С чем работает
В повседневной работе это таблицы, события, выборки, сегменты, воронки, когорты, источники, правила расчёта и ограничения качества. Аналитик не просто достаёт число, а проверяет, можно ли на него опереться при решении.
Автор статьи
Мурадов Юрий / Аналитик SkillStat
Опубликовано 01.04.26 09:00
Обновлено 21.05.26 12:49
Аналитик данных
Когда отчёты показывают изменение, но не объясняют причину, аналитик данных превращает сырой набор чисел в рабочий вывод. Он проверяет источник, считает метрику, отделяет сигнал от шума и помогает команде решить, какое действие действительно следует из расчёта.
Содержание статьи
Коротко о профессии
Аналитик данных нужен там, где цифры уже есть, но сами по себе не дают ответа. Команда видит падение конверсии, рост обращений, странное поведение сегмента или расхождение в отчётах, но не понимает, что именно произошло. Специалист переводит этот шум в проверяемый вопрос, собирает выборку и показывает, какому выводу можно доверять.
Сильная аналитика начинается не с графика, а с проверки источника. Нужно понять, как собраны события, где могли появиться пропуски, какой расчёт подходит к задаче и не маскирует ли среднее значение важное различие между группами пользователей. Поэтому хороший аналитик ценится не за красивую панель отчётности, а за вывод, который выдерживает проверку.
Соседние направления — BI и наука о данных, но центр тяжести другой. BI-аналитик больше отвечает за регулярную систему показателей и отчётов, специалист по науке о данных глубже работает с моделями и прогнозами, а аналитик данных ближе к ежедневным решениям продукта, маркетинга, продаж и операций: что изменилось, почему это могло случиться и что делать дальше.
Актуальные данные по профессии
Актуальный срез по вакансиям, зарплате, спросу и динамике найма для аналитика данных в Москва и МО.
Вакансии
Количество активных вакансий на сегодня в регионе Москва и МО. Не включает закрытые или приостановленные.
399
активных вакансий
Москва и МО · текущий срез 21.05.26
Неделю назад
268
12.05.26 +49%
Месяц назад
415
21.04.26 -4%
Спрос
50 = средний по рынку, 100 = в 4× больше вакансий чем у средней IT-профессии. Метрика считается по актуальной выборке Москва и МО.
77
из 100
Ранг по спросу
#6 из 71
Статус
Высокий
Топ спроса
#1
Системный аналитик
567
#2
Бизнес-аналитик
556
#3
Продакт-менеджер
491
Медианная зарплата
160 500₽
Москва и МО · По активным вакансиям
Ранг в зарплатах
#9 из 13
Диапазон рынка
130 000 ₽ - 230 000 ₽
май 2026 г. +14%
Топ зарплат
#1
Системный аналитик
270 000 ₽
#2
Разработчик 1С
250 000 ₽
#3
Тимлид
239 000 ₽
#9
Аналитик данных
160 500 ₽
Средний тренд
Среднее число активных вакансий за последние 30 дней по сравнению с предыдущими 30 днями. Это не текущий срез, а сглаженный тренд.
↓ 40%
последние 30 дней vs предыдущие 30
рынок охлаждается по сравнению с предыдущим периодом
скользящее окно 30 дней
Кто такой Аналитик данных
Аналитик данных отвечает на бизнес-вопросы с помощью данных: проверяет гипотезы, ищет причины изменений в показателях и помогает команде принимать решения не по ощущению, а по фактам. Его задача — не просто построить таблицу, а превратить разрозненные данные в понятный вывод.
В работе специалист сравнивает источники, очищает и проверяет цифры, строит срезы, ищет закономерности и объясняет, что именно происходит в продукте или процессе. Поэтому хороший аналитик данных отвечает не только за вычисление, но и за интерпретацию результата: какая метрика изменилась, почему это важно и что с этим делать.
От BI-аналитика роль отличается фокусом. BI чаще строит регулярную систему метрик и дашбордов для бизнеса, а аналитик данных глубже разбирает конкретный вопрос: почему падает конверсия, какой сегмент ведёт себя иначе, что изменилось после запуска функции или где скрыт источник потери.
Ценность роли особенно заметна там, где в компании уже много данных, но мало понимания. Аналитик данных нужен, чтобы отделить сигнал от шума и дать команде не просто цифру, а осмысленный ответ.
Фокус
Превращает числа и выборки в вывод, которому можно доверять
Что делает
Считает метрики, проверяет гипотезы, ищет причины изменений и объясняет ограничения
Где чаще нужен
Продукты, маркетинг, финансы, ритейл, логистика и внутренние аналитические команды
Как выглядит результат
На выходе нужен не график ради графика, а понятное объяснение: что произошло, где возможна ошибка, насколько надёжен расчёт и какое действие следует из вывода. Если команда после анализа не понимает следующий шаг, работа не закончена.
Где особенно полезен
Профессия особенно ценна там, где решения принимаются по метрикам, но сами метрики легко истолковать неверно. Аналитик помогает не спутать случайность с закономерностью и не принять красивую корреляцию за причину.
Чем занимается Аналитик данных
Уточняет вопрос к данным
- Переводит размытый запрос бизнеса или продукта в проверяемую аналитическую задачу с понятным решением на выходе.
- Выясняет, какую метрику нужно считать, для какого периода, сегмента и действия команды нужен результат.
- Фиксирует ограничения задачи заранее, чтобы после расчёта не спорить о том, почему вывод нельзя использовать.
Собирает и проверяет выборку
- Находит нужные источники, пишет SQL-запросы, сверяет правила расчёта и проверяет, нет ли пропусков или дублей.
- Смотрит, как устроены события, таблицы и справочники, чтобы итоговый показатель не опирался на сломанный источник.
- Проверяет аномалии, выбросы и различия между сегментами до того, как строить вывод для команды.
Ищет причину изменения
- Разбирает воронки, когорты, сегменты, каналы и периоды, чтобы понять, где именно изменилась метрика.
- Проверяет гипотезы и отделяет реальный сигнал от случайного совпадения, сезонности или ошибки сбора.
- Сравнивает несколько возможных объяснений и показывает, какое из них сильнее подтверждается расчётом.
Переводит расчёт в решение
- Готовит понятный вывод для продукта, маркетинга, продаж или операционной команды без лишней математической дымки.
- Объясняет, что можно делать дальше, где нужны дополнительные проверки и какие риски есть у интерпретации.
- Следит, чтобы анализ не остался декоративным отчётом, а помог выбрать действие или отказаться от неверной гипотезы.
Как выглядит работа по задаче
На входе у аналитика данных обычно не абстрактная таблица, а спорный вопрос: почему просела метрика, какой канал дал хуже результат, где теряется пользователь или почему два отчёта показывают разные числа. Работа строится вокруг проверки источника, расчёта и объяснения, которому можно доверять.
Шаг 01
Уточняет задачу
Сначала выясняет, какое решение должно быть принято после анализа, какую метрику нужно проверить и почему текущего отчёта недостаточно.
Шаг 02
Собирает основу расчёта
Находит таблицы, события и справочники, строит выборку, проверяет пропуски, дубли и правила формирования показателя.
Шаг 03
Проверяет объяснения
Сравнивает сегменты, периоды, каналы, воронки и когорты, чтобы понять, какая версия причины подтверждается лучше остальных.
Шаг 04
Формулирует вывод
Переводит расчёт в ясный смысл: что произошло, насколько вывод надёжен, где есть ограничения и какой шаг следует рассмотреть.
Шаг 05
Возвращает результат в работу
Обсуждает вывод с командой и помогает превратить анализ в решение, новую проверку, изменение продукта или отказ от слабой гипотезы.
Аналитик данных и BI-аналитик: в чём разница
Обе профессии работают с цифрами, но закрывают разные потребности. BI-аналитик строит устойчивую систему отчётности, а аналитик данных чаще разбирает конкретный вопрос и ищет причину изменения.
Аналитик данных
01
Главный вопрос
Аналитик данных
Почему метрика изменилась и что из этого следует?
Как сделать показатели стабильными, понятными и доступными для регулярного просмотра?
02
Главный фокус
Аналитик данных
Причина изменения, проверка гипотезы, ограничение расчёта и рекомендация для команды.
Единые правила показателей, отчёты, панели наблюдения и удобный доступ к цифрам.
03
Что на выходе
Аналитик данных
Вывод по конкретному вопросу: что произошло, почему и что стоит сделать дальше.
Система отчётности, которой можно пользоваться регулярно без ручной сборки каждого показателя.
04
Где цена ошибки
Аналитик данных
В неверной интерпретации причины: команда меняет продукт или процесс не в ту сторону.
В неверном или нестабильном показателе: люди каждый день смотрят на цифру, которой нельзя доверять.
05
Как связаны
Аналитик данных
Часто использует отчёты BI как отправную точку для более глубокого разбора.
Создаёт основу, на которой аналитик данных быстрее находит аномалии и формулирует вопросы.
Требования работодателей
Работодатели ждут от аналитика данных человека, который умеет не только достать число, но и объяснить, почему этому числу можно верить. В требованиях почти всегда появляются SQL, таблицы, базовая статистика, понимание метрик, визуализация, проверка гипотез и способность работать с неидеальными источниками. Важна не скорость построения графика, а аккуратность всей цепочки: вопрос, источник, методика, расчёт, ограничение и вывод.
Сильный кандидат понимает, как устроены таблицы и события, умеет искать ошибки в данных, сравнивать сегменты, работать с воронками, когортами и периодами, проверять выбросы и не делать вывод по первому совпадению. Python ценится там, где нужно обработать выборку, автоматизировать часть проверки или выйти за пределы ручных таблиц. Инструменты визуализации полезны, но работодатель быстро отличает красивую картинку от анализа, который действительно помогает принять решение.
На более высоких уровнях важнее становится самостоятельность постановки вопроса. От аналитика ждут, что он не будет пассивно выполнять любой запрос, а уточнит цель, заметит слабое место в методике, предупредит о риске неверной интерпретации и предложит следующую проверку. Особенно ценятся специалисты, которые умеют спокойно объяснять сложный расчёт продукту, маркетингу, продажам или руководителям без жаргона и без лишней уверенности там, где данных недостаточно.
Самый активный работодатель в текущем срезе — Сбер. IT. На него приходится около 17% активных вакансий по этой роли.
Топ работодателей
Компании с активными вакансиями по профессии Аналитик данных
1
Сбер. IT 4
Правительство Москвы 2
Сбер для экспертов 5
Альфа-Банк. Центральный офис 3
RWB (Wildberries & Russ) 6
ГКУ Инфогород
Навыки из вакансий
% вакансий, где навык явно упомянут работодателем.
Навыки и инструменты, которые работодатели чаще всего указывают в вакансиях по этой роли.
Ключевые
Инструменты
Доменные
PostgreSQL 15%
Работа с большим объемом информации 13%
Active Directory 12% MS Excel 12% Apache Airflow 11% Apache Superset 11% ClickHouse 10% DWH 9% Вход через junior
18%
от рынка
Для старта есть окно, но оно неширокое.
На одну junior-вакансию приходится примерно 2.6 senior-позиции.
Навыков на вакансию
7
в среднем
Столько требований работодатели обычно собирают в одной позиции по этой роли.
Зарплата и грейды
Рынок оценивает аналитика данных не только по названию роли, но и по глубине задач. Важны интеграции, данные, сложность домена и уровень самостоятельности внутри команды.
Медианная зарплата
160 500₽
Москва и МО · По активным вакансиям
Диапазон
130 000-230 000₽
Выборка
44
вакансий с зарплатой
Сама медиана показывает центр рынка, но не объясняет, за счёт чего специалист растёт в доходе. Для этого важнее посмотреть, как меняется зарплата по уровням и где начинается заметный разрыв между грейдами.
Зарплата по грейдам
Медиана зарплаты по грейду. n — выборка вакансий с указанной суммой. Данные по грейдам недоступны.
Распределение по уровням
Senior
47% рынка
Lead
3%
Senior
47%
Middle
25%
Junior
18%
Intern
7%
По структуре вакансий видно, какой уровень для этой профессии считается базовым на рынке. Это помогает читать грейды не как абстрактную лестницу, а как реальную точку входа и роста.
Дополнительный разбор
Как читать медиану
Доход аналитика данных зависит от того, насколько его выводам доверяют при реальных решениях. Если работа ограничена выгрузками и поддержкой готовых отчётов, потолок обычно ниже: специалист обслуживает запросы, но почти не влияет на выбор команды. Выше рынок оценивает тех, кто умеет поставить вопрос, проверить источник, выбрать корректную методику и объяснить, где в цифрах сигнал, а где шум или ошибка сбора.
Где начинается рост
Рост компенсации начинается, когда аналитик перестаёт быть исполнителем чужих формулировок. На этом уровне он сам уточняет задачу, видит слабые места в метриках, проверяет гипотезы, замечает смещения в выборке, сравнивает сегменты и может защитить вывод перед людьми, которые ждут другого ответа. Чем чаще по его анализу меняют продукт, маркетинг, продажи или операционные процессы, тем выше ценность специалиста.
Что говорит структура рынка
На оплату влияет и качество данных в компании. Там, где источники разрознены, события собираются неидеально, процессы меняются, а ошибка интерпретации стоит денег, сильный аналитик становится защитой от неправильных решений. Ограничивает вилку среда, где от него ждут только регулярных таблиц без права влиять на правила расчёта, качество источников и саму постановку вопроса.
Бесплатные курсы
Бесплатные курсы для старта по профессии Аналитик данных
Спрос на рынке
Спрос на аналитика данных лучше читать как сочетание объёма найма, ранга профессии в общей выборке и устойчивости вакансий во времени. Виджеты выше дают быстрый срез рынка, а график ниже помогает понять, насколько этот спрос поддерживается от месяца к месяцу.
Активные вакансии
399
в активном найме
Москва и МО · текущий срез 21.05.26
7 дней назад
268
12.05.26 +49%
Точка месяц назад
415
21.04.26 -4%
Спрос
77
из 100
Ранг по спросу
#6 из 71
Статус
Высокий Среднее по месяцам
май 260
неполный
-200
апрель 460
неполный
-8
март 468
неполный
-196
февраль 664
неполный
Среднее число активных вакансий по месяцам
Блок показывает среднее число активных вакансий за месяц, чтобы видеть общую картину без шума отдельных дней.
май 260
неполный
-200
апрель 460
неполный
-8
март 468
неполный
-196
февраль 664
неполный
Май пока показан как текущий неполный месяц, поэтому его лучше читать как живую картину рынка, а не как итог месяца.
Дополнительный разбор
Спрос на аналитиков данных держится на том, что компании накапливают цифры быстрее, чем учатся их читать. Продажи, маркетинг, продуктовые сценарии, обращения пользователей, логистика и внутренние процессы постоянно оставляют след в таблицах и событиях. Но след сам по себе не объясняет причину. Нужен специалист, который понимает, где показатель изменился на самом деле, а где команда видит случайность, технический сбой или неверную методику.
Работодатели ищут людей, которые умеют сомневаться в собственном расчёте. Это важнее, чем уверенный тон в презентации. Сильный аналитик проверяет источник, ищет ограничения, сравнивает альтернативные объяснения и не обещает больше, чем позволяют данные. Такой профиль нужен и в продуктовых командах, и в маркетинге, и во внутренних бизнес-направлениях, потому что неправильный вывод может стоить не меньше, чем плохая разработка или слабая стратегия продаж.
На рынке ценится не только владение SQL или Python. Нужны законченные аналитические истории: был вопрос, были данные, была проверка качества, была методика, был вывод и следующее действие для команды. Именно эта цепочка показывает, что специалист умеет работать с реальностью, а не просто строить отчёты.
Формат работы
Этот срез показывает, в каком формате работодатели чаще всего открывают вакансии по профессии: удалённо, гибридно или с полной привязкой к офису.
Сейчас сильнее всего выражен офисный формат: его отрыв от следующего сценария составляет около 27 п.п.
Удалённо
10%
Гибрид
32%
Офис
58%
По 399 вакансиям
Карьерный путь
01
Junior
Медиана
—
На старте аналитик обычно работает с простыми выборками, регулярными отчётами, проверкой качества данных и базовой визуализацией. Главная задача уровня — научиться не просто считать показатель, а понимать, что именно он означает и где расчёт может быть неверным.
02
Middle
Медиана
—
Middle уже самостоятельно ведёт прикладные разборы: уточняет вопрос, строит выборку, проверяет гипотезу, объясняет ограничения и помогает продукту или бизнесу выбрать следующий шаг. От него ждут не только точного запроса, но и зрелой интерпретации.
03
Senior
Медиана
—
Senior работает с неоднозначными задачами, разрозненными источниками и высокой ценой неверного вывода. Он глубже понимает методику, качество данных, контекст продукта и может остановить команду, если расчёт не даёт права на уверенное решение.
04
Lead
Медиана
—
Дальше рост идёт в руководство аналитическим направлением, продуктовую аналитику более высокого уровня, BI, управление качеством данных или смежные роли в работе с данными. Здесь важны уже не только собственные расчёты, но и способность повышать аналитическую дисциплину всей команды.
Где работает Аналитик данных
Продуктовые команды
В маркетплейсах, финансовых сервисах, подписках и приложениях аналитик разбирает воронки, конверсию, возврат пользователей, монетизацию и поведение сегментов. Его вывод помогает выбирать, какое изменение стоит делать дальше.
Маркетинг и продажи
В коммерческих командах специалист смотрит на каналы привлечения, качество заявок, путь клиента, повторные покупки и эффективность кампаний. Здесь особенно опасны быстрые выводы по средним значениям без проверки сегментов.
Операции и внутренние процессы
Во внутренних направлениях аналитик помогает находить потери времени, денег и управляемости в закупках, складе, логистике, поддержке, документообороте и работе клиентских подразделений.
Как стать аналитиком данных: с чего начать
Практический путь входа в профессию: что освоить сначала, как собрать рабочую базу и на чём быстрее всего набирается прикладная уверенность.
01
Закрыть базу по SQL, таблицам и статистике
На старте нужны SQL, таблицы, базовая статистика и понимание метрик. Это основа, без которой сложно контролировать расчёт и замечать ошибки в выводе.
02
Освоить полный цикл анализа
Важно уметь пройти путь от вопроса до решения: найти источник, собрать выборку, проверить качество, посчитать показатель, показать результат и объяснить ограничение.
03
Разбирать реальные задачи
Лучше всего тренируют воронки, сегменты, возврат пользователей, продажи, маркетинговые кампании и изменения метрик. В таких задачах видно, умеет ли кандидат искать причину.
04
Собрать портфолио с методикой
Кейс должен показывать вопрос, данные, проверку качества, способ расчёта, визуализацию, вывод и следующее действие. Без методики портфолио выглядит как набор картинок.
05
Искать вход через младшие и смежные позиции
Стажировки, младшие роли аналитика, отчётность, BI с прикладными задачами и внутренние команды по работе с данными часто дают более реалистичный старт, чем ожидание идеальной вакансии без практики.
Платные курсы
Курсы по профессии Аналитик данных
Релевантность профессии Как считаем индекс
Мы проанализировали программы курсов по этой профессии, выделили ключевые навыки и темы и сопоставили их с текущими требованиями работодателей. Чем выше индекс, тем ближе курс к реальным ожиданиям рынка.
Плюсы и минусы профессии
Плюсы
- Профессия даёт понятный вход в работу с данными и сразу связана с реальными решениями бизнеса или продукта.
- Сильный аналитик влияет на приоритеты команды, потому что помогает отличать факт от ощущения и случайность от причины.
- Есть развилки роста: продуктовая аналитика, BI, наука о данных, управление аналитическим направлением и качество данных.
- Работа хорошо развивает критическое мышление, аккуратность и умение защищать вывод перед людьми с разными ожиданиями.
- Кейсы легко показывать на рынке, если в них видны вопрос, методика, проверка качества, вывод и действие.
Минусы
- Много времени уходит не на красивые выводы, а на проверку источников, исправление ошибок и разбор расхождений.
- Команда может ждать подтверждения своей версии, хотя честный анализ показывает другой ответ или недостаток данных.
- В слабой среде аналитик превращается в поставщика таблиц без права влиять на вопрос, методику и интерпретацию.
- Ошибочный вывод может запустить неверное продуктное или бизнес-решение, поэтому ответственность выше, чем кажется по формату отчёта.
Тренды и будущее профессии
Оценка профессии
Устойчивая прикладная аналитика
8.0 /10
Аналитик данных остаётся сильной профессией там, где решения завязаны на метрики, эксперименты и поведение пользователей или процессов. Чем больше источников и выше цена неверного вывода, тем заметнее ценность специалиста, который умеет превратить числа в рабочий ответ.
Влияние ИИ
Показывает, насколько задачи профессии поддаются автоматизации полностью или частично. Это не вероятность исчезновения профессии и не прогноз увольнений.
Частичная автоматизация
35%
ИИ уже помогает писать черновики запросов, искать аномалии, строить первые визуализации и готовить пояснения. Но итоговая ценность профессии держится на постановке вопроса, проверке источников, методике и способности связать вывод с реальным решением команды.
- ИИ хорошо ускоряет рутинные шаги: черновые запросы, первичные графики, поиск необычных значений и подготовку кратких пояснений.
- Полная замена маловероятна там, где нужно выбрать корректную методику, учесть ограничения источника и защитить вывод перед людьми с разными интересами.
- Ближайшие годы выиграют аналитики, которые используют ИИ как ускоритель проверки, но сами отвечают за вопрос, качество данных и итоговую интерпретацию.
Рынок и направление
Рынок смещается от простого построения отчётов к более строгой интерпретации. Компании уже умеют собирать много событий, но всё чаще сталкиваются с другой проблемой: данные есть, а уверенного решения нет. Это повышает ценность аналитиков, которые умеют проверять источник, видеть ограничения методики и объяснять вывод без лишней уверенности.
ИИ и более удобные инструменты будут ускорять черновые запросы, первичные визуализации, поиск аномалий и подготовку пояснений. Но это не отменяет профессию, потому что главный риск находится не в скорости построения графика, а в постановке вопроса и проверке смысла. Если команда задала неверный вопрос или не заметила смещение в выборке, быстрый инструмент только быстрее приведёт её к ошибочному выводу.
Сильнее будут цениться аналитики, которые соединяют техническую аккуратность и прикладное мышление: понимают источники, статистику, продуктовый или бизнес-контекст, умеют спорить с неверной интерпретацией и спокойно признавать неопределённость. Слабее станут позиции, где специалист ограничивается выгрузками, не влияет на вопрос и не отвечает за качество вывода.
Кому подойдет
Профессия подходит тем, кто любит докапываться до причины и спокойно живёт с неоднозначностью. Здесь важно не влюбляться в первый красивый график, не бояться пересчитать заново и уметь сказать команде, что данных пока недостаточно для уверенного решения.
Подойдет
- Любознательность — желание понять причину изменения, а не остановиться на первом удобном объяснении.
- Критическое мышление — привычка проверять гипотезы, искать альтернативные объяснения и не путать совпадение с причиной.
- Аккуратность к источникам — готовность сверять таблицы, события, правила расчёта и качество данных до вывода.
- Коммуникация — способность объяснить сложный расчёт так, чтобы продукт, маркетинг или бизнес поняли ограничение и следующий шаг.
- Самостоятельность — умение уточнить слабый запрос и превратить его в задачу, которую действительно можно проверить.
- Терпение к рутине — готовность чистить выборки, пересчитывать показатели и документировать методику, если без этого вывод будет ненадёжным.
Не подойдет
- Профессия плохо подходит тем, кто ждёт только красивых панелей отчётности и быстрых ответов без проверки
- Сильная часть работы часто прячется в скучных деталях: источниках, дублях, пропусках, правилах расчёта и честном признании неопределённости
Вопросы и ответы
Какие навыки нужны аналитику данных?
Можно ли работать аналитиком данных удалённо?
Да, удалённый и гибридный формат встречаются, потому что результат работы хорошо передаётся через расчёты, отчёты и обсуждения. Но качество коммуникации важно: вывод нужно объяснять людям, которые принимают решение.
Сложно ли начинающему найти работу аналитиком данных?
Барьер входа умеренный: доля вакансий начального уровня — 20.8%. Новичку помогают сильная база SQL, статистика и портфолио с полным циклом: вопрос, данные, методика, вывод.
Высокий ли спрос на аналитиков данных?
Спрос очень высокий: 399 активных вакансий. Компании накапливают много цифр и ищут специалистов, которые умеют превращать их в проверяемые выводы, а не только в отчёты.
Сколько зарабатывает аналитик данных?
Медианная зарплата аналитика данных в Москве составляет 160 500 ₽/месяц. На старших позициях доход выше, но итоговая вилка зависит от сложности источников, самостоятельности постановки задач и влияния выводов на решения.
Куда растёт аналитик данных дальше?
Дальше можно идти в продуктовую аналитику, BI, науку о данных, качество данных или руководство аналитическим направлением. Выбор зависит от того, что сильнее: прикладные решения, отчётность, модели или управление командой.
Смежные профессии