تحلیلگر داده
Data Analyst
تحلیلگر داده با داده‌های یک سازمان به سؤال‌های مشخص کسب‌وکار جواب می‌دهد: چه اتفاقی افتاده، چرا افتاده و حالا چه باید کرد. ابزار اصلی کار SQL است، در کنار Excel یا Google Sheets و یک ابزار BI مثل Power BI یا Tableau؛ بسیاری از آگهی‌ها Python هم می‌خواهند. خروجی کار داشبورد، گزارش و تحلیلی است که تیم‌ها و مدیران بر اساس آن تصمیم می‌گیرند، و بخش مهمی از کار توضیح دادن نتیجه برای مخاطب غیرفنی است.
مقدمه و تعریف شغل
تحلیلگر داده (Data Analyst) داده‌های یک سازمان را جمع، تمیز و تحلیل می‌کند تا به سؤال‌های کسب‌وکار جواب بدهد و نتیجه را به شکلی ارائه کند که به تصمیم برسد. Robert Half این نقش را «تبدیل مجموعه‌داده‌های پیچیده به بینش‌های قابل اقدام» توصیف می‌کند و کارهای معمولش را جمع‌آوری و تمیزکاری داده، ساخت داشبورد و گزارش، پیدا کردن روندها و ناهنجاری‌ها و ریشه‌یابی مشکل‌ها می‌داند. تقریباً همهٔ آگهی‌های بررسی‌شده برای این صفحه SQL می‌خواهند، معمولاً در کنار Excel یا Google Sheets و یک ابزار BI؛ Python در بسیاری از آن‌ها هست اما نه در همه. بیشترشان هم توانایی تبدیل سؤال مبهم به تحلیل مشخص و توضیح نتیجه برای مخاطب غیرفنی را صریحاً می‌خواهند.
در آمار رسمی آمریکا شغل جداگانه‌ای به نام Data Analyst وجود ندارد. جستجوی «data analyst» در O*NET، پایگاه اطلاعات شغلی وزارت کار آمریکا، اول گروه Data Scientists و بعد Business Intelligence Analysts را نشان می‌دهد و آمار دستمزد و اشتغال BI Analysts هم زیر گروه Data Scientists جمع می‌شود. در بازار کار اما این عنوان رایج است: در اکتبر ۲۰۲۶ آگهی‌های باز Data Analyst در Instacart، DoorDash، Brex، Lyft، Stripe، Planet و چند استارتاپ پیدا شد. در بریتانیا، ITJobsWatch در شش ماه منتهی به ۶ اکتبر ۲۰۲۶، ۱٬۱۸۸ آگهی استخدام دائم با عنوان Data Analyst ثبت کرده است؛ این عدد در همین بازه در ۲۰۲۵، ۴۶۹ و در ۲۰۲۴، ۷۳۶ بود. نقش هم در حال تغییر است: طبق Indeed Hiring Lab، در دسامبر ۲۰۲۵، ۴۵٪ آگهی‌های حوزهٔ data & analytics در آمریکا به AI اشاره داشتند که بیشترین سهم در میان همهٔ حوزه‌های بررسی‌شده بود.
چه چیزی می‌سازید؟
مثال‌های واقعی از خروجی کار یک تحلیلگر داده
داشبورد پایش و ریشه‌یابی
در تیم Platform Excellence شرکت Instacart، تحلیلگر داشبوردها و روال‌هایی می‌سازد که مشکل‌های عملکرد فروشگاه‌ها را زود نشان دهد، و نوسان‌ها و داده‌های پرتِ متریک‌های کیفیت تحویل (مثل لغو سفارش، جابه‌جایی زمان و تأخیر) را تا علت ریشه‌ای دنبال می‌کند.
تحلیل محصول و عرضهٔ قابلیت‌های تازه
در آگهی DoorDash برای تیم SevenRooms، تحلیلگر مالک تحلیل محصول است: قیف، میزان استفاده، ماندگاری و بازگشت سرمایهٔ هر قابلیت مهم، از فرضیه‌های پیش از عرضه تا سنجش بعد از آن.
مدل داده و ابزار سلف‌سرویس
Planet از تحلیلگر می‌خواهد مدل‌های دادهٔ دقیق بسازد و نگه دارد و داده را به ابزارهای سلف‌سرویس تبدیل کند؛ طبق آگهی، خروجی کار برای بهبود عملکرد جمع‌آوری تصویر ماهواره‌ها، تحقیق تجربهٔ کاربر و استراتژی کسب‌وکار به کار می‌رود.
پایش و پیش‌بینی فروش
در tem، شرکت فناوری معاملات برق در بریتانیا، تحلیلگر ارشد مسئول متریک‌هایی مثل نرخ تبدیل، حجم قرارداد، فروش و حاشیهٔ سود است، دقت پیش‌بینی را در برابر هدف سالانه می‌سنجد و معامله‌هایی را که دو بار شمرده شده‌اند پیدا می‌کند.
ابزار تحلیلی برای تیم فروش
Lyft از تحلیلگر GTM می‌خواهد ابزارهایی بسازد که مدیران فروش برای رشد حساب‌های مشتری از آن‌ها استفاده کنند: نمای پیشرفت نسبت به هدف، نشانه‌های سلامت حساب و نمای منطقه‌ها و بخش‌های بازار.
تعریف متریک برای پرسش از داده به زبان طبیعی
در Lyft بخشی از کار ساختن لایهٔ معنایی (semantic layer) است، یعنی پرامپت، context و guardrail هایی که به کاربران اجازه می‌دهد دادهٔ B2B را به زبان طبیعی بپرسند و به جواب اعتماد کنند. Stripe هم از تحلیلگر می‌خواهد تعریف متریک‌ها و metadata را طوری نگه دارد که ایجنت‌های AI بتوانند به سؤال‌های کسب‌وکار جواب بدهند.
تخصص‌های مختلف تحلیلگر داده
این شغل یک عنوان واحد نیست — مسیرهای تخصصی متعددی دارد
تحلیل محصول
Product Analytics
همکاری با مدیر محصول برای سنجش قیف، میزان استفاده، ماندگاری و اثر قابلیت‌های تازه؛ آگهی DoorDash تجربه با ابزارهایی مثل Pendo، Amplitude، Mixpanel یا Heap را می‌خواهد.
تحلیل عملیات و زنجیرهٔ تأمین
Operations & Supply Chain Analytics
سنجش کیفیت و سرعت عملیات: در Instacart لغو، جابه‌جایی و تأخیر تحویل سفارش؛ در Marketech خرید، موجودی، تأمین‌کنندگان و زمان تحویل.
تحلیل فروش و درآمد
Commercial / Sales Analytics
پایش pipeline فروش، پیش‌بینی درآمد و متریک‌هایی مثل نرخ تبدیل و حاشیهٔ سود؛ مثل آگهی‌های tem و تحلیلگر GTM در Lyft.
تحلیل منابع انسانی
People Analytics
تحلیل چرخهٔ کار کارکنان از استخدام تا خروج: جذب، ریزش، مشارکت، ترفیع و حقوق. Okta و MongoDB برای این حوزه آگهی باز دارند و Cole Nussbaumer Knaflic پیش از تأسیس storytelling with data در تیم People Analytics گوگل کار می‌کرد.
تحلیل دادهٔ سلامت
Healthcare Data Analytics
کار با داده‌های بیمه و پرونده‌های الکترونیک سلامت و رعایت مقرراتی مثل HIPAA؛ آگهی Clarium این تجربه را امتیاز می‌داند.
تفاوت با شغل‌های مشابه
کجا این شغل تمام می‌شود و شغل دیگری شروع می‌شود؟
در شرکت‌هایی مثل Brex و Planet، تحلیلگر و دانشمند داده در یک تیم کار می‌کنند و مرزشان باز است. تفاوت در تمرکز است: تحلیلگر بیشتر با SQL، داشبورد و تحلیل موردی به سؤال‌های جاری کسب‌وکار جواب می‌دهد؛ در فهرست وظایف دانشمند داده در O*NET، آزمودن، اعتبارسنجی و اصلاح مدل‌ها برای پیش‌بینی دقیق آمده است. BLS می‌نویسد دانشمند داده معمولاً دست‌کم لیسانس ریاضی، آمار، کامپیوتر یا رشتهٔ مرتبط لازم دارد و بعضی کارفرماها فوق‌لیسانس یا دکترا را الزامی یا ترجیحی می‌دانند.
IIBA، مرجع بین‌المللی این حرفه، تحلیل کسب‌وکار را «ایجاد تغییر در سازمان با تعریف نیازها و پیشنهاد راه‌حل‌هایی که برای ذی‌نفعان ارزش بسازد» تعریف می‌کند؛ تمرکز روی نیازمندی‌ها، فرایند و تغییر است. تحلیلگر داده با خود داده به سؤال جواب می‌دهد. مرز این دو در عمل باز است و IIBA عنوان‌هایی مثل business intelligence analyst و data scientist را هم جزو عنوان‌های کسانی می‌شمارد که تحلیل کسب‌وکار انجام می‌دهند.
به تعریف Claire Carroll در وبلاگ dbt Labs، تحلیلگر داده وقتش را صرف تحلیل داده می‌کند و مهندس تحلیل وقتش را صرف تبدیل، تست، استقرار و مستندسازی داده؛ مهندس تحلیل روش‌های مهندسی نرم‌افزار مثل کنترل نسخه و CI را به کد تحلیلی می‌آورد. خود او با عنوان Data Analyst استخدام شده بود و کارش کم‌کم به این سمت رفت. در آگهی‌ها هم این دو نزدیک می‌شوند: Lyft از تحلیلگر ساخت pipeline و مدل داده با Airflow یا dbt را می‌خواهد و آگهی Data Analyst شرکت Stripe در نیویورک دست‌کم شش سال سابقه در مهندسی داده، مهندسی تحلیل، مهندسی BI یا نقش تحلیلی مشابه.
در O*NET، کار BI Analyst تهیهٔ گزارش‌های استاندارد یا سفارشی برای مدیران و نگهداری ابزارها، داشبوردها و سیستم‌های هوش تجاری است؛ یعنی بسیار نزدیک به تحلیلگر داده، با تمرکز بیشتر روی زیرساخت گزارش‌دهی. در راهنمای حقوق ۲۰۲۷ رابرت هاف برای آمریکا، BI Analyst بازهٔ ۱۰۵٬۵۰۰ تا ۱۵۳٬۵۰۰ دلار دارد و Data Analyst بازهٔ ۹۶٬۲۵۰ تا ۱۳۸٬۵۰۰ دلار.
تأثیر در صنایع مختلف
تحلیلگر داده در همه صنایع مشغول به کار است — نه فقط شرکت‌های فناوری
خرده‌فروشی آنلاین و تحویل
Instacart با تحلیل داده‌های عملیاتی، مشکل‌های کیفیت تحویل سفارش مثل لغو، جابه‌جایی و تأخیر را پیدا و رفع می‌کند
فین‌تک و پرداخت
Brex برای پایش عملکرد تیم‌های فروش، عملیات، محصول و مالی تحلیلگر استخدام می‌کند و Stripe برای تحلیل محصولاتی مثل Adaptive Pricing و ورود به بازارهای آمریکای لاتین و EMEA (اروپا، خاورمیانه و آفریقا)
سلامت
Clarium زنجیرهٔ تأمین بیمارستان‌ها را با داده شفاف‌تر می‌کند و تحلیلگرش با داده‌های خرید، موجودی و هزینهٔ بیمارستان سروکار دارد
فضا و دادهٔ ماهواره‌ای
Planet خروجی تحلیلگران را برای بهبود عملکرد جمع‌آوری تصویر ماهواره‌ها و استراتژی کسب‌وکار به کار می‌برد
گردشگری و جاذبه‌ها
Peek که نرم‌افزار موزه‌ها، جاذبه‌ها و تورها را می‌سازد، از تحلیلگر می‌خواهد بینش داده را مستقیم به مشتریان تجاری‌اش هم ارائه کند
حمل‌ونقل و سفر کاری
Lyft Business سبدی از خدمات B2B در سلامت، سفر کاری، رفت‌وآمد کارکنان، خودرو و حمل‌ونقل عمومی دارد و تحلیلگر برای تیم فروش آن ابزار می‌سازد
انرژی
tem که در بریتانیا زیرساخت معاملات برق می‌سازد، تحلیلگری می‌خواهد که مسئول متریک‌های تجاری مثل نرخ تبدیل، حجم قرارداد، فروش و حاشیهٔ سود باشد
تولید و صنعت نیمه‌رسانا
Marketech داده‌های خرید، موجودی، تأمین‌کنندگان و زمان تحویل را برای پروژه‌های صنعت نیمه‌رسانا تحلیل می‌کند
تصورات غلط رایج
قبل از تصمیم‌گیری، این باورهای اشتباه را بشناسید
بدون مدرک آمار یا کامپیوتر نمی‌شود تحلیلگر داده شد
آگهی‌ها یکسان نیستند. Planet «لیسانس، گواهی فنی یا معادل آن» را کافی می‌داند و Lyft «مدرک یا تجربهٔ کاری مرتبط» را. در مقابل DoorDash مدرک در رشته‌هایی مثل ریاضی، آمار، اقتصاد یا کامپیوتر می‌خواهد و Tavily لیسانس را الزامی کرده است. آگهی Instacart که در همین صفحه بررسی شده، شرط مدرک ندارد و یک سال تجربه در نقشی تحلیلی می‌خواهد.
کار تحلیلگر داده فقط ساختن داشبورد است
DoorDash صریحاً کسی را می‌خواهد که سؤال‌های مبهم محصول را به تحلیل‌هایی دقیق تبدیل کند که به توصیه برسند، «نه فقط داشبورد». آگهی tem هم می‌نویسد این نقش «فقط گزارش‌دهی نیست» و موفقیت با داشبوردهای تحویل‌شده سنجیده نمی‌شود، بلکه با اینکه تیم‌ها متریک‌هایی داشته باشند که آن را بفهمند و به آن اعتماد کنند و تحلیل‌هایی که کارشان را تغییر دهد.
با ابزارهای AI دیگر لازم نیست SQL بلد باشید
Lyft تسلط به خواندن، نوشتن و بازبینی کوئری SQL را می‌خواهد، «چه خودتان نوشته باشید چه دستیار کدنویسی AI»، و می‌گوید مسئولیت درستی هر کوئری و نتیجه با تحلیلگر است. Brex تجربه با Claude Code، Cursor یا GitHub Copilot را در کنار تسلط به SQL شرط کرده و Peek اعتبارسنجی بینش‌های تولیدشده با AI را پیش از ورود به تصمیم‌گیری جزو کار آورده است.
Excel قدیمی شده و دیگر کسی آن را نمی‌خواهد
آگهی Instacart «تسلط پیشرفته به SQL و Excel یا Google Sheets» را جزو حداقل شرایط آورده و Marketech مهارت قوی Excel، از جمله PivotTable، را شرط کرده است. طبق ITJobsWatch، Excel در ۳۰٫۶٪ آگهی‌های دائم Data Analyst در بریتانیا آمده است.
همهٔ آگهی‌های تحلیلگر داده Python می‌خواهند
نه همه. آگهی Instacart اصلاً Python نمی‌خواهد و Marketech «SQL، Python یا ابزار تحلیلی دیگر» را می‌پذیرد، در حالی که Clarium، Brex و Tavily آن را شرط کرده‌اند. در بریتانیا طبق ITJobsWatch، Python در ۳۳٪ آگهی‌ها آمده و SQL در ۴۴٫۵٪. پس اول SQL، بعد Python.
یک روز کاری واقعی
در هر سطح روز کاری چه شکلی است؟
جونیور (۰–۲ سال)
بیشتر وقت صرف جواب دادن به درخواست‌های مشخص، نگهداری گزارش‌ها و یاد گرفتن داده‌ها و متریک‌های شرکت می‌شود. کارها معمولاً زیر نظر یک تحلیلگر باتجربه‌تر انجام می‌شود.
- ◆نوشتن کوئری SQL برای یک درخواست موردی و خلاصه کردن نتیجه در Excel یا Google Sheets
- ◆بررسی داشبورد روزانه و پیگیری عددی که غیرعادی به نظر می‌رسد
- ◆تمیز کردن فایلی که از منبع دیگری رسیده و ثبت تغییرهایی که روی آن انجام شد
- ◆آماده کردن چند اسلاید از یافته‌ها برای جلسهٔ تیم
میانی (۲–۵ سال)
مسئولیت تحلیل‌های یک حوزه، مثلاً محصول، فروش یا عملیات، با شماست. با تیم‌ها جلسه می‌گذارید تا سؤال مبهم را به طرح تحلیل تبدیل کنید و کارهای تکراری را خودکار می‌کنید.
- ◆جلسه با مدیر محصول یا فروش برای روشن کردن سؤال و معیار موفقیت
- ◆تحلیل عمیق یک مسئله، مثل ریزش مشتری یا اثر یک قابلیت تازه
- ◆خودکار کردن یک گزارش تکراری با Python یا dbt
- ◆پیگیری یک خطای داده با تیم مهندسی تا رفع از مبدأ
ارشد (۵+ سال)
تمرکز روی تعریف متریک‌های اصلی، کیفیت تحلیل‌های تیم و مشاوره به مدیران است. آگهی Staff Data Analyst در Stripe راهنمایی تحلیلگران دیگر در قاب‌بندی مسئله، ساختار تحلیل و ارائهٔ نتیجه به مدیران ارشد را جزو وظایف آورده است.
- ◆تعریف و مستندسازی متریک‌های اصلی با مدیران کسب‌وکار
- ◆طراحی ارزیابی یک آزمایش A/B یا تغییر سیاست
- ◆بازبینی تحلیل‌ها و کوئری‌های همکاران
- ◆ارائهٔ توصیه به مدیران ارشد
مسئولیت‌ها و وظایف
مسئولیت‌های اصلی
وظایف روزانه و مهارت‌های مورد نیاز در این شغل
- ◈نوشتن و بهینه‌سازی کوئری SQL برای استخراج، اتصال و تجمیع داده از جدول‌های بزرگ
- ◈تمیز کردن و تبدیل داده با Python یا صفحه‌گسترده، وقتی کار در یک کوئری جا نمی‌شود
- ◈ساخت و نگهداری داشبوردها و گزارش‌های دوره‌ای که تیم‌ها واقعاً از آن استفاده می‌کنند
- ◈پایش متریک‌های کلیدی، پیدا کردن نوسان‌ها و داده‌های پرت و ریشه‌یابی علت آن‌ها
- ◈بررسی کیفیت داده و پیگیری خطاها با تیم مهندسی تا رفع از مبدأ
- ◈مستندسازی تعریف داده‌ها، متریک‌ها و روش تحلیل تا نتیجه تکرارپذیر و قابل‌اعتماد باشد
- ◈تبدیل سؤال مبهم یک تیم به تحلیلی مشخص و قابل جواب
- ◈ارائهٔ یافته‌ها و توصیه‌ها به مخاطب فنی و غیرفنی، با اسلاید و روایت روشن
- ◈تعریف متریک‌ها همراه با تیم‌های کسب‌وکار و اولویت‌بندی درخواست‌های تحلیلی
مهارت‌های مورد نیاز
مهارت‌های فنی، نرم و حوزه‌ای که یک تحلیلگر داده موفق به آن‌ها نیاز دارد
مهارت‌های فنی
JOIN، تجمیع، CTE، window function و بهینه‌سازی کوئری؛ پرتکرارترین مهارت در آگهی‌های دائم بریتانیا (۴۴٫۵٪ طبق ITJobsWatch)
فرمول، PivotTable و نمودار؛ در آگهی Instacart جزو حداقل شرایط است
ساخت داشبوردی که تیم‌ها واقعاً استفاده کنند؛ Power BI در ۳۸٫۴٪ و Tableau در ۲۴٫۱٪ آگهی‌های بریتانیا آمده است
آمار توصیفی، همبستگی، نمونه و آزمون فرض؛ آگهی Marketech «دانش پایهٔ آمار» را شرط کرده است
برای تمیزکاری داده‌ای که در کوئری جا نمی‌شود و خودکارسازی گزارش؛ در ۳۳٪ آگهی‌های بریتانیا
سنجیدن دقت و یکپارچگی داده پیش از گزارش؛ Brex اجرای کنترل‌های دقیق کیفیت داده را جزو وظایف آورده است
Snowflake، BigQuery یا Databricks؛ Tavily تجربه با Snowflake یا Databricks را الزامی کرده است
Brex تجربه با Claude Code، Cursor یا GitHub Copilot را شرط کرده و Instacart استفاده از AI همراه با اعتبارسنجی داده را امتیاز می‌داند
ساخت جدول‌های تمیز و قابل‌اعتماد برای گزارش؛ در آگهی‌های Planet، Clarium و Lyft آمده است
نگهداری و بازبینی کد تحلیل؛ Clarium کار با branch و pull request را می‌خواهد
سنجیدن اثر یک تغییر با آزمایش کنترل‌شده؛ در سطح‌های ارشد، مثل آگهی Staff در Stripe، مالکیت استراتژی آزمایش جزو کار است
مهارت‌های نرم
Clarium کسی را می‌خواهد که نتیجه را «بدون اصطلاحات فنی» برای فرد غیرفنی توضیح دهد
DoorDash تحلیل‌هایی می‌خواهد که به توصیه برسند، «نه فقط داشبورد»
Lyft می‌گوید مسئولیت درستی هر کوئری و نتیجه، پیش از رسیدن به ذی‌نفعان، با تحلیلگر است
Marketech مدیریت چند درخواست گزارش هم‌زمان را می‌خواهد و Lyft تصمیم دربارهٔ اینکه کدام درخواست ارزش ساختن ابزار دارد
Instacart و Clarium هر دو توانایی طراحی و اجرای تحلیل بدون انتظار برای شرح دقیق کار را می‌خواهند
دانش حوزه‌ای
tem «درک تجاری خوب» و توانایی وصل کردن یافته‌ها به درآمد و حاشیهٔ سود را می‌خواهد
Planet تعریف متریک برای سنجش عملکرد محصول و کسب‌وکار را جزو وظایف آورده است
آگهی‌ها تجربهٔ حوزه را امتیاز می‌دانند: بازار مصرف و لجستیک در Instacart، فین‌تک در Brex، سلامت در Clarium، انرژی یا فین‌تک در tem
Clarium آشنایی با الزاماتی مثل HIPAA را امتیاز می‌داند و Peek قضاوت دربارهٔ حریم خصوصی، دقت و بازبینی انسانی را در کار با AI می‌خواهد
نقشه راه و مسیر آموزشی
نقشه راه تبدیل شدن به تحلیلگر داده
این مسیر گام به گام شما را از صفر تا حرفه‌ای هدایت می‌کند.
Excel یا Google Sheets و آمار پایه
کار با صفحه‌گسترده هنوز جزو شرط‌های اصلی است: آگهی Instacart «تسلط پیشرفته به SQL و Excel یا Google Sheets» می‌خواهد و طبق ITJobsWatch، Excel در ۳۰٫۶٪ آگهی‌های استخدام دائم Data Analyst در بریتانیا آمده است. هم‌زمان آمار توصیفی، توزیع‌ها و مفهوم نمونه را یاد بگیرید؛ آگهی Marketech «دانش پایهٔ آمار» را صریحاً شرط کرده است.
SQL: مهارت اصلی
SQL پرتکرارترین مهارت در آگهی‌های این شغل است؛ طبق ITJobsWatch در ۴۴٫۵٪ آگهی‌های دائم Data Analyst در بریتانیا آمده است. از SELECT و فیلتر شروع کنید و تا JOIN، GROUP BY، CTE و window function پیش بروید؛ آگهی Clarium دقیقاً همین‌ها را به‌علاوهٔ بهینه‌سازی کوئری روی جدول‌های بزرگ می‌خواهد. برای تمرین، PostgreSQL یا DuckDB را روی کامپیوتر خودتان نصب کنید.
BI، مصورسازی و روایت داده
یکی از ابزارهای BI را خوب یاد بگیرید. در بریتانیا طبق ITJobsWatch، Power BI در ۳۸٫۴٪ و Tableau در ۲۴٫۱٪ آگهی‌ها آمده است؛ در آگهی‌های آمریکایی بررسی‌شده برای این صفحه بیشتر Looker، Tableau، Mode یا Hex آمده است. Power BI Desktop یک برنامهٔ رایگان ویندوزی است و Tableau Public پلتفرمی رایگان برای ساختن و انتشار عمومی نمودار. مهم‌تر از ابزار، انتخاب نمودار درست و گفتن نتیجه به شکلی است که به تصمیم برسد.
منابع پیشنهادی
Python برای تحلیل داده
Python طبق ITJobsWatch در ۳۳٪ آگهی‌های دائم بریتانیا و در آگهی‌های Clarium، Brex و Planet آمده است؛ اما همهٔ آگهی‌ها آن را نمی‌خواهند و در آگهی Instacart اصلاً نیامده. کاربرد اصلی‌اش جایی است که کار در یک کوئری جا نمی‌شود: تمیز کردن دادهٔ نامرتب، خودکار کردن گزارش‌های تکراری و تحلیل آماری. pandas، NumPy و Jupyter همان ابزارهایی‌اند که آگهی Clarium نام برده است.
منابع پیشنهادی
آزمایش A/B، مدل‌سازی داده و کار تیمی با کد
در سطح‌های بالاتر، تحلیلگر علاوه بر جواب دادن به سؤال، داده و متریک‌ها را قابل‌اعتماد نگه می‌دارد: Planet مالکیت مدل‌های داده و تعریف متریک را می‌خواهد، Brex تجربه با dbt را امتیاز می‌داند و Clarium کار با Git را. سنجیدن اثر تغییرها با آزمایش هم بخشی از کار است؛ آگهی Staff Data Analyst در Stripe مالکیت استراتژی آزمایش را جزو وظایف آورده است. کار با ابزارهای AI را هم یاد بگیرید، اما خروجی‌شان را خودتان بسنجید.
ابزارها و استک فنی
ابزارهایی که هر مهندس AI باید بشناسد، دسته‌بندی‌شده بر اساس اولویت
SQL و انبار داده
پایگاه دادهٔ رابطه‌ای متن‌باز و محیط خوبی برای تمرین SQL؛ آگهی Clarium تجربه با PostgreSQL و Snowflake را «به‌شدت ترجیح» می‌دهد
انبار دادهٔ ابری Google؛ آگهی Brex آشنایی با Snowflake، BigQuery یا Databricks را امتیاز می‌داند
صفحه‌گسترده و ارائه
فرمول، PivotTable و نمودار؛ طبق ITJobsWatch در ۳۰٫۶٪ آگهی‌های دائم بریتانیا آمده و در آگهی‌های Instacart و Marketech جزو شرایط است
BI و مصورسازی
پرتکرارترین ابزار BI در آگهی‌های بریتانیا (۳۸٫۴٪ طبق ITJobsWatch)؛ نسخهٔ Desktop آن برای ویندوز رایگان است
در ۲۴٫۱٪ آگهی‌های بریتانیا و در آگهی‌های Instacart، Okta و MongoDB آمده است. آگهی‌ها معمولاً یک ابزار BI می‌خواهند، نه همه را؛ مثلاً «Power BI و/یا Tableau» در Marketech. Tableau Public نسخهٔ رایگان برای انتشار عمومی نمودارهاست
Python و ابزارهای مهندسی تحلیل
در ۳۳٪ آگهی‌های دائم بریتانیا (ITJobsWatch) و در آگهی‌های Clarium، Brex، Planet و Tavily شرط است؛ برای تمیزکاری داده و خودکارسازی گزارش
نرم‌افزار آزاد برای notebook و تحلیل اکتشافی؛ آگهی Clarium آن را در کنار pandas و NumPy نام برده است
تبدیل و مدل‌سازی داده با SQL، همراه با تست و مستندسازی؛ در آگهی‌های Planet، Clarium، tem، Peek و Lyft آمده است
مسیر پیشرفت شغلی
از جونیور تا Staff Engineer — چه مهارت‌هایی نیاز دارید و چه درآمدی انتظار داشته باشید
تحلیلگر داده جونیور / Data Analyst I
۰ تا ۲ سال
جواب دادن به درخواست‌های مشخص با SQL و صفحه‌گسترده، نگهداری گزارش‌ها و داشبوردها و ریشه‌یابی عددهای غیرعادی زیر نظر تحلیلگر باتجربه‌تر؛ آگهی Instacart برای این سطح دست‌کم یک سال تجربه در نقشی تحلیلی می‌خواهد
تحلیلگر داده / Data Analyst II
۲ تا ۵ سال
مالکیت تحلیل‌های یک حوزه (مثلاً فروش، محصول یا عملیات)، ساخت ابزار سلف‌سرویس، کنترل کیفیت داده و خودکارسازی گزارش‌ها با Python؛ آگهی Data Analyst II در Brex دست‌کم سه سال تجربه می‌خواهد
تحلیلگر داده ارشد (Senior)
معمولاً ۳ تا ۵ سال به بالا
تبدیل سؤال‌های مبهم به پروژهٔ تحلیلی، تعریف متریک‌ها با مدیران، تحلیل آماری عمیق‌تر و کمک به تحلیلگران کم‌تجربه‌تر؛ آگهی Senior Data Analyst در MongoDB دست‌کم سه سال و در Peek سه تا پنج سال تجربه می‌خواهد
Staff / Lead Data Analyst
۷ تا ۱۰ سال به بالا
تعیین استراتژی داده و استاندارد متریک‌ها برای چند تیم، طراحی چارچوب آزمایش و منتورینگ تحلیلگران؛ آگهی Staff Data Analyst در Okta هفت سال و در Stripe ده سال تجربه می‌خواهد. بازهٔ حقوق پایهٔ آگهی Okta در منطقهٔ خلیج سانفرانسیسکو ۱۴۹ تا ۲۰۵ هزار دلار است
چالش‌ها و جنبه‌های منفی
واقعیت‌هایی که کمتر در آگهی‌های شغلی می‌بینید — قبل از ورود بدانید
سؤال‌های مبهم
عمومیدرخواستها اغلب دقیق نیستند. Clarium از تحلیلگر می‌خواهد سؤال‌های مبهم تیم‌ها را به تحلیل‌هایی قابل جواب تبدیل کند و tem می‌گوید تحلیلگر ارشد باید روش درست را خودش انتخاب کند. اگر سؤال روشن نشود، تحلیل درست هم به جواب بی‌فایده می‌رسد.
دادهٔ نامرتب و ناسازگار
عمومیدادهها از سیستم‌های مختلف می‌آیند و همیشه با هم نمی‌خوانند. tem تجربهٔ ساخت متریک قابل‌اعتماد از «دادهٔ نامرتب یا ناسازگار»، مثل دادهٔ CRM، را می‌خواهد و Clarium پیگیری خطای داده با تیم مهندسی تا رفع از مبدأ را.
درخواست‌های هم‌زمان
عمومیMarketech صریحاً توانایی مدیریت چند درخواست گزارش و اولویت در محیط پرسرعت را می‌خواهد و Lyft از تحلیلگر می‌خواهد تصمیم بگیرد کدام درخواست ارزش ساختن ابزار دارد، کدام یک تحلیل کوتاه کافی است و کدام خارج از محدوده است.
اعتماد به اعداد
عمومییک عدد اشتباه در گزارش مدیران اعتماد به همهٔ کار تحلیلگر را کم می‌کند. Planet «قابلیت اطمینان و دقت» را شرط کرده و Lyft می‌گوید مسئولیت درستی هر کوئری، حتی اگر دستیار AI آن را نوشته باشد، با تحلیلگر است.
تغییر کار با AI
عمومیطبق Indeed Hiring Lab، در دسامبر ۲۰۲۵، ۴۵٪ آگهی‌های data & analytics در آمریکا به AI اشاره داشتند. آگهی‌ها هم‌زمان استفاده از AI و سنجیدن خروجی آن را می‌خواهند: Peek اعتبارسنجی بینش‌های تولیدشده با AI را پیش از ورود به تصمیم‌گیری جزو کار آورده است. یعنی باید هر دو را یاد بگیرید.
فاصلهٔ زیاد رقم‌های حقوق
عمومیرقم حقوق به منبع و نوع شرکت بستگی دارد. Robert Half پایین‌ترین رقم بازه در آمریکا، یعنی حقوق کسی که تازه وارد این نقش شده یا تجربهٔ کمی دارد، را ۹۶٬۲۵۰ دلار اعلام کرده است؛ اما در PayScale که بر پایهٔ ۱۱٬۸۶۴ پروفایل خوداظهار است، میانگین حقوق پایه ۷۰٬۶۴۳ دلار است. پیش از تصمیم، رقم آگهی‌های همان شهر و صنعت را هم ببینید.
حقوق و بازار کار جهانی
حقوق جهانی تحلیلگر داده
حقوق سالانه در کشورهای مختلف بر اساس داده‌های منتشرشده؛ منبع هر ردیف با آیکون کنار نام کشور باز می‌شود.
* ارقام سالانه‌اند. منبع هر رقم:
- Robert Half 2027 Salary Guide, US national: low–high range; median = mid tier
- Robert Half 2027 Salary Guide, Canada national: low–high range; median = mid tier
- Robert Half 2026 UK Salary Guide: 25th–75th pct; median = 50th pct
- Robert Half Gehaltsübersicht 2026, Germany: 25th–75th pct; median = 50th pct
- Robert Half 2026 Salary Guide, Australia national: 25th–75th pct; median = 50th pct
- Robert Half Singapore, Oct 2026: 25th–75th pct; median = 50th pct
چگونه از صفر شروع کنیم
برنامه گام‌به‌گام برای ورود به مهندسی هوش مصنوعی
ماه ۱ و ۲: SQL
SQLBolt را تمام کنید و بعد Select Star SQL را. PostgreSQL یا DuckDB را نصب کنید و روی یک مجموعه‌دادهٔ واقعی کوئری بنویسید.
ماه ۳: آمار پایه و صفحه‌گستردهٔ پیشرفته
آمار توصیفی و مفهوم نمونه را مرور کنید و PivotTable و Power Query را محکم کنید.
ماه ۴: Power BI یا Tableau
یکی از دو ابزار را انتخاب کنید و دو داشبورد بسازید که هر کدام به یک سؤال مشخص جواب بدهد.
ماه ۵: پورتفولیو
دو پروژه کامل کنید: یک تحلیل SQL با README و یک داشبورد با چند اسلاید توضیح. کد و توضیح‌ها را در GitHub بگذارید.
ماه ۶: Python پایه و درخواست شغل
مبانی Python و pandas را یاد بگیرید و برای نقش‌های جونیور یا Data Analyst I اقدام کنید.
پروژه‌های پیشنهادی برای رزومه
تحلیل یک مجموعه‌دادهٔ عمومی با SQL
مبتدییک مجموعه‌دادهٔ واقعی (مثلاً آمار عمومی یا دادهٔ فروش نمونه) را در PostgreSQL یا DuckDB بارگذاری کنید و با کوئری‌هایی که JOIN، GROUP BY، CTE و window function دارند به پنج سؤال مشخص جواب بدهید. نتیجه و کوئری‌ها را در یک README توضیح دهید.
گزارش KPI در Excel یا Google Sheets
مبتدیبرای یک کسب‌وکار فرضی یا دادهٔ شغل قبلی‌تان، یک گزارش یک‌صفحه‌ای با PivotTable و نمودار بسازید که چند متریک کلیدی و تغییرشان را نشان دهد، و در چند خط توضیح دهید چه تصمیمی از آن بیرون می‌آید.
ریشه‌یابی افت یک متریک
متوسطدادهای را در نظر بگیرید که یک متریک در آن ناگهان افت کرده است (مثلاً نرخ تحویل به‌موقع). با Python داده را تمیز کنید، بر اساس بخش‌های مختلف تفکیکش کنید، فرضیه بسازید و آزمونش کنید و در پایان یک توصیهٔ مشخص بنویسید؛ همان کاری که آگهی Instacart از تحلیلگر می‌خواهد.
داشبورد BI همراه با ارائه
متوسطدر Power BI، Tableau Public یا Metabase داشبوردی بسازید که به یک سؤال کسب‌وکار جواب بدهد، نه اینکه فقط همهٔ داده را نشان دهد. کنارش چهار تا پنج اسلاید بسازید که یافته‌ها و توصیه را برای مخاطب غیرفنی بگوید.
پروژهٔ کامل: مدل داده، تعریف متریک و داشبورد
پیشرفتهاز دادهٔ خام تا داشبورد: با dbt جدول‌های تمیز بسازید و برایشان تست کیفیت داده بنویسید، تعریف هر متریک را مستند کنید و داشبورد را روی همین جدول‌ها بسازید. اگر از ابزار AI برای نوشتن کوئری کمک گرفتید، در README توضیح دهید درستی نتیجه را چطور سنجیدید.
مثال‌های واقعی و Case Studies
داستان‌های واقعی از مهندسانی که در این حوزه تأثیرگذار بوده‌اند
لیسانس ریاضی کاربردی و MBA از University of Washington دارد. طبق بیوگرافی رسمی‌اش، پیش از storytelling with data در نقش‌های تحلیلی در بانکداری و private equity کار کرد و بعد مدیر در تیم People Analytics گوگل شد؛ آنجا با رویکرد داده‌محور به طراحی برنامه‌های منابع انسانی و شیوه‌های مدیریتی کمک می‌کرد و دوره‌ای را که خودش دربارهٔ مصورسازی داده ساخته بود در دفترهای گوگل در آمریکا و اروپا درس می‌داد.
بنیان‌گذار و مدیرعامل storytelling with data است. طبق همان بیوگرافی، کتاب storytelling with data: a data visualization guide for business professionals به حدود دوازده زبان ترجمه شده و بیش از ۱۰۰ دانشگاه از آن به‌عنوان کتاب درسی استفاده می‌کنند. در Maryland Institute College of Art (MICA) هم درس Introduction to Information Visualization را تدریس کرده است.
مسیر او نشان می‌دهد تبدیل تحلیل به نمودار و روایتی که تصمیم‌گیرنده بفهمد، خودش یک تخصص است و می‌تواند از دل یک شغل تحلیلی معمولی رشد کند.
به گفتهٔ خودش، وبلاگ Occam’s Razor را در ۲۰۰۶ شروع کرد، وقتی مدیر Research & Analytics در Intuit بود. در کارنامه‌اش سمت Sr. Director Global Analytics و Digital Marketing Evangelist در گوگل و هم‌بنیان‌گذاری Market Motive هم آمده است.
نویسندهٔ دو کتاب Web Analytics: An Hour A Day و Web Analytics 2.0 است و خبرنامهٔ هفتگی The Marketing <> Analytics Intersect را منتشر می‌کند. به گفتهٔ خودش، همهٔ درآمد کتاب‌ها و خبرنامه را به خیریه می‌دهد و این رقم تا دسامبر ۲۰۲۴ به ۱٫۷ میلیون دلار رسیده است. جایزهٔ Statistical Advocate of the Year را از American Statistical Association گرفته و امروز Chief Strategy Officer در Human Made Machine است.
او هدف کارش را کمک به مدیران برای تصمیم‌هایی می‌داند که به اقدام سودآور برسد. این یادآوری خوبی است که تحلیل وقتی ارزش پیدا می‌کند که به تصمیم و اقدام برسد، نه وقتی که فقط گزارش شود.
کارشناسی علوم کامپیوتر از Andhra University و MBA از IIM Indore دارد. Chandoo.org را در ۲۰۰۴ راه انداخت و به گفتهٔ خودش بعد از سه سال تمرکز سایت را به Microsoft Excel برد تا ایده‌ها و مسئله‌هایی را که روی آن‌ها کار می‌کرد به اشتراک بگذارد. در ۲۰۱۰ کار تمام‌وقتش را رها کرد تا سایت را به کسب‌وکار تبدیل کند.
از ۲۰۰۹ تا ۲۰۲۵ هر سال عنوان Microsoft MVP را گرفته است. طبق صفحهٔ معرفی سایتش، تا ژوئن ۲۰۲۵ بیش از ۸۷۰ هزار نفر کانال‌های یوتیوب او را دنبال می‌کردند و دوره‌هایی مثل Excel School و دورهٔ Power BI را اداره می‌کند.
او از نوشتن دربارهٔ مسئله‌های کاری خودش در Excel شروع کرد. به نظر می‌رسد نوشتن منظم دربارهٔ چیزی که یاد می‌گیرید، هم مهارت را عمیق‌تر می‌کند و هم کارنامه‌ای می‌سازد که دیگران می‌بینند.
نمونه آگهی استخدام واقعی + تحلیل
یک آگهی واقعی از شرکت فعال در حال استخدام، با تحلیل هر بخش
Data Analyst, Platform Excellence Ops Analytics
تحلیل نیازمندی‌ها
1+ years of experience in a data analytics-related role such as business intelligence, corporate strategy, consulting, or data science.
دست‌کم یک سال کار در نقشی تحلیلی لازم است، اما عنوان قبلی لازم نیست Data Analyst باشد: BI، استراتژی، مشاوره یا علم داده هم پذیرفته می‌شود. اگر در شغل فعلی‌تان گزارش یا تحلیل می‌سازید، آن را با جزئیات در رزومه بنویسید.
ضروریAdvanced proficiency in SQL and Excel or Google Sheets for data analysis.
دو ابزار پایه‌ای کار. «پیشرفته» یعنی بتوانید بدون کمک JOIN، تجمیع و window function بنویسید و در صفحه‌گسترده با PivotTable و فرمول، داده را سریع خلاصه کنید.
ضروریExperience analyzing and visualizing large datasets.
کار با چند صد ردیف در Excel کافی نیست؛ باید بتوانید داده‌ای را که در یک فایل جا نمی‌شود در انبار داده (در این تیم Snowflake) خلاصه کنید و نتیجه را در نمودار یا داشبورد نشان دهید.
ضروریStrong problem-solving skills with keen attention to detail; able to quickly detect anomalies in performance metrics and trends, form hypotheses for investigation, and draw conclusions through nuanced analysis.
قلب کار در این تیم همین است: عددی غیرعادی می‌بینید، فرضیه می‌سازید (مثلاً «لغو سفارش فقط در یک فروشگاه زیاد شده»)، با داده آزمونش می‌کنید و نتیجه را با احتیاط می‌گویید. دقت در جزئیات یعنی پیش از گزارش، عدد را دوباره بسنجید.
ضروریProficiency in PowerPoint or Google Slides for effective communication.
نتیجهٔ تحلیل معمولاً با اسلاید به جلسه می‌رود. باید بتوانید چند اسلاید ساده بسازید که یک پیام روشن و یک توصیهٔ مشخص داشته باشد.
مهمAbility to work independently with a strong sense of ownership and comfort proposing new ideas to challenge existing processes.
کسی همهٔ مراحل را به شما نمی‌گوید. باید خودتان طرح تحلیل بریزید و اگر روش فعلی ایراد دارد، پیشنهاد تغییر بدهید.
مهمExperience with visualization tools such as Mode or Tableau.
جزو شرایط ترجیحی است، نه الزامی. تجربه با هر ابزار BI، مثلاً Power BI، نشان می‌دهد این ابزارها را هم سریع یاد می‌گیرید.
مفیدFamiliarity with Snowflake or similar data warehouses, GitHub, and Jira.
ابزارهای روزمرهٔ تیم: انبار داده برای کوئری، GitHub برای نگهداری کد تحلیل و Jira برای پیگیری درخواست‌ها. آشنایی قبلی امتیاز است.
مفیدExperience with using AI tools for analytics, including applying methods for data validation and reproducibility
استفاده از AI در تحلیل امتیاز است، به شرطی که بتوانید درستی خروجی را بسنجید و نشان دهید نتیجه با اجرای دوباره همان می‌شود.
مفیدتحلیل مسئولیت‌ها
Retailer performance issues are proactively monitored and resolved across broad dimensions, with dashboards and processes built to simplify problem diagnosis and support new retailer launches.
به‌جای منتظر ماندن برای شکایت، داشبورد و روالی می‌سازید که مشکل فروشگاه‌ها را زود نشان دهد و پیدا کردن علت را ساده کند؛ از جمله وقتی فروشگاه تازه‌ای به پلتفرم اضافه می‌شود.
Performance fluctuations and outliers in key Retailer Quality workstream metrics are tracked and analyzed to identify root causes and recommend corrective actions.
یعنی ریشه‌یابی: وقتی متریکی بالا و پایین می‌رود، باید بفهمید چرا و پیشنهاد اصلاح بدهید، نه اینکه فقط گزارش کنید عوض شده است.
Large datasets related to Retailer Fulfillment Quality are analyzed to derive business insights, with analytical plans independently created and executed to identify, understand, and reduce fulfillment quality issues with high accuracy and consistency.
تحلیل‌های بزرگ‌تر را خودتان طراحی و اجرا می‌کنید. «دقت و ثبات» یعنی نتیجه باید قابل تکرار باشد و با گزارش بعدی تناقض نداشته باشد.
Analytics requests, ad hoc retailer analyses, launch impact assessments, and retailer escalations are supported, with initiative sizing provided for product and analytical roadmaps.
بخشی از وقت صرف درخواست‌های موردی و فوری می‌شود. «Initiative sizing» یعنی تخمین اینکه یک پروژه چقدر اثر دارد تا تیم محصول بتواند اولویت‌بندی کند.
Insights decks are created and presented regularly to a cross-functional audience of business and technical stakeholders, with findings framed as clear logical narratives backed by data that result in actionable recommendations.
تحلیل وقتی ارزش دارد که شنیده شود. باید یافته‌ها را در قالب یک روایت منطقی برای مخاطب فنی و غیرفنی ارائه کنید و به توصیه‌ای برسانید که بشود اجرایش کرد.
نتیجه‌گیری کلی
این آگهی تصویر روشنی از کار روزمرهٔ یک تحلیلگر داده در ۲۰۲۶ می‌دهد: SQL و صفحه‌گسترده، پایش متریک‌ها، ریشه‌یابی و ارائهٔ نتیجه با اسلاید. حداقل تجربه یک سال است و شرط مدرک در آگهی نیامده؛ Python هم خواسته نشده، اما کار با ابزارهای AI همراه با اعتبارسنجی خروجی جزو امتیازهاست. حقوق پایهٔ اعلام‌شده بسته به ایالت از ۹۵ تا ۱۰۰ هزار دلار تا ۱۱۳ تا ۱۱۹٫۵ هزار دلار (کالیفرنیا، نیویورک، کانتیکت و نیوجرسی) است، به‌علاوهٔ سهام. نسخهٔ کانادایی همین آگهی بازهٔ ۸۱ تا ۸۵٫۵ هزار دلار کانادا را اعلام کرده است.
آینده و روندها
پیش‌بینی ۵–۱۰ ساله و مهارت‌هایی که باید یاد بگیرید
در گزارش Future of Jobs 2025 مجمع جهانی اقتصاد (WEF)، گروه «Data Analysts and Scientists» (تحلیلگران و دانشمندان داده) یازدهمین شغل در فهرست ۱۵ شغلی است که کارفرمایان شرکت‌کننده در نظرسنجی برایشان سریع‌ترین رشد خالص (درصدی) را از ۲۰۲۵ تا ۲۰۳۰ پیش‌بینی کرده‌اند.
منبع: WEF Future of Jobs Report 2025 (Figure 2.2)
مهارت‌های نوظهور که باید یاد بگیرید
پیش‌بینی‌های آینده
کارفرمایان شرکت‌کننده در نظرسنجی WEF (گزارش Future of Jobs 2025) پیش‌بینی کرده‌اند «Data Analysts and Scientists» تا ۲۰۳۰ جزو ۱۵ شغل با سریع‌ترین رشد خالص باشد و «Data Entry Clerks» جزو سه شغل با سریع‌ترین کاهش.
BLS آمریکا پیش‌بینی می‌کند اشتغال در گروه رسمی «Data Scientists» از ۲۰۲۵ تا ۲۰۳۵، ۳۵٪ رشد کند و سالانه به‌طور میانگین حدود ۲۴٬۸۰۰ فرصت شغلی در آن ایجاد شود. BLS گروه جداگانه‌ای برای Data Analyst ندارد؛ جستجوی «data analyst» در O*NET اول همین گروه را نشان می‌دهد و آمار دستمزد و اشتغال Business Intelligence Analysts هم زیر همین گروه جمع می‌شود.
کارهای تکراری و دستی با داده کمتر می‌شود: در همان نظرسنجی WEF، کارفرمایان «Data Entry Clerks» (کارمندان ورود داده) را سومین شغل با سریع‌ترین کاهش تا ۲۰۳۰ پیش‌بینی کرده‌اند. هم‌زمان AI وارد خود این شغل شده است: طبق Indeed Hiring Lab، در دسامبر ۲۰۲۵، ۴۵٪ آگهی‌های data & analytics در آمریکا به AI اشاره داشتند. آگهی‌ها نشان می‌دهند ارزش کار به سمت قضاوت می‌رود: Lyft مسئولیت درستی هر کوئری را، حتی وقتی دستیار AI آن را نوشته، با تحلیلگر می‌داند، Peek اعتبارسنجی بینش‌های تولیدشده با AI را پیش از تصمیم‌گیری می‌خواهد و Brex تجربه با Claude Code، Cursor یا GitHub Copilot را جزو شرایط آورده است. از این آگهی‌ها پیداست که تحلیلگری که فقط گزارش تکراری تولید می‌کند، جای کمتری دارد تا کسی که سؤال را درست قاب می‌گیرد، خروجی را می‌سنجد و نتیجه را توضیح می‌دهد.
منابع
اطلاعات این صفحه در تاریخ ۱۳ مهر ۱۴۰۵ از این ۴۰ منبع بررسی شده است.
- Data Analyst, Platform Excellence Ops Analytics — Instacart, US remote (job posting)
- Data Analyst, Platform Excellence Ops Analytics — Instacart, Canada remote (job posting)
- Data Analyst II — Brex (job posting)
- Data Analyst — Clarium (job posting)
- Data Analyst — Planet (job posting)
- Data Analyst, In-Store — DoorDash (job posting)
- Data Analyst, Go-To-Market Sales Insights — Lyft (job posting)
- Staff Data Analyst — tem (job posting)
- Data Analyst – Supply Chain & Operations — Marketech International Corporation USA (job posting)
- Staff Data Analyst, People Analytics — Okta (job posting)
- Senior Data Analyst — Peek (job posting)
- Data Analyst — Tavily (job posting)
- Data Analyst, NYC — Stripe (job posting)
- Staff Data Analyst — Stripe (job posting)
- Senior Data Analyst — MongoDB (job posting)
- Robert Half — Data Analyst salary, United States (2027 guide)
- Robert Half — Data Analyst salary, Canada (2027 guide)
- Robert Half — 2026 Salary Guide, United Kingdom (PDF)
- Robert Half — Data Analyst Gehalt, Deutschland
- Robert Half — 2026 Gehälter IT-Bereich Deutschland
- Robert Half — Data Analyst salary, Australia (2026 guide)
- Robert Half — Data Analyst salary, Singapore
- PayScale — Data Analyst Salary in 2026 (US)
- World Economic Forum — The Future of Jobs Report 2025 (PDF)
- BLS Occupational Outlook Handbook — Data Scientists
- O*NET OnLine — keyword search: data analyst
- O*NET OnLine — 15-2051.01 Business Intelligence Analysts
- O*NET OnLine — 15-2051.00 Data Scientists
- ITJobsWatch — Data Analyst (UK)
- Indeed Hiring Lab — January 2026 US Labor Market Update
- dbt Labs — What is analytics engineering? (Claire Carroll)
- IIBA — What is Business Analysis?
- storytelling with data — Cole Nussbaumer Knaflic (official bio)
- Avinash Kaushik — About
- Chandoo.org — About
- Microsoft Learn — Get started with Power BI Desktop
- Tableau Public — Discover
- Metabase — open source BI
- DuckDB — An analytical SQL database
- Python Docs — History and License