Спросите десять сеньор-инженеров, какую технологию из начала своей карьеры они до сих пор используют каждую неделю в неизменном виде. Вы не услышите ни одного JavaScript-фреймворка. Вы услышите SQL — язык, который объявляют «вот-вот заменят» примерно каждые пять лет начиная с 1986 года, в последний раз — с приходом AI. И вот итог: AI-системы, которые якобы его заменяют, в удивительной степени оказались машинами по генерации SQL, который человеку всё равно приходится проверять.
Если вы стоите у входа в IT и раздумываете, что учить первым — или вы уже в профессии и хотите один навык, который повышает вашу ценность в любом треке, — вот честные аргументы в пользу SQL.
Почему SQL до сих пор стоит учить первым?
Потому что это редкий навык, который одновременно дружелюбен к новичкам, востребован везде и постоянен. Синтаксис, который вы выучите в первую неделю — SELECT, JOIN, WHERE, GROUP BY, — это тот же синтаксис, что работает в продакшн-системах, написанных до вашего рождения, и в системах, выпущенных на прошлой неделе. Почти за каждым приложением, которым вы когда-либо пользовались, стоит реляционная база данных, и каждый трек на карте IT-карьер — backend, frontend, data, DevOps — так или иначе её касается.
Навык фреймворка обесценивается, как автомобиль. Навык SQL накапливает проценты, как индексный фонд. Двадцать часов, вложенных сейчас, приносят дивиденды до конца карьеры — такого я не сказал бы ни об одном фреймворке, который преподавал.
А «каждый трек её касается» легко сказать — вот что конкретно это даёт в каждом из них:
| Ваш трек | Что открывает SQL именно там | Реальная задача, которую вы сможете взять после одного курса |
|---|---|---|
| Backend | Проектирование schema, производительность запросов и поведение ORM, которое вы реально сможете отлаживать | Добавить endpoint для отчётности, который не отваливается по таймауту на реальных данных |
| Data и аналитика | Агрегации, join’ы между источниками — ежедневная реальность работы | Пересобрать цифру в дашборде, которая выглядела неверно, — и доказать, какая из них была правильной |
| Frontend | Чтение формы данных API и понимание того, что дорого запрашивать | Объяснить, почему списочному endpoint нужна pagination вместо того, чтобы возвращать всё |
| DevOps | Миграции, бэкапы, восстановления и разбор медленных запросов | Разобраться с алертом базы данных в 3 часа ночи вместо того, чтобы эскалировать его |
Разве AI теперь не пишет SQL сам?
Пишет — и именно это повышает ценность понимания SQL, а не снижает её. Модель с готовностью сгенерирует запрос, который запускается, возвращает строки — и при этом неверен: JOIN, который незаметно дублирует цифры выручки, фильтр, применённый после агрегации вместо до неё. В обоих случаях запрос выглядит авторитетно. Человек, умеющий читать запрос, ловит ошибку за секунды; человек, который не умеет, отправляет своему CEO неверный дашборд.
Это тот же паттерн, который я описывал в статье когда НЕ стоит использовать AI-инструменты: AI убирает набор текста, а не понимание. В эпоху AI грамотность в SQL тихо превращается из «навыка бэкендера» в «навык чтения для любого, чьи решения касаются данных» — а это большинство работ, которые вообще стоит иметь.
Что вы реально сможете делать после обучения?
После серьёзного первого курса — примерно четыре недели вечерних занятий — вы сможете читать и писать запросы к нескольким таблицам, спроектировать разумную схему для небольшого приложения, понимать, почему индекс делает один запрос мгновенным, а другой медленным, и уверенно держаться в части про базы данных на джуниор-собеседовании в любом треке. Именно этот объём курс по SQL покрывает — сознательно и именно в таком порядке.
Не менее важно, что он открывает дальше. Backend-работа строится прямо на нём — естественные следующие шаги: понять, как сервисы и базы данных стыкуются друг с другом, а позже — мир документных баз данных MongoDB, который становится куда понятнее, когда вы знаете, что дают таблицы и от чего вы отказываетесь. Анализ данных, DevOps, даже frontend-работа с API — всё это становится проще, когда под ногами реляционный фундамент.
Как новичку учить его правильно?
Учите на реалистичных данных, а не на игрушечных таблицах из пяти строк. Концепции, которые важны на собеседованиях и в работе — JOIN по нескольким таблицам, агрегация с GROUP BY, подзапросы, индексы, — щёлкают только тогда, когда датасет достаточно велик, чтобы плохой запрос ощущался медленным, а неверный JOIN выдавал заметно абсурдные цифры. Классические ошибки нужно совершить в классе, где они смешные, а не в продакшне, где они дорогие.
И учите вживую, с человеком, который проверяет ваши запросы. У SQL есть коварное свойство: всё, что вы напишете, запускается. Нет ошибок компилятора, которые бы вас учили; неправильность видна только в результатах, а новичок её ещё не различает. Обратная связь от того, кто различает, — это разница между четырьмя неделями и годом самообучения. По той же причине дорожная карта выстраивает навыки с контрольными точками, а не оставляет вас гадать.
Честная презентация в один абзац
SQL не сделает вас модным на конференциях. Зато он делает вот что: открывает джуниорские двери в каждом треке, переживает каждый цикл фреймворков, который выпадет на вашу карьеру, делает вас тем человеком, который ловит неверный AI-запрос на ревью, и учится до реально полезного уровня примерно за месяц. Среди первых инвестиций в карьеру в IT я не знаю ничего с таким соотношением риска и доходности.
