Data Warehouse: рынок
Data Warehouse Engineer — специализация на cloud-DWH (Snowflake/BigQuery/Redshift/ClickHouse). Подсегмент Data Engineer фокус — DWH modelling + dbt + cloud-data-platforms. Premium-ниша за счёт cloud-DWH expertise. Семейство ролей: Snowflake Engineer (cloud-DWH доминанта — schema design + dbt + cost optimization), BigQuery Engineer (Google Cloud data-стек), ClickHouse Engineer, Redshift Engineer (AWS legacy), Data Warehouse Architect (modeling specialist — Kimball/Data Vault). Стек: SQL на mastery уровне (must — window functions, recursive CTE, query optimization, partition pruning, materialized views), Snowflake (cloud premium — Tasks, Streams, Time Travel, micro-partitions, Snowpipe ingestion), BigQuery (GCP — slot-based pricing, BQML для in-DB ML), ClickHouse (доминанта OLAP в СНГ — ReplicatedMergeTree, distributed engines, materialized views), Redshift (AWS legacy — distkey/sortkey), Greenplum (СНГ enterprise), dbt (transform layer стандарт + dbt-snowflake / dbt-bigquery / dbt-clickhouse adapters), Apache Airflow для ingestion-оркестрации, Looker/Mode/Metabase/Superset/Yandex DataLens для BI на DWH. Топ-стек: snowflake, cloud, sql, python, dbt. 42% — удалёнка. Senior Snowflake/BigQuery — премия 10-15% к Senior Data Engineer за cloud-DWH specialty.
На рынке Data Warehouse сейчас 363 открытых вакансий, из них 350 со свежим наблюдением. Медианная зарплата $6 588/мес.
42% DWH-вакансий — удалёнка или гибрид. Работа полностью cloud-based. Российские продуктовые — гибрид или remote. Сбер — чаще офис. Международные cloud-DWH SaaS (Snowflake/BigQuery/dbt Labs) — full-remote.
⚠ зарплата известна у 31 из 363 вакансий; доля удалёнки — от 281 с указанным форматом; свежими наблюдениями считаются 350; тренд и сложность найма не показываются
Динамика: вакансии и источники
Сколько вакансий Data Warehouse 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: 89
Подключение новых источников: 11 мая +3 · 18 мая +2 · 25 мая +2 · 1 июн. +1 · 8 июн. +2 · 15 июн. +1 · 22 июн. +11 · 29 июн. +6 · 6 июл. +8 · 13 июл. +5 · 20 июл. +8 · 27 июл. +5 · 3 авг. +3 · 17 авг. +1 · 24 авг. +2 · 31 авг. +3 · 7 сент. +1 · 14 сент. +3 · 21 сент. +5 · 5 окт. +5 · 12 окт. +5
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.
Удалённая работа во времени
Какая доля вакансий Data Warehouse 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 Warehouse, 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 Warehouse 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 | 363 |
| Наблюдаемый пул | — не публикуется |
Data Warehouse Engineer формирует устойчивый поток вакансий. Драйверы: миграции legacy DWH (Greenplum/Redshift) на Snowflake/BigQuery/ClickHouse, рост modern data stack (dbt+cloud DWH), ClickHouse-доминанта в СНГ-продуктовых командах.
⚠ подходящих под вакансию кандидатов пока не считаем: показаны спрос и наблюдаемый пул
Распределение зарплат
Каждый десятый получает менее $4 062, каждый десятый — более $9 937. Половина рынка укладывается в $5 600–8 500. Выборка: 31.
География спроса
| страна | вакансий |
|---|---|
| PL | 104 |
| US | 61 |
| IN | 47 |
| GB | 25 |
| DE | 13 |
| FR | 8 |
| SG | 8 |
| CA | 8 |
| MX | 6 |
| AU | 6 |
Лидер по числу DWH-вакансий — Россия (0 позиций). Россия — ClickHouse-доминанта. Польша — DWH-friendly EU. Большой международный remote через Snowflake/dbt Labs.
⚠ только число вакансий: зарплата по странам не публикуется
С чем используется вместе
Топ-стек DWH 2026: SQL на mastery (must), один cloud DWH: Snowflake (cloud премиум) / BigQuery (GCP) / ClickHouse (СНГ-доминанта OLAP) / Redshift (AWS legacy), dbt (transform layer стандарт), Apache Airflow (ingestion-orchestration), Apache Iceberg / Delta Lake (lakehouse), Kafka + Debezium (CDC), Looker / Mode / Metabase / Superset / Yandex DataLens (BI).
Частые пары: SQL + Snowflake, SQL + ClickHouse, dbt + Snowflake, dbt + BigQuery, dbt + ClickHouse, Airflow + DWH. Learning-roadmap: Advanced SQL → один cloud DWH (ClickHouse для СНГ или Snowflake для международного) → dbt → Kimball modeling → Airflow basics → один BI-инструмент.
Спрос по уровням
| уровень | вакансий |
|---|---|
| senior | 146 |
| middle | 24 |
| lead | 20 |
| principal | 12 |
| junior | 7 |
Junior мало — рынок ожидает SQL advanced + один DWH. Career-flow: Analyst Senior / Data Engineer Middle → DWH Middle → Senior → DWH Architect / Head of Data.
⚠ только сторона спроса: грейд наблюдаемого пула неизвестен у большинства
Работодатели
Спрос распределён между 232 работодателями. На крупнейшего приходится 2.9%, на десятку — 17.5%; остальные 82.5% — длинный хвост.
| доля | значение |
|---|---|
| крупнейший | 2.9% |
| топ-3 | 7.0% |
| топ-10 | 17.5% |
| длинный хвост | 82.5% |
⚠ имена не показываются: кадровые агентства и конечные работодатели пока не различаются классификацией
Откуда Zorky видит этот рынок
Наблюдение идёт из 51 источников; на крупнейший приходится 17.4% — рынок не держится на одном канале.
Свежие вакансии
- Data Analyst Senior SQL / Snowflake – CRM & Analytics (H/F) · FR
- Senior Data Engineer (Banking, Snowflake, BigData) · PL
- Data Engineer (Snowflake / Data Mesh) · PL
- Data Ingestion Engineer (ADFDbtSnowflake) · IN
- Snowflake Solution Architect · US
- Data Engineer (Snowflake & dbt) · US
- Snowflake Engineer · PL
- Analityk Systemowy Senior (f/m/x) – GCP / Data Warehouse · PL
Свежие открытые DWH Engineer-вакансии — последние 10 позиций с приемлемым качеством описания. Полный список — в нашем CRM или по ссылке «смотреть все» ниже.
Соседние рынки
DWH Engineer — premium-сегмент Data direction. Премия 10-15% к Senior Data Engineer за cloud-DWH specialty. 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 2026-10-23
Направление: Data Engineer
Соседние специализации
Внутри Data Warehouse Engineer: Snowflake Engineer (cloud-DWH доминанта), BigQuery Engineer (GCP), ClickHouse Engineer, Redshift Engineer (AWS legacy), Data Warehouse Architect (modeling specialist). Сравнение с другими data-специализациями — в баре ниже.
Частые вопросы
Самые частые вопросы про DWH Engineer: зарплаты, Snowflake vs BigQuery vs ClickHouse vs Redshift, dbt vs Airflow (комплементы, не конкуренты), отличия от Data Engineer / Analytics Engineer, удалёнка, как стать (6-10 месяцев), Senior skills. Ответы пересчитываются автоматически.
Какой стек чаще всего требуют от DWH Engineer?
Топ-5: snowflake, cloud, sql, python, dbt. 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 vs BigQuery vs ClickHouse vs Redshift — что выбрать?
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.
dbt vs Airflow — это конкуренты или нет?
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.
Можно ли работать DWH удалённо?
Да, 42% 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%.
Чем DWH Engineer отличается от Data Engineer / Analytics Engineer?
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).
С чего начинать в DWH в 2026?
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).
Сколько вакансий DWH в СНГ и Европе?
358 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.
Какие навыки нужны Senior DWH Engineer?
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.
Оставить заявку
Опишите задачу и оставьте контакт — заявка попадёт в CRM, ответим на указанный контакт.