Профессия Data Engineer (инженер данных): кто это, чем занимается, сколько зарабатывает и как стать в 2026 году
Профессии · Данные
Data Engineer (дата-инженер, инженер данных) строит и поддерживает «трубопроводы» данных: забирает информацию из разных систем, чистит её, складывает в хранилище и отдаёт аналитикам, data scientist’ам и бизнесу в удобном виде. В России медиана зарплаты инженера по данным в первом полугодии 2026 года составила 250 тыс. ₽ (Хабр Карьера), но вакансий для новичков мало, и без уверенного SQL, Python и пары рабочих проектов на собеседование лучше не идти.
Кто такой Data Engineer (инженер данных)
Data Engineer, он же дата-инженер или инженер данных, отвечает за то, чтобы данные компании дошли от источника до потребителя полными, вовремя и в понятном виде. По определению hh Карьерной платформы, он разрабатывает и поддерживает инфраструктуру для сбора, обработки и хранения данных.
Проще всего представить водопровод: аналитики и data scientist’ы пользуются «водой» (данными), а дата-инженер строит и чинит трубы, фильтры и насосы. Если данные приходят с опозданием, дублируются или не сходятся с кассой, встаёт работа у всех.
Не путайте инженерию данных (data engineering, в русских текстах иногда «инжиниринг данных») с ролью database engineer. Инженер баз данных обычно занимается самой СУБД: настройкой, администрированием, скоростью запросов. Дата-инженер отвечает за весь путь данных, от источников до готовых витрин.
Коротко
- Строит пайплайны ETL и ELT: забирает данные из систем компании и внешних источников.
- Проектирует хранилища (DWH, data lake, lakehouse) и следит за их скоростью и стоимостью.
- Отвечает за качество данных: проверки, мониторинг, разбор сбоев.
- Работает рядом с аналитиками, data scientist’ами, ML-инженерами и DevOps.
- Пишет много SQL и Python. Графики и модели обычно делают другие.
Определение и обязанности: hh Карьерная платформа, профессия «Data Engineer».
Берут ли работодатели выпускников онлайн-школ
Работодатели обычно смотрят не на сертификат школы, а на то, что вы умеете и можете показать: репозиторий с пайплайном, схему хранилища, объяснение решений. Дипломный проект курса станет сильной частью портфолио, если довести его до рабочего состояния: запуск одной командой, тесты, описание. Перед покупкой спросите у школы, какие проекты делают студенты, кто проверяет работы и можно ли посмотреть выпускные проекты. Школы называют разные проценты трудоустройства, но методику не раскрывают. О том, как собрать портфолио, читайте в разделе про портфолио .
Чем занимается Data Engineer
Путь данных в большинстве компаний выглядит одинаково. Дата-инженер отвечает за все звенья между источниками и теми, кто с данными работает.
- Источники Приложения, CRM, платежи, логи, внешние API
- Загрузка Kafka, API, файлы, выгрузки из баз
- Хранилище DWH, data lake, lakehouse
- Преобразование ETL и ELT, SQL, dbt, Spark
- Витрины Готовые таблицы для бизнеса
- Потребители BI, аналитики, ML-модели
Основные задачи
- Сбор данных: подключение к базам, API, потокам событий и файлам.
- ETL и ELT: извлечь, преобразовать и загрузить данные. При ELT преобразование делают уже внутри хранилища.
- Проектирование хранилищ: модели данных и слои DWH. Часто встречаются STG (сырые данные), ODS, DDS и витрины DM.
- Оркестрация: расписания и зависимости задач, например в Apache Airflow.
- Надёжность и качество: повторный запуск не должен ломать данные, на входе и выходе стоят проверки, о сбоях приходит алерт.
- Потоковая обработка: когда данные нужны почти сразу, на помощь приходит Kafka.
- Скорость и стоимость: оптимизация запросов, партиционирование, выбор формата хранения.
Batch и streaming
Пакетная обработка (batch) собирает данные порциями, например раз в час или в сутки. Потоковая (streaming) обрабатывает события сразу, как они пришли. Начинать разумнее с batch: он проще, и на нём построено большинство учебных проектов.
Слои DWH: открытый роадмап Дементьева на GitHub (dementev-dev/de-roadmap).
Чем Data Engineer отличается от аналитика, data scientist и смежных профессий
| Роль | Главная задача | Основные инструменты | Результат |
|---|---|---|---|
| Data Engineer | Строит и поддерживает путь данных и хранилища | SQL, Python, Airflow, Spark, Kafka, DWH | Надёжные, чистые данные в нужном месте |
| Data Analyst | Отвечает на бизнес-вопросы по данным | SQL, BI-системы, Excel | Отчёты, дашборды, выводы |
| Data Scientist | Строит модели и проверяет гипотезы | Python, статистика, ML-библиотеки | Прогнозы и модели |
| ML Engineer | Выводит модели в работу и поддерживает их | Python, Docker, MLOps-инструменты | Рабочий сервис с моделью |
| Analytics Engineer | Превращает сырые данные в аккуратные модели для аналитиков | SQL, dbt, DWH | Проверяемые модели данных |
Границы размыты: в небольших компаниях один человек часто совмещает две-три роли. Заметна и разница в оплате: по материалу Хабр Карьеры от 15.05.2026 медиана инженера по данным составляла 255 тыс. ₽, а аналитика данных 170 тыс. ₽.
Сравнение ролей: dbt Labs («Analytics engineer vs data analyst vs data engineer»), обзор на Хабре (перевод от 29.09.2025), Skillfactory. Строка про ML Engineer составлена редакцией.
Навыки и стек Data Engineer
Начать лучше с того, что реально просят работодатели. Срез по 19 открытым вакансиям Хабр Карьеры на 06.10.2026 (выборка маленькая, это ориентир, а не статистика всего рынка):
Подсчёт приблизительный: по тегам и описаниям вакансий на career.habr.com (раздел «Инженер по данным»), 06.10.2026.
Карта инструментов
| Задача | Что учить | Комментарий |
|---|---|---|
| Язык запросов | SQL: джойны, агрегаты, оконные функции, план запроса | Основа профессии, на собеседованиях проверяют первым |
| Программирование | Python (работа с файлами и API, pandas, тесты); для больших систем Java или Scala | Python есть почти везде |
| Базы и хранилища | PostgreSQL, ClickHouse, Greenplum | ClickHouse и Greenplum часто встречаются в российских вакансиях |
| Оркестрация | Apache Airflow, затем Dagster или Prefect | Airflow чаще всего звучит в вакансиях |
| Большие данные | Spark, Kafka; Hadoop и Hive как наследие в старых системах | Kafka нужна для потоков, Spark для тяжёлых вычислений |
| Инфраструктура | Linux, Git, Docker; позже Kubernetes | Без Docker сложно показать проект |
| Моделирование | Слои DWH, схема «звезда», SCD | Отличает инженера от человека, который просто пишет скрипты |
| Облака и форматы | Yandex Cloud, VK Cloud; Iceberg, Trino, dbt | Зарубежные облака (AWS, Google Cloud, Azure) нужны для работы за рубежом |
Импортозамещение в стеке
Российские компании всё чаще строят хранилища на открытых и отечественных решениях. В обзоре Хабра о платформах данных названы Arenadata, CedrusData (на Trino и Iceberg), Selena на StarRocks, VK Cloud и Yandex Cloud. Базовый открытый стек из того же обзора: S3, Iceberg, Spark, Trino, Kafka и Airflow. Если вы идёте в российский банк или ритейл, спросите на собеседовании, на чём построено хранилище.
Профессиональные навыки
- SQL на уровне оконных функций и оптимизации;
- Python для данных и автоматизации;
- моделирование хранилищ и слои DWH;
- оркестрация (Airflow) и повторяемые запуски;
- понимание Spark и Kafka хотя бы на уровне архитектуры;
- Linux, Git, Docker;
- проверки качества данных и тесты;
- английский для документации.
Личные качества
- внимание к деталям: одна ошибка в загрузке портит отчёты;
- умение договариваться с аналитиками и разработчиками;
- системное мышление и любовь к порядку;
- спокойное отношение к сбоям и разбору причин;
- привычка документировать решения;
- готовность учиться: стек быстро меняется.
Математика нужна базовая. Диплом не обязателен: в обзорах на Хабре и на странице курса Яндекс Практикума прямо сказано, что глубокие математические знания для входа в профессию не требуются.
Импортозамещение: обзор на Хабре о платформах данных, 2026. Про диплом и математику: обзор на Хабре (статья 1025522), страница курса Яндекс Практикума.
Сколько зарабатывает Data Engineer в России
Самые прозрачные цифры дают анкеты специалистов на Хабр Карьере. По калькулятору зарплат на 06.10.2026 средняя зарплата инженера по данным по всем грейдам составляет 248 тыс. ₽ (387 анкет). По грейдам медианы такие:
Для Lead в калькуляторе данных нет, цифра взята из отдельного материала Хабр Карьеры, замер другой, поэтому сравнивать её с остальными нужно осторожно.
Что говорят разные источники
| Источник | Дата | Junior | Middle | Senior | Комментарий |
|---|---|---|---|---|---|
| Хабр Карьера, калькулятор | 06.10.2026 | 137 | 231 | 362 | медианы по анкетам, тыс. ₽ |
| Хабр Карьера, материал | 15.05.2026 | 135 | 236 | 358 | медиана по всем 255, Lead 410 |
| hh Карьерная платформа | 26.02.2026 | 65–110 | 120–240 | 250–400 | методика не раскрыта |
| Нетология | 27.05.2025 | от 100 | от 200 | от 300 | по вакансиям hh |
Цифры расходятся из-за методики: анкеты специалистов и вакансии работодателей отражают разное, а вилки в блогах часто копируют друг друга. Региональных срезов именно по data engineer в открытых источниках найти не удалось. Для всех аналитических профилей Хабр Карьера за 1-е полугодие 2026 года называет такие медианы: Москва 220 тыс. ₽, Санкт-Петербург 180 тыс. ₽, регионы 160 тыс. ₽.
От чего зависит зарплата
- Грейд и подтверждённый опыт: работа с реальными нагрузками ценится выше проектов из курса.
- Стек: редкие и сложные навыки (потоковая обработка, оптимизация больших хранилищ) повышают ставку.
- Отрасль и компания: банки, ритейл и маркетплейсы часто встречаются среди работодателей (см. раздел о рынке).
- Город и формат работы: Москва и Санкт-Петербург платят выше регионов.
Хабр Карьера: обзор зарплат от 10.08.2026 (медиана 250 тыс. ₽ по инженеру по данным за 1-е полугодие 2026), калькулятор зарплат на 06.10.2026, материал от 15.05.2026; hh Карьерная платформа, 26.02.2026; Нетология, 27.05.2025.
Востребованность профессии и рынок вакансий
- Вакансии: на 06.10.2026 hh.ru показывает 380 вакансий по запросу «data engineer» в Москве, на Хабр Карьере открыто 19 вакансий для инженера по данным. Счётчики меняются ежедневно.
- Работодатели: в выдаче hh по Москве на 06.10.2026 видны Сбер, X5 Tech, Домклик, Lamoda Tech, ПСБ, S7, Neoflex, БКС и другие.
- Общий фон: IT-рынок сейчас охлаждён. По данным hh, в феврале 2026 вакансий в IT было на 36% меньше, чем год назад, а резюме больше на 30%. По оценкам платформ, в первом полугодии 2026 вакансий стало меньше на 20–50% (Коммерсантъ, 10.07.2026).
Вывод: профессия остаётся одной из самых высокооплачиваемых в аналитике, но порог входа вырос. Вакансий для совсем новичков мало, и конкурируют за них те, кто может показать рабочие проекты, а не только сертификат школы. Поэтому на старте решают сильный SQL и портфолио.
hh.ru, страница вакансий data engineer, 06.10.2026; Хабр Карьера, 06.10.2026; hh stats, февраль 2026; Коммерсантъ, 10.07.2026.
Как стать Data Engineer с нуля
Чаще всего в профессию приходят из смежных ролей: аналитик данных, бэкенд-разработчик, администратор баз данных. Для них срок перехода оценивают в 6–12 месяцев. Если вы начинаете без опыта в IT, закладывайте больше времени, ориентир редакции 12–18 месяцев.
-
Основы: Linux, Git, командная строка
2–4 недели. Нужны, чтобы работать на сервере и вести проект в репозитории.
-
SQL до уверенного уровня
1–2 месяца. Джойны, агрегаты, оконные функции, индексы, чтение плана запроса. На этом шаге нельзя экономить.
-
Python для данных
1–2 месяца. Функции, файлы, работа с API, pandas, простые тесты и логирование.
-
Базы данных и DWH
1–2 месяца. PostgreSQL, нормализация, схема «звезда», слои хранилища, инкрементальные загрузки.
-
Docker и Airflow
Около месяца. Запускаете окружение в контейнерах и пишете первый DAG с расписанием и повторными запусками.
-
Большие данные
2–3 месяца. Spark, Kafka, ClickHouse и представление о lakehouse. Здесь уже нужны проекты, а не только теория.
-
Портфолио и первые отклики
Параллельно со всем остальным. Один хороший проект лучше пяти учебных, об этом ниже.
Порядок шагов опирается на открытый роадмап Дементьева (GitHub). Сроки ориентировочные, оценка редакции.
Из какой профессии проще перейти
| Откуда | Что уже есть | Что доучить |
|---|---|---|
| Аналитик данных | SQL, понимание метрик и бизнеса | Python, Airflow, моделирование DWH, Spark |
| Backend-разработчик | Программирование, работа с базами | Модели данных, оркестрацию, Spark и Kafka |
| Администратор БД (DBA) | СУБД, SQL, настройка производительности | Python, Airflow, распределённые системы |
| Тестировщик (QA) | Внимание к деталям, часто SQL | Python, ETL, автоматизацию проверок данных |
Таблица составлена редакцией по описаниям переходов в обзорах h.careers и Хабра.
Где учиться на Data Engineer
| Путь | Срок | Плюсы | Минусы |
|---|---|---|---|
| Магистратура | 2 года | Диплом, глубокая база, среда | Дорого и долго, нужен бакалавриат |
| Онлайн-курсы | 5–17 месяцев | Практика, проекты, обратная связь | Цена, качество программ разное |
| Самообучение | без срока | Бесплатно или дёшево, свой темп | Нужна дисциплина, нет проверки решений |
Магистратуры
- НИУ ВШЭ и Нетология, «Инженерия данных» (09.04.04): 2 года, онлайн и очно-онлайн, 305 000 ₽ за семестр. Принимают бакалавров любого направления, нужен Python. На странице Нетологии указан старт 01.09.2027.
- Университет Иннополис, «ИИ и инженерия данных»: 2 года, очно, обучение на английском, от 240 000 ₽ в год (по данным страницы, часть цифр относится к 2024 году, уточняйте).
- МФТИ, онлайн-магистратура «Науки о данных»: 2 года, 398 000 ₽ за семестр. Инженерия данных там один из трёх треков.
Данные со страниц программ, проверено 06.10.2026. Условия приёма и стоимость уточняйте на сайтах вузов.
Онлайн-курсы: сравнение по сроку и цене
| Школа и курс | Срок | Цена на 06.10.2026 | Что важно знать |
|---|---|---|---|
| Яндекс Практикум, «Инженер данных» | 6,5 мес. | 119 500 ₽, рассрочка до 36 мес. | Нужны SQL и Python. Помощи с трудоустройством нет. В обзоре на Хабре указана другая цена, сверяйте на сайте |
| Karpov.Courses, «Инженер данных» | 5 мес., старт 22.10 | 99 000 ₽, рассрочка | Нужны SQL, Python, Git и Linux. Трудоустройство не гарантируется |
| Нетология, «Дата-инженер» | 9–17 мес. | 85–105 тыс. ₽ со скидкой | Карьерный центр, поддержка в течение года |
| Skillbox, «Data Engineer + ИИ» | 12 мес. | от 5 424 ₽ в месяц со скидкой | Школа заявляет 85% трудоустройства за 3 месяца, условия смотрите в оферте |
| Simulative | 10 недель | 125, 159 или 280 тыс. ₽ по тарифам | Школа заявляет 87% трудоустройства |
| Newprolab, «Data Engineer» | 10 недель | 134 400 ₽ | Поток стартовал 05.10.2026 |
| Otus | около 5 мес. | на странице не указана | Обратная связь от преподавателей, база партнёров |
| Stepik | свой темп | 17 990 или 24 990 ₽ | Итоговый проект и сертификат |
Проценты трудоустройства взяты со страниц самих школ, методика расчёта нигде не раскрыта. Сравнивайте состав программы, проекты выпускников и требования ко входу, а не цифру на баннере. Актуальные цены, промокоды и отзывы смотрите в каталоге: курсы по Data Engineering .
Цены и сроки со страниц школ на 06.10.2026, акции и рассрочки меняются, перед покупкой проверьте актуальные условия.
Бесплатные способы
- Data Engineering Zoomcamp (DataTalks.Club): бесплатный курс на английском, около 9 недель. Сертификат выдают только участникам живого потока, следующий ожидается в январе 2027 года (проверьте дату на GitHub курса).
- Документация и туториалы: Airflow, Spark, Kafka и dbt хорошо описаны на официальных сайтах.
- Открытый роадмап Дементьева на GitHub: порядок тем и ссылки на материалы.
Сертификаты
- Google Cloud Professional Data Engineer: $200, 2 часа, действует 2 года. Google рекомендует иметь от 3 лет опыта.
- Yandex Cloud Certified Data Engineer: 50 вопросов, 90 минут, рекомендуется от 6 месяцев опыта.
Сертификат помогает, но не заменяет проекты. Если планируете зарубежный экзамен, заранее проверьте, как его оплатить и сдать из вашей страны.
Google Cloud и Yandex Cloud: страницы экзаменов, 06.10.2026.
Портфолио Data Engineer
По обзорам на Хабре, GitHub с рабочими проектами важнее сертификата. Проект дата-инженера должен показывать пайплайн целиком: откуда данные, как они очищаются, где лежат и как их проверяют. Разбор данных в блокноте для этого не подходит, это работа аналитика.
Пакетный пайплайн
Ежедневная загрузка открытых данных (курсы валют, погода, события GitHub) в PostgreSQL через DAG в Airflow, с повторными запусками и проверками.
Мини-хранилище
Учебная база интернет-магазина, слои STG, ODS и витрины, описание модели данных и инкрементальная загрузка.
Потоковый проект
События в Kafka, агрегаты в ClickHouse, простой дашборд. Покажите, как вы справляетесь с дубликатами и опоздавшими данными.
- Запуск одной командой (Docker Compose) и понятный README со схемой.
- Тесты и проверки данных, а не только код загрузки.
- Описание решений: почему выбрали такую модель, партиции, формат хранения.
- Объём данных и замеры скорости до и после оптимизации.
Что говорят нанимающие
Data Architect и руководитель команды инженеров данных в статье на Хабре от 10.04.2026 описывает, что просит кандидатов объяснить каждую строку своего тестового решения, и отмечает слабое знание Spark даже у кандидатов с опытом. Вывод: учите то, что указываете в резюме, до уровня, на котором можете объяснить.
Резюме, собеседование и тестовое задание
Резюме Data Engineer
- Ссылку на GitHub и описание проектов поставьте в самом верху.
- Для каждого проекта укажите источники данных, объём, стек и результат: скорость загрузки, сэкономленное время, число проверок.
- Стек группируйте по задачам: языки, базы, оркестрация, большие данные, инфраструктура.
- Опыт аналитика или разработчика покажите как опыт работы с данными: какие запросы и загрузки вы писали.
- Резюме под вакансию: подсветите совпадения с требованиями.
Где искать вакансии
hh.ru, Хабр Карьера (раздел «Инженер по данным»), Telegram-канал data_engineer_jobs , карьерные страницы компаний с большими командами данных: Сбер, X5 Tech, Домклик, Lamoda Tech, S7, Neoflex.
Вопросы на собеседовании
- SQL: джойны, оконные функции, поиск дубликатов, план запроса, индексы.
- Моделирование: нормализация, схема «звезда» и «снежинка», SCD (медленно меняющиеся измерения), слои DWH.
- Загрузки: инкрементальные и полные, идемпотентность. Повторный запуск не должен дублировать данные: используют UPSERT вместо простого INSERT и записывают данные в конкретную партицию, а не «последние».
- Airflow: DAG, зависимости, повторные запуски, догрузка за прошлые даты (backfill).
- Kafka: топики и партиции, гарантии доставки, идемпотентный продюсер.
- Spark: партиции, shuffle, соединения больших таблиц.
- Кейс: «как бы вы построили пайплайн от этого источника до этой витрины». Важно не угадать стек, а рассуждать вслух.
Темы по задачам Tproger (SQL на собеседованиях), документации Airflow (best practices) и Apache Kafka, описанию SCD. Список составлен редакцией.
Тестовое задание
Пример тестового задания
Задача: каждый день приходит CSV с заказами интернет-магазина (номер заказа, клиент, сумма, статус, время обновления). Часть заказов меняется со временем. Загрузите данные в PostgreSQL так, чтобы повторный запуск не создавал дубликатов, и постройте витрину «выручка по дням». Оформите решение как DAG в Airflow, добавьте проверки и README.
Как это решают:
- Сначала сырые данные попадают в промежуточную таблицу, затем обновляются данные в основной.
- Ключ заказа плюс время обновления определяют, какую строку считать актуальной. Запись выполняют через UPSERT, поэтому повторный запуск ничего не дублирует.
- Витрину пересчитывают за окно последних дней, потому что заказы могут меняться задним числом.
- Проверки: файл не пустой, суммы не отрицательные, нет дублей по ключу. При сбое DAG падает и присылает алерт.
- Запуск в Docker Compose и короткое описание допущений.
Пример составлен редакцией по типичным форматам тестовых, это не задание конкретной компании. Оценивают ясность решения и умение объяснить свой код, а не количество технологий.
Ошибки новичков и заблуждения о профессии
Частые ошибки
- Учить все инструменты подряд, не освоив SQL и Python.
- Браться за Spark и Kafka раньше, чем научились моделировать данные и писать уверенный SQL.
- Сделать проект в виде блокнота с анализом и назвать его инженерией: там нет пайплайна, расписания и проверок.
- Не показывать репозиторий: без GitHub и описания проекта доказать навыки трудно.
- Копировать туториалы и не уметь объяснить, почему решение устроено именно так.
- Игнорировать качество данных, тесты и мониторинг.
Заблуждения
- «Дата-инженер это админ Hadoop». Hadoop встречается в вакансиях, но в базовом открытом стеке из обзора Хабра его нет: там S3, Iceberg, Spark, Trino, Kafka и Airflow.
- «Нужна сильная математика». Для входа достаточно базовой, глубокая нужна data scientist’ам.
- «Курс гарантирует работу». Школы называют проценты трудоустройства без методики, а работодатели смотрят на проекты.
- «Это то же самое, что аналитик». У аналитика задача отвечать на вопросы по данным, у инженера обеспечивать сами данные.
Плюсы и минусы профессии
Плюсы
- Зарплата выше, чем у аналитиков: 255 против 170 тыс. ₽ по медианам Хабр Карьеры (материал от 15.05.2026).
- Универсальные навыки (SQL, Python, базы) нужны почти в любой компании с данными.
- Широкий выбор отраслей: банки, ритейл, маркетплейсы, телеком, логистика.
- Есть куда расти: Lead, архитектор данных, руководитель направления.
Минусы
- Порог входа высокий, вакансий для новичков мало.
- Работу замечают, когда она сломалась: ответственность за сбои выше, чем видимость результата.
- Стек быстро меняется, учиться придётся постоянно.
- Много рутины: чистка данных, проверки, разбор неудачных загрузок.
ИИ и профессия Data Engineer
Нейросети уже пишут типовой SQL, код загрузчиков и тесты, поэтому рутина начинающего инженера автоматизируется быстрее всего. Вендор Datafold в прогнозе от 05.03.2026 рассматривает сценарий, в котором агенты берут на себя до 70% написания и отладки кода. Это прогноз компании, которая продаёт инструменты для данных, а не независимое измерение. Российских исследований о влиянии ИИ именно на эту профессию найти не удалось.
Что остаётся человеку: архитектура, выбор компромиссов между скоростью и стоимостью, ответственность за качество и безопасность данных, договорённости с бизнесом. Растёт и новая работа: подготовка данных для ИИ, векторные базы, поиск по документам (RAG), контроль происхождения данных.
- Используйте ИИ для черновиков SQL, ревью кода, тестов и документации.
- Всегда проверяйте результат на тестовых данных: уверенный ответ модели не доказывает, что запрос верный.
- Не отдавайте нейросетям персональные и коммерческие данные компании без разрешения безопасности.
- Учитесь объяснять решение: на собеседовании проверяют именно понимание.
Datafold, «Data engineering in 2026: predictions», 05.03.2026. Рекомендации по работе с ИИ составлены редакцией.
Работа за рубежом и удалёнка
Из России можно откликаться на удалённые вакансии зарубежных студий и компаний, но условия зависят от страны и работодателя. Часть компаний не нанимает резидентов России из-за санкционных ограничений и сложностей с выплатами, поэтому спросите об этом на первом этапе, а не после тестового.
- Английский нужен не только для документации: на нём проходят собеседование, переписка в рабочих чатах, созвоны и тестовое. Подтягивайте разговорный и подготовьте описание проектов на английском.
- Вилки: по данным BLS (27.08.2026), медиана для архитекторов баз данных в США в 2025 году составила $139 500 в год; отдельной категории data engineer у BLS нет. По Glassdoor, общая оплата в США в направлении data engineering обычно лежит в диапазоне $128–230 тыс. в год (дата на странице не указана).
- Удалёнка: по оценке рекрутера KORE1, полностью удалённых ролей около 2% вакансий в 2025 году, поэтому конкуренция высокая.
- Выплаты и налоги обсудите до оффера: контракт через ИП или самозанятость, платформы для фрилансеров, банки и валюты. Правила меняются, поэтому уточняйте у бухгалтера или юриста.
- Релокацию компании чаще предлагают опытным специалистам. Спросите, кто оформляет визу и оплачивает переезд.
BLS: Database Administrators and Architects, 27.08.2026; Glassdoor: Data Engineering Salaries; KORE1: Data Engineer Salary Guide 2026. Раздел ориентировочный.
Карьера Data Engineer
| Грейд | Опыт (по hh) | Что делает | Что показать на собеседовании |
|---|---|---|---|
| Junior | 1–2 года | Пишет SQL и простые загрузки, поддерживает готовые пайплайны под руководством старших | Проекты в портфолио, уверенный SQL |
| Middle | 3–4 года | Самостоятельно проектирует пайплайны и модели данных, решает инциденты | Опыт на реальных объёмах, оптимизация |
| Senior | от 4 лет | Отвечает за архитектуру хранилища, выбирает инструменты, обучает команду | Решения, которые выдержали нагрузку и рост |
| Lead | по компании | Ведёт команду, согласует планы с бизнесом и смежными командами | Управление людьми и приоритетами |
Дальше можно расти в Data Architect (архитектор данных) или Head of Data (руководитель направления данных), а также перейти в смежные роли: Analytics Engineer, ML Engineer, Data Platform Engineer. Чёткого описания требований к этим ролям в открытых источниках найти не удалось, ориентируйтесь на конкретные вакансии.
Опыт по грейдам: hh Карьерная платформа, профессия «Data Engineer». Колонки про задачи и собеседование составлены редакцией.
Люди, которые повлияли на инженерию данных
Дуг Каттинг
Автор поисковой библиотеки Lucene и один из создателей Apache Hadoop вместе с Майком Кафареллой. Hadoop сделал обработку больших объёмов данных доступной не только гигантам индустрии.
Клиффорд Линч
Директор Коалиции за сетевую информацию (CNI). В 2008 году написал для журнала Nature статью о стремительном росте объёмов и разнообразия данных и о том, что это значит для науки.
Эдгар Кодд
Британский учёный, работавший в IBM. В 1970 году опубликовал работу «A Relational Model of Data for Large Shared Data Banks», ставшую основой реляционных баз данных. Лауреат премии Тьюринга 1981 года.
Полезные ссылки и ресурсы
Книги
- «Основы инженерии данных», Джо Рис и Мэтт Хоусли (русское издание БХВ, 2026; оригинал Fundamentals of Data Engineering, O’Reilly, 2022)
- «Designing Data-Intensive Applications», 2-е издание, Мартин Клеппман и Крис Риккомини (O’Reilly, 2026); на русском доступно первое издание «Высоконагруженные приложения»
- «SQL. Полное руководство», Джеймс Р. Грофф, Пол Н. Вайнберг
- «Распределённые системы. Паттерны проектирования», Брендан Бернс
- «Изучаем Spark», Холден Карау, Энди Конвински (издание 2015 года, часть материала устарела)
Telegram-каналы
- Data Engineering (@dataeng) : новости и заметки по инженерии данных
- Data Engineer Jobs : вакансии
- DataTalks.RU : блог и материалы сообщества
YouTube и сообщества
- CMU Database Group : лекции по устройству баз данных
- Data School : основы анализа данных и pandas
- Data Engineering Subreddit
- Data Engineering Zoomcamp : бесплатный курс
Роадмапы
- Роадмап Дементьева : порядок тем и материалы
- Пример pet-проекта на Хабре (14.06.2026)
Полезные инструменты
- Apache Airflow : оркестрация пайплайнов
- Apache Spark : распределённые вычисления
- Apache Kafka : потоки событий
- ClickHouse : колоночная аналитическая СУБД
- Trino : распределённые SQL-запросы
- dbt : преобразования данных в SQL
- Dagster и Prefect : современные оркестраторы
- lakeFS : версионирование данных
Каналы и ссылки проверены на 06.10.2026. Старые каналы по Data Science из прежней версии страницы убраны, если по ним нет подтверждения активности.
Частые вопросы о профессии Data Engineer
Источники и актуальность данных
- Хабр Карьера: калькулятор зарплат, специальность Data Engineer, 06.10.2026; обзор зарплат от 10.08.2026; материал о профессии от 15.05.2026.
- Хабр: отчёт о зарплатах в IT за 1-е полугодие 2026, 21.07.2026.
- hh Карьерная платформа: кто такой Data Engineer , 26.02.2026.
- hh.ru: вакансии Data Engineer , 06.10.2026.
- Яндекс Практикум: профессия Data Engineer , 10.03.2026.
- Нетология: Data Engineer , 27.05.2025.
- Роадмап Дементьева (GitHub) .
- Apache Airflow: best practices .
- BLS: Database Administrators and Architects , 27.08.2026.
- Коммерсантъ, 10.07.2026 и hh stats, февраль 2026: динамика IT-вакансий.
- Страницы школ и вузов (цены, сроки, программы), 06.10.2026.
Зарплаты и рынок меняются: страница пересматривается раз в квартал. Последняя проверка данных: 06.10.2026.
