Power BI: моделирование данных, базовый DAX, публикация/refresh, права доступа
Python для аналитики: pandas/numpy, matplotlib/seaborn/plotly для визуализации, другие фреймворки и библиотеки для анализа; аккуратный, воспроизводимый код; Git в ежедневной работе
Фундаментальные знания статистики: Описательная статистика, распределения и выбросы, выборка и т.д (желательно) Доверительные интервалы, проверка гипотез (t-test, непараметрические тесты и т.д.)
Основы регрессии и диагностики
Временные ряды: тренды, сезонность, выбросы, сглаживание A/B-тестирование: постановка, выбор метрик/страхующих показателей, стратификация/CUPED, корректная интерпретация результатов Коммуникация с бизнесом:
Умение переводить анализ в решения;
Будет преимуществом
Базовые навыки dbt (staging→marts, not_null/unique/relationships, документация) и понимание расписаний в Airflow
Опыт оценки промо-эффективности, эластичности, маркетинговой атрибуции
Сильный Excel (power-user), миграция «Excel-аналитики» в BI
Главная задача — превращать данные из DWH в понятные выводы и конкретные рекомендации для бизнеса.
Аналитик формулирует и проверяет гипотезы, строит метрики, оценивает влияние инициатив и помогает отделам компании (маркетингу, продажам, финансам и другим) принимать решения.
Отвечает за то, чтобы результаты моделей Дата сайнтиста корректно попадали в Power BI (при необходимости) и реально использовались.