Data Analyst, или аналитик данных, использует различные технологии для сбора, обработки, анализа и визуализации данных. Вот список основных технологий и инструментов, характерных для стека Data Analyst:

Языки программирования и сценариев:

• SQL: Для запросов и анализа данных в реляционных базах данных.
• Python: Благодаря библиотекам с открытым исходным кодом для анализа данных, как pandas и NumPy, а также инструментам для визуализации, таким как matplotlib и seaborn.
• R: Специализированный язык программирования для статистического анализа и визуализации данных.

Программное обеспечение и инструменты для анализа данных:

• Microsoft Excel: Распространенный инструмент для таблиц, анализа данных и выполнения базовых статистических функций.
• Google Sheets: Подобно Excel, обеспечивает возможности совместной работы над таблицами и обработки данных в облаке.

Базы данных:

• PostgreSQL, MySQL, SQLite: Популярные системы управления реляционными базами данных.
• MongoDB, Cassandra: Для работы с NoSQL базами данных.

Специализированные инструменты BI (Business Intelligence):

• Tableau: Для визуализации данных и создания интерактивных дашбордов.
• Power BI от Microsoft: Инструмент для анализа данных и визуального бизнес-анализа.
• QlikView/Qlik Sense: Для визуализации и отчетности данных.

Библиотеки для анализа данных и обработки Python:

• Pandas: Манипулирование данными и анализ.
• NumPy: Многомерные массивы и математические операции.
• SciPy: Дополнительные инструменты для научных и технических вычислений.

Визуализация данных:

• Matplotlib: Основная библиотека для визуализации в Python.
• Seaborn: Визуализация статистических данных на основе matplotlib.
• Ggplot2: Популярный пакет для визуализации в R.

Библиотеки для статистического анализа:

• Statsmodels: Для моделей и тестов в Python.
• R packages: Большое количество пакетов для различных статистических тестов и моделей.

Платформы облачных вычислений:

• AWS: Сервисы Amazon для работы с данными, включая Amazon S3 для хранения и Amazon Redshift для анализа данных.
• Google Cloud Platform: Аналогичный набор услуг от Google, с инструментами как BigQuery.
• Microsoft Azure: Облачные сервисы для хранения, обработки и анализа данных.

Инструменты версионирования и совместной работы:

• Git: Система контроля версий для отслеживания изменений в исходном коде при разработке программного обеспечения.
• GitHub, GitLab, Bitbucket: Веб-сервисы для хостинга репозиториев и совместной работы.

Инструменты автоматизации и оркестровки:

• Apache Airflow: Инструмент для автоматизации рабочих процессов и ETL-процессов.

Интеграция и ETL (Extract, Transform, Load):

• Talend, Informatica, Alteryx: Инструменты для интеграции данных и их преобразования.

Это далеко не полный список, так как конкретные инструменты и технологии могут варьироваться в зависимости от отрасли, специфики проекта и предпочтений компании. Однако вышеперечисленное является основой, на которой зачастую строится работа аналитика данных.