Аналитик данных: что автоматизировать и чем
Блок: Аналитика и данные. Хаб профессии. Проверено: 2026-08-18. Корзины и инструменты не статичны. Глобальные инструменты из РФ — через VPN/зарубежную карту или агрегатор. Источники разбора — внизу страницы.
В один взгляд
ИИ быстро забирает черновое производство SQL, отчётов, чистки и саммари. Ценность смещается к тому, какой вопрос задать данным и можно ли верить выводу. Риск — уверенно неверные числа и корреляции.
📊 Что говорят данные (GDPval · Anthropic Economic Index · O*NET)
- Может (GDPval): NL→SQL, дашборды, саммари — структурированные артефакты, где ИИ силён.
- Делают (AEI): высокая экспозиция задач: отчёты, запросы и саммари часто уходят в режим «черновик ИИ + проверка человеком».
- Поправка 2026 года: в свежих данных AEI совместная работа с моделью (52%) обогнала полную передачу задачи (45%). Для аналитика это прямое подтверждение: ценится не «модель посчитала», а связка «модель посчитала → человек проверил». Оговорка авторов: это разворот относительно августа 2025 года, на длинной дистанции доля автоматизации росла.
- Режим: 🔴 высокое замещение задач — производство SQL/отчётов уходит; остаётся «какой вопрос задать данным» и доверие к выводу. → Полный разбор по данным · 📋 ИИ-стратегия роли.
Что автоматизировать в первую очередь
- Регулярные дашборды и KPI. Высокочастотные, низкоконтекстные — отдать целиком (с проверкой).
- SQL-черновики. Вопрос на естественном языке → SQL/Python с редактируемым кодом для проверки.
- Чистка и нормализация. Извлечение из API, приведение схем.
- Саммари отчётов. Текстовые выводы по таблице/дашборду.
- Детект аномалий. Мониторинг отклонений в метриках.
Разбор по задачам: что отдать ИИ, что проверить
| Задача (O*NET) | Отдать ИИ — как/чем | Оставить себе / проверить | Промпт-старт |
|---|---|---|---|
| SQL-запросы | NL→SQL с редактируемым кодом | прочитать SQL на логику, краевые случаи | Набросай SQL и отметь, где он может дать неверный результат |
| Чистка данных | нормализация, дедуп | сверить с источником истины | Приведи к единой схеме и покажи, что мог потерять |
| Дашборды/KPI | регулярные авто-отчёты | определения метрик = словарю | — |
| Интерпретация | гипотезы по данным | какой вывод защитить | 2 гипотезы и где данные их НЕ подтверждают |
| Прогноз | baseline-модель | допущения и риски | Какие допущения нужны и насколько они шаткие? |
Ловушка — «ИИ посчитал, я поверил». Всегда сверяйте агрегат с источником истины.
Инструменты (что чем делать)
- Свежие RU-лиды (проверяйте, 2026): Yandex DataLens, Visiology — BI с ИИ-функциями. Сверяйте состав ИИ-функций на дату.
- GigaChat / YandexGPT — черновики SQL, объяснение метрики (без чувствительных данных).
- ChatGPT / Claude через агрегатор — сложный SQL/Python, разбор логики.
- Querio (NL→SQL/Python с editable-кодом — можно проверить каждый ответ), ThoughtSpot (warehouse-native), Domo. Из РФ — VPN/зарубежная карта.
Один рабочий плейбук
Ad-hoc вопрос → проверяемый ответ
- Сформулируйте вопрос к данным простым языком в инструменте с NL→SQL.
- Получите код + результат (не «магический ответ»).
- Проверьте человеком: сверьте агрегат с источником истины; прочитайте SQL на логические ошибки; убедитесь, что определения метрик совпадают с вашим словарём.
- Только потом используйте в решении.
- Выход: ответ за минуты, но под вашей проверкой — без «ИИ посчитал, я поверил».
Где НЕ применять
Красные флаги
- Числа, корреляции, статвыводы — «звучит статистически» ≠ «верно»; сверять с источником истины.
- Данные пользователей/клиентов — не в сторонние сервисы без проверенного контура.
- Решение на основе анализа — ставку и ответственность держит человек.
Промпт-паттерны: хорошо / плохо
| Плохо | Хорошо |
|---|---|
| «Сделай вывод по таблице» | «2 гипотезы и где данные их НЕ подтверждают» |
| «Напиши SQL» | «Набросай SQL и отметь, где он может дать неверный результат» |
| «Построй прогноз» | «Какие допущения нужны и насколько они шаткие?» |
Куда переносить вес
Время от 🟢-рутины — в 🔴: какой вопрос задать данным, «владелец метрики», на чьё суждение опираются (output→outcome, гл. 2/5).
Было / стало / осталось за человеком
| Было (барьер до ИИ) | Стало доступно быстро | Осталось за человеком |
|---|---|---|
| Сбор и сведение данных — часы/дни | Черновой отчёт и сводка — минуты | Какой вопрос вообще задать данным |
| Обзор десятков источников — 1–2 дня | Обзор со ссылками — ~30 минут, если источники уже собраны | Проверка выводов, критерий «хорошо», доверие бизнеса |
| Ты — поставщик таблиц | — | Ты — владелец метрики, на чьё суждение опираются |
Лестница уровней в этой роли
Пять уровней из главы 5 — на языке этой профессии. Отметьте, где вы стоите в главных задачах недели.
| Уровень | Как это выглядит здесь |
|---|---|
| 1. Пользователь ИИ | Пишу SQL и собираю отчёт с ИИ быстрее |
| 2. Валидатор | Проверяю числа и логику. Уверенно неверное число опаснее отсутствия числа |
| 3. Оркестратор | Собрал контур «вопрос → данные → расчёт → проверка → вывод» |
| 4. Владелец результата | Владею метрикой и отвечаю за решение, принятое по моему выводу |
| 5. Создатель системы | Построил слой данных и проверок, которым команда пользуется без меня |
Где обычно застревают. На уровне 1–2: запросы пишутся мгновенно, а вопрос данным по-прежнему ставит кто-то другой. Дорожает именно постановка вопроса.
Дальше: мой уровень полезности → один ход на +1 уровень.
Готовые скиллы и плагины для роли
Повторяемые процедуры (SQL-черновик с проверками, data quality-чек, саммари KPI-дашборда) можно оформить в переносимый навык или взять готовый: Банки готовых скиллов · как собрать свой — Оформи навык в скилл.
Куда дальше
Разложить неделю → интегральный аудит → план на 90 дней. Или сразу Рабочая тетрадь.
Источники разбора: OpenAI GDPval (2025) — https://openai.com/index/gdpval/ · Anthropic Economic Index — https://www.anthropic.com/economic-index · Stanford AI Index (2025) — https://hai.stanford.edu/ai-index · McKinsey «The State of AI» — https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai. Плюс книга, гл. 2–3, 5. Версия: 2026-08-18.