Аналитика в нескольких функциях: общие метрики, модели данных и роадмап аналитики.
Principal-аналитик
Решает, как компания измеряет себя, и отвечает за то, насколько руководство может доверять её цифрам.
Масштаб
Ключевые метрики компании, подход к экспериментам и стратегия аналитики на несколько лет вперёд.

Матрица компетенций

Строки — компетенции, столбцы — уровни. Читайте строку слева направо, чтобы увидеть, как растёт ожидание.

Что означает каждая компетенция

Постановка вопроса: Превращать вопрос заказчика в такой, на который могут ответить данные и из которого следует решение.
Запросы и моделирование данных: Доставать из хранилища корректные данные и придавать им форму, удобную для повторного использования.
Статистическая строгость и эксперименты: Делать выводы, которые выдерживают проверку, и понимать, насколько компания может быть в них уверена.
Качество данных и определения метрик: Добиваться, чтобы цифры были верными, везде означали одно и то же и им доверяли.
Донесение выводов: Объяснять, что говорят данные, так, чтобы люди поняли и начали действовать.
Влияние на бизнес и партнёрство: Понимать, как устроен бизнес, и добиваться, чтобы анализ менял то, что делают люди.
Менторство и развитие команды: Помогать другим аналитикам и пользователям данных расти и делать команду сильнее.

Аналитик данных: ожидания по компетенциям и уровням
Компетенция	Junior-аналитик	Middle-аналитик	Senior-аналитик	Lead-аналитик	Principal-аналитик
Постановка вопроса	Перед началом работы письменно пересказывает запрос, уточняет период, сегмент и определения и спрашивает, какое решение будет принято по ответу.	Превращает размытые вопросы вроде «почему вырос отток?» в короткий план анализа с гипотезами и возражает, если ответ на запрос не изменит ни одного решения.	Переформулирует вопросы заказчиков вокруг решения, которое действительно нужно принять, и сам предлагает анализ, о котором никто не просил, если он может поменять приоритеты.	Каждый квартал вместе с руководителями функций формирует повестку аналитики: выбирает несколько самых ценных вопросов и объясняет, что анализироваться не будет и почему.	Находит вопросы о бизнесе, которые стоит задавать руководству компании, и заранее обеспечивает данные для ответа, пока они не стали срочными.
Запросы и моделирование данных	Пишет читаемый SQL с джойнами, агрегациями и оконными функциями, проверяет число строк и дубликаты, прежде чем доверять результату, и просит ревью при работе с незнакомыми таблицами.	Знает таблицы своего направления и их особенности, строит переиспользуемые модели или представления вместо копирования запросов и документирует логику каждого своего дашборда.	Проектирует модели данных для направления так, чтобы типовые вопросы решались простыми запросами, ревьюит логику других аналитиков и вместе с разработчиками чинит трекинг в источнике.	Задаёт соглашения по моделированию во всём аналитическом коде, решает, что должно быть в общих моделях, а что — в разовом анализе, и планирует отказ от хрупких пайплайнов.	Вместе с руководством разработки определяет архитектуру данных и выбирает, куда вкладываться аналитике, чтобы ответы на самые важные вопросы оставались быстрыми и дешёвыми.
Статистическая строгость и эксперименты	Сравнивает сопоставимое, указывает в каждом результате размер выборки и сезонность и предупреждает, если разница может оказаться шумом, а не находкой.	Проводит анализ A/B-тестов от начала до конца — размер выборки, длительность, контрольные метрики — и простыми словами объясняет уверенность и неопределённость.	Выбирает обоснованный метод, когда рандомизированный тест невозможен, — разность разностей с сопоставимым сегментом, прерванный временной ряд или сравнение с подобранной контрольной группой — и открыто называет его допущения и ограничения.	Задаёт в компании стандарты экспериментов — когда тестировать, сколько держать тест, как подводить итог — и проверяет важные исследования, прежде чем они попадут к руководству.	Определяет, как компания работает с доказательствами в самых крупных решениях, балансируя строгость и скорость, и последним проверяет анализ, который меняет стратегию.
Качество данных и определения метрик	Прежде чем делиться новыми цифрами, сверяет их с существующим источником и в тот же день сообщает владельцу о сломанных данных или подозрительных провалах.	Отвечает за точность дашбордов своего направления, добавляет простые проверки, которые ловят сломанные данные раньше заказчиков, и записывает определение каждой метрики, которую вводит.	Разбирается с расходящимися версиями одной метрики в разных командах, согласует единое определение с теми, кто ею пользуется, и убирает отчёты, которые ему противоречат.	Ведёт каталог метрик компании и процесс изменения определений, делает инциденты с данными видимыми, с владельцем и исправлением.	Отвечает за достоверность цифр, которые получают руководство, инвесторы или совет директоров, и выстраивает контроль, сохраняющий их согласованность по мере роста компании.
Донесение выводов	Показывает результаты с понятным графиком, выводом в одну строку и существенными оговорками и подписывает дашборды так, чтобы их можно было читать без помощи автора.	Пишет короткие резюме анализа, которые начинаются с ответа и рекомендации, подбирает детальность под аудиторию и строит дашборды, отвечающие на конкретный набор вопросов.	Объясняет историю за сложным анализом руководителям, спокойно отвечает, когда цифры оспаривают, и превращает выводы в предложения, которые команда может выполнить.	Регулярно выступает перед руководством, задаёт в компании стандарт оформления аналитики и следит, чтобы важные выводы доходили до всех, кого они касаются.	Определяет, как компания говорит о своих результатах — от обзоров руководства до отчётов инвесторам, — чтобы все читали одни и те же цифры одинаково.
Влияние на бизнес и партнёрство	Разбирается, как команда, которой он помогает, зарабатывает или создаёт ценность, и после выполнения запроса узнаёт, пригодился ли ответ.	Становится надёжным партнёром для одной команды, участвует в её планировании и может назвать решения последнего квартала, которые изменились благодаря его работе.	Влияет на приоритеты нескольких команд, связывает анализ с выручкой, затратами или удержанием и останавливает работу, которая больше не стоит усилий.	Вместе с руководителями функций ставит цели и целевые показатели и следит, чтобы ресурсы аналитики шли туда, где они изменят самые важные решения.	Участвует в стратегии и планировании вместе с руководством компании и может назвать решения уровня компании за последний год — о ценах, выходе на рынки, крупных инвестициях, — которые изменились благодаря работе аналитиков.
Менторство и развитие команды	Просит обратную связь по своим запросам и отчётам, применяет её и делится с командой полезными приёмами и подводными камнями.	Ревьюит работу других аналитиков с конкретными комментариями, помогает новичкам разобраться в данных своего направления и терпеливо отвечает на вопросы коллег о данных.	Наставляет junior-аналитиков, проводит ревью кода и анализа и учит не-аналитиков отвечать на простые вопросы самостоятельно с помощью self-service-инструментов.	Растит нескольких аналитиков до следующего уровня, влияет на найм и собеседования в команду аналитики и создаёт онбординг и документацию, на которые опираются новички.	Строит культуру работы с данными в компании, развивает будущих руководителей аналитики и обосновывает, как должна быть устроена команда данных по мере роста компании.

Прокрутите таблицу вбок, чтобы увидеть все уровни.

Скачать в CSV Открывается в Excel, Google Таблицах и Numbers.

Junior-аналитик: что ожидается

Отвечает на чётко поставленные вопросы надёжными запросами и понятными графиками; работу проверяет более опытный аналитик. Отдельные запросы и регулярные отчёты для одной команды; задачу обычно ставит кто-то другой.

Постановка вопроса: Перед началом работы письменно пересказывает запрос, уточняет период, сегмент и определения и спрашивает, какое решение будет принято по ответу.
Запросы и моделирование данных: Пишет читаемый SQL с джойнами, агрегациями и оконными функциями, проверяет число строк и дубликаты, прежде чем доверять результату, и просит ревью при работе с незнакомыми таблицами.
Статистическая строгость и эксперименты: Сравнивает сопоставимое, указывает в каждом результате размер выборки и сезонность и предупреждает, если разница может оказаться шумом, а не находкой.
Качество данных и определения метрик: Прежде чем делиться новыми цифрами, сверяет их с существующим источником и в тот же день сообщает владельцу о сломанных данных или подозрительных провалах.
Донесение выводов: Показывает результаты с понятным графиком, выводом в одну строку и существенными оговорками и подписывает дашборды так, чтобы их можно было читать без помощи автора.
Влияние на бизнес и партнёрство: Разбирается, как команда, которой он помогает, зарабатывает или создаёт ценность, и после выполнения запроса узнаёт, пригодился ли ответ.
Менторство и развитие команды: Просит обратную связь по своим запросам и отчётам, применяет её и делится с командой полезными приёмами и подводными камнями.

Middle-аналитик: что ожидается

Ведёт анализ целиком — от размытого вопроса до рекомендации — и становится основным аналитиком для одного направления. Одно направление бизнеса — например, онбординг, ценообразование или воронка продаж — с его дашбордами и регулярными вопросами.

Постановка вопроса: Превращает размытые вопросы вроде «почему вырос отток?» в короткий план анализа с гипотезами и возражает, если ответ на запрос не изменит ни одного решения.
Запросы и моделирование данных: Знает таблицы своего направления и их особенности, строит переиспользуемые модели или представления вместо копирования запросов и документирует логику каждого своего дашборда.
Статистическая строгость и эксперименты: Проводит анализ A/B-тестов от начала до конца — размер выборки, длительность, контрольные метрики — и простыми словами объясняет уверенность и неопределённость.
Качество данных и определения метрик: Отвечает за точность дашбордов своего направления, добавляет простые проверки, которые ловят сломанные данные раньше заказчиков, и записывает определение каждой метрики, которую вводит.
Донесение выводов: Пишет короткие резюме анализа, которые начинаются с ответа и рекомендации, подбирает детальность под аудиторию и строит дашборды, отвечающие на конкретный набор вопросов.
Влияние на бизнес и партнёрство: Становится надёжным партнёром для одной команды, участвует в её планировании и может назвать решения последнего квартала, которые изменились благодаря его работе.
Менторство и развитие команды: Ревьюит работу других аналитиков с конкретными комментариями, помогает новичкам разобраться в данных своего направления и терпеливо отвечает на вопросы коллег о данных.

Senior-аналитик: что ожидается

Ведёт анализ, на котором строятся важные решения, и поднимает качество аналитики вокруг себя. Несколько направлений бизнеса или одна крупная инициатива компании и определения метрик, от которых они зависят.

Постановка вопроса: Переформулирует вопросы заказчиков вокруг решения, которое действительно нужно принять, и сам предлагает анализ, о котором никто не просил, если он может поменять приоритеты.
Запросы и моделирование данных: Проектирует модели данных для направления так, чтобы типовые вопросы решались простыми запросами, ревьюит логику других аналитиков и вместе с разработчиками чинит трекинг в источнике.
Статистическая строгость и эксперименты: Выбирает обоснованный метод, когда рандомизированный тест невозможен, — разность разностей с сопоставимым сегментом, прерванный временной ряд или сравнение с подобранной контрольной группой — и открыто называет его допущения и ограничения.
Качество данных и определения метрик: Разбирается с расходящимися версиями одной метрики в разных командах, согласует единое определение с теми, кто ею пользуется, и убирает отчёты, которые ему противоречат.
Донесение выводов: Объясняет историю за сложным анализом руководителям, спокойно отвечает, когда цифры оспаривают, и превращает выводы в предложения, которые команда может выполнить.
Влияние на бизнес и партнёрство: Влияет на приоритеты нескольких команд, связывает анализ с выручкой, затратами или удержанием и останавливает работу, которая больше не стоит усилий.
Менторство и развитие команды: Наставляет junior-аналитиков, проводит ревью кода и анализа и учит не-аналитиков отвечать на простые вопросы самостоятельно с помощью self-service-инструментов.

Lead-аналитик: что ожидается

Определяет, как компания работает с данными в разных функциях, и задаёт стандарты для других аналитиков. Аналитика в нескольких функциях: общие метрики, модели данных и роадмап аналитики.

Постановка вопроса: Каждый квартал вместе с руководителями функций формирует повестку аналитики: выбирает несколько самых ценных вопросов и объясняет, что анализироваться не будет и почему.
Запросы и моделирование данных: Задаёт соглашения по моделированию во всём аналитическом коде, решает, что должно быть в общих моделях, а что — в разовом анализе, и планирует отказ от хрупких пайплайнов.
Статистическая строгость и эксперименты: Задаёт в компании стандарты экспериментов — когда тестировать, сколько держать тест, как подводить итог — и проверяет важные исследования, прежде чем они попадут к руководству.
Качество данных и определения метрик: Ведёт каталог метрик компании и процесс изменения определений, делает инциденты с данными видимыми, с владельцем и исправлением.
Донесение выводов: Регулярно выступает перед руководством, задаёт в компании стандарт оформления аналитики и следит, чтобы важные выводы доходили до всех, кого они касаются.
Влияние на бизнес и партнёрство: Вместе с руководителями функций ставит цели и целевые показатели и следит, чтобы ресурсы аналитики шли туда, где они изменят самые важные решения.
Менторство и развитие команды: Растит нескольких аналитиков до следующего уровня, влияет на найм и собеседования в команду аналитики и создаёт онбординг и документацию, на которые опираются новички.

Principal-аналитик: что ожидается

Решает, как компания измеряет себя, и отвечает за то, насколько руководство может доверять её цифрам. Ключевые метрики компании, подход к экспериментам и стратегия аналитики на несколько лет вперёд.

Постановка вопроса: Находит вопросы о бизнесе, которые стоит задавать руководству компании, и заранее обеспечивает данные для ответа, пока они не стали срочными.
Запросы и моделирование данных: Вместе с руководством разработки определяет архитектуру данных и выбирает, куда вкладываться аналитике, чтобы ответы на самые важные вопросы оставались быстрыми и дешёвыми.
Статистическая строгость и эксперименты: Определяет, как компания работает с доказательствами в самых крупных решениях, балансируя строгость и скорость, и последним проверяет анализ, который меняет стратегию.
Качество данных и определения метрик: Отвечает за достоверность цифр, которые получают руководство, инвесторы или совет директоров, и выстраивает контроль, сохраняющий их согласованность по мере роста компании.
Донесение выводов: Определяет, как компания говорит о своих результатах — от обзоров руководства до отчётов инвесторам, — чтобы все читали одни и те же цифры одинаково.
Влияние на бизнес и партнёрство: Участвует в стратегии и планировании вместе с руководством компании и может назвать решения уровня компании за последний год — о ценах, выходе на рынки, крупных инвестициях, — которые изменились благодаря работе аналитиков.
Менторство и развитие команды: Строит культуру работы с данными в компании, развивает будущих руководителей аналитики и обосновывает, как должна быть устроена команда данных по мере роста компании.

Как адаптировать эту лестницу

Подстройте лестницу под размер команды аналитики
Если аналитиков один–два, вам, скорее всего, нужны три уровня, а не пять. Не вводите Lead и Principal, пока кто-то действительно не задаёт стандарты для нескольких функций, и добавляйте их, когда такая работа появится, а не в качестве награды. В большинстве компаний такого размера масштаб уровня Principal принадлежит руководителю данных или аналитики; вводите этот уровень, только если хотите иметь рядом с этим человеком сильного эксперта без подчинённых.
Решите, где у вас analytics engineering
Если модели данных принадлежат analytics- или data-инженерам, облегчите строку «Запросы и моделирование данных» и усильте «Постановку вопроса». Если аналитики отвечают за весь стек, оставьте строку как есть и впишите в неё свои инструменты.
Учтите, встроены аналитики в команды или работают централизованно
Встроенного аналитика оценивают в основном по решениям его команды, централизованную команду — скорее по общим метрикам и стандартам. Расставьте веса строк «Влияние на бизнес» и «Качество данных» так, как на самом деле устроена ваша команда.
Собирайте доказательства из реальных исследований
Попросите аналитиков прикладывать к самооценке ссылки на отчёты, дашборды и модели за каждым утверждением и указывать, какое решение на них опиралось. Тогда чек-ин становится разговором о реальной работе, а не списком освоенных инструментов.

Вопросы и ответы

Вопросы об этой лестнице

Чем грейды аналитика данных отличаются от грейдов data scientist?

Аналитик данных помогает людям принимать решения: находит, проверяет и объясняет, что говорят данные. Data scientist в основном строит статистические или ML-модели, которые становятся частью продукта или операционных процессов. В небольших компаниях роли пересекаются, но растут в разные стороны, поэтому им нужны отдельные лестницы или отдельные треки. В некоторых компаниях data scientist — просто название должности для аналитиков, которые специализируются на экспериментах.

Сколько грейдов нужно аналитику данных?

Для компании на 20–200 человек — от трёх до пяти. Большинству небольших команд хватает Junior, Middle и Senior; Lead и Principal имеют смысл, только когда аналитика обслуживает несколько функций и кто-то задаёт стандарты для всех них.

Нужен ли senior-аналитику Python или достаточно SQL?

Эта лестница сознательно не привязывает уровни к языкам. Многие отличные senior-аналитики работают в основном в SQL и BI-инструменте. Уровни различаются качеством вопросов, строгостью анализа и решениями, которые он меняет. Добавляйте требование к инструменту, только если команда действительно не может без него работать.

Как показать влияние аналитика данных в кейсе на повышение?

Показывайте решения, а не дашборды. По каждой компетенции целевого уровня перечислите два–три исследования: вопрос, метод, рекомендацию и что произошло дальше. Подтверждение заказчика, что решение изменилось, весомее количества построенных отчётов.

Может ли аналитик данных расти, не становясь руководителем аналитики?

Да. Lead и Principal — уровни экспертного трека: они растут в масштабе и влиянии на то, как компания работает с данными, не управляя людьми. Руководство командой аналитики — отдельная работа со своей карьерной лестницей, и переход туда должен быть сменой трека, а не единственным путём наверх.

Соберите эту карьерную лестницу в LadderKit — бесплатно

Задайте её уровни и навыки для своей команды, оценивайте людей по ним на чек-инах и принимайте решения о повышении по единым правилам.

Начать бесплатно Посмотреть демо Без регистрации