Рабочее окружение аналитика с нуля: Python, SQL, BI и Git на Mac и Windows

Всё окружение аналитика данных собирается за один вечер, бесплатно и без единой команды компиляции. Эта статья — маршрут установки от пустого компьютера до состояния «открываю данные и работаю»: Python с Jupyter, инструменты для SQL, конструктор дашбордов и Git с GitHub для портфолио.

Два правила перед стартом. Первое — порядок важен: разделы идут сверху вниз, следующий опирается на предыдущий, и половину списка закрывает одна Anaconda. Второе — не обязательно ставить всё: минимальный набор, с которым уже можно решать задачи и собирать пет-проекты, — это Anaconda, DBeaver, DataLens и GitHub. Остальное добавляйте по мере надобности.

Там, где шаги на Mac и Windows различаются, в каждом разделе есть отдельные подразделы «На Mac» и «На Windows» — читайте свою ветку и пропускайте чужую.

Карта инструментов

Раздел I. Python и среда

Anaconda: фундамент

Anaconda — дистрибутив, который одной установкой приносит Python, библиотеки pandas и matplotlib, Jupyter и графический лаунчер Anaconda Navigator. Для старта в анализе данных это самый короткий путь: не нужно разбираться с pip, виртуальными окружениями и совместимостью версий — всё уже собрано и проверено на совместимость.

На Mac

1. Откройте в браузере anaconda.com/download — официальную страницу загрузки.
2. Скачайте установщик для Mac. Для новых Mac (M1/M2/M3 и новее) берите версию Apple Silicon, для старых — Intel. Проверить, какой у вас процессор: меню Apple → «Об этом Mac». Скачается файл .pkg.
3. Запустите .pkg и нажимайте Continue, Agree, Install; введите пароль Mac, когда установщик попросит.
4. После установки откройте Launchpad и найдите Anaconda-Navigator — отсюда запускается Jupyter и всё остальное.

На Windows

1. Откройте в браузере anaconda.com/download.
2. Нажмите кнопку загрузки для Windows — скачается файл .exe.
3. Запустите .exe и нажимайте Next, I Agree, Just Me, Next, Install. Пункт Just Me важен: установка «только для меня» не требует прав администратора и кладёт Anaconda в ваш профиль, где с ней меньше проблем.
4. После установки откройте меню «Пуск» и найдите Anaconda Navigator.

Про галочку «Add Anaconda to PATH» в установщике Windows — отдельный разговор в разделе о частых ошибках: установщик не зря помечает её как not recommended.

Jupyter Notebook: где живёт анализ

Отдельно ставить не нужно — Jupyter уже внутри Anaconda. Шаги одинаковы на обеих системах:

1. Откройте Anaconda Navigator — ту самую программу из предыдущего шага, внутри плитки с приложениями.
2. Найдите плитку Jupyter Notebook и нажмите Launch — тетрадка откроется в браузере.

Быстрая проверка, что всё работает: создайте новую тетрадку (New → Python 3), введите в ячейку import pandas as pd и нажмите Shift+Enter. Если ячейка выполнилась без ошибок — Python, pandas и Jupyter на месте.

VS Code: когда проект перерастает тетрадку

Тетрадки хороши для исследования, но когда появляется код, который надо переиспользовать, — скрипты загрузки данных, общие функции, — нужны обычные .py-файлы и редактор.

На Mac

1. Откройте code.visualstudio.com и нажмите Download for Mac.
2. Скачается zip-архив; откройте его — появится приложение Visual Studio Code.
3. Перетащите Visual Studio Code в папку «Программы» (Applications) и запустите. Перенос обязателен: приложение, запущенное прямо из «Загрузок», при обновлении может вести себя непредсказуемо.

На Windows

1. Откройте code.visualstudio.com и нажмите Download for Windows.
2. Запустите скачанный .exe, примите соглашение и нажимайте Next, затем Install.
3. Найдите Visual Studio Code в меню «Пуск» и запустите.

После первого запуска поставьте расширение Python (издатель — Microsoft): Extensions в левой панели → в поиске «Python» → Install. Затем внизу справа выберите интерпретатор — VS Code сам предложит найденный Python из Anaconda.

pandas и matplotlib: если вдруг их нет

С Anaconda обе библиотеки уже стоят — этот шаг на случай, если вы ставили Python другим способом или добавляете библиотеку, которой нет в дистрибутиве.

На Mac

1. Откройте Терминал: нажмите Cmd + пробел, наберите Terminal и нажмите Enter.
2. Введите pip install pandas matplotlib и нажмите Enter.

На Windows

1. Откройте меню «Пуск» и найдите Anaconda Prompt — именно его, а не обычную командную строку: в Anaconda Prompt все пути к Python уже настроены.
2. Введите pip install pandas matplotlib и нажмите Enter.

Раздел II. SQL и базы

SQL — язык, на котором аналитик разговаривает с данными, и на собеседованиях его спрашивают почти всегда. Для тренировок дома нужны два инструмента: клиент для запросов и простой способ открыть учебную базу.

DBeaver: универсальный SQL-клиент

DBeaver Community — бесплатная программа, в которой пишут SQL-запросы к любой базе: PostgreSQL, MySQL, ClickHouse, SQLite. Один клиент на все случаи — от учебного файла .db до рабочего хранилища.

На Mac

1. Откройте dbeaver.io и нажмите Download.
2. Скачайте бесплатную версию — Community Edition, вариант для macOS (.dmg).
3. Перетащите DBeaver в «Программы» и запустите; базу подключите кнопкой New Connection.

На Windows

1. Откройте dbeaver.io и нажмите Download.
2. Скачайте Community Edition — Windows Installer (.exe).
3. Пройдите установку (Next, затем Install) и запустите; базу подключите кнопкой New Connection.

При первом подключении к конкретному типу базы DBeaver предложит скачать драйвер — соглашайтесь, это штатный шаг. Для тренировок без сервера выбирайте тип SQLite и указывайте путь к файлу .db.

DB Browser for SQLite: самый лёгкий вход в SQL

Если DBeaver кажется избыточным, для учебных файл-баз есть инструмент проще: DB Browser for SQLite открывает файл .db двойным кликом и даёт вкладку Execute SQL для запросов.

На Mac

1. Откройте sqlitebrowser.org и нажмите Download.
2. Скачайте версию для Mac (.dmg), откройте и перетащите приложение в «Программы».

На Windows

1. Откройте sqlitebrowser.org и нажмите Download.
2. Скачайте Standard installer для Windows и пройдите установку.

Сам SQLite ставить не нужно ни на одной системе: движок уже встроен в Python из Anaconda, а DB Browser просто открывает файлы .db. Это частый вопрос новичков — отдельной «установки SQL» не существует, SQL приходит вместе с базой или клиентом.

Раздел III. Дашборды

BI-инструмент нужен аналитику по двум причинам: дашборды — часть почти любой вакансии, и это самый наглядный формат пет-проекта для портфолио.

Yandex DataLens: дашборды в браузере

DataLens бесплатен и работает в браузере — ставить нечего, шаги одинаковы на Mac и Windows:

1. Откройте в браузере datalens.yandex.ru.
2. Нажмите «Войти» и зайдите под аккаунтом Яндекса — или заведите его бесплатно.
3. Создайте первый дашборд: кнопка «Создать», затем «Дашборд»; данные подключаются как датасет — например, загруженный CSV-файл.

Цепочка сущностей в DataLens такая: подключение → датасет → чарты → дашборд. Для первого проекта достаточно загрузить CSV, собрать два-три чарта и вывести их на один дашборд с селектором.

Tableau Public: десктоп для портфолио

Tableau Public — бесплатная версия Tableau: все возможности построения визуализаций, но работы публикуются в открытую галерею. Для портфолио это плюс — у каждого дашборда есть публичная ссылка, которую можно вставить в резюме.

Первые два шага общие: откройте public.tableau.com, нажмите Download the App и заведите бесплатный аккаунт — достаточно почты.

На Mac

Откройте скачанный .dmg и перетащите Tableau Public в «Программы».

На Windows

Запустите скачанный .exe и пройдите установку.

Что выбрать между DataLens и Tableau Public: DataLens быстрее для старта и на русском, Tableau чаще встречается в вакансиях международных и крупных компаний. Разумная стратегия — начать с DataLens, а один витринный проект собрать в Tableau Public ради строчки в резюме и публичной ссылки.

Раздел IV. Код и данные

Git: система версий

Git нужен, чтобы выложить код на GitHub — а заодно перестать хранить проекты в папках вида «final_v2_испр».

На Mac

1. Проверьте, есть ли Git: откройте Терминал и введите git --version. Показал версию — Git уже есть, шаг пропустите.
2. Если нет — Mac сам предложит установить Command Line Tools; согласитесь кнопкой Install и дождитесь окончания.

На Windows

1. Откройте git-scm.com и нажмите Download for Windows.
2. Запустите .exe и нажимайте Next до конца — значения по умолчанию подходят.
3. Проверьте установку: откройте Git Bash из меню «Пуск» и введите git --version.

После установки на любой системе представьтесь Git — эти данные попадут в подпись ваших коммитов:

git config --global user.name "Имя Фамилия"
git config --global user.email "почта@example.com"

GitHub: где живёт портфолио

Шаги одинаковы на обеих системах:

1. Откройте github.com и нажмите Sign up.
2. Заведите аккаунт: почта, пароль, имя пользователя. Имя выбирайте спокойное и читаемое — это адрес вашего портфолио вида github.com/имя, и он будет стоять в резюме.

Минимальный жизненный цикл проекта: создать репозиторий кнопкой New на github.com, клонировать его к себе (git clone адрес), положить файлы, затем git add ., git commit -m "описание", git push. Этих четырёх команд достаточно для портфолио — остальной Git можно осваивать по мере надобности.

Kaggle: откуда брать данные

1. Откройте kaggle.com и нажмите Register.
2. Зарегистрируйтесь через Google или почту — и вам открыты тысячи датасетов для проектов.

Датасет с Kaggle плюс тетрадка Jupyter плюс дашборд в DataLens — готовый скелет пет-проекта: скачали данные, почистили в pandas, посчитали метрики, визуализировали, выложили код на GitHub.

Частые ошибки установки и их решения

Windows: Python не находится в командной строке. Симптом: в cmd или PowerShell команда python пишет «не является внутренней или внешней командой» либо открывает Microsoft Store. Причина: Anaconda сознательно не прописывает себя в переменную PATH — установщик помечает эту галочку как not recommended, потому что прописывание конфликтует с другими установками Python. Решение простое: работайте через Anaconda Prompt из меню «Пуск» — там все пути настроены. Добавлять Anaconda в PATH вручную стоит только если вы понимаете, какие ещё Python установлены в системе.

Windows: установка «для всех пользователей» и права администратора. Если при установке выбрать All Users вместо Just Me, Anaconda ляжет в Program Files, и установка пакетов будет требовать прав администратора, а иногда молча падать. Лечится переустановкой с опцией Just Me.

Mac: «Приложение нельзя открыть, так как его автор — неустановленный разработчик». Это Gatekeeper — защита macOS от неподписанных программ. Для приложений из этой статьи (все скачаны с официальных сайтов) обход штатный: щёлкните по приложению правой кнопкой → «Открыть» → подтвердите «Открыть» в диалоге. Начиная с macOS Sequoia путь другой: «Системные настройки» → «Конфиденциальность и безопасность» → внизу кнопка «Всё равно открыть» напротив заблокированного приложения.

Mac: скачан установщик не той архитектуры. Anaconda для Intel на Mac с Apple Silicon запустится через эмуляцию Rosetta и будет работать медленнее, а часть пакетов поведёт себя странно. Проверьте процессор в «Об этом Mac» и скачайте соответствующий установщик; если уже поставили не тот — удалите и поставьте заново, это быстрее, чем разбираться со следствиями.

Конфликт нескольких установок Python. Классика: Python стоял до Anaconda (или его позже принёс другой установщик), и теперь pip install кладёт библиотеки в один Python, а Jupyter работает из другого — «я же установила pandas, а import не работает». Диагностика: выполните в тетрадке import sys; print(sys.executable) и сравните с тем, куда ставит pip (pip --version показывает путь). Правило, которое снимает почти все такие проблемы: на Windows всё делать из Anaconda Prompt, на Mac — убедиться командой which python, что терминал смотрит на Python из Anaconda (путь содержит anaconda3). Если нет — перезапустите терминал: установщик Anaconda прописывает активацию окружения в профиль оболочки, и она подхватывается со следующего запуска.

Jupyter не открывается в браузере. Плитка Launch нажата, а вкладка не появилась — посмотрите в окно Navigator: обычно там есть ссылка вида localhost:8888 с токеном, её можно открыть вручную. Порт бывает занят другим процессом — тогда Jupyter сам возьмёт соседний (8889), это нормально.

DBeaver не подключается к учебной базе. Чаще всего выбран тип базы, не совпадающий с файлом: файл .db — это SQLite, а не PostgreSQL. Создайте подключение заново с типом SQLite и укажите путь к файлу.

Чек-лист: окружение готово

Пройдите по списку — каждый пункт проверяется за минуту:

• Anaconda Navigator открывается (Launchpad на Mac / меню «Пуск» на Windows)
• Jupyter Notebook запускается кнопкой Launch, тетрадка открывается в браузере
• Ячейка import pandas as pd выполняется без ошибок
• Ячейка import matplotlib.pyplot as plt выполняется без ошибок
• VS Code установлен, расширение Python стоит, интерпретатор из Anaconda выбран
• DBeaver открывается и создаёт подключение к SQLite-файлу
• DB Browser открывает файл .db, вкладка Execute SQL выполняет SELECT 1
• В DataLens выполнен вход, кнопка «Создать» доступна
• Tableau Public установлен, вход в аккаунт выполнен (если решили ставить)
• git --version показывает версию (Терминал на Mac / Git Bash на Windows)
• git config --global заполнены user.name и user.email
• Аккаунт GitHub создан, адрес github.com/имя открывается
• Аккаунт Kaggle создан, любой датасет скачивается

Все галочки на месте — окружение собрано, дальше остаётся только работать с данными.

Источники

• Документация Anaconda: docs.anaconda.com — установка на macOS и Windows, работа с Navigator, объяснение опции PATH.
• Документация Jupyter: docs.jupyter.org — запуск и устройство тетрадок.
• Документация DBeaver: dbeaver.com/docs — подключения и драйверы баз данных.
• Документация DB Browser for SQLite: sqlitebrowser.org — загрузки и wiki проекта.
• Документация Yandex DataLens: yandex.cloud/docs/datalens — подключения, датасеты, чарты и дашборды.
• Справка Tableau Public: help.tableau.com — установка и публикация работ.
• Книга Pro Git (Скотт Чакон, Бен Штрауб) — доступна бесплатно на git-scm.com/book, включая русский перевод.
• Справка Apple о Gatekeeper: support.apple.com — открытие приложений от неустановленных разработчиков.

Что дальше

Окружение собрано — можно тренироваться на настоящих задачах. В каталоге задач есть разделы по SQL и Python с задачами, которые реально встречались на собеседованиях аналитиков: свежепоставленный DBeaver удобно обкатать именно на них. А когда почувствуете уверенность — проверьте себя в симуляторе собеседования.