Еще недавно все было ясно • Аналитик - SQL, дашборды, "что случилось?" • Data Scientist - Python, ML, "что будет?" Теперь граница размывается. Почему?   Виной всему (и спасибо за это): - AutoML - аналитик может построить модель в пару кликов. - Облачные BI (Looker, Tableau) - имеют встроенные ML-функции. - Бизнес хочет сразу и объяснение, и прогноз в одном флаконе.   Так что же происходит - стирание или специализация? ✅ Специализация! Но внутри профессий: • Data Scientist уходит в MLOps и продакшн-модели. • Аналитик эволюционирует в Product/Data Analyst - больше бизнеса, экономики, экспериментов. • Новая звезда - Analytics Engineer (dbt, data quality) - мост между инженерами и аналитиками.   Что нужно знать аналитику сейчас (базовый чек-лист): 1.SQL - святое. 2.Python (Pandas) - must have для гибкости. 3.Понимание принципов ML - чтобы не нажимать кнопки AutoML вслепую. 4.Бизнес-экспертиза - то, что ИИ не отнимет никогда. Итог: Границы не стираются, а перерисовываются. Востребован специалист: глубокая экспертиза в своем + широкий кругозор (T-shaped). Аналитик 2026 - это технически подкованный бизнес-консультант. Какое у вас мнение на это? Война миров или все таки союз планет? Пишите в комментариях