Все треки (Обзор)
IT и разработка
Аналитика и данные
Розница и офисы
B2B и корпораты
Риски и контроль
Big Data & ML
Спрос: Критически высокий (9.8 / 10)
Карьерная лестница и грейды аналитиков данных в банках 2026
Как расти от стажера до CDAO (Chief Data Officer): требования, математический аппарат, скоринг и доход
Банки аккумулируют колоссальные объемы информации: транзакции, кредитные истории, поведенческие паттерны в мобильных приложениях. Аналитик данных в банке — это мост между гигабайтами сырых данных и бизнес-решениями с многомиллионным эффектом.
Ключевые ориентиры трека:
Срок до грейда Senior:
3.5–4.5 года
Медиана дохода Lead:
380 000 ₽
Количество ступеней:
5 грейдов
Смежные профессии:
Отзывы о банках →
Пошаговая карьерная лестница (Грейды L1–L5)
Требования к опыту, компетенциям, вилкам зарплат и условиям перехода на следующий уровень
L1
Стажер-аналитик (Data Analyst Intern)
Опыт: Студенты экономических, мат-мех или IT-факультетов •
Период промоушена: 3–6 месяцев
Медианный доход
70 000 ₽ / мес
Ключевой стек и компетенции:
Продвинутый SQL (JOIN, Window functions)
Python (pandas, numpy)
Excel / Google Sheets
Основы тервера и матстатистики
Базовый BI (Power BI / Superset)
«Начал со стажировки в управлении скоринга Сбера. Было много математики и SQL. За 5 месяцев прокачал Python до автоматизации пайплайнов и перешел на Junior с окладом 110k.»
Junior Data Analyst (Сбербанк)
4.7
Типовые рабочие задачи и обязанности:
- Выгрузка витрин данных и подготовка регулярных отчетов по шаблонам
- Валидация сырых данных на пропуски, аномалии и несоответствия
- Написание базовых SQL-запросов для проверки гипотез старших коллег
- Сборка простых дашбордов для продуктовых менеджеров
Критерии перехода на следующий грейд:
Умение быстро ориентироваться в структуре корпоративного хранилища (DWH), безошибочное написание сложных оконных функций, способность самостоятельно формулировать выводы по графику.
L2
Младший аналитик (Junior Data Analyst)
Опыт: От 1 года работы с базами данных и аналитикой •
Период промоушена: 1–1.5 года
Медианный доход
125 000 ₽ / мес
Ключевой стек и компетенции:
Advanced SQL (оптимизация планов EXPLAIN)
Python (scikit-learn, matplotlib, seaborn)
A/B-тестирование (критерии Стьюдента, Манна-Уитни)
ETL-пайплайны (Airflow)
ClickHouse / Greenplum
«В Т-Банке на джуниорской позиции аналитика сразу бросают в бой с боевыми продуктами. За полтора года провел более 40 A/B-тестов, оптимизировал воронку заявок на кредитки. Зарплата выросла вдвое.»
Product Analyst (Т-Банк)
5
Типовые рабочие задачи и обязанности:
- Дизайн, запуск и оценка статистической значимости A/B-экспериментов
- Построение и поддержание регулярных дашбордов бизнес-метрик (LTV, CAC, Churn)
- Поиск узких мест в воронках конверсий кредитных и карточных продуктов
- Взаимодействие с дата-инженерами по созданию новых витрин данных
Критерии перехода на следующий грейд:
Глубокое понимание бизнес-метрик продукта, умение находить скрытые инсайты в данных без прямых указаний, базовое применение ML-моделей классификации/регрессии.
L3
Аналитик данных / Data Scientist (Middle)
Опыт: От 2 до 4 лет в финтех-аналитике или риск-моделировании •
Период промоушена: 1.5–2.5 года
Медианный доход
230 000 ₽ / мес
Ключевой стек и компетенции:
Machine Learning (CatBoost, XGBoost, LightGBM)
Causal Inference & uplift-моделирование
Оптимизация DWH архитектур
Анализ клиентских графов
Data Storytelling для C-level
«Как Middle Data Scientist в Альфа-Банке занимаюсь моделями антифрода. Работа напрямую влияет на миллионные сбережения клиентов. Отличный соцпакет, современный стек Spark и GPU-кластеры.»
Middle Data Scientist (Альфа-Банк)
4.6
Типовые рабочие задачи и обязанности:
- Разработка скоринговых карт оценки платежеспособности заемщиков
- Моделирование оттока клиентов и персонализация маркетинговых пушей
- Проектирование архитектуры корпоративных витрин данных в DWH
- Презентация результатов исследований директорам продуктовых линий
Критерии перехода на следующий грейд:
Способность оцифровать любую бизнес-проблему в терминах прибыли банка, внедрение моделей в реальный прод с мониторингом дрейфа данных (data drift).
L4
Ведущий аналитик данных / Senior Data Scientist
Опыт: От 4–6 лет в Data Science, опыт вывода ML-моделей в миллионный прод •
Период промоушена: 2–3 года
Медианный доход
350 000 ₽ / мес
Ключевой стек и компетенции:
Deep Learning & LLM / NLP в финтехе
MLOps (MLflow, Kubeflow, Feast)
Стратегическое риск-моделирование
Эконометрический анализ
Архитектура данных предприятия
«На позиции Senior в Газпромбанке курирую разработку моделей кредитования крупного бизнеса. Сложные нестандартные задачи, работа на стыке финансов и тяжелого ML.»
Senior Risk Data Scientist (Газпромбанк)
4.5
Типовые рабочие задачи и обязанности:
- Архитектура сквозной аналитической платформы банка и MLOps-инфраструктуры
- Внедрение генеративного AI и LLM-агентов в клиентскую поддержку и скоринг
- Оценка системных финансовых рисков при изменении макроэкономических факторов ЦБ РФ
- Наставничество и развитие аналитической гильдии подразделения
Критерии перехода на следующий грейд:
Доказанный финансовый эффект от внедренных моделей (P&L impact), создание новых стандартов валидации данных, авторитет в профессиональном DS-сообществе.
L5
Руководитель направления аналитики / Head of Analytics
Опыт: От 6+ лет, опыт управления командами аналитиков от 10 человек •
Период промоушена: Топ-менеджмент / CDAO / Chief Risk Officer
Медианный доход
490 000 ₽ / мес
Ключевой стек и компетенции:
Data Strategy & Governance
Управление P&L подразделения
Executive Communication
Трансформация data-driven культуры
Управление талантами
«Руковожу блоком клиентской аналитики. В подчинении 18 специалистов. Доход складывается из солидного фикса и очень весомого годового бонуса за рост выручки экосистемы.»
Head of Customer Analytics (Т-Банк)
4.9
Типовые рабочие задачи и обязанности:
- Формирование стратегии работы с данными (Data Strategy) банка на 3–5 лет
- Защита бюджетов на серверную инфраструктуру, GPU-кластеры и софт перед правлением
- Координация работы аналитических команд нескольких бизнес-юнитов (Розница, Корпораты, Безопасность)
- Внедрение стандартов Data Quality и соответствие регуляторным нормам ЦБ по данным
Критерии перехода на следующий грейд:
Прямое влияние на маржинальность бизнеса, создание масштабируемой фабрики данных и прогнозирования, нулевая толерантность к некачественным отчетам.
Лучшие банки-работодатели по направлению «Аналитика и Data Science»
Компании с лучшими программами наставничества, высокой оценкой сотрудников и сильными бонусами
Сбербанк
Крупнейшие терабайты данных, сильнейший DS-хаб, GigaChat
Т-Банк
Аналитическая культура, A/B эксперименты, предиктивный скоринг
Альфа-Банк
Сильная школа продуктовой аналитики и DWH
Газпромбанк
Корпоративная аналитика, сырьевые рынки, Big Data
Вопросы и ответы: карьера в Аналитика и Data Science
Ответы экспертов и действующих сотрудников банков
Продуктовый аналитик фокусируется на UX, конверсиях, удержании клиентов и росте метрик мобильного приложения. Риск-аналитик работает со скоринговыми моделями, вероятностью дефолта заемщика (PD), LGD и соблюдением нормативов ЦБ РФ.
Для старта и уровня Junior часто достаточно глубокого знания SQL и BI-систем. Однако для роста до Middle и Senior владение Python (пакеты pandas, scikit-learn, statsmodels) является обязательным стандартом индустрии.