Вакансии аналитика данных: какие названия искать, SQL-тесты и портфолио

Искать вакансии аналитика данных сложнее, чем кажется: одна и та же работа прячется под разными названиями, а одно название в разных компаниях означает совсем разное. Разберём, какие названия искать в международных вакансиях, как отличить их по описанию, как обычно выглядит SQL-тест и что должно быть в портфолио. Текст для тех, кто уже уверенно пишет SQL и хочет, чтобы в поиске было меньше шума.

Одна работа — много названий

Название аналитической роли зависит от того, где сидит команда. Основные варианты:

Что стоит знать:

• Product Analyst — самое близкое к привычному «продуктовому аналитику» из российских IT-компаний. Если вам нравятся эксперименты и продуктовые вопросы, начинайте с этого названия.
• BI-роли сильнее завязаны на инструмент. Если в вакансии назван конкретный BI-инструмент, это всерьёз: переучиться можно, но скринер смотрит на это в первую очередь.
• Analytics Engineer ближе к разработке: git, код-ревью, тесты на модели данных. Многие аналитики уходят именно сюда, если строить модели им интереснее, чем презентовать выводы. Инженерную сторону мы разбирали в статье Data Engineer или Data Scientist.
• Business Analyst — самое размытое название. Где-то это аналитик данных, где-то — требования и процессы без единого запроса.

Отдельная ловушка для тех, кто пришёл с русскоязычного рынка: «системный аналитик» — это про требования, интеграции и спецификации, а не про данные. В международных вакансиях такую работу чаще называют Business Analyst или Systems Analyst, и к аналитике данных она отношения почти не имеет.

Ещё встречаются Insights Analyst, Growth Analyst, Marketing Analyst и приставки уровня: Senior, Lead, Staff, Principal.

Читайте описание, а не только название

Название приводит вас к вакансии, а описание объясняет, что это за работа. Проверьте четыре вещи:

1. Инструменты. SQL подразумевается. Python или R, dbt, BI-инструмент, Amplitude или Mixpanel подскажут, из чего состоит день.
2. Для кого вы работаете. Продакт, финансовый директор, маркетинг или руководитель data-команды — от этого зависят вопросы, которые вам будут задавать.
3. Глаголы. «Строить дашборды», «проектировать эксперименты», «моделировать данные» и «работать со стейкхолдерами» — это четыре разные работы.
4. Эксперименты. Если упомянуты A/B-тесты, статзначимость и causal inference, это продуктовая аналитика, как бы роль ни называлась.

Подробнее о том, как разбирать текст вакансии, — в статье как читать описание вакансии.

Как обычно выглядит SQL-тест

Форматы везде свои, но повторяются несколько типов:

• Live-кодинг в общем редакторе. Джойны, агрегации, оконные функции и почти всегда какой-нибудь неудобный вопрос про даты.
• Тестовое домой. Датасет и несколько бизнес-вопросов; вы присылаете запросы и короткий вывод.
• Кейс без кода. «Регистрации на прошлой неделе упали — как будете разбираться?»
• Метрики и продуктовое мышление. Частый этап у продуктовых аналитиков: выбрать метрику успеха фичи или спроектировать эксперимент.

Как готовиться

• Отработайте типовые паттерны: оконные функции (ROW_NUMBER, LAG, накопительные суммы), дедупликация, когорты retention, конверсия воронки, группировка по датам, работа с NULL.
• Проговаривайте допущения. До запроса скажите, что, по-вашему, означает строка в таблице и что вы делаете с дублями. Интервьюеру это часто важнее синтаксиса.
• Проверяйте результат на здравый смысл. Сравните число с чем-то известным и скажите, что проверили бы при наличии времени.
• Ограничивайте время на тестовое. Ответ — в начале, вывод — коротко. Если задание явно больше заявленного времени, нормально уточнить ожидания.

Портфолио, которое откроют

Десять проектов не нужны. Два-три хороших убедительнее длинного списка.

• Берите вопросы, которые волнуют бизнес. «Какая когорта удерживается лучше и почему» говорит о вас больше, чем очередной разбор учебного датасета.
• Показывайте весь путь: вопрос, данные, SQL, результат, рекомендация, ограничения.
• Вывод — одним абзацем в самом начале. Нанимающий менеджер читает по диагонали.
• Будьте честны с данными. Укажите источник и чего эти данные сказать не могут.

Если лучшие проекты под NDA, опишите их в резюме: задача, что сделали, что изменилось — без конфиденциальных цифр. Опыт с ClickHouse, DataLens или AppMetrica тоже стоит переупаковать: SQL остаётся SQL, а DataLens для зарубежного читателя — «BI-инструмент», с пояснением. Как подстроить резюме под формулировки вакансии, мы разбирали в статье об адаптации CV под вакансию.

Как искать удалёнку

• Следите за несколькими названиями: Data Analyst, Product Analyst, BI Analyst, а если интересно — ещё Analytics Engineer.
• Сначала читайте локацию. Многие удалённые вакансии аналитиков открыты только для одного региона. Как это распознать, — в статье об удалённых вакансиях для Европы.
• Помните о часовом поясе. Аналитик много общается со стейкхолдерами, поэтому команде может быть важно пересечение по рабочим часам.
• Держите короткий список компаний с сильными data-командами и смотрите их карьерные страницы напрямую — об этом статья про список целевых компаний. hh.ru и Хабр Карьера остаются полезны для локального рынка, но международные вакансии обычно публикуют на сайтах самих компаний.

Как Hot Jobs находит вакансии аналитиков

Совпадение ищется по словам в названии вакансии. Роль «Data / Product Analyst» ловит названия со словами Data Analyst, Product Analyst, Business Intelligence, BI Analyst, BI Developer или Analytics Analyst. Analytics Engineer относится к роли Data Engineer — если он вам нужен, выберите обе. Business Analyst, Insights Analyst или Marketing Analyst этих слов не содержат и не найдутся — их проверяйте отдельно. Senior и Lead входят, а названия с Manager, Director или Head of — нет. Джуниорские вакансии и стажировки скрыты, пока вы их не включите.

Hot Jobs проверяет карьерные страницы 390+ технологических компаний каждые 30 минут, а также две remote-площадки и присылает в Telegram новые вакансии аналитиков под выбранные вами роли и регионы. €3, оплата один раз. Подключить бота