Data Engineer (general): рынок
Data Engineer — инженерия данных: ETL/ELT-пайплайны, DWH-моделирование, потоковая обработка, оркестрация задач, data-lakes. Самый ёмкий сегмент Data-направления, на стыке backend-разработки и аналитики. Семейство ролей: Data Engineer (general — pipelines + DWH), ETL Developer (классический batch — Informatica/SSIS legacy + Airflow), Analytics Engineer (dbt + DWH, на стыке с Analyst), Pipeline Engineer (focus на оркестрацию — Airflow/Dagster/Prefect), Data Platform Engineer (infra для data-команд — Kubernetes + Spark cluster + Delta Lake/Iceberg). Стек: Python (must — pandas, PySpark, SDK для облаков), SQL (must, advanced — оконные функции, CTE, оптимизация), Airflow/Dagster/Prefect (оркестрация), Spark/Flink/Kafka Streams (big data + streaming), dbt (analytics engineering — transform layer), DWH: Snowflake/BigQuery/ClickHouse/Redshift/Greenplum, Kafka+Debezium (CDC), S3/HDFS/Delta Lake/Apache Iceberg, AWS/GCP/Azure data-стеки, Docker+Kubernetes. Топ-стек: python, cloud, sql, aws, azure. 28% — удалёнка. Data Engineer на 10-20% выше Backend Senior в Москве — premium за SQL + распределённые системы.
На рынке Data Engineer (general) сейчас 4 452 открытых вакансий, из них 4 233 со свежим наблюдением. Медианная зарплата $7 500/мес.
28% Data Engineer-вакансий — удалёнка или гибрид. Работа полностью cloud-based. Сбер — чаще офис из-за data residency / compliance.
⚠ зарплата известна у 364 из 4452 вакансий; доля удалёнки — от 3629 с указанным форматом; свежими наблюдениями считаются 4233; тренд и сложность найма не показываются
Динамика: вакансии и источники
Сколько вакансий Data Engineer (general) появлялось каждую неделю с 4 мая и из скольких источников они пришли. Вторая линия нужна, чтобы отличать рост рынка от роста нашего охвата: скачок вакансий в неделю, когда подключились новые источники, — это мы стали видеть больше, а не рынок вырос.
Новые вакансии и активные источники по неделям
Источников всего за период: 253
Подключение новых источников: 11 мая +10 · 18 мая +5 · 25 мая +5 · 1 июн. +11 · 8 июн. +2 · 15 июн. +4 · 22 июн. +19 · 29 июн. +46 · 6 июл. +26 · 13 июл. +20 · 20 июл. +19 · 27 июл. +7 · 3 авг. +10 · 10 авг. +5 · 17 авг. +3 · 24 авг. +2 · 31 авг. +8 · 7 сент. +3 · 14 сент. +4 · 21 сент. +7 · 28 сент. +6 · 5 окт. +4 · 12 окт. +6
Неделя — по дате появления вакансии, все статусы; отбор вакансий — то же правило, что у счётчика этой страницы. Источники — различные каналы сбора, их имена не публикуются.
Зарплаты во времени
Медиана зарплат в вакансиях Data Engineer (general) по неделям, в долларах США в месяц.
Медиана зарплаты, $ в месяц
Только вакансии с зарплатой в долларах и известным периодом (месяц или год), от $500 до $50 000 в месяц. Недели, где таких вакансий меньше 10, пропущены — это «нет данных», а не ноль.
Удалённая работа во времени
Какая доля вакансий Data Engineer (general) предлагала полностью удалённую работу — по неделям.
Доля удалённых вакансий, %
Доля считается среди вакансий, где формат указан (удалённо, гибрид, офис). Недели, где таких меньше 10, пропущены.
Технологии во времени
Как менялась доля вакансий Data Engineer (general), где упоминается каждая из главных технологий.
Доля вакансий с технологией, %
Доля — среди вакансий с размеченным стеком; ряд начинается с 10 авг.: раньше метки стека ставились по-другому. Недели, где размеченных вакансий меньше 20, пропущены.
Страны во времени
Как менялась доля вакансий Data Engineer (general) в каждой из главных стран — по неделям.
Доля вакансий в стране, %
Доля — среди вакансий, где страна известна; на графике пять стран с наибольшим числом вакансий за полгода. Недели, где вакансий с известной страной меньше 20, пропущены. Рост доли страны может означать подключение нового источника в этой стране, а не рост рынка.
Спрос и наблюдаемый пул
| Открытый спрос | 4 452 |
| Наблюдаемый пул | — не публикуется |
Data Engineer формирует крупнейший и стабильный поток вакансий среди data-сегментов. Спрос растёт особенно в продуктовых СНГ-компаниях (миграция legacy DWH на modern data stack — Snowflake/dbt/Airflow) и среди FinTech.
⚠ подходящих под вакансию кандидатов пока не считаем: показаны спрос и наблюдаемый пул
Распределение зарплат
Каждый десятый получает менее $3 750, каждый десятый — более $15 416. Половина рынка укладывается в $5 434–11 610. Выборка: 364.
География спроса
| страна | вакансий |
|---|---|
| US | 854 |
| PL | 571 |
| GB | 418 |
| IN | 339 |
| SG | 287 |
| DE | 160 |
| CA | 112 |
| FR | 92 |
| ZA | 66 |
| BR | 57 |
Лидер по числу Data Engineer-вакансий — Россия (0 позиций). Польша — второй по числу remote-вакансий для русскоязычных.
⚠ только число вакансий: зарплата по странам не публикуется
С чем используется вместе
Топ-стек Data Engineer 2026: Python + advanced SQL (must), Airflow / Dagster / Prefect (оркестрация), Spark / Flink / Kafka Streams (big data + streaming), dbt (transform layer), Snowflake / BigQuery / ClickHouse / Redshift (DWH), Kafka + Debezium (CDC), Delta Lake / Iceberg (lakehouse), Docker + Kubernetes. Senior — observability + data quality.
Частые пары: Python + SQL, Python + Airflow, Spark + Hadoop, dbt + Snowflake, Kafka + Spark Streaming, Airflow + BigQuery. Learning-roadmap: Python + SQL → Airflow → один DWH → dbt → PySpark → Kafka basics.
Спрос по уровням
| уровень | вакансий |
|---|---|
| senior | 1 573 |
| lead | 258 |
| principal | 230 |
| middle | 226 |
| junior | 131 |
Junior редкость — рынок берёт после Python Middle или Analyst Senior с advanced SQL. Career-flow: Junior → Middle → Senior → Analytics Engineer / Data Platform / Head of Data.
⚠ только сторона спроса: грейд наблюдаемого пула неизвестен у большинства
Работодатели
Спрос распределён между 2 608 работодателями. На крупнейшего приходится 1.0%, на десятку — 5.6%; остальные 94.4% — длинный хвост.
| доля | значение |
|---|---|
| крупнейший | 1.0% |
| топ-3 | 2.5% |
| топ-10 | 5.6% |
| длинный хвост | 94.4% |
⚠ имена не показываются: кадровые агентства и конечные работодатели пока не различаются классификацией
Откуда Zorky видит этот рынок
Наблюдение идёт из 117 источников; на крупнейший приходится 14.6% — рынок не держится на одном канале.
Свежие вакансии
- Azure Data Engineer with Databricks · PL
- Data Engineer - Microsoft Fabric · PL · $5 670
- Senior Data Engineer, Data Integration & Performance Platform (12-Month Contract) · CA · $7 167
- Senior Data Engineer · CA · $7 167
- ETL Developer (CEMI)
- Data Engineer · PL · $3 500
- Flight Dynamics Data Engineer (All Genders) · DE
- Principal Data Engineer · US
Свежие открытые Data Engineer-вакансии — последние 10 позиций с приемлемым качеством описания. Полный список — в нашем CRM или по ссылке «смотреть все» ниже.
Соседние рынки
Data Engineer — крупнейший сегмент data-направления (60-70% data-вакансий). По медиане на 10-20% выше Backend Senior в Москве за счёт specialty premium. Сравнение — в SiblingSubnichesChart выше.
⚠ соседние рынки для сравнения ещё не определены
Как это посчитано
- Вакансия
- открытая вакансия, прошедшая гейт качества и содержащая не менее двух технологий
- Наблюдаемый кандидат
- кандидат, чей стек содержит эту технологию; агрегат, без единой записи наружу
- Подходящий кандидат
- пока не считается
- Окно
- открытые вакансии на момент сборки снимка
О данных
- Некоторые разрезы скрыты: по ним пока недостаточно полноты данных.
- Статистика строится только там, где выборка проходит порог качества.
- Отсутствие блока не означает нулевое значение.
Сейчас скрыто разрезов: 8.
Данные на 2026-10-22
Направление: Data Engineer
Соседние специализации
Внутри Data Engineer: Data Engineer (general — pipelines + DWH), ETL Developer (классический batch), Analytics Engineer (dbt + DWH), Pipeline Engineer (оркестрация), Data Platform Engineer (infra для data-команд). Сравнение с другими data/big-data специализациями — в баре ниже.
Частые вопросы
Самые частые вопросы про Data Engineer-рынок: зарплаты, Spark vs Flink vs Kafka Streams, Airflow vs Dagster, отличия от Backend и ML Engineer, удалёнка, как стать (12-18 месяцев после Python Middle), Senior skills. Ответы пересчитываются автоматически.
Какой стек чаще всего требуют от Data Engineer?
Топ-5: python, cloud, sql, aws, azure. Python — must (pandas, PySpark, boto3, GCP SDK). SQL — advanced must (оконные функции, CTE, query optimization, EXPLAIN ANALYZE). Airflow — индустриальный стандарт оркестрации; Dagster/Prefect растут в новых проектах. Spark (PySpark/Scala) — big data batch + streaming. Kafka — обязательно для Middle+ в event-driven. Flink — premium-навык для true streaming. dbt — transform layer стандарт в современном data-stack. DWH: Snowflake (cloud премиум), BigQuery (GCP), ClickHouse (OLAP, доминирует в СНГ), Redshift (AWS legacy). Storage: S3/HDFS, Delta Lake/Apache Iceberg (lakehouse). Docker+Kubernetes. Terraform/Pulumi для IaC. Senior — observability (Datadog/Grafana + Great Expectations / Soda для data quality).
Spark vs Flink vs Kafka Streams — что выбрать в 2026?
Spark — индустриальный стандарт batch + micro-batch streaming. PySpark самый ёмкий рынок вакансий, Spark Scala — премиум-ниша. Используют 80%+ DWH-команд. Минус: latency micro-batch (секунды-минуты), не true realtime. Flink — true streaming engine с миллисекундной latency, exactly-once semantics из коробки. Растущий сегмент: FinTech/AdTech/IoT/real-time ML inference. Меньше вакансий, но Senior Flink Engineer премиум (+15-25% к Spark). Kafka Streams (Java/Scala-only) — lightweight streaming library, не отдельный cluster. Хорош для микросервис-уровня stream-processing, плохо для heavy joins/state. Стратегия: Spark сначала (ёмкость рынка), потом Flink для diversification и премиум-зарплат. Kafka Streams — niche-добавка для backend-инженеров на JVM.
Airflow vs Dagster vs Prefect — что учить для оркестрации?
Apache Airflow — индустриальный стандарт, доминирует 80%+ вакансий. DAGs на Python, огромная экосистема операторов. Минусы: schedule-based, не event-driven нативно, плохая dynamic generation DAGs. Dagster — modern challenger (Elementl/Astronomer-like). Asset-centric, лучшая DX, native testing, data-lineage из коробки. Растущий сегмент: продуктовые стартапы, modern data stack. Senior Dagster — премиум +10-15%. Prefect — между Airflow и Dagster по философии. Хорош для hybrid workflows (batch + streaming). Меньше вакансий чем Airflow, но растёт. Стратегия: Airflow сначала (рыночная необходимость), потом Dagster как modern-альтернатива. Cron + Python-скрипты — устаревший подход, не учить как primary.
Можно ли работать Data Engineer удалённо?
Да, 28% Data Engineer-вакансий — full-remote или гибрид. Работа полностью cloud-based (AWS/GCP/Azure DWH-стеки). Стартапы и международные SaaS — full-remote. Российские продуктовые — гибрид (1-3 дня офис) или remote после probation. Сбер — чаще офис из-за compliance (data residency). Релокант-хабы для русскоязычных Data Engineer: Дубай, Кипр, Лиссабон, Берлин, Варшава, Тбилиси. Английский открывает Databricks/Snowflake/dbt-партнёрам с премией +25-40% к зарплате.
Чем Data Engineer отличается от Backend и ML Engineer?
Backend Engineer — REST/GraphQL API, бизнес-логика, transactional БД (PostgreSQL/MySQL). Focus: обслуживать продуктовые запросы. OLTP-системы. Data Engineer — ETL/ELT pipelines, DWH-моделирование, streaming, batch-processing терабайтов. Focus: двигать и трансформировать большие объёмы данных. OLAP-системы. ML Engineer — деплой моделей в production (FastAPI + ONNX/TorchServe), feature-store, MLOps, model monitoring. Focus: production-ready inference. Career-switch: Backend Senior → Data Engineer Middle за 4-8 месяцев (Airflow + dbt + один DWH). Data Engineer → ML Engineer за 6-12 месяцев (PyTorch + MLOps-стек). По зарплатам: Data Engineer ≥ Backend Senior в Москве; ML Engineer ≈ Data Engineer Senior в среднем.
С чего начинать в Data Engineer в 2026?
Roadmap: 1) Python до Middle — pandas, numpy, типизация, тестирование. 2) SQL до advanced — оконные функции, CTE, подзапросы, оптимизация (EXPLAIN ANALYZE), индексы. PostgreSQL + один OLAP (ClickHouse рекомендуется). 3) Airflow — официальный tutorial, написать 3-5 DAGs. 4) Один DWH: BigQuery (бесплатный tier) или Snowflake trial. Освоить modeling (star/snowflake schema, SCD). 5) dbt — analytics engineering layer. dbt-tutorial + pet-проект с jaffle-shop dataset. 6) PySpark basics — DataFrame API + один pet-проект с 1-10 GB данных. 7) Kafka basics — producer/consumer + один streaming-pet. 8) Pet-проект end-to-end: пайплайн от API/файлов через Airflow + dbt в DWH, дашборд на Metabase/Superset, deployed в облаке. Курсы: Karpov.Courses «Data Engineer», OTUS «Data Engineer», Я.Практикум «Data Engineer», DataCamp Data Engineer Track. Книги: «The Data Warehouse Toolkit» Кимбалл, «Fundamentals of Data Engineering» Reis. Время до Middle (Junior редкость) — 12-18 месяцев фулл-тайм после Python Middle опыта.
Сколько вакансий Data Engineer в СНГ и Европе?
5551 активных открытых Data Engineer-вакансий в выборке Zorky CRM. География: 🇷🇺 Россия / 🇺🇦 Украина / 🇵🇱 Польша. Реальный рынок шире выборки за счёт internal-only позиций в крупных банках и продуктовых СНГ. Время закрытия Senior Data Engineer — 4-8 недель.
Какие навыки нужны Senior Data Engineer?
Senior Data Engineer владеет полным циклом data-pipeline. SQL: mastery (window functions, recursive CTE, query optimization, partition pruning, materialized views). Python: pandas/PySpark mastery, профилирование памяти, async для I/O-heavy ingestion. Distributed systems: Spark execution model (shuffle, broadcast, partitioning), Kafka exactly-once, two-phase commit, idempotency. DWH-моделирование: Kimball (star schema, SCD), Data Vault, lakehouse architecture (Delta Lake/Iceberg). Оркестрация: Airflow DAG-design (idempotent tasks, backfills, sensors), dynamic DAG generation. Streaming: Kafka design (partitions, consumer groups, exactly-once), Spark Streaming или Flink. Cloud: один из AWS/GCP/Azure до уровня архитектора (IAM + cost optimization + networking + storage tiers). Data quality: Great Expectations / Soda, monitoring metrics + alerts. DevOps: Docker, Kubernetes operators (Spark/Kafka on k8s), Terraform/Pulumi для IaC. Soft: код-ревью, ментoring Middle, работа с Analyst/PM по requirements. Английский — must для Senior+ (data-стек преимущественно EN).
Оставить заявку
Опишите задачу и оставьте контакт — заявка попадёт в CRM, ответим на указанный контакт.