Data Warehouse: рынок

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

Топ-5: snowflake, cloud, sql, python, azure. SQL на mastery (window functions, recursive CTE, query optimization, partition pruning). Один из cloud DWH: Snowflake (cloud премиум — Tasks/Streams/Time Travel/micro-partitions/Snowpipe), BigQuery (GCP — slot pricing/BQML), ClickHouse (СНГ-доминанта OLAP — ReplicatedMergeTree/distributed/materialized views), Redshift (AWS legacy — distkey/sortkey). Greenplum в СНГ enterprise (Сбер). dbt — must (transform layer стандарт — модели + tests + macros + packages). Apache Airflow для ingestion. Apache Iceberg/Delta Lake — lakehouse table formats (растёт). Apache Kafka + Debezium для CDC. BI: Looker/Mode/Metabase/Superset/Yandex DataLens. Знание Kimball-modeling (star/snowflake schemas, slowly changing dimensions) или Data Vault — Senior must.

Snowflake — cloud-DWH доминанта в международных проектах. Multi-cloud (AWS/Azure/GCP), separation storage/compute, Time Travel, Snowpipe для streaming. Premium pricing, но best DX. Senior Snowflake — премиум в международном remote. BigQuery — Google Cloud-native. Slot-based pricing (или on-demand), BQML для in-DB machine learning. Доминанта в GCP-shop'ах. ClickHouse — open-source OLAP-доминанта в СНГ. Самый быстрый OLAP на columnar storage. Senior ClickHouse — рыночная необходимость в СНГ-продуктовых. Redshift — AWS legacy, миграции на Snowflake or BigQuery. Меньше новых проектов. Стратегия: ClickHouse если в СНГ-продуктовой команде, Snowflake для международного remote, BigQuery если в GCP-стеке, Redshift только для maintenance legacy AWS-проектов.

Не конкуренты — комплементы. Airflow — оркестрация (когда что запустить, зависимости между задачами). dbt — transform layer (SQL-модели + tests + documentation + lineage). Классический modern data stack pipeline: Airflow триггерит ingestion (Python/Spark scripts) → dbt запускается в Airflow как BashOperator или DbtRunOperator (через astronomer-dbt provider) → dbt выполняет SQL-трансформации в DWH (Snowflake/BigQuery/ClickHouse) → BI-layer (Looker/Metabase) читает финальные dbt-модели. Senior DWH Engineer владеет обоими. Airflow для orchestration + ingestion, dbt для transformations + tests. Знание dbt-modules (sources/models/tests/macros/snapshots/seeds) + dbt best-practices — Senior must в 2026.

Да, 44% DWH-вакансий — удалёнка или гибрид. Работа полностью cloud-based (Snowflake/BigQuery/ClickHouse Cloud). Российские продуктовые — гибрид или remote после probation. Сбер — чаще офис из-за data residency. Международные DWH SaaS — full-remote: Snowflake, BigQuery (Google), dbt Labs, Databricks. Релокант-хабы: Берлин, Амстердам, Цюрих (data-friendly EU), Дубай, Кипр, Лиссабон. Английский — must для international remote с премией +25-40%.

DWH Engineer (этa страница) — фокус на cloud-DWH (Snowflake/BigQuery/ClickHouse/Redshift) + modeling. SQL-mastery + один DWH deeply. Data Engineer (general) — broader scope: pipelines + DWH + streaming + Spark. Analytics Engineer — фокус на dbt + transform layer. Между Data Engineer и Data Analyst. SQL + dbt + один DWH (часто Snowflake/BigQuery), но БЕЗ Spark и streaming. Зарплаты: DWH Senior ≈ Data Engineer Senior, Analytics Engineer Senior на 5-10% ниже (но самая doступная entry-точка в data career). Career-switch DWH Engineer → Analytics Engineer — за 1-2 месяца (тот же стек, фокус на dbt). DWH Engineer → Data Engineer (general) — за 3-6 месяцев (+ Spark + Airflow deeper).

Roadmap (предполагается SQL Middle или Data Analyst опыт): 1) Advanced SQL — window functions deeply, recursive CTE, query optimization, EXPLAIN ANALYZE, индексы, partition pruning. PostgreSQL + один OLAP (ClickHouse рекомендуется — самый используемый в СНГ). 2) Один cloud DWH: ClickHouse (рекомендуется для СНГ-карьеры — open-source, free) ИЛИ Snowflake (для международного remote — 30-day free trial) ИЛИ BigQuery (GCP free tier). Освоить engine-specific features (ClickHouse: ReplicatedMergeTree + distributed + materialized views; Snowflake: Tasks + Streams + Time Travel + micro-partitions). 3) dbt — официальный tutorial getdbt.com + Jaffle Shop pet-проект. Освоить models + tests + macros + sources + snapshots. 4) Kimball modeling — star schema, snowflake schema, slowly changing dimensions (SCD). Книга «The Data Warehouse Toolkit» Кимбалл. 5) Airflow basics — ingestion-orchestration. 6) Apache Iceberg или Delta Lake — lakehouse basics. 7) Один BI-инструмент — Metabase/Superset/Yandex DataLens (free) или Looker (premium). 8) Pet-проект end-to-end: ingestion (Python script + Airflow) → DWH (ClickHouse или BigQuery) → dbt-модели → BI-дашборд на Metabase. Курсы: Karpov.Courses «Data Engineer» (включает DWH), OTUS «Data Engineer», Я.Практикум «Data Engineer», DataCamp «Data Engineer with dbt», Snowflake University (eng — free, best Snowflake resource), ClickHouse Academy (eng — free). Книги: «The Data Warehouse Toolkit» Кимбалл (must-read), «Analytics Engineering with dbt» (modern data stack guide). Время до Junior DWH — 6-10 месяцев (быстрее general Data Engineer за счёт меньшего scope).

336 активных открытых Data Warehouse Engineer-вакансий. География: 🇷🇺 Россия / 🇺🇦 Украина / 🇵🇱 Польша. Реальный рынок шире за счёт огромного international remote (Snowflake/dbt Labs/Databricks — все full-remote-friendly). Время закрытия Senior DWH — 4-6 недель.

Senior DWH владеет полным циклом cloud-DWH. SQL mastery: window functions deep, recursive CTE, query plans (EXPLAIN ANALYZE), partition pruning, indexes, materialized views, query optimization patterns. Один cloud DWH глубоко: Snowflake (Tasks/Streams/Time Travel/micro-partitions/Snowpipe/cost optimization через warehouse-sizing) или BigQuery (slot management/BQML/partitioned tables) или ClickHouse (ReplicatedMergeTree/distributed engines/materialized views/codecs/dictionaries). Modeling: Kimball mastery (star/snowflake schema, conformed dimensions, SCD types 1-6), Data Vault basics, lakehouse architecture (Iceberg/Delta partition evolution, time-travel, schema evolution). dbt: mastery (models/sources/tests/macros/snapshots/seeds/exposures), best-practices (incremental models, materialization strategies, dbt-snowflake/dbt-bigquery adapter specifics). Performance: query optimization patterns per DWH engine, cost management (Snowflake credit usage / BigQuery slots / ClickHouse cluster sizing). Ingestion: Kafka + Debezium для CDC, Airflow для batch ingestion, Snowpipe / Snowflake Streams / Materialized views. Data Quality: dbt tests + Great Expectations + Soda. BI integration: один из Looker/Mode/Metabase/Superset/Yandex DataLens на уровне semantic-layer design. Soft: code-review (SQL + dbt), ментoring Middle, общение с Analyst/Business teams. Английский для Senior+ must — DWH-документация преимущественно EN.