Data Warehouse: mercato

Posizione

un'offerta aperta che ha superato il controllo di qualità e indica almeno due tecnologie

Candidato osservato

un candidato il cui stack contiene questa tecnologia; un dato aggregato: nessun singolo record esce dal perimetro

Candidato abbinabile

non ancora conteggiato

Finestra

offerte aperte nel momento in cui è stato creato lo snapshot

Le offerte Junior DWH scarseggiano: il mercato si aspetta SQL avanzato + pratica con un DWH (spesso dopo Analyst Senior con padronanza di SQL o Data Engineer Middle). Il salto Junior → Middle: padroneggiare a fondo un DWH + dbt + pipeline di ingestione. Il Senior è responsabile dell'architettura di modellazione del DWH (star/snowflake/Data Vault). Il Lead gestisce il team di modellazione + progetta l'architettura dati enterprise. Percorso di carriera: Analyst Senior / Data Engineer Middle → DWH Middle → Senior → oppure Data Warehouse Architect o Head of Data.

I principali nel 5: snowflake, cloud, sql, python, dbt. SQL a livello di padronanza (window function, CTE ricorsive, ottimizzazione delle query, partition pruning). Un DWH cloud: Snowflake (cloud premium: Tasks/Streams/Time Travel/micro-partizioni/Snowpipe), BigQuery (GCP: prezzi a slot/BQML), ClickHouse (OLAP dominante nella CSI: ReplicatedMergeTree/distribuito/viste materializzate), Redshift (legacy AWS: distkey/sortkey). Greenplum nell'enterprise della CSI (Sber). dbt: indispensabile (standard del livello di trasformazione: modelli + test + macro + pacchetti). Apache Airflow per l'ingestione. Apache Iceberg/Delta Lake: formati di tabella lakehouse (in crescita). Apache Kafka + Debezium per il CDC. BI: Looker/Mode/Metabase/Superset/Yandex DataLens. La conoscenza della modellazione Kimball (schemi a stella/snowflake, slowly changing dimension) o del Data Vault è indispensabile per un Senior.

Snowflake: il DWH cloud dominante nei progetti internazionali. Multi-cloud (AWS/Azure/GCP), separazione tra storage e calcolo, Time Travel, Snowpipe per lo streaming. Prezzi premium, ma la migliore DX. Un Senior Snowflake ha un premio nel remoto internazionale. BigQuery: nativo di Google Cloud. Prezzi basati sugli slot (o on-demand), BQML per il machine learning nel database. Dominante nelle aziende su GCP. ClickHouse: l'OLAP open source dominante nella CSI. L'OLAP più veloce su storage colonnare. Un Senior ClickHouse è una necessità di mercato nelle aziende di prodotto della CSI. Redshift: legacy di AWS, migrazioni verso Snowflake o BigQuery. Meno progetti nuovi. Strategia: ClickHouse se sei in un team di prodotto della CSI, Snowflake per il remoto internazionale, BigQuery se sei nello stack GCP, Redshift solo per la manutenzione di progetti AWS legacy.

Non concorrenti, ma complementari. Airflow: orchestrazione (quando eseguire cosa, dipendenze tra i task). dbt: livello di trasformazione (modelli SQL + test + documentazione + lineage). La pipeline classica del modern data stack: Airflow avvia l'ingestione (script Python/Spark) → dbt gira in Airflow come BashOperator o DbtRunOperator (tramite il provider astronomer-dbt) → dbt esegue le trasformazioni SQL nel DWH (Snowflake/BigQuery/ClickHouse) → il livello BI (Looker/Metabase) legge i modelli dbt finali. Un Senior DWH Engineer padroneggia entrambi. Airflow per orchestrazione + ingestione, dbt per trasformazioni + test. La conoscenza dei moduli dbt (sources/models/tests/macros/snapshots/seeds) + delle best practice dbt è obbligatoria per un Senior nel 2026.

Sì, il 43% delle offerte DWH è da remoto o ibrido. Il lavoro è interamente nel cloud (Snowflake/BigQuery/ClickHouse Cloud). Aziende di prodotto russe: ibrido o da remoto dopo il periodo di prova. Sber: più spesso in sede per la residenza dei dati. SaaS DWH internazionali: completamente da remoto: Snowflake, BigQuery (Google), dbt Labs, Databricks. Hub per chi si trasferisce: Berlino, Amsterdam, Zurigo (UE favorevole ai dati), Dubai, Cipro, Lisbona. Inglese: indispensabile per il lavoro internazionale da remoto con un premio +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 (si presuppone esperienza da Middle SQL o Data Analyst): 1) SQL avanzato: window function in profondità, CTE ricorsive, ottimizzazione delle query, EXPLAIN ANALYZE, indici, partition pruning. PostgreSQL + un OLAP (ClickHouse consigliato: il più usato nella CSI). 2) Un DWH cloud: ClickHouse (consigliato per una carriera nella CSI: open source, gratuito) OPPURE Snowflake (per il remoto internazionale: prova gratuita di 30 giorni) OPPURE BigQuery (free tier GCP). Padroneggia le funzionalità specifiche del motore (ClickHouse: ReplicatedMergeTree + distribuito + materialized view; Snowflake: Tasks + Streams + Time Travel + micro-partizioni). 3) dbt: tutorial ufficiale su getdbt.com + progetto personale Jaffle Shop. Padroneggia modelli + test + macro + source + snapshot. 4) Modellazione Kimball: schema a stella, schema a fiocco di neve, slowly changing dimensions (SCD). Libro "The Data Warehouse Toolkit" di Kimball. 5) Basi di Airflow: orchestrazione dell'ingestione. 6) Apache Iceberg o Delta Lake: basi del lakehouse. 7) Uno strumento BI: Metabase/Superset/Yandex DataLens (gratuiti) o Looker (premium). 8) Progetto personale end-to-end: ingestione (script Python + Airflow) → DWH (ClickHouse o BigQuery) → modelli dbt → dashboard BI su Metabase. Corsi: Karpov.Courses "Data Engineer" (include il DWH), OTUS "Data Engineer", Yandex.Practicum "Data Engineer", DataCamp "Data Engineer with dbt", Snowflake University (EN: gratuito, la migliore risorsa su Snowflake), ClickHouse Academy (EN: gratuito). Libri: "The Data Warehouse Toolkit" di Kimball (da leggere assolutamente), "Analytics Engineering with dbt" (guida al modern data stack). Tempo per arrivare a Junior DWH: 6-10 mesi (più veloce del Data Engineer generico grazie al perimetro più ristretto).

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 Senior DWH gestisce l'intero ciclo del DWH in cloud. Padronanza di SQL: window function a fondo, CTE ricorsive, piani delle query (EXPLAIN ANALYZE), partition pruning, indici, viste materializzate, pattern di ottimizzazione delle query. Un DWH cloud a fondo: Snowflake (Tasks/Streams/Time Travel/micro-partizioni/Snowpipe/ottimizzazione dei costi tramite il dimensionamento dei warehouse) o BigQuery (gestione degli slot/BQML/tabelle partizionate) o ClickHouse (ReplicatedMergeTree/motori distribuiti/viste materializzate/codec/dizionari). Modellazione: padronanza di Kimball (schema a stella/snowflake, dimensioni conformi, SCD di tipo 1-6), basi di Data Vault, architettura lakehouse (evoluzione delle partizioni in Iceberg/Delta, time-travel, evoluzione dello schema). dbt: padronanza (models/sources/tests/macros/snapshots/seeds/exposures), best practice (modelli incrementali, strategie di materializzazione, specificità degli adapter dbt-snowflake/dbt-bigquery). Prestazioni: pattern di ottimizzazione delle query per ogni motore DWH, gestione dei costi (consumo di crediti Snowflake / slot BigQuery / dimensionamento dei cluster ClickHouse). Acquisizione: Kafka + Debezium per il CDC, Airflow per l'acquisizione batch, Snowpipe / Snowflake Streams / viste materializzate. Qualità dei dati: test dbt + Great Expectations + Soda. Integrazione con la BI: uno tra Looker/Mode/Metabase/Superset/Yandex DataLens a livello di progettazione del livello semantico. Soft skill: revisione del codice (SQL + dbt), mentoring dei Middle, comunicazione con i team di analisi/business. Inglese obbligatorio per Senior+: la documentazione DWH è prevalentemente in inglese.