Куда поступать

Куда поступать на аналитика данных: вузы, направления и что сдавать

Если искать в перечне направлений бакалавриата строку «аналитик данных», её там не найдётся. Профессия существует, вакансии существуют, а отдельного направления подготовки под неё нет: аналитиков выпускают математические и экономические программы, а слова «анализ данных» вузы всё чаще добавляют уже в название конкретной программы внутри направления. Отсюда главная трудность выбора: две программы с похожими названиями могут отличаться учебным планом почти целиком.

Я предлагаю смотреть на это как на два пути. Первый идёт через математику и статистику, второй через ту область, в которой вы будете потом разбирать данные, например экономику или социологию. Ниже сравнение по тому, что приходится сдавать и чему учат.

Два пути и чем они различаются

На первом пути вы учите математику с самого начала и в большом объёме. Это программы вроде «Прикладной математики и информатики», «Статистики», «Математики и компьютерных наук» и «Фундаментальной информатики и информационных технологий»; на первых двух курсах там идут математический анализ и линейная алгебра, теория вероятностей и математическая статистика, а программирование растёт рядом. Выпускник такой программы понимает, как устроен метод, и может написать свой. Слабая сторона известна: отрасль придётся учить уже на работе, и первое время вы будете спрашивать у коллег, что значат слова в таблице. Если вас при этом тянет писать сами программы, посмотрите, куда поступать на программиста; если ближе чистая теория, то куда поступать на математика.

На втором пути данные служат инструментом. Это «Экономика», «Бизнес-информатика», «Прикладная информатика», «Социология» и ещё десяток программ, где есть статистика и базы данных, а в части вузов ещё и отдельный курс по анализу данных. Выпускник знает, какие вопросы задаёт бизнес, и обычно раньше приходит к реальным задачам: на третьем курсе нередко уже подрабатывают. Платит он за это глубиной методов, и догонять их приходится самостоятельно или в магистратуре. Маркетинговая аналитика, например, по сути работа с данными о клиентах, и набор экзаменов там другой; о нём в статье куда поступать на маркетолога.

Разница между путями не в сложности, а в том, где окажется главная нагрузка: на математике или на предметной области.

Есть и промежуточные программы, например экономика с углублённой математикой и анализом данных. Названия у них разные, и по перечню направлений их не найти; запрос в поиске по сайту вуза, где слова «экономика» и «анализ данных» стоят рядом, даст больше.

Моя позиция: школьнику, который пока не знает, в какой отрасли хочет работать, надёжнее математический путь. С него легче свернуть в предметную область (отрасль осваивается быстрее, чем статистика с нуля), чем в обратную сторону. Возражение понятное: на предметном пути практика приходит раньше, и если вы точно знаете, что вам нужна, например, финансовая аналитика, долгий курс матанализа вам ни к чему. Решайте, что вы скорее простите себе: незнание отрасли или нехватку методов.

Что сдавать при каждом пути

Тут пути расходятся меньше, чем кажется, и в этом их удобство. Русский язык нужен везде. Профильная математика на математических программах обязательна, на большинстве экономических тоже, так что готовиться к ней придётся при любом выборе.

Третий предмет зависит от направления. На математических и информатических программах это обычно информатика или физика, и вуз сам решает, какой из двух он принимает. На экономических и управленческих третьим нередко идут информатика, иностранный язык или обществознание. На направлениях про общество (социология, например) бывает иначе: обществознание обязательно, математика стоит среди предметов по выбору, и анализ данных на таких программах идёт отдельным курсом.

Поэтому первое действие на этапе выбора — выписать список программ, которые вам нравятся, и сложить, какие предметы им нужны. Если три из пяти ваших вариантов принимают информатику, а два физику, решение очевидно; если разброс настоящий, схему выбора предметов под направление разбирает статья как выбрать направление по тому, что вы сдаёте. Одну ловушку скажу сразу: строка в правилах приёма на год, который уже прошёл, не гарантирует строку на 2027-й. Вузы меняют перечни, и проверять надо свежий документ перед подачей.

Набор предметов на ЕГЭ вы называете в заявлении, которое подаётся зимой одиннадцатого класса, и к зиме нужен готовый список вузов. Когда экзамены, смотрите в статье даты ЕГЭ-2027.

Что должно быть в учебном плане

Название программы про анализ данных ничего не гарантирует: бывают программы, где от анализа данных остался один семестр. Поэтому откройте учебный план первых двух курсов (он лежит в разделе «Сведения об образовательной организации» на сайте вуза) и найдите в нём такие дисциплины:

теория вероятностей и математическая статистика отдельными курсами: одной главой в общем курсе здесь не обойтись;
линейная алгебра, без которой не объяснить ни регрессию, ни понижение размерности;
базы данных и язык запросов к ним, который называют SQL;
программирование на языке, которым пользуются аналитики (чаще всего это Python), с практикой хотя бы в виде лабораторных работ.

Если из четырёх есть три, программа рабочая. Если есть только один пункт, перед вами, скорее всего, обычная прикладная информатика под модным названием, и сравнивать её надо с другими такими же программами.

Что пригодится из школьного курса и как попробовать

Теория вероятностей присутствует и в профильном ЕГЭ: её задания есть в первой части, подробнее о составе экзамена в статье структура ЕГЭ по профильной математике. Они дают первое представление о том, что такое вероятность события, и на первом курсе это очень пригодится: с этого начинается статистика.

Второе, что стоит освоить заранее, — электронные таблицы. Если на уроках информатики вы их уже видели, не бросайте: сводные таблицы, формулы и графики по сути первый инструмент аналитика, и многие приходят в профессию именно от них. Третье — чтение по-английски. Документация, статьи и обсуждения по анализу данных в основном на английском, и без привычки читать их вам придётся тяжело; сдавать экзамен для этого не нужно.

Прежде чем выбирать, попробуйте само занятие. Возьмите свои результаты пробников за этот учебный год и постройте график по неделям. Потом ответьте себе, что он показывает, и что нужно проверить, чтобы вывод не оказался случайностью: хватает ли точек и не было ли на этой неделе болезни. Если вам это показалось интересным (не обязательно лёгким), аналитика вам по характеру подходит. Если в какой-то момент захотелось закрыть таблицу и пойти решать задачу, больше к вам подойдёт путь программиста или математика.

Результат своей работы потом нужно показать другим людям так, чтобы они его поняли. Визуализация данных — смежная область с дизайном, и если вам интересна именно эта сторона, загляните в статью куда поступать на дизайнера.

Куда смотрят в первую очередь

Про вузы скажу осторожно. Чаще других называют ВШЭ и МФТИ, рядом МГУ, СПбГУ и ИТМО; это примеры того, откуда принято начинать, и рейтингом такой список считать нельзя. Помимо них стоит смотреть на два типа программ, которые часто упускают: математический факультет классического университета и экономический вуз с отдельной кафедрой статистики.

Как читать конкурсные списки, чтобы не принять «проходной балл прошлого года» за обещание, описано в статье как читать конкурсные списки и проходные баллы. Если у вас есть олимпиады, их место в картине разобрано в статье перечневые олимпиады и льготы при поступлении.

Магистратура как второй вход

Профессия принимает и тех, кто пришёл не с математического бакалавриата. Ряд магистерских программ по науке о данных и машинному обучению берёт выпускников разных направлений, иногда после вступительного экзамена по математике и программированию; условия у каждого вуза свои, и искать их надо в правилах приёма в магистратуру. Это относится не только к аналитике: так же в ИТ приходят и из других областей. Для школьника это означает вот что: если вы выбрали предметный путь и позже поняли, что не хватает математики, дорога не закрыта, но часть магистратуры уйдёт на то, что одногруппники математического пути прошли ещё в бакалавриате.

Верно и обратное. Если вы пошли в математику, а потом выяснили, что вам скучно считать ради счёта, вы, скорее всего, перейдёте в предметную магистратуру без потери времени, потому что отрасль осваивается быстрее методов.

Как называется должность на деле

Школьнику полезно знать: слова на рынке путаются. Один и тот же человек в одной компании называется аналитиком данных, в другой продуктовым аналитиком, и работа у них пересекается больше, чем различается. Название определяет компания, в дипломе его нет. Поэтому не пытайтесь на этапе выбора вуза угадать должность: выбирайте набор знаний, из которого любая из этих должностей собирается, а название приложится потом.

Как выглядит работа изнутри, школьники обычно представляют иначе. Значительная часть времени уходит на подготовку данных: выгрузить, найти пропуски, выяснить у коллег, что означает странное значение в столбце. Сами вычисления занимают меньше, чем кажется, и этим рабочая среда отличается от курса статистики в вузе.

Ещё одно различие, которое школьники часто путают. Аналитик в большинстве компаний отвечает на вопрос «что происходит и почему», а специалист по машинному обучению строит модель, которая что-то предсказывает; ему нужно ещё больше математики, и готовит его чаще магистратура. Граница между ними размыта, и конкретная компания проведёт её сама. Если вас привлекает безопасность (разбор происшествий, поиск аномалий в журналах), то это аналитика в особой среде, которую описывает статья куда поступать на специалиста по кибербезопасности.

Начать поиск:

Вузы с подходящими направлениями

Ниже — вузы, по которым у нас есть справочная карточка: в ней перечислены направления, предметы вступительных испытаний, сроки приёма и проходной балл последней опубликованной кампании, а рядом стоит дата сверки данных. Это не полный список вузов страны: справочник ещё наполняется.

МГУ, Москва: прикладная математика и информатика
СПбГУ, Санкт-Петербург: прикладная математика, процессы управления и искусственный интеллект
НИУ ВШЭ, Москва: экономика и анализ данных, бизнес-информатика
МФТИ, Долгопрудный: прикладная математика и информатика
МИФИ, Москва: прикладная математика и информатика
РАНХиГС, Москва: бизнес-информатика
Политех Петра Великого, Санкт-Петербург: прикладная математика и информатика

Шкала проходного балла у вузов разная: где-то это сумма трёх предметов, где-то сумма с учётом индивидуальных достижений, где-то вместе с собственным испытанием вуза. Поэтому числа соседних карточек между собой не сравниваются, и в каждой карточке сказано, из чего складывается её сумма. Остальные карточки — в разделе вузов.

Вопросы и ответы

Нужно ли уметь программировать до поступления? Нет, на любой из программ вас научат с нуля. Но тот, кто пришёл с готовой привычкой писать код, первый семестр проживает заметно спокойнее, а в математических программах без него приходится срочно догонять параллельно с анализом и алгеброй.

Что лучше: «Прикладная математика и информатика» или экономика? Зависит от того, что вам интереснее делать большую часть недели. Если выводить формулы и проверять методы, то первое. Если разбираться, почему падают продажи и что с этим делать, то второе. Оба пути приводят к работе аналитиком, и различаются они в основном первыми тремя годами.

Чем аналитик данных отличается от специалиста по машинному обучению? Аналитик объясняет, что произошло в данных, и помогает принять решение. Специалист по машинному обучению строит модели, которые предсказывают что-то на новых данных. Работа пересекается, но второму нужно больше математики, и на старте его чаще берут с магистерским дипломом.

Можно ли без профильной математики? Узко. Большинство программ, где анализ данных составляет основу, профильную математику требует. Остаются направления про общество, где она стоит среди предметов по выбору; там анализ данных будет приложением к главной специальности, а математику, если захочется глубже, придётся добирать позже, например в магистратуре по данным.