Аналитик по жизни | Excel, PowerBI, SQL

5 ошибок в визуализации, из-за которых ваш отчет никто не понимает 🫠

Можно собрать идеальную таблицу, написать сложный SQL-запрос и построить модель в BI. Но если визуализация выбрана неудачно, пользователь не поймет главное: что происходит и что с этим делать.
Вот ошибки, которые я чаще всего вижу в отчетах.

1️⃣ Неподходящий тип графика.
Круговая диаграмма с 12 категориями, 3D-столбцы, диаграмма пончик ради модного дизайна выглядят, на первый взгляд, эффектно, но плохо считываются.

Важно выбирать визуальный элемент под вопрос: для демонстрации динамики используем линейный график, для сравнения категорий столбчатую диаграмму.
Если показываем структуру из 2–5 крупных частей, то подойдет круговая диаграмма, если ищем связь между показателями, то можно показать на диаграмме рассеяния (точечной).
Визуализация это не украшение отчета, а способ быстрее ответить на вопрос.

2️⃣ Слишком много цветов.
Цвет должен выделять важное, а не превращать график в радугу. Важно использовать один-два акцентных цвета и нейтральные оттенки для остального.
Красный и зеленый лучше применять только если действительно обозначают проблему и позитивный результат

3️⃣ На одном графике пытаются показать все.
Выручка, прибыль, количество заказов, средний чек, конверсия, план, факт, прогноз, и все это на одном листе.
В результате пользователь видит не аналитику, а визуальный шум.

4️⃣ Непонятные подписи.
Читатель вашего отчета не должен расшифровывать SUM_REVENUE_YTD. Лучше скорректировать на простые названия, понятные единицы измерения и минимум лишних знаков.

5️⃣ Нет визуального акцента.
В отчете желательно сразу показать: где результат, где проблема и куда смотреть дальше.
Главный принцип: визуализация нужна не для красоты, а чтобы за несколько секунд ответить на вопрос: что происходит и что с этим делать?

А какие ошибки в отчетах вы видите чаще всего?

ИИ заменит всех аналитиков? Нет. Но троих конкретных уже заменяет прямо сейчас 🤔

Многие из этих людей даже не понимают, что они в группе риска.
За 10 лет в аналитике, от Philip Morris до дочерней компании Сбера, и за последний год, что я разрабатываю тесты для собеседований для компаний, я вижу это с двух сторон: кого ценят, а чью работу уже спокойно отдают нейросетям.

В новом выпуске разбираю три типа аналитиков, которых вытесняют первыми:

▪️ Человек-выгрузка: достал данные, вставил в шаблон, отправил. Каждый день одно и то же, без единого вывода. Эту работу ИИ уже делает за секунды.
▪️ Тот, кто нажимает кнопки и не понимает, что делает: строит формулы по инструкции, но не объяснит, почему именно так. А ценность сместилась, кнопки теперь нажимает ИИ, и ценят того, кто понимает, какую и зачем.
▪️ Молчун, который умеет только считать: технически сильный, делает дашборды красивые, но не объясняет, что значат его цифры. Считать ИИ умеет неплохо, но объяснять, защищать выводы и брать на себя ответственность за решения пока не умеет.

Что их объединяет и как выйти из-под удара -> рассказываю в видео. А в конце говорю про тех, кого ИИ, наоборот, делает дороже, и как стать одним из них.

📱 Смотреть на YouTube:
https://youtu.be/uhdNxViz_1M

📱 Смотреть в ВК

📺 Смотреть на Rutube

📌 А в библиотеке канала подборка реальных тестовых заданий с собеседований из Озон, МТС, Яндекс, Bonduelle. Тех самых, что сейчас дают кандидатам. Откройте, порешайте и проверьте свой уровень.

@valeriartis

Теперь перестанут брать на работу? 🤨

Новый пункт в ТК: с 1 сентября женщинам с детьми до трех лет нельзя устанавливать испытательный срок.

Этот ролик в моей другой соц.сети набрал более 120 тысяч просмотров и несколько десятков комментариев и обсуждений…

На первый взгляд, хорошая инициатива и защита, но для работодателя испытательный срок снижает риски при найме. Если его убрать, работодатели будут еще строже отбирать кандидатов до оффера.
Ведь отказать после найма теперь будет сложнее, а не пригласить на работу можно по привычным причинам🤔

❓Как думаете, этот закон - это реальная защита для женщин или новый повод для скрытого отсева еще на этапе найма?

Ставьте ❤️, если думаете, что теперь работодатели будут чаще отсеивать.

Ставьте 💯, если считаете, что новый закон защитит женщин.

🎙️ Сегодня в 12:00 повторяю эфир

Работа с данными - одна из самых устойчивых карьерных траекторий ближайших лет ⤵️

Данных становится все больше, и бизнесу все сильнее нужны люди, которые умеют превращать данные в понятные решения.
Рассказывала на эфире о человеке, который 10 лет работает с Excel за 100 тысяч, не зная, что мог бы получать вдвое больше.
Сегодня я разберу, как этот разрыв закрыть и начать путь в аналитике, даже с нуля.

За 90 минут я успею показать вам, какие навыки сейчас действительно необходимы, на чем проваливаются кандидаты на собеседованиях, и как собрать портфолио, если опыта нет.
Здесь была ссылка на трансляцию.

А у вас есть ощущение кризиса в своей работе или чувство, что застряли в своей профессии?

🗣️Что бы я сказала себе в самом начале пути 🤫
(что стало ценным в профессии, и чего я боялась)

Спасибо вам за обратную связь к прошлым аудио, я рада, что этот формат оказался для вас удобным и полезным!

Сегодня в аудио на 5 минут делюсь личными выводами о старте в профессии:

🔵Не нужно знать все и обладать всеми нужными навыками, чтобы начать: настоящий опыт приходит не после изучения всех инструментов, а во время решения реальных задач
🔵Самое ценное в аналитике: уметь задавать вопросы, понимать бизнес-задачу, проверять данные и объяснять выводы простым языком
🔵Страх ошибиться, не знать ответ или отставать от коллег знаком даже опытным специалистам, важно не делать вид, что все понятно, а уточнять и учиться
🔵Имеет смысл начинать с небольших проектов, практиковаться и помнить, что за цифрами всегда стоят люди, процессы и решения 🤍

И жду вас сегодня на прямом эфире!

А вы на какой стороне?
Ставьте ❤️, если считаете, что надо начинать раньше и не ждать идеального момента
Ставьте 👍, если вы за то, что сначала нужно все выучить и только потом действовать

🗣️Как проходят собеседования и тестовые задания сейчас 🤓

Аудио на 6 минут, где рассказываю:

▪️Как обычно проходит процесс сейчас?
▪️Что ожидать от скрининга с HR, рекрутером?
▪️О чем спрашивают на техническом интервью?
▪️Какими стали тестовые задания?
▪️Кейс-интервью: как ответить на вопросы нанимающего менеджера?
▪️Ошибки в ответах на собеседовании, которые многие совершают.

И увидимся завтра с вами на прямом эфире 🤝

Ставьте ❤️, если в этом году откликались на вакансии и ходите на собеседования.

Ставьте 👍, если сейчас тяжело сделать первый отклик или решиться отправить резюме.

Красивые цифры и плохие решения 🎨📉

Иногда отчет выглядит идеально: рост выручки, высокая конверсия, зеленые KPI, красивые графики. Все довольны… А потом оказывается, что компания теряет деньги🤔

Проблема в том, что цифры сами по себе не гарантируют правильных решений. Ошибка может быть не в формуле, а в том, что именно мы решили измерять, с чем сравнивать и как интерпретировать результат.

Вот пример со средней зарплатой.
В компании работает 100 человек,
90 сотрудников получают по 90 000₽, 8 руководителей по 250 000₽, 2 топ-менеджера по 1 000 000₽.
Младший аналитик в отчете посчитал и написал: «Средняя зарплата в компании 121 000 ₽».

Но 90% сотрудников получают меньше этой цифры, среднее значение выше их реального дохода примерно на 34%. Поэтому рядом со средним важно смотреть медиану - значение, которое находится в середине распределения. Здесь медианная зарплата будет 90 000₽, и она гораздо точнее описывает доход большинства.

Та же проблема встречается в бизнес-метриках:
1️⃣ Средний чек вырос на 15%. Хорошая новость? Возможно. Но если он вырос только потому, что ушла большая группа покупателей с низким чеком, бизнес мог потерять и клиентов и будущую выручку.

2️⃣ Выручка выросла на 20% к прошлому месяцу. Но был ли там сезонный спад/ маркетинговая акция/ изменение цен? Без базы сравнения цифра превращается в красивый, но бесполезный факт.

Хороший аналитик - не только тот, кто умеет посчитать метрику и собрать таблицу, а кто может ответить, что происходит с бизнесом, почему это происходит и какое действие действительно улучшит результат.

Именно поэтому ценность аналитика не в количестве таблиц и графиков, а в умении видеть реальную картину за цифрами.

Специалист, который умеет только считать и оформлять отчеты, часто остается на уровне около 90 000₽. А тот, кто влияет на бизнес-решения, может претендовать на зп 450 000₽ и выше.

Какие еще навыки важны для специалистов в 2026, расскажу на прямом эфире
20 августа в 19.00 (по мск.)
👉Ссылка для регистрации на эфир:
https://www.artisdemy.ru/live

Если еще не были на моих эфирах, очень рекомендую присоединиться 🤝

❓Были ли у вас ситуации, когда красивая метрика приводила к неверному выводу?
Как думаете, какие навыки, отличают специалиста, который строит отчеты, от специалиста, который влияет на решения?

📊 Как изменился рынок аналитики в 2026 году? (Заметили?)🤔
Мои размышления

Рынок аналитики в 2026 году стал сложнее, требовательнее и ближе к бизнесу.
Простые задачи вроде первичного анализа таблиц, подготовки простых SQL-запросов, базовых дашбордов и Excel-табличек все чаще автоматизируются, зато выросла ценность специалистов, которые умеют превращать цифры в управленческие решения 📈

Я в аналитике уже около 10 лет (от финансовой аналитики к Дата и BI аналитике). И еще несколько лет назад типичная роль аналитика выглядела так: получить выгрузку, обработать данные, собрать отчет.

В 2026 году этого уже недостаточно, и от аналитика все чаще ждут, что он сможет:
▫️уточнить реальную бизнес-задачу;
▫️предложить, как измерять результат;
▫️объяснить не только что произошло, но и почему;
▫️предложить конкретные действия;
▫️оценить эффект после внедрения решения.

То есть аналитик становится партнером бизнеса, который помогает снижать неопределенность и принимать более обоснованные решения.

ИИ-инструменты уже умеют быстро подготовить черновик SQL-запроса, DAX-меры, Python-кода, текста для презентации или описания графика. Они помогают искать аномалии, формировать первые гипотезы и работать с документацией. Но ИИ не снимает главные аналитические риски.

Он не всегда понимает контекст бизнеса, не отвечает за качество данных и может уверенно предложить неверный вывод. Поэтому особенно ценными становятся навыки, где нужны экспертиза и ответственность:
▫️правильно сформулировать бизнес-вопрос;
▫️проверить качество данных;
▫️выбрать корректные метрики;
▫️отличить случайность от закономерности;
▫️объяснить, почему что-то произошло;
▫️предложить решение и оценить его эффект.

Что же делать аналитику в 2026 году?
▪️Прокачивать навыки BI, SQL и понимание моделей данных.
▪️Углубляться в конкретный бизнес-домен.
▪️Использовать ИИ как помощника, но проверять его результаты.
▪️Показывать в портфолио не только дашборды, а полноценные кейсы, где задача переходит в данные, далее в анализ, выводы и действия.

✔️Я каждый день вижу, как простая техническая работа автоматизируется, но растёт ценность специалистов, которые могут соединить данные, бизнес-процессы, выводы и коммуникацию.

Для аналитика/финансиста/экономиста это возможность перейти на следующий уровень: от человека, который показывает цифры, к человеку, который помогает компании понять, какие действия действительно стоит предпринять 👨‍💻

❓А вы сами заметили, как изменился рынок за последний год, и насколько ИИ повлиял на вашу работу или учебу?

Расскажите в комментариях, мне интересны ваш опыт и мнение👇

🗣️«Кому точно не стоит идти в аналитику»

Записала на десять минут честно о профессии аналитика: кому она действительно подойдёт, а кому может принести только разочарование.

Половине из тех, кто спрашивает меня про аналитику, я бы честно не советовала в неё идти. И это не про способности ⤵️

• Почему аналитика — не самый лёгкий путь?
• Сколько в ней общения, встреч и необходимости объяснять цифры?
• Почему рутинная подготовка и очистка данных важнее красивого отчета?
• Почему специалистам с опытом в бизнесе перейти проще, чем кажется?
• Как аналитика может дать не только новую должность, но и больше свободы управлять своей жизнью?

🟢И очень интересно узнать у вас.
Напишите в комментариях 1, если узнали себя среди тех, кому я бы пока не советовала идти в аналитику.
Или 2, если почувствовали, что вам это подходит.

И обязательно поспорьте со мной там, где не согласны, очень интересны ваши мнения и опыт!
Самые интересные мнения разберу в следующих публикациях :)

Меня не было здесь месяц, и у меня есть на это причина🤍

В июле у меня родился сын🐣
Теперь я мама двух мальчиков, первому сыну сейчас 7 лет, и он теперь старший брат 🧑‍🧑‍🧒‍🧒

Все девять месяцев в ожидании малыша я продолжала работать: снимала ролики, делала публикации, создала подкаст, провела четыре потока студентов. Потому что я обожаю свою деятельность и понимаю сейчас, что живу именно так, как когда-то мечтала✨

Мы живем в такое время, когда женщина может не бояться выходить в декрет и быть финансово уязвимой, а выбрать направление, которое сможет обеспечить и в период декрета.
Если зарабатываешь как аналитик, то разовая выплата по беременности и родам доходит до 955 836₽: почти миллион, который приходит сразу от компании.
Плюс ежемесячно до 83 000₽ по уходу за ребёнком до полутора лет. Это не сидеть в декрете без денег, это жить. Спокойно, достойно, для себя и для детей.

Я очень благодарна, что за эти 9 месяцев провела через свое обучение около 150 человек, четыре потока. И многие из них поняли ровно то же, что и я когда-то: можно построить новую жизнь, получить профессию, за которую держится не работодатель, а ты сам держишь свою жизнь в руках!

И важно, что эта профессия нужна как никогда. Можете прямо сейчас спросить у Алисы, которая почти у каждого стоит дома, насколько востребован аналитик. Она подтвердит: это одно из самых востребованных направлений в стране прямо сейчас.

Дети — всегда наши самые продуктивные тренеры по личностному росту.
Считаю прекрасным, когда у женщин есть возможность совмещать свои личные и карьерные цели с невероятной ролью мамы!

Всех обнимаю, и спасибо за поздравления, принимаю их в комментариях ❤️

5 лет откладывала идею, а потом просто сделала, и вот что из этого вышло👇

Работаю аналитиком уже около 10 лет. И последние лет 5 у меня в голове жила идея записывать интервью с аналитиками разных направлений, финансистами, экономистами. Слушать настоящие истории: не идеальные, а живые, с трудностями и с победами.

Но, как это часто бывает, идея жила… и откладывалась много лет. До этого года 😏

В этом году я наконец решилась и позвала моих коллег-аналитиков в студию, где мы записали первые выпуски. Так появился Первый Аналитический Подкаст (ПАП).

И это не просто разговоры про карьеру. Это истории людей про сложные решения и смену направления, про сомнения и выгорание, про рост, навыки, ошибки и победы 📉📈

Уже вышли выпуски:
1️⃣ про старт в аналитике с нуля,
2️⃣ про карьеру в финансовой аналитике,
3️⃣ про решимость перехода из бухгалтерии в дата-анализ и дата-инженерию,
4️⃣ про путь из финансов в HR-аналитику и рост до HR-директора,
5️⃣ про выход из найма и работу на себя,
6️⃣ про переход из бизнес-аналитики в проджект-менеджмент,
7️⃣ про руководство отделом аналитики и баланс между карьерой, семьёй и детьми.

Все выпуски уже доступны на
🟢YouTube,
🟢VK,
🟢Яндекс Музыке,
🟢Apple Podcasts 📹

Если у вас не получается реализовать свою давнюю идею, пусть эта история вас вдохновит✨

Дальше планирую записать интервью с продуктовым аналитиком, системным аналитиком, финансовым директором 👩‍💻

И буду рада вашим идеям:
с кем ещё вы бы хотели увидеть выпуски Первого Аналитического Подкаста? Напишите ваши предложения ⤵️