Какие инструменты для анализа данных нужны начинающему аналитику

Сводные таблицы. За несколько кликов сводная таблица превращает тысячи строк в лаконичный отчёт. Например, она покажет продажи по регионам, средний чек в каждой категории товаров или изменение показателей по месяцам. Формулы и код для этого не нужны.

Функции поиска. ВПР (VLOOKUP), ПРОСМОТРX (XLOOKUP), связка ИНДЕКС и ПОИСКПОЗ. Нужны, когда сведения хранятся в разных таблицах. С их помощью можно перенести название контрагента из справочника в таблицу заказов, сопоставить план и факт из двух отчётов или проверить, есть ли товар в ассортименте.

Условные функции. ЕСЛИ проверяет условие и возвращает один из двух результатов: например, помечает заказ как крупный, если его сумма больше 10 000 рублей. СУММЕСЛИ и СЧЁТЕСЛИ считают сумму и количество только по строкам, которые подходят под условие. СУММЕСЛИМН и СЧЁТЕСЛИМН делают то же самое сразу по нескольким условиям. Так можно посчитать выручку от постоянных клиентов или количество заказов дороже 50 000 рублей в конкретном регионе.

Power Query. Встроенный в Excel инструмент для подготовки данных. Аналитик подключает его к источнику — папке с файлами, базе данных, веб-странице — и один раз задаёт последовательность действий: удалить пустые строки, исправить формат дат, разделить столбец, объединить таблицу со справочником. Power Query сохраняет эти шаги как запрос. Когда в источнике появляются новые данные, например выгрузка за следующий месяц, аналитик нажимает «Обновить», и Power Query повторяет все шаги. Без него ту же обработку пришлось бы делать вручную после каждой выгрузки.

Диаграммы. Линейная подходит для отображения динамики во времени, столбчатая — для сравнения категорий, круговая — для сравнения долей в общем объёме, точечная — для выявления зависимости между двумя показателями. Главное здесь — уметь подбирать тип диаграммы под задачу. Например, круговую диаграмму с десятью секторами читать трудно, а столбчатая покажет те же данные нагляднее.

Yandex DataLens. Это российская BI-система от Яндекса. Работает в облаке, есть бесплатный тариф, нативно интегрируется с Яндекс Облаком. Если компания работает в экосистеме Яндекса, DataLens, скорее всего, будет основным инструментом.

Tableau распространён в международных компаниях и отличается гибкостью визуального анализа — позволяет строить сложные диаграммы и исследовать данные без заранее заготовленных шаблонов.

Подключать источники данных. Аналитик настраивает подключение, выбирает нужные таблицы и поля, задаёт расписание обновления. Важно понимать, откуда берётся каждая цифра в отчёте: если показатели разойдутся с другими отчётами, так будет проще найти причину.

Строить модель данных. Данные для одного дашборда обычно хранятся в нескольких таблицах: заказы в одной, клиенты в другой, а товары в третьей. Аналитик связывает их по общим полям, например по номеру клиента или артикулу. Если связь настроить неправильно, система посчитает часть выручки дважды или потеряет часть заказов.

Рассчитывать метрики. В исходных данных есть только суммы заказов, количество визитов и другие исходные значения. Конверсию, средний чек или долю категории в выручке аналитик рассчитывает сам с помощью формул: в Power BI для этого используют язык DAX, в Tableau — вычисляемые поля.

Оформлять дашборд. Каждый дашборд создают под задачу конкретного пользователя. Например, руководителю отдела продаж нужно видеть, выполняется ли план месяца и кто из менеджеров отстаёт. Аналитик подбирает тип диаграммы для каждой метрики, настраивает фильтры и подписывает оси так, чтобы пользователь разобрался в отчёте без пояснений.

SELECT, WHERE, GROUP BY, ORDER BY. На этих командах основаны запросы. SELECT задаёт поля для вывода, WHERE — условие отбора строк, GROUP BY — правило группировки, ORDER BY — порядок сортировки.

JOIN. Команда объединяет несколько таблиц в одном запросе. Обычно справочник клиентов хранится в одной таблице, а их заказы — в другой. INNER JOIN оставляет только строки, для которых нашлось совпадение в обеих таблицах. LEFT JOIN сохраняет все строки первой таблицы и добавляет к ним данные из второй там, где совпадение есть. Например, с помощью LEFT JOIN можно найти клиентов, которые ни разу ничего не заказали.

Агрегатные функции. COUNT считает количество строк, SUM — сумму, AVG — среднее, MIN и MAX находят минимальное и максимальное значения. Вместе с GROUP BY эти функции помогают посчитать выручку каждого менеджера, количество заказов в каждой категории или среднюю длительность сессии на разных платформах.

Подзапросы и CTE. Нужны, когда для расчёта требуется промежуточный результат. Подзапрос — это запрос внутри другого запроса. Например, чтобы найти заказы дороже среднего чека, подзапрос сначала вычисляет средний чек, затем основной запрос отбирает заказы, которые его превышают.

Если этапов много, подзапросы приходится вкладывать друг в друга, и запрос становится трудно читать. Так бывает при расчёте удержания клиентов: сначала находят дату первой покупки каждого клиента, затем считают его покупки по месяцам и после этого — долю вернувшихся. Для таких расчётов используют CTE (Common Table Expressions): каждый этап аналитик оформляет отдельным именованным блоком в начале запроса через WITH. Такой запрос проще проверить, дополнить и передать коллеге, а результат любого этапа можно использовать несколько раз.

Оконные функции: ROW_NUMBER, RANK, LAG, LEAD, SUM OVER. Нужны для расчётов, в которых каждую строку сопоставляют с другими строками той же группы. Так, с помощью оконных функций определяют три самых продаваемых товара в каждой категории или считают рост выручки в сравнении с прошлым месяцем.

pandas. Основная библиотека для работы с таблицами. В pandas можно загрузить CSV или выгрузку из базы, отфильтровать строки, сгруппировать данные, объединить таблицы по ключу, как с помощью JOIN в SQL, и посчитать итоговые показатели. Логика та же, что в Excel и SQL. Но в Excel на одном листе помещается чуть больше миллиона строк, а в pandas можно обрабатывать и более крупные таблицы: предел зависит от объёма оперативной памяти компьютера.

NumPy. Библиотека для быстрых математических расчётов с большими наборами чисел. Например, одной командой можно пересчитать все цены в столбце по новому курсу валют или найти среднее по миллиону значений. На NumPy построены pandas и большинство других аналитических библиотек.

matplotlib и seaborn. Библиотеки для построения графиков. В matplotlib аналитик сам настраивает оформление: оси, подписи, цвета, легенду. В seaborn достаточно указать данные и тип графика, оформление библиотека подберёт сама. Графики помогают ещё до расчётов увидеть закономерности в данных и найти аномальные значения. Например, если средний чек в магазине 3 000 рублей, заказ на 500 000 рублей может оказаться ошибкой в данных. Если его не заметить, он исказит средние показатели.

SciPy и statsmodels. Библиотеки для статистических расчётов: t-теста, χ²-теста, регрессионного анализа. Например, они пригодятся для A/B-тестов. Разница в показателях двух групп сама по себе ничего не доказывает, а статистический тест покажет, случайна она или нет.