KarieraDane i AI
Analityk danych — czym się zajmuje i jak zostać nim od zera
Jak zostać analitykiem danych w 2026: SQL, Excel, Power BI i Python w praktyce, plan nauki krok po kroku, certyfikaty, zarobki i realia pracy juniora.
Autor: Redakcja LITJobs · eksperci LearnIT9 min czytania
Spis treści
- Czym zajmuje się analityk danych
- Umiejętności analityka danych: obowiązkowe i mile widziane
- Jak zostać analitykiem danych: plan od zera
- Krok 1: Opanuj Excela na poziomie analitycznym
- Krok 2: Naucz się SQL — porządnie
- Krok 3: Zbuduj pierwszy dashboard w Power BI
- Krok 4: Dodaj Pythona
- Krok 5: Przygotuj portfolio i aplikuj
- Certyfikaty dla analityka danych
- Ile zarabia analityk danych
- Junior analityk danych: jak wygląda rynek
- Praca zdalna jako analityk danych
- Oferty pracy dla analityków
- Kurs analizy danych z dofinansowaniem
- Powiązane ścieżki kariery
Analityk danych odpowiada na pytania biznesu na podstawie danych: pisze zapytania SQL, buduje raporty i dashboardy, szuka przyczyn zmian i rekomenduje, co zrobić dalej. Żeby zostać analitykiem danych, potrzebujesz biegłego SQL, Excela, jednego narzędzia BI (najczęściej Power BI) i portfolio z kilkoma analizami. Python jest dużym plusem, ale nie zawsze warunkiem na start.
To jeden z bardziej przystępnych zawodów w IT dla osób z innych branż — znajomość sprzedaży, finansów czy logistyki często waży tyle samo co umiejętności techniczne.
Czym zajmuje się analityk danych
Analityk danych jest tłumaczem między danymi a decyzjami. Menedżer pyta: „Dlaczego w marcu spadła sprzedaż w Wielkopolsce?”. Analityk pobiera dane, sprawdza, czy spadek jest realny (a nie np. wynikiem zmiany w systemie), rozbija go na produkty, kanały i klientów, a potem przedstawia wniosek i rekomendację.
Typowe zadania:
- pisanie zapytań SQL do baz i hurtowni danych;
- przygotowanie i czyszczenie danych z różnych źródeł (systemy ERP, CRM, arkusze, API);
- budowa i utrzymanie dashboardów w Power BI, Tableau lub Looker Studio;
- analizy ad hoc — odpowiedzi na pytania biznesu w ciągu godzin lub dni;
- definiowanie wskaźników (KPI) i pilnowanie, by wszyscy liczyli je tak samo;
- analiza testów A/B i kampanii marketingowych;
- prezentowanie wyników osobom nietechnicznym.
Przykład analizy od pytania do rekomendacji
Załóżmy, że sklep internetowy widzi spadek liczby zamówień o 8% miesiąc do miesiąca. Analityk:
- sprawdza dane — czy spadek nie wynika z błędu w śledzeniu zamówień albo zmiany definicji wskaźnika;
- rozbija problem — porównuje kanały (reklamy, wyszukiwarka, newsletter), urządzenia, kategorie produktów i nowych klientów z powracającymi;
- znajduje źródło — np. spadek dotyczy głównie użytkowników telefonów, a zaczął się w dniu wdrożenia nowej wersji koszyka;
- szacuje skutki — ile zamówień i przychodu kosztuje problem tygodniowo;
- rekomenduje działanie — zgłoszenie błędu zespołowi produktu, test poprawionej wersji koszyka, dashboard do monitorowania sytuacji.
Narzędzia są tu tylko środkiem. Wartość tej pracy polega na tym, że menedżer dostaje konkretną odpowiedź i wie, co zrobić — a nie arkusz z setką liczb.
Odmiany zawodu
| Stanowisko | Specyfika |
|---|---|
| Analityk danych / Data Analyst | szeroka analityka, SQL + BI + często Python |
| Analityk BI / BI Developer | modele danych, raportowanie, hurtownie, DAX w Power BI |
| Analityk produktowy | zachowania użytkowników aplikacji, lejki, retencja, eksperymenty |
| Analityk marketingowy | atrybucja, kampanie, Google Analytics 4 |
| Analityk finansowy z danymi | kontroling, budżety, prognozy — często w Excelu i Power BI |
| Analityk biznesowy | wymagania i procesy, mniej liczb — to inny zawód, choć nazwy bywają mylone |
Jeśli bliżej Ci do zbierania wymagań i projektowania procesów niż do liczb, zajrzyj do przewodnika analityk biznesowy w IT. Gdy z kolei bardziej ciekawi Cię, skąd dane w ogóle się biorą i jak trafiają do hurtowni, zobacz, czym zajmuje się data engineer.
Umiejętności analityka danych: obowiązkowe i mile widziane
| Obszar | Obowiązkowe na start | Mile widziane |
|---|---|---|
| SQL | SELECT, JOIN, GROUP BY, podzapytania, funkcje okna | optymalizacja zapytań, CTE, procedury |
| Excel | tabele przestawne, wyszukiwanie (X.WYSZUKAJ), formuły warunkowe, Power Query | VBA, modelowanie finansowe |
| BI | Power BI lub Tableau: model danych, wizualizacje, podstawy DAX | zaawansowany DAX, Row-Level Security, Fabric |
| Statystyka | średnia a mediana, rozkłady, korelacja, podstawy testów A/B | regresja, istotność statystyczna, prognozowanie |
| Python | — (na wielu stanowiskach) | pandas, wizualizacja, automatyzacja raportów |
| Bazy danych | rozumienie relacyjnego modelu danych | PostgreSQL, hurtownie w chmurze, dbt |
| Kompetencje miękkie | zadawanie pytań, wnioskowanie, prosty język w prezentacjach | wiedza domenowa, angielski B2 |
Jak zostać analitykiem danych: plan od zera
Harmonogram zakłada 10–15 godzin nauki tygodniowo. Realnie przygotowanie do pierwszej pracy zajmuje 5–9 miesięcy, a samo szukanie pracy — od kilku tygodni do kilku miesięcy.
- 3–4 tyg.Excel analitycznie
Formuły, tabele przestawne, Power Query zamiast ręcznego kopiowania.
- 2–3 mies.SQL
Od SELECT i JOIN do funkcji okna, na własnej bazie PostgreSQL.
- 1–2 mies.Power BI lub Tableau
Model danych, miary w DAX, dashboard odpowiadający na konkretne pytania.
- 2 mies.Python (opcjonalnie)
pandas, wizualizacje, automatyzacja cotygodniowych raportów.
- 1–3 mies.Portfolio i rekrutacja
Dwie–trzy analizy z wnioskami, CV, test SQL na żywo.
Krok 1: Opanuj Excela na poziomie analitycznym
Excel wciąż jest podstawowym narzędziem w wielu działach. Naucz się tabel przestawnych, funkcji wyszukiwania, formatowania warunkowego i Power Query (importowanie i przekształcanie danych bez ręcznego kopiowania). Na rozmowach często pada pytanie o różnicę między średnią a medianą i o to, kiedy która jest lepsza — przećwicz to na danych o zarobkach. Jeśli chcesz potwierdzić te umiejętności, porównaliśmy kursy Excela i Power BI z certyfikatem.
Krok 2: Naucz się SQL — porządnie
SQL to najważniejsza umiejętność analityka: w raporcie No Fluff Jobs „Kariera w IT 2026” (omówienie: Antyweb, 3.07.2026) pojawiał się w pierwszej połowie 2026 r. w 20,3% wszystkich ofert IT. Zainstaluj PostgreSQL, załaduj przykładową bazę (np. sklepu internetowego) i odpowiadaj na realne pytania: jaki był przychód miesięcznie, którzy klienci kupili ponownie w ciągu 30 dni, jaki jest średni koszyk w podziale na kanał. Gdy JOIN i GROUP BY przestaną być problemem, przejdź do funkcji okna (ROW_NUMBER, LAG, sumy narastające) — pojawiają się w zadaniach rekrutacyjnych bardzo często. Przegląd szkoleń, po których zostaje dokument, znajdziesz w tekście o kursach SQL i Pythona z certyfikatem.
Krok 3: Zbuduj pierwszy dashboard w Power BI
Power BI Desktop jest bezpłatny. Połącz go z bazą lub plikami, zbuduj model danych (tabela faktów i wymiarów), napisz kilka miar w DAX i zaprojektuj dashboard, który odpowiada na konkretne pytania. Dobry dashboard nie ma dwudziestu wykresów — ma kilka, ułożonych od ogółu do szczegółu, z jasnymi tytułami.
Krok 4: Dodaj Pythona
Python z biblioteką pandas pozwala analizować dane, które nie mieszczą się w Excelu, łączyć wiele plików jednym skryptem i automatyzować cotygodniowe raporty. To też naturalny pomost do modelowania — więcej w przewodniku o pracy data scientista. Coraz częściej analitycy korzystają też z modeli językowych do klasyfikacji opinii czy streszczania zgłoszeń; jak wygląda praca po tej stronie, opisujemy w tekście o AI engineerach.
Krok 5: Przygotuj portfolio i aplikuj
Wybierz dane bliskie Twojej poprzedniej branży — łatwiej wtedy o trafne wnioski i ciekawą rozmowę z rekruterem. Dwa–trzy projekty w tym standardzie wystarczą:
- Jedno pytanie biznesowe w tytule, np. „Które kategorie tracą powracających klientów?”.
- Opis źródła danych i tego, co zrobiłeś z brakami oraz duplikatami.
- Zapytania SQL lub kod w repozytorium, a nie tylko zrzut ekranu.
- Najwyżej 4–6 wykresów ułożonych od ogółu do szczegółu, z podpisanymi osiami.
- Wskaźniki zdefiniowane wprost: jak liczysz retencję, marżę czy konwersję.
- 3–5 wniosków z rekomendacją, co zrobić, i z uczciwym opisem ograniczeń.
W CV podkreśl, jakie decyzje wspierały Twoje analizy. Przydadzą się nasze wskazówki, co wpisać w CV, gdy dopiero zaczynasz, i lista pytań z rozmów rekrutacyjnych. Rekrutacja zwykle obejmuje test SQL na żywo lub zadanie domowe — ćwicz pisanie zapytań bez podpowiedzi.
Certyfikaty dla analityka danych
| Certyfikat | Kiedy warto |
|---|---|
| Microsoft PL-300: Power BI Data Analyst | gdy celujesz w firmy pracujące na Power BI (bardzo częste w Polsce); odnawiany co 12 miesięcy |
| Google Data Analytics Professional Certificate | na start — porządkuje proces analizy i podstawy narzędzi |
| Tableau Certified Data Analyst | gdy oferty w Twojej okolicy wymagają Tableau |
| Certyfikaty z SQL i baz danych (np. dostawców baz danych) | potwierdzenie umiejętności, które i tak sprawdzi test rekrutacyjny |
Jak odróżnić certyfikat, który coś znaczy dla rekrutera, od dyplomu „za udział”, wyjaśniamy w poradniku o szkoleniach IT z certyfikatem.
Ile zarabia analityk danych
Widełki z ofert z kategorii Data i AI publikowanych na LITJobs:
Na LITJobs jest jeszcze za mało ofert z widełkami w tej kategorii, by podać medianę — pokazujemy ją od 3 widełek (zobacz metodologię). Do tego czasu opieraj się na raportach podanych w tekście.
Dane rynkowe z badania Bulldogjob — mediana kategorii IT Analyst/BI obejmuje wszystkie poziomy doświadczenia, dlatego obok pokazujemy medianę juniorów z całego IT:
Źródło: Bulldogjob, Badanie Społeczności IT 2025
Najlepiej opłacani analitycy łączą SQL i BI z Pythonem, chmurą i wiedzą domenową. Kwoty brutto i netto porównasz w kalkulatorze wynagrodzeń brutto–netto, a o tym, co oznacza stawka z faktury w porównaniu z etatem, przeczytasz w poradniku B2B a umowa o pracę.
Junior analityk danych: jak wygląda rynek
Dane to jeden z najsilniejszych obszarów rynku: w raporcie No Fluff Jobs „Kariera w IT 2026” kategoria Data & Business Intelligence odpowiadała za 12% ofert IT. Jednocześnie na jedną ofertę juniorską przypadało tam średnio 47 zgłoszeń, więc trzeba się wyróżnić. Ogłoszenia dla początkujących zbieramy w kategorii praca dla juniorów, a programy wejściowe opisujemy w poradniku o stażach w IT.
Co pomaga:
- doświadczenie domenowe — analityk, który rozumie księgowość, logistykę czy e-commerce, szybciej daje wartość;
- zmiana roli wewnątrz firmy — jeśli już robisz raporty w Excelu, zaproponuj automatyzację w Power BI;
- szersze wyszukiwanie — „junior BI”, „analityk raportowy”, „specjalista ds. raportowania”, staże w działach danych;
- analizy na prawdziwych problemach zamiast popularnych zbiorów z kursów.
Więcej o tym, jak wejść do branży bez komercyjnego stażu, piszemy w przewodniku pierwsza praca w IT.
Praca zdalna jako analityk danych
Analityka danych dobrze działa zdalnie, a wiele zespołów pracuje hybrydowo. Ograniczenia wynikają z dostępu do danych wrażliwych — w bankach, ubezpieczeniach i administracji publicznej praca bywa częściej biurowa. Juniorzy zyskują na obecności w biurze, bo szybciej poznają biznes i ludzi, dla których przygotowują analizy. Oferty bez dojazdów znajdziesz w kategorii zdalna praca w IT.
Oferty pracy dla analityków
Wszystkie ogłoszenia wymagające SQL, z każdej kategorii, są na stronie oferty wymagające SQL. Najnowsze ogłoszenia z kategorii Data i AI oraz Analiza biznesowa i systemowa:
Dodaj CV na LITJobs, żeby rekruterzy mogli znaleźć Cię sami.
Kurs analizy danych z dofinansowaniem
W LearnIT analitykę danych możesz poznać na kursie Data Science (Python, analiza danych, wizualizacja). Na szkolenie można często uzyskać dofinansowanie — skrót poniżej, a pełną procedurę z dokumentami opisujemy w poradniku dofinansowanie kursu IT krok po kroku.
Dofinansowanie kursu IT
Kurs możesz sfinansować częściowo lub w całości ze środków publicznych. O tym, czy i ile dostaniesz, decyduje operator programu albo urząd — nie szkoła.
- BUR (Baza Usług Rozwojowych) — dofinansowanie szkoleń dla dorosłych w programach regionalnych; nie ma jednej krajowej stawki, poziom i zasady ustala operator w województwie.
- Urząd pracy — np. bon na kształcenie ustawiczne albo skierowanie na szkolenie dla osób zarejestrowanych jako bezrobotne lub poszukujące pracy.
- KFS (Krajowy Fundusz Szkoleniowy) — gdy szkolenie finansuje Twój pracodawca.
Jak uzyskać dofinansowanie — poradnik
Źródła: Baza Usług Rozwojowych (PARP) · Ustawa o rynku pracy i służbach zatrudnienia (Dz.U. 2025 poz. 620) · Publiczne służby zatrudnienia — KFS 2026 (psz.praca.gov.pl)
Zapytaj o kurs i dofinansowanie
Zostaw kontakt — doradca LearnIT opowie o kursie, terminach i możliwym dofinansowaniu.
Powiązane ścieżki kariery
- Droga do data science — kolejny krok dla analityka, który chce budować modele.
- Inżynieria danych — potoki i hurtownie danych, z których korzysta analityk.
- Analiza biznesowa w IT — wymagania, procesy i współpraca z zespołem IT.
- Praca z AI i modelami językowymi — wykorzystanie modeli językowych w pracy z danymi i automatyzacją.
- Jak zostać testerem oprogramowania — inna droga do IT, w której SQL też się przydaje.
Najczęstsze pytania
Czym zajmuje się analityk danych?
Analityk danych pomaga firmie zrozumieć, co się dzieje i dlaczego. Pobiera dane z baz i systemów, czyści je, łączy, liczy wskaźniki i przygotowuje raporty lub dashboardy. Najważniejsza część pracy to interpretacja: dlaczego spadła sprzedaż w regionie, który kanał marketingowy się opłaca, gdzie w procesie tracimy klientów. Wyniki przedstawia menedżerom w zrozumiały sposób.
Czy analityk danych musi umieć programować?
Musi znać SQL — to język zapytań do baz danych i podstawowe narzędzie w tym zawodzie. Python nie zawsze jest wymagany, ale coraz częściej pojawia się w ogłoszeniach, bo pozwala automatyzować powtarzalne zadania i analizować większe zbiory danych. Na start wystarczą SQL, Excel i Power BI; Pythona warto dodać w drugiej kolejności, zwłaszcza jeśli celem jest później data science.
Ile zarabia analityk danych?
W badaniu Bulldogjob 2025 mediana w kategorii IT Analyst/BI wyniosła 8 500 zł na rękę na umowach pracowniczych i cywilnych (UoP/UZ/UD) i 20 000 zł netto na fakturze B2B, łącznie dla wszystkich poziomów doświadczenia. Dla porównania mediana juniorów w całym IT to 5 700 zł na rękę. Stawki podnoszą: Python, chmurowe hurtownie danych, angielski i znajomość branży. Bieżące widełki z naszych ofert pokazujemy w sekcji o zarobkach.
Czy można zostać analitykiem danych bez studiów?
Tak. Pracodawcy patrzą przede wszystkim na umiejętności: biegły SQL, Excel, narzędzie BI i umiejętność wyciągania wniosków. Studia ekonomiczne, matematyczne czy informatyczne pomagają, ale nie są warunkiem. Brak dyplomu nadrabia portfolio z 2–3 analizami na prawdziwych danych, dashboardem w Power BI i opisem wniosków. Wiele osób przechodzi do analityki z kontrolingu, sprzedaży, marketingu lub obsługi klienta.
Analityk danych czy data scientist — co wybrać na start?
Dla większości osób zaczynających od zera łatwiejszym pierwszym krokiem jest analityk danych. Wymagania są niższe (mniej matematyki i uczenia maszynowego), a ofert dla juniorów — więcej. Data scientist buduje modele prognozujące i potrzebuje solidnej statystyki oraz programowania. Częsta ścieżka to rok lub dwa w analityce, a potem stopniowe przejście do modelowania.
Jaki certyfikat dla analityka danych jest najbardziej przydatny?
W firmach korzystających z Microsoftu najbardziej rozpoznawalny jest Microsoft PL-300 (Power BI Data Analyst), odnawiany co 12 miesięcy bezpłatnym testem online. Popularny jest też Google Data Analytics Professional Certificate, który porządkuje podstawy. Dla osób pracujących z Tableau — certyfikaty Tableau. Certyfikat pomaga przejść selekcję CV, ale na rozmowie i tak dostaniesz zadanie z SQL, więc praktyka jest ważniejsza.
Źródła
- Bulldogjob — Badanie Społeczności IT 2025, zarobki (mediany wg specjalizacji i poziomu)
- No Fluff Jobs — raport „Kariera w IT 2026” (omówienie: Antyweb, 3.07.2026; oryginał niedostępny publicznie)
- Microsoft Learn — Power BI Data Analyst Associate (PL-300): zakres egzaminu, odnawianie co 12 miesięcy
Liczby i przepisy podajemy za źródłami poniżej; dane o zarobkach z ofert LITJobs — według metodologii. Jak pracujemy nad treściami
W tym temacie
Data engineer
Data engineer, czyli inżynier danych: czym się zajmuje, jakie narzędzia zna, jak zacząć od SQL i Pythona, certyfikaty chmurowe i zarobki w 2026.
Data scientist
Data scientist w 2026: czym zajmuje się na co dzień, czego się uczyć (Python, SQL, statystyka, ML), ile zarabia junior i senior, jak wejść do branży.
AI engineer
AI engineer w 2026: czym zajmuje się specjalista AI, jakie role obejmuje praca z AI, czego się uczyć (Python, RAG, agenci), certyfikaty i zarobki.
Trener AI
Trener AI w 2026: czym jest trenowanie AI jako praca, RLHF i anotacja danych, kto się nadaje, stawki, ryzyka, podatki i jak rozpoznać fałszywą ofertę.
Oferty pracy: Data i AI
Aktualne ogłoszenia z jawnymi widełkami i sprawdzonymi firmami.