Запитайте десять сеньйор-інженерів, яку технологію з початку своєї кар’єри вони досі використовують щотижня в незмінному вигляді. Ви не почуєте жодного JavaScript-фреймворка. Ви почуєте SQL — мову, яку оголошують «ось-ось замінять» приблизно кожні п’ять років починаючи з 1986-го, востаннє — з приходом AI. І ось підсумок: AI-системи, які нібито її замінюють, дивовижною мірою виявилися машинами з генерації SQL, який людині все одно доводиться перевіряти.
Якщо ви стоїте біля входу в IT і розмірковуєте, що вчити першим — або ви вже в професії і хочете одну навичку, яка підвищує вашу цінність у будь-якому треку, — ось чесні аргументи на користь SQL.
Чому SQL досі варто вчити першим?
Тому що це рідкісна навичка, яка одночасно дружня до новачків, затребувана всюди і постійна. Синтаксис, який ви вивчите в перший тиждень — SELECT, JOIN, WHERE, GROUP BY, — це той самий синтаксис, що працює в продакшн-системах, написаних до вашого народження, і в системах, випущених минулого тижня. Майже за кожним застосунком, яким ви коли-небудь користувалися, стоїть реляційна база даних, і кожен трек на мапі IT-кар’єр — backend, frontend, data, DevOps — так чи інакше її торкається.
Навичка фреймворка знецінюється, як автомобіль. Навичка SQL накопичує відсотки, як індексний фонд. Двадцять годин, вкладених зараз, приносять дивіденди до кінця кар’єри — такого я не сказав би про жоден фреймворк, який викладав.
А «кожен трек її торкається» легко сказати — ось що конкретно це дає в кожному з них:
| Ваш трек | Що відкриває SQL саме там | Реальна задача, яку ви зможете взяти після одного курсу |
|---|---|---|
| Backend | Проєктування schema, продуктивність запитів і поведінка ORM, яку ви реально зможете відлагоджувати | Додати endpoint для звітності, який не відвалюється по таймауту на реальних даних |
| Data і аналітика | Агрегації, join’и між джерелами — щоденна реальність роботи | Перезібрати цифру в дашборді, яка виглядала неправильно, — і довести, яка з них була правильною |
| Frontend | Читання форми даних API і розуміння того, що дорого запитувати | Пояснити, чому списковому endpoint потрібна pagination замість того, щоб повертати все |
| DevOps | Міграції, бекапи, відновлення і розбір повільних запитів | Розібратися з алертом бази даних о 3 годині ночі замість того, щоб ескалювати його |
Хіба AI тепер не пише SQL сам?
Пише — і саме це підвищує цінність розуміння SQL, а не знижує її. Модель охоче згенерує запит, який запускається, повертає рядки — і при цьому неправильний: JOIN, що непомітно дублює цифри виручки, фільтр, застосований після агрегації замість до неї. В обох випадках запит виглядає авторитетно. Людина, яка вміє читати запит, ловить помилку за секунди; людина, яка не вміє, відправляє своєму CEO неправильний дашборд.
Це той самий патерн, який я описував у статті коли НЕ варто використовувати AI-інструменти: AI прибирає набір тексту, а не розуміння. В епоху AI грамотність у SQL тихо перетворюється з «навички бекендера» на «навичку читання для будь-кого, чиї рішення торкаються даних» — а це більшість робіт, які взагалі варто мати.
Що ви реально зможете робити після навчання?
Після серйозного першого курсу — приблизно чотири тижні вечірніх занять — ви зможете читати і писати запити до кількох таблиць, спроєктувати розумну схему для невеликого застосунку, розуміти, чому індекс робить один запит миттєвим, а інший повільним, і впевнено триматися в частині про бази даних на джуніор-співбесіді в будь-якому треку. Саме цей обсяг курс із SQL покриває — свідомо і саме в такому порядку.
Не менш важливо, що він відкриває далі. Backend-робота будується прямо на ньому — природні наступні кроки: зрозуміти, як сервіси та бази даних стикуються між собою, а пізніше — світ документних баз даних MongoDB, який стає значно зрозумілішим, коли ви знаєте, що дають таблиці і від чого ви відмовляєтесь. Аналіз даних, DevOps, навіть frontend-робота з API — усе це стає простішим, коли під ногами реляційний фундамент.
Як новачку вчити його правильно?
Вчіть на реалістичних даних, а не на іграшкових таблицях із п’яти рядків. Концепції, які важливі на співбесідах і в роботі — JOIN по кількох таблицях, агрегація з GROUP BY, підзапити, індекси, — клацають лише тоді, коли датасет достатньо великий, щоб поганий запит відчувався повільним, а неправильний JOIN видавав помітно абсурдні цифри. Класичні помилки треба зробити в класі, де вони смішні, а не в продакшні, де вони дорогі.
І вчіть наживо, з людиною, яка перевіряє ваші запити. У SQL є підступна властивість: усе, що ви напишете, запускається. Немає помилок компілятора, які б вас навчали; неправильність видно лише в результатах, а новачок її ще не розрізняє. Зворотний зв’язок від того, хто розрізняє, — це різниця між чотирма тижнями і роком самонавчання. З тієї ж причини дорожня карта вибудовує навички з контрольними точками, а не залишає вас гадати.
Чесна презентація в один абзац
SQL не зробить вас модним на конференціях. Натомість він робить ось що: відкриває джуніорські двері в кожному треку, переживає кожен цикл фреймворків, який випаде на вашу кар’єру, робить вас тією людиною, яка ловить неправильний AI-запит на рев’ю, і вчиться до реально корисного рівня приблизно за місяць. Серед перших інвестицій у кар’єру в IT я не знаю нічого з таким співвідношенням ризику і дохідності.
