Наименование квалификации: Аналитик больших данных (6-й уровень квалификации)

1. Наименование квалификации: Аналитик больших данных (6-й уровень квалификации)

2. Номер квалификации: 06.04200.01

3. Уровень (подуровень) квалификации: 6

4. Область профессиональной деятельности: Связь, информационные и коммуникационные технологии

5. Вид профессиональной деятельности: Создание и применение технологий больших данных

6. Реквизиты протокола Совета об одобрении квалификации: от 27.08.2025 N 4-2025

7. Реквизиты приказа Национального агентства об утверждении квалификации: от 23.01.2026 г. N 04/26-ПР

8. Основание разработки квалификации:

Вид документа	Полное наименование и реквизиты документа
Профессиональный стандарт (при наличии)	"Специалист по большим данным", приказ Минтруда России от 06.07.2020 N 405н
Квалификационное требование, установленное федеральным законом и иным нормативным правовым актом Российской Федерации (при наличии)	-
Квалификационная характеристика, связанная с видом профессиональной деятельности	-

9. Трудовые функции (профессиональные задачи, обязанности) и их характеристики:

N	Код (при наличии профессионального стандарта)	Наименование трудовой функции (профессиональной задачи, обязанности)	Трудовые действия	Необходимые умения	Необходимые знания	Дополнительные сведения (при необходимости)
1	A/01.6	Выявление, формирование и согласование требований к результатам аналитических работ с применением технологий больших данных	Выявление требований заказчика к результатам анализа, определение возможностей применения анализа больших данных в предметной области и конкретных задачах заказчика	Проводить переговоры с целью выявления требований заказчика к результатам анализа, формировать и согласовывать требования к результатам аналитических работ с использованием технологий больших данных Использовать имеющуюся у исполнителя методологическую и технологическую инфраструктуру анализа больших данных для выполнения аналитических работ Проводить сравнительный анализ методов и инструментальных средств анализа больших данных	Предметная область анализа больших данных в соответствии с требованиями заказчика Возможности имеющейся у исполнителя методологической и технологической инфраструктуры анализа больших данных Современный опыт использования анализа больших данных Современные методы и инструментальные средства анализа больших данных Источники информации, в том числе информации, необходимой для обеспечения деятельности в предметной области заказчика исследования
			Консультирование заказчика по возможностям имеющейся методологической и технологической инфраструктуры анализа больших данных и результатам применения технологий больших данных к аналогичным задачам	Проводить презентации при консультировании заказчика, согласовании и утверждении требований к результатам аналитических работ с использованием технологий больших данных Использовать имеющуюся у исполнителя методологическую и технологическую инфраструктуру анализа больших данных для выполнения аналитических работ Проводить сравнительный анализ методов и инструментальных средств анализа больших данных	Технологии подготовки и проведения презентаций Источники информации, в том числе информации, необходимой для обеспечения деятельности в предметной области заказчика исследования Современная технологическая инфраструктура высокопроизводительных и распределенных вычислений Стандарты проведения анализа данных Методы интерпретации и визуализации больших данных Теоретическая и прикладная информатика Теоретические и прикладные основы анализа данных Основы бизнес-интеллекта, типы систем бизнес-интеллекта Теория принятия решений Математическое моделирование Типы анализа больших данных, виды аналитики Теория вероятностей и математическая статистика
			Согласование с заказчиком и утверждение требований к результатам аналитического исследования	Подготавливать документы, регламентирующие требования к результатам аналитического исследования с использованием технологий больших данных в соответствии с существующими регламентами организации Проводить анализ больших данных в соответствии с утвержденными требованиями к результатам аналитического исследования	Инструменты и методы согласования с заказчиками требований к результатам аналитических исследований с использованием технологий больших данных Регламенты организации по оформлению требований к результатам аналитических исследований с использованием технологий больших данных Технологии межличностной и групповой коммуникации в деловом взаимодействии, основы конфликтологии Стандарты проведения анализа данных Методы оценки временных и стоимостных характеристик технологий больших данных Правила деловой переписки
2	A/02.6	Планирование и организация аналитических работ с использованием технологий больших данных	Разработка, обсуждение и утверждение содержания аналитических работ с использованием технологий больших данных	Проводить переговоры при определении содержания аналитических работ с использованием технологий больших данных Планировать аналитические работы с использованием технологий больших данных Представлять содержание и результаты работ по анализу больших данных Вести протоколы мероприятий по анализу больших данных	Возможности имеющейся у исполнителя методологической и технологической инфраструктуры анализа больших данных Возможности использования свободно распространяемого программного обеспечения для анализа больших данных Предметная область анализа больших данных в соответствии с требованиями заказчика Типы анализа больших данных, виды аналитики Теоретические и прикладные основы анализа больших данных Современные методы и инструментальные средства анализа больших данных Источники информации, в том числе информации, необходимой для обеспечения деятельности в предметной области заказчика исследования
			Определение состава группы для проведения анализа больших данных	Планировать аналитические работы с использованием технологий больших данных Представлять содержание и результаты работ по анализу больших данных Вести протоколы мероприятий по анализу больших данных	Технологии межличностной и групповой коммуникации в деловом взаимодействии, основы конфликтологии Технологии подготовки и проведения презентаций Правила деловой переписки
			Определение необходимых ресурсов для проведения аналитических работ	Планировать аналитические работы с использованием технологий больших данных	Предметная область анализа больших данных в соответствии с требованиями заказчика Основы планирования аналитических работ Стандарты проведения анализа данных Методы и инструментальные средства управления аналитическими проектами по исследованию больших данных Содержание и последовательность выполнения этапов аналитического проекта по исследованию больших данных Содержание этапов жизненного цикла больших данных Типы анализа больших данных, виды аналитики Современные методы и инструментальные средства анализа больших данных Источники информации, в том числе информации, необходимой для обеспечения деятельности в предметной области заказчика исследования Методы интерпретации и визуализации анализа больших данных Технологии подготовки и проведения презентаций Правила деловой переписки
			Разработка, обсуждение и утверждение плана аналитических работ	Планировать аналитические работы с использованием технологий больших данных Проводить анализ больших данных	Основы планирования аналитических работ Предметная область анализа больших данных в соответствии с требованиями заказчика Основы планирования аналитических работ Стандарты проведения анализа данных Методы и инструментальные средства управления аналитическими проектами по исследованию больших данных Содержание и последовательность выполнения этапов аналитического проекта по исследованию больших данных Содержание этапов жизненного цикла больших данных Технологии межличностной и групповой коммуникации в деловом взаимодействии, основы конфликтологии Технологии подготовки и проведения презентаций Правила деловой переписки
			Распределение ролей и состава аналитических работ между участниками группы для анализа больших данных	Проводить аналитические работы с использованием технологий больших данных Проводить анализ больших данных Осуществлять интеграцию и преобразование данных в ходе работ по анализу больших данных	Предметная область анализа больших данных в соответствии с требованиями заказчика Основы планирования аналитических работ Стандарты проведения анализа данных Методы и инструментальные средства управления аналитическими проектами по исследованию больших данных Содержание и последовательность выполнения этапов аналитического проекта по исследованию больших данных Содержание этапов жизненного цикла больших данных Типы анализа больших данных, виды аналитики Теоретические и прикладные основы анализа больших данных Современные методы и инструментальные средства анализа больших данных Теория вероятностей и математическая статистика Источники информации, в том числе информации, необходимой для обеспечения деятельности в предметной области заказчика исследования Методы интерпретации и визуализации анализа больших данных Технологии межличностной и групповой коммуникации в деловом взаимодействии, основы конфликтологии Технологии подготовки и проведения презентаций
3	A/03.6	Подготовка данных для проведения аналитических работ по исследованию больших данных	Определение источников больших данных для анализа, идентификация внешних и внутренних источников данных для проведения аналитических работ	Определять требования к поставщикам данных из гетерогенных источников Оценивать соответствие наборов данных задачам анализа больших данных	Предметная область анализа Возможности имеющейся у исполнителя методологической и технологической инфраструктуры анализа больших данных Типы больших данных: метаданные, полуструктурированные, структурированные, неструктурированные Виды источников данных: созданные человеком, созданные машинами Источники информации, в том числе информации, необходимой для обеспечения деятельности в предметной области заказчика исследования Методы извлечения информации и знаний из гетерогенных, мультиструктурированных, неструктурированных источников, в том числе при потоковой обработке Технологии межличностной и групповой коммуникации в деловом взаимодействии, основы конфликтологии Правила деловой переписки
			Получение и фильтрация больших объемов данных из гетерогенных источников	Осуществлять взаимодействие с внутренними и внешними поставщиками данных из гетерогенных источников Оценивать стоимость данных для проведения аналитических работ	Возможности имеющейся у исполнителя методологической и технологической инфраструктуры анализа больших данных Предметная область анализа Теоретические и прикладные основы анализа больших данных Современные методы и инструментальные средства анализа больших данных Современный опыт использования анализа больших данных Типы больших данных: метаданные, полуструктурированные, структурированные, неструктурированные Виды источников данных: созданные человеком, созданные машинами Источники информации, в том числе информации, необходимой для обеспечения деятельности в предметной области заказчика исследования Методы извлечения информации и знаний из гетерогенных, мультиструктурированных, неструктурированных источников, в том числе при потоковой обработке Режимы получения и обработки данных, поддержка режима реального времени Технологии хранения и обработки больших данных в организации: базы данных, хранилища данных, распределенная и параллельная обработка данных, вычисления в оперативной памяти Облачные технологии, облачные сервисы
			Извлечение, проверка и очистка больших объемов данных из гетерогенных источников	Разрабатывать и оценивать модели больших данных Проводить интеграцию и преобразование больших объемов данных Производить очистку данных для проведения аналитических работ	Теоретические и прикладные основы анализа больших данных Возможности имеющейся у исполнителя методологической и технологической инфраструктуры анализа больших данных Типы больших данных: метаданные, полуструктурированные, структурированные, неструктурированные Виды источников данных: созданные человеком, созданные машинами Источники информации, в том числе информации, необходимой для обеспечения деятельности в предметной области заказчика исследования Методы извлечения информации и знаний из гетерогенных, мультиструктурированных, неструктурированных источников, в том числе при потоковой обработке Российские и международные стандарты информационной безопасности Режимы получения и обработки данных, поддержка режима реального времени Технологии хранения и обработки больших данных в организации: базы данных, хранилища данных, распределенная и параллельная обработка данных, вычисления в оперативной памяти Облачные технологии, облачные сервисы
			Агрегация и разработка представления больших объемов данных из гетерогенных источников	Использовать инструментальные средства для извлечения, преобразования, хранения и обработки данных из разнородных источников, в том числе в режиме реального времени	Современные методы и инструментальные средства анализа больших данных Возможности имеющейся у исполнителя методологической и технологической инфраструктуры анализа больших данных Предметная область анализа Теоретические и прикладные основы анализа больших данных Современные методы и инструментальные средства анализа больших данных Современный опыт использования анализа больших данных Методы извлечения информации и знаний из гетерогенных, мультиструктурированных, неструктурированных источников, в том числе при потоковой обработке Режимы получения и обработки данных, поддержка режима реального времени
			Оценка соответствия набора данных предметной области и задачам аналитических работ	Разрабатывать и оценивать модели больших данных Проводить интеграцию и преобразование больших объемов данных	Современный опыт использования анализа больших данных Предметная область анализа Источники информации, в том числе информации, необходимой для обеспечения деятельности в предметной области заказчика исследования Российские и международные стандарты информационной безопасности Методы оценки временных и стоимостных характеристик технологий больших данных Технологии межличностной и групповой коммуникации в деловом взаимодействии, основы конфликтологии Правила деловой переписки
4	A/04.6	Проведение аналитического исследования с применением технологий больших данных в соответствии с требованиями заказчика	Выбор методов и инструментальных средств анализа больших данных для проведения аналитических работ	Планировать аналитические работы с использованием технологий больших данных Проводить сравнительный анализ методов и инструментальных средств анализа больших данных Проводить аналитические работы с использованием технологий больших данных, как индивидуально, так и, осуществляя руководство малыми аналитическими группами Программировать на языках высокого уровня, ориентированных на работу с большими данными: для статистической обработки данных и работы с графикой, для работы с разрозненными фрагментами данных в больших массивах, для работы с базами структурированных и неструктурированных данных Решать задачи классификации, кластеризации, регрессии, прогнозирования, снижения размерности и ранжирования данных Решать проблемы переобучения и недообучения алгоритма	Содержание и последовательность выполнения этапов аналитического проекта Основы управления аналитическими работами Основы управления малыми аналитическими группами Возможности имеющейся у исполнителя методологической и технологической инфраструктуры анализа больших данных Предметная область анализа Теория принятия решений Математическое моделирование Теоретические и прикладные основы анализа больших данных Технологии анализа данных: статистический анализ, семантический анализ, анализ изображений, машинное обучение, методы сравнения средних, частотный анализ, анализ соответствий, кластерный анализ, дискриминантный анализ, факторный анализ, деревья классификации, многомерное шкалирование, моделирование структурными уравнениями, методы анализа выживаемости, временные ряды, планирование экспериментов, карты контроля качества Нейронные сети: полносвязные, сверточные и рекуррентные нейронные сети, методы обучения нейронных сетей, нейросетевые методы понижения размерности Статистические модели Статистический анализ: метод многовариантного тестирования, корреляционный анализ, регрессионный анализ Статистические методы: параметрические, непараметрические, управляемые, неуправляемые, полууправляемые, кластеризация Семантический анализ: обработка естественного языка, сентиментный анализ, анализ текста Алгоритмы машинного обучения: обучение с учителем, обучение без учителя, полууправляемое обучение, обучение с подкреплением Машинное обучение: классификация, кластеризация, обнаружение выбросов, фильтрация Методы и модели классификации: логистическая регрессия, деревья решений, предредукция, постредукция, модели, основанные на правилах, вероятностные классификаторы, усиление энтропии информации Фильтрация шумовых выбросов, виды шумовых выбросов: глобальный, контекстуальный, коллективный Анализ изображений, анализ сетей, анализ пространственных данных, анализ временных рядов Методы идентификации шаблонов Методы оценки моделей: оценка качества построенной модели по тестовой выборке и анализ обобщающих способностей алгоритма Распределенный анализ данных Анализ данных в реальном времени
			Разработка, поверка, оценка используемых моделей больших данных	Разрабатывать и оценивать модели больших данных Адаптировать и развертывать модели в предметной среде	Содержание и последовательность выполнения этапов аналитического проекта Предметная область анализа Теоретические и прикладные основы анализа больших данных Современный опыт использования анализа больших данных Методы оценки моделей: оценка качества построенной модели по тестовой выборке и анализ обобщающих способностей алгоритма
			Адаптация и развертывание моделей больших данных в предметной среде	Адаптировать и развертывать модели в предметной среде Использовать имеющуюся у исполнителя методологическую и технологическую инфраструктуру анализа больших данных для выполнения аналитических работ	Содержание и последовательность выполнения этапов аналитического проекта Возможности имеющейся у исполнителя методологической и технологической инфраструктуры анализа больших данных Предметная область анализа Теоретические и прикладные основы анализа больших данных Современный опыт использования анализа больших данных Методы оценки моделей: оценка качества построенной модели по тестовой выборке и анализ обобщающих способностей алгоритма
			Выбор средств представления результатов аналитики больших данных	Проводить сравнительный анализ методов и инструментальных средств анализа больших данных	Возможности имеющейся у исполнителя методологической и технологической инфраструктуры анализа больших данных Содержание и последовательность выполнения этапов аналитического проекта Предметная область анализа Теоретические и прикладные основы анализа больших данных Современный опыт использования анализа больших данных Распределенный анализ данных Анализ данных в реальном времени
			Подготовка отчета по результатам аналитических работ с использованием технологий больших данных	Оформлять результаты аналитического исследования для представления заказчику	Предметная область анализа Содержание и последовательность выполнения этапов аналитического проекта Основы управления аналитическими работами Основы управления малыми аналитическими группами Возможности имеющейся у исполнителя методологической и технологической инфраструктуры анализа больших данных Предметная область анализа Теоретические и прикладные основы анализа больших данных Современный опыт использования анализа больших данных Правила деловой переписки Методы разработки отчетной аналитической документации
			Консультирование заказчика по результатам аналитических работ с применением технологий больших данных	Разъяснять заказчику результаты аналитической работы	Возможности имеющейся у исполнителя методологической и технологической инфраструктуры анализа больших данных Предметная область анализа Теоретические и прикладные основы анализа больших данных Современный опыт использования анализа больших данных Технологии анализа данных: статистический анализ, семантический анализ, анализ изображений, машинное обучение, методы сравнения средних, частотный анализ, анализ соответствий, кластерный анализ, дискриминантный анализ, факторный анализ, деревья классификации, многомерное шкалирование, моделирование структурными уравнениями, методы анализа выживаемости, временные ряды, планирование экспериментов, карты контроля качества Нейронные сети: полносвязные, сверточные и рекуррентные нейронные сети, методы обучения нейронных сетей, нейросетевые методы понижения размерности Статистические модели Статистический анализ: метод многовариантного тестирования, корреляционный анализ, регрессионный анализ Статистические методы: параметрические, непараметрические, управляемые, неуправляемые, полууправляемые, кластеризация Семантический анализ: обработка естественного языка, сентиментный анализ, анализ текста Алгоритмы машинного обучения: обучение с учителем, обучение без учителя, полууправляемое обучение, обучение с подкреплением Машинное обучение: классификация, кластеризация, обнаружение выбросов, фильтрация Методы и модели классификации: логистическая регрессия, деревья решений, предредукция, постредукция, модели, основанные на правилах, вероятностные классификаторы, усиление энтропии информации Фильтрация шумовых выбросов, виды шумовых выбросов: глобальный, контекстуальный, коллективный Анализ изображений, анализ сетей, анализ пространственных данных, анализ временных рядов Методы оценки моделей: оценка качества построенной модели по тестовой выборке и анализ обобщающих способностей алгоритма Распределенный анализ данных Анализ данных в реальном времени Правила деловой переписки
			Мониторинг эффективности работы аналитики больших данных	Проводить сравнительный анализ методов и инструментальных средств анализа больших данных Осуществлять поиск информации о новых и перспективных методах анализа больших данных, выполнять сравнительный анализ методов	Основы управления аналитическими работами Возможности имеющейся у исполнителя методологической и технологической инфраструктуры анализа больших данных Предметная область анализа Теоретические и прикладные основы анализа больших данных Современный опыт использования анализа больших данных Методы оценки моделей: оценка качества построенной модели по тестовой выборке и анализ обобщающих способностей алгоритма Правила деловой переписки Методы разработки отчетной аналитической документации
			Формирование предложений по использованию результатов анализа больших данных: рассылка, создание приложений, оптимизация процессов	Формировать предложения по использованию результатов анализа	Возможности имеющейся у исполнителя методологической и технологической инфраструктуры анализа больших данных Предметная область анализа Теоретические и прикладные основы анализа больших данных Современный опыт использования анализа больших данных Правила деловой переписки
			Формирование предложений по развитию существующей методологической и технологической инфраструктуры анализа больших данных на основе выполненных работ	Осуществлять поиск информации о новых и перспективных методах анализа больших данных, выполнять сравнительный анализ методов	Возможности имеющейся у исполнителя методологической и технологической инфраструктуры анализа больших данных Предметная область анализа Теоретические и прикладные основы анализа больших данных Современный опыт использования анализа больших данных Правила деловой переписки

10. Возможные наименования должностей, профессий и иные дополнительные характеристики:

Связанные с квалификацией наименования должностей, профессий, специальностей, групп, видов деятельности, компетенций и прочее	Документ, цифровой ресурс	Код по документу (ресурсу)	Полное наименование и реквизиты документа (адрес ресурса)
Аналитик	ОКЗ	2511	Системные аналитики
Исследователь данных	ОКВЭД	62.01	Разработка компьютерного программного обеспечения
		62.09	Деятельность, связанная с использованием вычислительной техники и информационных технологий, прочая
Руководитель отдела по информационным технологиям		62.02	Деятельность консультативная и работы в области компьютерных технологий
		63.11	Деятельность по обработке данных, предоставление услуг по размещению информации и связанная с этим деятельность
	ОКПДТР	24026	Математик
	ЕТКС, ЕКС	-	Аналитик
	ОКСО, ОКСВНК	1.01.03.02	Прикладная математика и информатика
		1.02.03.01	Математика и компьютерные науки
		1.02.03.02	Фундаментальная информатика и информационные технологии
		2.09.03.01	Информатика и вычислительная техника
		2.09.03.02	Информационные системы и технологии
		2.09.03.03	Прикладная информатика
		5.38.03.05	Бизнес-информатика
	Государственный информационный ресурс "Справочник профессий"	-	-
	Иное (указать)	-	-

11. Основные пути получения квалификации:

Формальное образование и обучение (тип образовательной программы, при необходимости - направление подготовки/специальность/профессия, срок обучения и особые требования, возможные варианты): Высшее образование - бакалавриат.

Опыт практической работы (стаж работы и особые требования (при необходимости), возможные варианты): Не менее одного года в области анализа данных, бизнес-анализа.

Неформальное образование и самообразование (возможные варианты): -

12. Особые условия допуска к работе: -

13. Наличие специального права в соответствии с федеральными законами и иными нормативными правовыми актами Российской Федерации, необходимого для выполнения работы (при наличии): -

14. Перечень документов, необходимых для прохождения профессионального экзамена по квалификации:

1) 1. Документ, подтверждающий наличие высшего образования по укрупненным группам специальностей и направлений подготовки: 01.00.00, 02.00.00, 09.00.00, или по направлению подготовки высшего образования 38.03.05.

2. Документ, подтверждающий наличие опыта практической в области анализа данных, бизнес-анализа, системного анализа не менее одного года.

или:

2) 1. Справка по образцу, самостоятельно устанавливаемому образовательной организацией, об обучении студентов, завершающих освоение соответствующих модулей или разделов образовательных программ бакалавриата, магистратуры или специалитета по укрупненным группам специальностей и направлений подготовки высшего образования: 01.00.00, 02.00.00, 09.00.00, или образовательной программы бакалавриата по направлению подготовки высшего образования 38.03.05.

2. Справка по образцу, самостоятельно устанавливаемому образовательной организацией, о практической подготовке студентов в области анализа данных, бизнес-анализа, системного анализа не менее одного года.

или:

3) 1. Справка по образцу, самостоятельно устанавливаемому образовательной организацией, об обучении студентов, завершающих освоение соответствующих модулей или разделов образовательных программ бакалавриата, магистратуры или специалитета по укрупненным группам специальностей и направлений подготовки высшего образования: 01.00.00, 02.00.00, 09.00.00, или образовательной программы бакалавриата по направлению подготовки высшего образования 38.03.05.

2. Документ, подтверждающий наличие опыта практической работы в области анализа данных, бизнес-анализа, системного анализа не менее одного года.

или:

4) 1. Документ, подтверждающий наличие высшего образования (непрофильного).

2. Документ, подтверждающий наличие дополнительного профессионального образования по программам повышения квалификации в области методов и инструментальных средств анализа больших данных.

3. Документ, подтверждающий наличие опыта практической работы в области анализа данных, бизнес-анализа, системного анализа не менее одного года.

15. Срок действия свидетельства: 3 года

Приложение. Наименования квалификаций и требования к квалификациям, на соответствие которым проводится независимая оценка квалификации, представленные Советом по профессиональным квалификациям в области информационных технологий Наименование квалификации: Инженер больших данных (7-й уровень квалификации)