spinhireУ казино кожне обертання слота, кожен депозит і кожна відмова від бонуса — це рядок у базі даних. Хтось має перетворити мільйони цих рядків на зрозумілі цифри: скільки платформа реально заробила, кого утримувати бонусом, а кому час показати ліміти на депозит. Це робота аналітика даних — однієї з найзатребуваніших і водночас найменш «гемблінгових» на вигляд професій в iGaming: зовні це звичайний SQL і дашборди, але всередині — метрики, яких немає в підручниках із продуктової аналітики. Розбираємо, чим займається аналітик даних у казино, які цифри він тримає в голові щодня, який стек потрібен, чим ця роль відрізняється від класичної продуктової аналітики і скільки за це платять у 2026 році.
Попит на роль зростає швидше, ніж на більшість інших професій в індустрії: оператори одночасно масштабують кількість ринків, додають нові провайдери ігор і посилюють вимоги регуляторів до прозорості звітності — а без людини, яка вміє витягти з цього потоку акуратну і захисну перед аудитором цифру, жоден з цих процесів не працює.
Чим займається аналітик даних у казино
Формально роль називається Data Analyst чи BI Analyst, але по факту це сполучна ланка між продуктом, маркетингом, CRM, комплаєнсом і фінансовим директором — усі вони регулярно приходять із запитанням «а що там з цифрами». Основні зони відповідальності:
- Регулярна звітність. GGR і NGR у розрізі продукту (слоти, live-казино, беттинг), гео, VIP-сегмента і партнера-постачальника ігор — зазвичай на щотижневій і щомісячній основі для керівництва.
- Self-serve дашборди. Tableau, Power BI чи Looker для команд CRM, маркетингу і продукту, щоб менеджери самі дивилися цифри, а не писали аналітику в особисті повідомлення щодня.
- A/B-тести. Перевірка гіпотез щодо бонусних механік, реєстраційної вирви, лендингів і email/push-кампаній — з урахуванням того, що виграші гравців сильно спотворюють вибірку.
- Моделі LTV і відтоку. Прогноз, скільки NGR принесе гравець за весь термін життя на платформі, і хто з активних зараз піде найближчого місяця.
- Сегментація гравців. RFM-аналіз, кластеризація за поведінкою — основа для CRM-кампаній і визначення VIP-порогів.
- Ad hoc-розслідування. «Чому просів NGR у Німеччині минулого тижня» — і ось уже аналітик звіряє курс валют, маркетинговий бюджет, технічний даунтайм і новий закон про ліміти.
Окрема і дедалі важливіша частина роботи — спільні розслідування з антифрод- і комплаєнс-командами: аномальні патерни ставок, ознаки мультиакаунтингу чи бонус-абʼюзу спочатку видно саме в даних, і фрод-аналітик без вивантажень дата-аналітика працює майже наосліп.
Метрики, без яких не можна: GGR, NGR, RTP, LTV, retention
Перше, що засвоює аналітик, який прийшов в iGaming з e-commerce чи SaaS: тут рахують не MRR і не DAU, а GGR і NGR, і плутати їх — це як переплутати виручку з прибутком.
| Метрика | Що означає | Хто на неї дивиться |
|---|---|---|
| GGR | Ставки мінус виграші гравців, до вирахування бонусів, податків і комісій платіжок | Продукт, інвестори |
| NGR | GGR мінус бонуси, відрахування в джекпот-пули, ліцензійні збори і податок на гральний бізнес | Фінанси, C-level |
| RTP | Теоретичний відсоток повернення гравцю, закладений у математику гри провайдером | Комплаєнс, продукт |
| Hold | Фактична маржа столу чи ліміту ставок — зворотний бік RTP, важлива в live і беттингу | Трейдинг, продукт |
| LTV | Прогнозний NGR від гравця за весь термін його життя на платформі | CRM, маркетинг |
| Retention / Churn | Частка гравців, що повернулися чи пішли, за період — зазвичай дивляться D1/D7/D30 | CRM, продукт |
| ARPU / ARPPU | Середня виручка на гравця і окремо на платного гравця | Маркетинг, CRM |
Особливість саме казино в тому, що GGR і NGR — вкрай «шумні» метрики: один великий джекпот-виграш здатен обвалити денний GGR цілого продукту, і перше завдання аналітика — навчити керівництво не панікувати через одноденні провали, а дивитися на ковзне середнє.
Інвесторів і раду директорів, як правило, більше цікавить саме динаміка NGR, а не GGR: зростання GGR за випереджального зростання бонусних витрат може означати, що оператор просто купує дохід агресивними промо, а не вирощує здорову базу гравців. Розділити ці два сценарії — типове завдання аналітика під час підготовки квартального звіту, і без когортного погляду (скільки NGR приносять гравці, залучені в січні, через три та шість місяців) зробити це чесно не вийде.
Робочий цикл: від дашборду до експерименту
Єдиного «типового дня» в аналітика в казино майже немає — склад завдань сильно залежить від того, чи працює він самотужки на невеликого оператора, чи в команді з десятка аналітиків усередині великого холдингу. Але тижневий ритм у більшості компаній впізнаваний:
Стек: SQL, Python і BI-шар
Технологічний стек не екзотичний — складність не в інструментах, а в обсязі та специфіці даних: кожен спін на слоті, кожна ставка в live-казино і кожна подія в беттингу генерують рядок, і таблиці легко розростаються до мільярдів записів.
- SQL — обов'язковий і використовується щодня. Складні джойни по таблицях транзакцій і раундів гри, віконні функції для когортного аналізу, оптимізація запитів на великих обсягах.
- Python (pandas, numpy, scikit-learn чи statsmodels). Моделі LTV і відтоку, автоматизація регулярних звітів, статистика для A/B-тестів.
- BI-інструменти. Tableau, Power BI чи Looker/Looker Studio — self-serve дашборди для CRM, маркетингу і VIP-команди.
- Сховище даних. Snowflake, BigQuery, ClickHouse чи Redshift — через обсяг подій (кожен спін, кожна ставка) вибір рушія сильно впливає на швидкість роботи аналітика.
- dbt і оркестрація (Airflow, Dagster). Не завжди обов'язкові для junior/middle, але трапляються дедалі частіше і відкривають шлях в analytics engineering.
- Статистика для експериментів. Розуміння, чому звичайний t-test ламається на даних з рідкісними великими виграшами, і як рахувати значущість у таких умовах.
- Excel/Google Sheets — нікуди не подівся. Швидку перевірку гіпотези чи разовий звіт для одного стейкхолдера часто швидше зібрати в таблиці, ніж розгортати під це окремий дашборд.
Специфіка гемблінгу додає свої нюанси поверх стандартного стека: події приходять не тільки з сайту і застосунку, а й напряму від провайдерів ігор і платіжних шлюзів, а отже аналітику доводиться звіряти кілька джерел істини і розбиратися, чому цифра у звіті провайдера розходиться з внутрішнім трекінгом.
Портфоліо з парою SQL/Python-кейсів і зрозумілим поясненням, як рахується NGR, зазвичай переважує диплом з data science — вимоги до стеку в реальних вакансіях сильно різняться від компанії до компанії.
Скільки платять за грейдами
| Рівень | Мальта/Кіпр net/міс | Європа (офіс) net/міс | Віддаленка net/міс |
|---|---|---|---|
| Junior (0–1 рік) | €1.8–2.5K | €1.4–2K | €1.2–1.8K |
| Middle (1–3 роки) | €2.8–3.8K | €2.2–3.2K | €2–2.9K |
| Senior / Python + моделі | €4–5.5K | €3.2–4.5K | €3–4.2K |
| Lead / Head of Analytics | €6–9K | €5–7.5K | €4.5–7K |
Володіння Python і досвід побудови предиктивних моделей (LTV, відтік) зазвичай додають 15–25% до вилки відносно чистого SQL/BI-профілю того самого грейда. Повну картотеку за 20+ ролями індустрії дивіться в картотеці професій.
Чим це відрізняється від продуктової аналітики
Аналітик, який переходить в iGaming з класичного продукту чи SaaS, зазвичай проходить через три моменти переучування:
- Інший набір ключових метрик. Замість MRR, ARR і churn rate по підписках — GGR, NGR, hold і RTP, які рахуються за зовсім іншими формулами і сильно залежать від бонусної механіки і ліцензійних відрахувань.
- Регуляторний контур навколо даних. Відповідальна гра (Responsible Gambling) і вимоги ліцензіата означають, що частина моделей — це не зростання виручки, а обов'язкові метрики ризику: ознаки проблемної поведінки, ліміти, self-exclusion.
- Екстремальна волатильність виручки. Один джекпот на кілька сотень тисяч євро може «зламати» денний звіт по GGR так, як жодна метрика у звичайному e-commerce себе не поводить — потрібні стійкі до викидів методи і ковзні середні.
- Мультиюрисдикційність. Один і той самий продукт живе під різними ліцензіями (MGA, UKGC, Кюрасао) у різних країнах — сегментація за гео обов'язкова майже в кожному звіті, а не опціональна.
- Інше коло стейкхолдерів. Замість звичних продукту і маркетингу з'являються комплаєнс, антифрод, а в компаніях зі ставками на спорт — ще й трейдинг-команда, яка живе метриками маржі і руху лінії, а не тільки retention.
Натомість переноситься рівно те саме: SQL, Python, статистика A/B-тестів і вміння пояснити нетехнічному менеджеру, що означає цифра на дашборді. Домен — RTP, вейджер, GGR/NGR — довчається за пару місяців на місці. Окремо стоїть беттинг і кіберспорт-беттинг: там до переліченого додається робота з лініями та коефіцієнтами, і частина аналітиків із часом зміщується ближче до трейдингу, де рішення ухвалюють у реальному часі, а не за підсумками тижневого звіту.
Як увійти в професію
- Портфоліо важливіше за диплом. Пара кейсів на публічних даних (наприклад, розрахунок retention чи LTV на open-source датасеті) із зрозумілим SQL і Python закривають питання формальної освіти.
- Тестове завдання майже завжди є. Типовий формат — написати запит, який рахує NGR по днях і сегментах, або проінтерпретувати штучно просілий графік retention.
- Домен доучується на місці. Терміни GGR, NGR, RTP, вейджер і hold пояснюють на онбордингу за 2–4 тижні — специфіку знати заздалегідь не обов'язково, а от SQL і статистику краще підтягнути до співбесіди.
- Суміжні професії — швидкий вхід. Досвід у BI-аналітиці чи продуктовій аналітиці e-commerce/fintech переноситься майже без втрат.
Куди рости
Дата-аналітик у казино — не тупикова позиція, а хаб, з якого розходяться одразу кілька треків:
- BI / Analytics Engineer. Якщо ближче не розробка моделей, а архітектура вітрин даних і self-serve дашбордів — логічний крок у бік BI-аналітики.
- Game-математика. Глибоке розуміння RTP і волатильності ігор приводить частину аналітиків у математики ігор, які проєктують механіку слотів.
- CRM / Retention Lead. Моделі відтоку і сегментація — прямий шлях в управління утриманням, детальніше в профілі CRM-менеджера.
- Продуктова аналітика / Product Manager. Розуміння вирви і LTV відкриває перехід у продуктовий менеджмент всередині оператора.
- VIP-аналітика. Сегментація великих гравців за LTV тісно пов'язана з роботою VIP-менеджера — саме на даних аналітика будується рішення, кого перевести в персональний VIP-портфель.
Відкриті вакансії із зазначеними вилками і стеком — в розділі живих вакансій для дата-аналітиків. Загальний огляд зарплат по індустрії на 2026 рік — у статті «Зарплати в iGaming 2026».
Часті запитання
Чи потрібен диплом з data science? Ні. Роботодавці дивляться на SQL, Python і портфоліо з реальними кейсами набагато уважніше, ніж на формальну освіту.
Чи можна перейти з продуктової аналітики e-commerce чи SaaS? Так, це один із найчастіших шляхів входу — техніка переноситься повністю, а специфіку GGR/NGR/RTP і регуляторику доучують за перші місяці. Про інші способи увійти в індустрію без досвіду — у статті «Як потрапити в iGaming без досвіду».
Чи сильно Python піднімає вилку порівняно з чистим SQL? Зазвичай на 15–25% на тому самому грейді — особливо якщо є досвід побудови моделей LTV чи прогнозу відтоку, а не тільки описова аналітика.
Чим аналітик у казино відрізняється від аналітика в беттингу? Основа — SQL, Python, метрики GGR/NGR — та сама. У беттингу і кіберспорт-беттингу додається робота з коефіцієнтами, маржею букмекера і швидкістю даних у реальному часі, що зближує роль з трейдингом сильніше, ніж у класичному казино.