Data Warehouse : marché

Offre

une offre ouverte ayant passé le contrôle qualité et citant au moins deux technologies

Candidat observé

un candidat dont la stack contient cette technologie ; un agrégat — aucune fiche individuelle ne sort du périmètre

Candidat correspondant

pas encore compté

Fenêtre

offres ouvertes au moment de la création de l'instantané

Les offres DWH Junior sont rares — le marché attend un SQL avancé + une pratique d'un DWH (souvent après un poste d'analyste Senior maîtrisant SQL ou de Data Engineer Middle). Le saut Junior → Middle — maîtrise approfondie d'un DWH + dbt + pipelines d'ingestion. Le Senior est responsable de l'architecture de modélisation du DWH (étoile/flocon/Data Vault). Le Lead — gestion de l'équipe de modélisation + conception de l'architecture de données d'entreprise. Parcours de carrière : analyste Senior / Data Engineer Middle → DWH Middle → Senior → soit Architecte Data Warehouse, soit Head of Data.

Top 5 : snowflake, cloud, sql, python, dbt. SQL au niveau maîtrise (fonctions de fenêtrage, CTE récursives, optimisation des requêtes, partition pruning). L'un des DWH cloud : Snowflake (cloud premium — Tasks/Streams/Time Travel/micro-partitions/Snowpipe), BigQuery (GCP — tarification par slots/BQML), ClickHouse (OLAP dominant dans la CEI — ReplicatedMergeTree/distribué/vues matérialisées), Redshift (AWS historique — distkey/sortkey). Greenplum dans les grandes entreprises de la CEI (Sber). dbt — indispensable (standard de la couche de transformation — modèles + tests + macros + packages). Apache Airflow pour l'ingestion. Apache Iceberg/Delta Lake — formats de tables lakehouse (en croissance). Apache Kafka + Debezium pour le CDC. BI : Looker/Mode/Metabase/Superset/Yandex DataLens. Connaissance de la modélisation Kimball (schémas en étoile/en flocon, dimensions à évolution lente) ou de Data Vault — indispensable pour un Senior.

Snowflake — le leader des DWH cloud dans les projets internationaux. Multi-cloud (AWS/Azure/GCP), séparation stockage/calcul, Time Travel, Snowpipe pour le streaming. Tarification premium, mais la meilleure expérience développeur. Snowflake Senior — une prime en télétravail international. BigQuery — natif Google Cloud. Tarification par slots (ou à la demande), BQML pour le machine learning dans la base. Leader dans les entreprises GCP. ClickHouse — le leader OLAP open source dans la CEI. L'OLAP le plus rapide sur stockage en colonnes. ClickHouse Senior — une nécessité du marché dans les entreprises produit de la CEI. Redshift — l'historique d'AWS, migrations vers Snowflake ou BigQuery. Moins de nouveaux projets. Stratégie : ClickHouse dans une équipe produit de la CEI, Snowflake pour le télétravail international, BigQuery dans une stack GCP, Redshift uniquement pour la maintenance de projets AWS historiques.

Pas des concurrents — des compléments. Airflow — orchestration (quand lancer quoi, dépendances entre tâches). dbt — couche de transformation (modèles SQL + tests + documentation + lignage). Pipeline classique de la modern data stack : Airflow déclenche l'ingestion (scripts Python/Spark) → dbt s'exécute dans Airflow en tant que BashOperator ou DbtRunOperator (via le provider astronomer-dbt) → dbt exécute les transformations SQL dans le DWH (Snowflake/BigQuery/ClickHouse) → la couche BI (Looker/Metabase) lit les modèles dbt finaux. Un Ingénieur DWH Senior maîtrise les deux. Airflow pour l'orchestration + l'ingestion, dbt pour les transformations + les tests. La connaissance des modules dbt (sources/models/tests/macros/snapshots/seeds) + des bonnes pratiques dbt — indispensable pour un Senior en 2026.

Oui, 43 % des offres DWH sont à distance ou hybrides. Le travail se fait entièrement dans le cloud (Snowflake/BigQuery/ClickHouse Cloud). Entreprises produit russes — hybride ou à distance après la période d'essai. Sber — plus souvent au bureau en raison de la localisation des données. SaaS DWH internationaux — tout à distance : Snowflake, BigQuery (Google), dbt Labs, Databricks. Pôles d'expatriation : Berlin, Amsterdam, Zurich (UE favorable à la data), Dubaï, Chypre, Lisbonne. L'anglais — indispensable pour le télétravail international, avec une prime de +25-40 %.

DWH Engineer (this page) — focus on cloud DWH (Snowflake/BigQuery/ClickHouse/Redshift) + modelling. SQL mastery + one DWH deeply. Data Engineer (general) — broader scope: pipelines + DWH + streaming + Spark. Analytics Engineer — focus on dbt + transform layer. Sits between Data Engineer and Data Analyst. SQL + dbt + one DWH (often Snowflake/BigQuery), but WITHOUT Spark and streaming. Career switch DWH Engineer → Analytics Engineer — 1-2 months (same stack, focus on dbt). DWH Engineer → Data Engineer (general) — 3-6 months (+ Spark + Airflow deeper).

Roadmap (SQL Middle or Data Analyst experience assumed): 1) Advanced SQL — window functions deeply, recursive CTE, query optimisation, EXPLAIN ANALYZE, indexes, partition pruning. PostgreSQL + one OLAP (ClickHouse recommended — most used in CIS). 2) One cloud DWH: ClickHouse (recommended for CIS career — open-source, free) OR Snowflake (for international remote — 30-day free trial) OR BigQuery (GCP free tier). Master engine-specific features (ClickHouse: ReplicatedMergeTree + distributed + materialised views; Snowflake: Tasks + Streams + Time Travel + micro-partitions). 3) dbt — official tutorial getdbt.com + Jaffle Shop pet project. Master models + tests + macros + sources + snapshots. 4) Kimball modeling — star schema, snowflake schema, slowly changing dimensions (SCD). Book "The Data Warehouse Toolkit" Kimball. 5) Airflow basics — ingestion orchestration. 6) Apache Iceberg or Delta Lake — lakehouse basics. 7) One BI tool — Metabase/Superset/Yandex DataLens (free) or Looker (premium). 8) End-to-end pet project: ingestion (Python script + Airflow) → DWH (ClickHouse or BigQuery) → dbt models → BI dashboard on Metabase. Courses: Karpov.Courses "Data Engineer" (includes DWH), OTUS "Data Engineer", Yandex.Practicum "Data Engineer", DataCamp "Data Engineer with dbt", Snowflake University (EN — free, best Snowflake resource), ClickHouse Academy (EN — free). Books: "The Data Warehouse Toolkit" Kimball (must-read), "Analytics Engineering with dbt" (modern data stack guide). Time to Junior DWH — 6-10 months (faster than general Data Engineer thanks to smaller scope).

350 active open Data Warehouse Engineer positions. Geography: Poland, the US, India. The real market is broader thanks to the huge international remote (Snowflake/dbt Labs/Databricks — all full-remote-friendly). Time to close a Senior DWH role — 4-6 weeks.

Un DWH Senior prend en charge le cycle complet du DWH cloud. Maîtrise de SQL : fonctions de fenêtrage en profondeur, CTE récursives, plans de requête (EXPLAIN ANALYZE), élagage des partitions, index, vues matérialisées, patterns d'optimisation des requêtes. Un DWH cloud en profondeur : Snowflake (Tasks/Streams/Time Travel/micro-partitions/Snowpipe/optimisation des coûts via le dimensionnement des warehouses) ou BigQuery (gestion des slots/BQML/tables partitionnées) ou ClickHouse (ReplicatedMergeTree/moteurs distribués/vues matérialisées/codecs/dictionnaires). Modélisation : maîtrise de Kimball (schéma en étoile/en flocon, dimensions conformes, SCD de types 1-6), bases de Data Vault, architecture lakehouse (évolution des partitions Iceberg/Delta, time-travel, évolution de schéma). dbt : maîtrise (models/sources/tests/macros/snapshots/seeds/exposures), bonnes pratiques (modèles incrémentaux, stratégies de matérialisation, spécificités des adaptateurs dbt-snowflake/dbt-bigquery). Performance : patterns d'optimisation des requêtes propres à chaque moteur DWH, gestion des coûts (consommation de crédits Snowflake / slots BigQuery / dimensionnement des clusters ClickHouse). Ingestion : Kafka + Debezium pour le CDC, Airflow pour l'ingestion par lots, Snowpipe / Snowflake Streams / vues matérialisées. Qualité des données : tests dbt + Great Expectations + Soda. Intégration BI : l'un de Looker/Mode/Metabase/Superset/Yandex DataLens au niveau de la conception de la couche sémantique. Soft skills : revue de code (SQL + dbt), mentorat des Middle, communication avec les équipes Analyst/Business. Anglais indispensable pour Senior+ — la documentation DWH est majoritairement en anglais.