Nous utilisons des cookies techniques et le journal de visites anonymisé de Zorky. Yandex Metrica (données stockées sur des serveurs en Russie) ne fonctionne qu'avec votre consentement. Nous ne vendons jamais de données. En savoir plus sur les cookies et les statistiques.
Zorky est en mode test — tout est gratuit. Les offres et les pages des entreprises sont ouvertes à tous ; les liens vers les annonces et votre sélection personnelle s'ouvrent après inscription. Inscription →

Data Warehouse : marché

Données au 19 novembre 2026 : offres ouvertes Data Warehouse — 442, 39% en télétravail parmi les offres qui précisent le mode de travail; salaire médian annoncé $7 880/mois (sur 52 offres qui indiquent un salaire). Source : Zorky, mis à jour chaque jour.

Data Warehouse Engineer — spécialisation dans les DWH cloud (Snowflake/BigQuery/Redshift/ClickHouse). Un sous-segment du Data Engineering centré sur la modélisation DWH + dbt + les plateformes data cloud. Une niche premium grâce à l'expertise des DWH cloud. Famille de rôles : Snowflake Engineer (DWH cloud dominant — conception de schémas + dbt + optimisation des coûts), BigQuery Engineer (stack data Google Cloud), ClickHouse Engineer, Redshift Engineer (legacy AWS), Data Warehouse Architect (spécialiste de la modélisation — Kimball/Data Vault). Stack : SQL au niveau maîtrise (indispensable — fonctions de fenêtrage, CTE récursives, optimisation des requêtes, partition pruning, vues matérialisées), Snowflake (premium cloud — Tasks, Streams, Time Travel, micro-partitions, ingestion Snowpipe), BigQuery (GCP — tarification par slots, BQML pour le ML dans la base), ClickHouse (OLAP dominant dans la CEI — ReplicatedMergeTree, moteurs distribués, vues matérialisées), Redshift (legacy AWS — distkey/sortkey), Greenplum (entreprise CEI), dbt (standard de la couche de transformation + adaptateurs dbt-snowflake / dbt-bigquery / dbt-clickhouse), Apache Airflow pour l'orchestration de l'ingestion, Looker/Mode/Metabase/Superset/Yandex DataLens pour la BI sur le DWH. Stack la plus demandée : snowflake, cloud, sql, python, dbt. Parmi les offres dont le mode de travail est indiqué, 39% sont en télétravail. Senior Snowflake/BigQuery — prime de 10-15 % par rapport à un Senior Data Engineer pour la spécialité DWH cloud.

Données au:

Les chiffres clés du marché Data Warehouse : offres ouvertes, salaire médian, vivier de spécialistes observé et part du télétravail.

442
offres ouvertes — par intitulé de poste, republications fusionnées
$7 880
médiane $/mois
39%
télétravail

Le marché Data Warehouse compte actuellement 442 postes ouverts, dont 385 observés récemment. Median salary $7 880/mo.

Parmi les offres dont le mode de travail est indiqué, 39% sont en télétravail. Le travail se fait entièrement dans le cloud. Entreprises produit russes — hybride ou télétravail. Sber — plus souvent au bureau. SaaS internationaux de DWH cloud (Snowflake/BigQuery/dbt Labs) — télétravail complet.

⚠ salaire connu pour 52 offres sur 442 ; part du télétravail sur 362 avec un format indiqué ; 385 comptées comme observations récentes ; la tendance et la difficulté de recrutement ne sont pas affichées

Chronologie : offres et sources

Combien d'offres Data Warehouse sont apparues chaque semaine depuis le 1 juin, et depuis combien de sources. Le graphique du bas sépare la croissance du marché de celle de notre couverture : un saut la semaine où de nouvelles sources ont été connectées signifie que nous voyons davantage, pas que le marché a grandi.

Nouvelles offres par semaine

Données du graphique
Nouvelles offres par semaine. Tableau des données du bloc. Une valeur manquante n’est pas zéro ; les unités et l’échantillon sont indiqués dans la description de l’indicateur.
PériodeNouvelles offres par semaine
2026-06-0132
2026-06-0829
2026-06-1538
2026-06-2289
2026-06-2988
2026-07-0661
2026-07-1375
2026-07-2088
2026-07-2769
2026-08-0345
2026-08-1021
2026-08-1727
2026-08-2437
2026-08-3141
2026-09-0737
2026-09-1434
2026-09-2170
2026-09-2891
2026-10-0594
2026-10-12200
2026-10-1992
2026-10-2693
2026-11-0291
2026-11-09124

Sources actives par semaine

Sources sur la période : 100. ▲ — semaine où de nombreuses nouvelles sources ont été connectées.

Données du graphique
Sources actives par semaine. Tableau des données du bloc. Une valeur manquante n’est pas zéro ; les unités et l’échantillon sont indiqués dans la description de l’indicateur.
PériodeSources actives
2026-06-017
2026-06-089
2026-06-1511
2026-06-2220
2026-06-2916
2026-07-0619
2026-07-1323
2026-07-2024
2026-07-2722
2026-08-0321
2026-08-1012
2026-08-1710
2026-08-2414
2026-08-3119
2026-09-0714
2026-09-1415
2026-09-2129
2026-09-2824
2026-10-0524
2026-10-1233
2026-10-1931
2026-10-2630
2026-11-0231
2026-11-0937
Nouvelles sources connectées : 22 juin +13 · 29 juin +6 · 6 juil. +8 · 13 juil. +6 · 20 juil. +8 · toutes les semaines (21) dans le tableau
SemaineNouvelles sourcesNouvelles offres
8 juin+329
15 juin+338
22 juin+1389
29 juin+688
6 juil.+861
13 juil.+675
20 juil.+888
27 juil.+569
3 août+345
17 août+127
24 août+237
31 août+341
7 sept.+137
14 sept.+334
21 sept.+570
5 oct.+594
12 oct.+5200
19 oct.+392
26 oct.+393
2 nov.+491
9 nov.+3124

La semaine en cours n'est pas terminée et n'est pas affichée : une semaine incomplète ressemblerait à une baisse.

Semaine = date de première détection de l'offre, tous statuts ; les offres sont sélectionnées selon la même règle que le compteur de cette page. Les sources sont des canaux de collecte distincts ; leurs noms ne sont pas publiés.

Données du graphique
Chronologie : offres et sources — Data Warehouse. Tableau des données du bloc. Une valeur manquante n’est pas zéro ; les unités et l’échantillon sont indiqués dans la description de l’indicateur.
SemaineNouvelles offres par semaineSources actives
2026-06-01327
2026-06-08299
2026-06-153811
2026-06-228920
2026-06-298816
2026-07-066119
2026-07-137523
2026-07-208824
2026-07-276922
2026-08-034521
2026-08-102112
2026-08-172710
2026-08-243714
2026-08-314119
2026-09-073714
2026-09-143415
2026-09-217029
2026-09-289124
2026-10-059424
2026-10-1220033
2026-10-199231
2026-10-269330
2026-11-029131
2026-11-0912437

Les salaires dans le temps

Salaire médian Data Warehouse par semaine, USD par mois.

Salaire médian, USD par mois

Données du graphique
Salaire médian, USD par mois. Tableau des données du bloc. Une valeur manquante n’est pas zéro ; les unités et l’échantillon sont indiqués dans la description de l’indicateur.
PériodeMédianeOffres avec salaire par semaine (n)
2026-10-127 61813
2026-10-196 31213
2026-10-268 14318
2026-11-029 58311
2026-11-096 37519

La série commence le 12 oct. : aucune donnée avant.

Offres avec salaire par semaine (n)

Uniquement les offres avec un salaire en USD et une période connue (mois ou année), de 500 à 50 000 $ par mois. Les semaines comptant moins de 10 offres de ce type sont laissées vides — cela signifie pas de données, pas zéro.

Données du graphique
Les salaires dans le temps — Data Warehouse. Tableau des données du bloc. Une valeur manquante n’est pas zéro ; les unités et l’échantillon sont indiqués dans la description de l’indicateur.
SemaineMédiane
2026-06-01—
2026-06-08—
2026-06-15—
2026-06-22—
2026-06-29—
2026-07-06—
2026-07-13—
2026-07-20—
2026-07-27—
2026-08-03—
2026-08-10—
2026-08-17—
2026-08-24—
2026-08-31—
2026-09-07—
2026-09-14—
2026-09-21—
2026-09-28—
2026-10-05—
2026-10-127 618
2026-10-196 312
2026-10-268 143
2026-11-029 583
2026-11-096 375

Le télétravail dans le temps

Part des offres Data Warehouse proposant un télétravail complet, par semaine.

Offres en télétravail, %

Données du graphique
Offres en télétravail, %. Tableau des données du bloc. Une valeur manquante n’est pas zéro ; les unités et l’échantillon sont indiqués dans la description de l’indicateur.
PériodeTélétravail
2026-06-0172
2026-06-0842,9
2026-06-1558,8
2026-06-2252,4
2026-06-2952,8
2026-07-0648,4
2026-07-1350
2026-07-2068,7
2026-07-2775
2026-08-0323,7
2026-08-1013,3
2026-08-1715,4
2026-08-2440
2026-08-3131,4
2026-09-0725,8
2026-09-1426,9
2026-09-2121,3
2026-09-2849,3
2026-10-0532,9
2026-10-1236,4
2026-10-1927,6
2026-10-2650
2026-11-0242,9
2026-11-0929,6

La part est calculée parmi les offres qui précisent le mode de travail (télétravail, hybride, bureau). Les semaines comptant moins de 10 offres de ce type sont laissées vides.

Données du graphique
Le télétravail dans le temps — Data Warehouse. Tableau des données du bloc. Une valeur manquante n’est pas zéro ; les unités et l’échantillon sont indiqués dans la description de l’indicateur.
SemaineTélétravail
2026-06-0172
2026-06-0842,9
2026-06-1558,8
2026-06-2252,4
2026-06-2952,8
2026-07-0648,4
2026-07-1350
2026-07-2068,7
2026-07-2775
2026-08-0323,7
2026-08-1013,3
2026-08-1715,4
2026-08-2440
2026-08-3131,4
2026-09-0725,8
2026-09-1426,9
2026-09-2121,3
2026-09-2849,3
2026-10-0532,9
2026-10-1236,4
2026-10-1927,6
2026-10-2650
2026-11-0242,9
2026-11-0929,6

Les technologies dans le temps

Comment la part des offres Data Warehouse mentionnant chacune des principales technologies a évolué.

Offres mentionnant la technologie, %

Données du graphique
Offres mentionnant la technologie, %. Tableau des données du bloc. Une valeur manquante n’est pas zéro ; les unités et l’échantillon sont indiqués dans la description de l’indicateur.
PériodeSnowflakeSQLcloud
2026-08-1780,811,534,6
2026-08-2474,322,922,9
2026-08-3172,517,525
2026-09-0776,517,629,4
2026-09-1464,538,716,1
2026-09-2176,222,231,7
2026-09-285626,259,5
2026-10-0570,849,447,2
2026-10-1275,334,343,3
2026-10-1978,765,242,7
2026-10-2677,460,244,1
2026-11-0272,158,152,3
2026-11-0971,948,842,1

La série commence le 17 août : aucune donnée avant.

Jusqu’à 5 sur le graphique :

Part parmi les offres avec un stack tagué ; la série commence le 10 août : auparavant les tags de stack étaient attribués différemment. Les semaines comptant moins de 20 offres taguées sont laissées vides.

Données du graphique
Les technologies dans le temps — Data Warehouse. Tableau des données du bloc. Une valeur manquante n’est pas zéro ; les unités et l’échantillon sont indiqués dans la description de l’indicateur.
SemaineSnowflakeSQLcloudPythondbt
2026-08-10—————
2026-08-1780,811,534,63,87,7
2026-08-2474,322,922,928,62,9
2026-08-3172,517,5251015
2026-09-0776,517,629,411,82,9
2026-09-1464,538,716,119,46,5
2026-09-2176,222,231,731,719
2026-09-285626,259,529,814,3
2026-10-0570,849,447,242,716,9
2026-10-1275,334,343,320,216,9
2026-10-1978,765,242,744,940,4
2026-10-2677,460,244,148,432,3
2026-11-0272,158,152,352,340,7
2026-11-0971,948,842,137,233,1

Pays au fil du temps

Comment la part des offres Data Warehouse dans chacun des principaux pays a évolué, par semaine.

Offres dans le pays, %

Données du graphique
Offres dans le pays, %. Tableau des données du bloc. Une valeur manquante n’est pas zéro ; les unités et l’échantillon sont indiqués dans la description de l’indicateur.
PériodePologneÉtats-UnisRoyaume-Uni
2026-06-0156,228,10
2026-06-0827,637,93,4
2026-06-1543,218,98,1
2026-06-2263,212,61,1
2026-06-2937,934,53,4
2026-07-0617,951,80
2026-07-1324,631,11,6
2026-07-2055,214,911,5
2026-07-2765,55,212,1
2026-08-0317,112,222
2026-08-10102040
2026-08-1713,69,145,5
2026-08-242517,928,6
2026-08-3111,113,938,9
2026-09-076,713,336,7
2026-09-147,429,618,5
2026-09-2114,3258,9
2026-09-2818,615,17
2026-10-0537,28,19,3
2026-10-1223,419,310,3
2026-10-1942,715,94,9
2026-10-2639,814,810,2
2026-11-0227,725,36
2026-11-0923,314,68,7
Jusqu’à 5 sur le graphique :

Part parmi les offres dont le pays est connu ; le graphique montre les cinq pays comptant le plus d'offres sur six mois. Les semaines comptant moins de 20 offres avec un pays connu sont laissées vides. Une part en hausse peut signifier une source nouvellement connectée dans ce pays plutôt qu'une croissance du marché.

Données du graphique
Pays au fil du temps — Data Warehouse. Tableau des données du bloc. Une valeur manquante n’est pas zéro ; les unités et l’échantillon sont indiqués dans la description de l’indicateur.
SemainePologneÉtats-UnisIndeRoyaume-UniAustralie
2026-06-0156,228,16,200
2026-06-0827,637,917,23,40
2026-06-1543,218,95,48,12,7
2026-06-2263,212,681,11,1
2026-06-2937,934,55,73,42,3
2026-07-0617,951,816,100
2026-07-1324,631,121,31,63,3
2026-07-2055,214,96,911,53,4
2026-07-2765,55,23,412,13,4
2026-08-0317,112,219,5224,9
2026-08-101020104015
2026-08-1713,69,118,245,59,1
2026-08-242517,917,928,63,6
2026-08-3111,113,916,738,911,1
2026-09-076,713,316,736,73,3
2026-09-147,429,629,618,53,7
2026-09-2114,32512,58,95,4
2026-09-2818,615,111,677
2026-10-0537,28,111,69,32,3
2026-10-1223,419,315,210,30,7
2026-10-1942,715,912,24,96,1
2026-10-2639,814,812,510,25,7
2026-11-0227,725,34,861,2
2026-11-0923,314,65,88,70

Marché net : indice de recrutement

Les mêmes 7 505 sites carrières d'employeurs ; le nombre d'offres provient du site lui-même. Connecter de nouvelles sources ne fait pas bouger cet indice — il montre le marché, pas notre couverture. C'est l'ensemble du marché du panel, pas seulement Data Warehouse.

Indice de recrutement, 16 oct. = 100

Données du graphique
Indice de recrutement, 16 oct. = 100. Tableau des données du bloc. Une valeur manquante n’est pas zéro ; les unités et l’échantillon sont indiqués dans la description de l’indicateur.
PériodeIndice de recrutement
2026-10-16100
2026-10-17100,03
2026-10-1899,76
2026-10-1999,68
2026-10-2099,27
2026-10-2198,6
2026-10-2299,07
2026-10-2397,4
2026-10-2497,41
2026-10-2697,33
2026-10-2796,76
2026-10-2896,21
2026-10-2995,17
2026-10-3095,13
2026-10-3193,65
2026-11-0193,33
2026-11-0292,67
2026-11-0392,65
2026-11-0492,41
2026-11-0592,13
2026-11-0690,44
2026-11-0790,48
2026-11-0890,45
2026-11-1090,29
2026-11-1190,22
2026-11-1390,12
2026-11-1489,7
2026-11-1589,68
2026-11-1689,62
2026-11-1888,91
2026-11-1988,02

Indice chaîné : chaque jour ne compare que les sites interrogés ce jour-là et la veille ; les valeurs aberrantes et les pannes d'interrogation d'une plateforme entière sont exclues. Les jours sans paire comparable sont laissés vides.

Données du graphique
Marché net : indice de recrutement — Data Warehouse. Tableau des données du bloc. Une valeur manquante n’est pas zéro ; les unités et l’échantillon sont indiqués dans la description de l’indicateur.
JourIndice de recrutement
2026-10-16100
2026-10-17100,03
2026-10-1899,76
2026-10-1999,68
2026-10-2099,27
2026-10-2198,6
2026-10-2299,07
2026-10-2397,4
2026-10-2497,41
2026-10-2697,33
2026-10-2796,76
2026-10-2896,21
2026-10-2995,17
2026-10-3095,13
2026-10-3193,65
2026-11-0193,33
2026-11-0292,67
2026-11-0392,65
2026-11-0492,41
2026-11-0592,13
2026-11-0690,44
2026-11-0790,48
2026-11-0890,45
2026-11-1090,29
2026-11-1190,22
2026-11-1390,12
2026-11-1489,7
2026-11-1589,68
2026-11-1689,62
2026-11-1888,91
2026-11-1988,02

Combien d'offres Data Warehouse ouvertes il y a et combien de spécialistes correspondants Zorky observe.

Demande et offre observée

Données du graphique
Tableau des données du bloc. Une valeur manquante n’est pas zéro ; les unités et l’échantillon sont indiqués dans la description de l’indicateur.
IndicateurValeur
Demande ouverte442
Demande ouverte442
Offre observée— non publié

L'Ingénieur Data Warehouse forme un flux d'offres régulier. Moteurs : migrations des DWH historiques (Greenplum/Redshift) vers Snowflake/BigQuery/ClickHouse, croissance de la modern data stack (dbt + DWH cloud), ClickHouse dominant dans les équipes produit de la CEI.

⚠ les candidats correspondant à une offre ne sont pas encore comptés : la demande et le vivier observé sont affichés

Comment se répartissent les salaires des offres Data Warehouse, en dollars américains par mois.

Distribution des salaires

P25 $6 062 · P50 $7 880 · P75 $10 250
Données du graphique
Tableau des données du bloc. Une valeur manquante n’est pas zéro ; les unités et l’échantillon sont indiqués dans la description de l’indicateur.
IndicateurValeur
<$1k0
$1–2k0
$2–3k0
$3–4k0
$4–5k5
$5–6k6
$6–7k11
$7–8k5
$8–9k7
$9–10k3
$10–12k9
$12–15k4
$15–20k1
$20k+1
Salaire dans les offres : base 442
  • exploitable pour le calcul: 52 (11,8%)
  • indiqué mais non converti en USD/mois: 54 (12,2%)
  • non indiqué: 336 (76%)

Une offre sur dix propose moins de $5 373, une sur dix plus de $12 500. La moitié des offres propose entre $6 062 et $10 250. Échantillon: 52.

Données du graphique
Distribution des salaires — Data Warehouse. Tableau des données du bloc. Une valeur manquante n’est pas zéro ; les unités et l’échantillon sont indiqués dans la description de l’indicateur.
IndicateurBorne inférieureBorne supérieureNombre
<$1k01 0000
$1–2k1 0002 0000
$2–3k2 0003 0000
$3–4k3 0004 0000
$4–5k4 0005 0005
$5–6k5 0006 0006
$6–7k6 0007 00011
$7–8k7 0008 0005
$8–9k8 0009 0007
$9–10k9 00010 0003
$10–12k10 00012 0009
$12–15k12 00015 0004
$15–20k15 00020 0001
$20k+20 000—1

Dans quels pays il y a le plus d'offres Data Warehouse ouvertes.

Géographie de la demande

paysoffrespart
Pologne11830,8%
États-Unis7920,6%
Inde4912,8%
Royaume-Uni256,5%
France195%
Allemagne184,7%
Canada82,1%
Mexique61,6%
Russie61,6%
Afrique du Sud51,3%
Autres pays5013,1%

Le leader par nombre d'offres DWH est la Pologne (118 postes). Russie — ClickHouse domine. Pologne — un pays de l'UE favorable au DWH. Un large segment international à distance via Snowflake/dbt Labs.

⚠ nombre d'offres uniquement : le salaire par pays n'est pas publié

Données du graphique
Géographie de la demande — Data Warehouse. Tableau des données du bloc. Une valeur manquante n’est pas zéro ; les unités et l’échantillon sont indiqués dans la description de l’indicateur.
PaysOffres
PL118
US79
IN49
GB25
FR19
DE18
CA8
MX6
RU6
ZA5

Quelles technologies sont le plus souvent demandées dans la même offre que Data Warehouse.

Utilisée avec

snowflake
32473,3%
sql
20345,9%
cloud
20145,5%
python
16236,7%
dbt
14833,5%
aws
11826,7%
azure
10022,6%
airflow
8519,2%
databricks
7316,5%
gcp
6314,3%

Part : combien des 442 offres du marché Data Warehouse mentionnent cette technologie. Tri par nombre d’offres, pas par « force d’association ». Les termes génériques comme cloud ne désignent pas un cloud précis (AWS, Azure).

Stack DWH principale 2026 : SQL au niveau maîtrise (indispensable), un DWH cloud : Snowflake (cloud premium) / BigQuery (GCP) / ClickHouse (OLAP dominant dans la CEI) / Redshift (historique AWS), dbt (standard de la couche de transformation), Apache Airflow (orchestration de l'ingestion), Apache Iceberg / Delta Lake (lakehouse), Kafka + Debezium (CDC), Looker / Mode / Metabase / Superset / Yandex DataLens (BI).

Couples courants : SQL + Snowflake, SQL + ClickHouse, dbt + Snowflake, dbt + BigQuery, dbt + ClickHouse, Airflow + DWH. Feuille de route d'apprentissage : SQL avancé → un DWH cloud (ClickHouse pour la CEI ou Snowflake pour l'international) → dbt → modélisation Kimball → bases d'Airflow → un outil BI.

Données du graphique
Utilisée avec — Data Warehouse. Tableau des données du bloc. Une valeur manquante n’est pas zéro ; les unités et l’échantillon sont indiqués dans la description de l’indicateur.
NomNombre
snowflake324
sql203
cloud201
python162
dbt148
aws118
azure100
airflow85
databricks73
gcp63
bigquery61
kafka26

Combien d'offres Data Warehouse il y a à chaque niveau, de junior à principal.

Demande par niveau

niveauoffres
senior163
middle40
principal28
lead27
junior10

Les Juniors sont rares — le marché attend un SQL avancé + un DWH. Parcours de carrière : analyste Senior / Data Engineer Middle → DWH Middle → Senior → Architecte DWH / Head of Data.

⚠ côté demande uniquement : le niveau du vivier observé est inconnu pour la majeure partie

Données du graphique
Demande par niveau — Data Warehouse. Tableau des données du bloc. Une valeur manquante n’est pas zéro ; les unités et l’échantillon sont indiqués dans la description de l’indicateur.
NiveauNombre
senior163
middle40
principal28
lead27
junior10

Qui recrute le plus pour Data Warehouse et à quel point la demande se concentre chez les plus grandes entreprises.

Employeurs

La demande est répartie entre 280 employeurs. Le plus grand en représente 3.3 %, les dix premiers 16.7 % ; les 83.3 % restants forment la longue traîne.

le plus grand 3,3%2e–3e 3,8%4e–10e 9,6%les autres 83,3%
partvaleur
top 13.3%
top 37.2%
top 1016.7%
longue traîne83.3%

⚠ les noms ne sont pas affichés : le classificateur ne distingue pas encore les agences de recrutement des employeurs finaux

Sur quels sites d'entreprises et sites d'emploi Zorky collecte les offres Data Warehouse.

Où Zorky voit ce marché

Observé sur 65 sources ; la plus grande en représente 15.4 % : ce marché ne repose pas sur un seul canal.

Données du graphique
Où Zorky voit ce marché — Data Warehouse. Tableau des données du bloc. Une valeur manquante n’est pas zéro ; les unités et l’échantillon sont indiqués dans la description de l’indicateur.
ClasseNomNom anglaisNombrePart
atsATS и карьерные сайтыATS et sites carrières2230,5045
boardджоб-борды и агрегаторыjob boards et agrégateurs2020,457
telegramTelegramTelegram170,0385

Les offres Data Warehouse les plus récentes, issues des pages carrières des entreprises.

Postes récents

Toutes les offres →

Dernières offres de DWH Engineer ouvertes — les 10 postes les plus récents avec une qualité de description suffisante. La liste complète est dans notre CRM ou via le lien « voir tout » ci-dessous.

Comment c'est mesuré
Offre
une offre ouverte ayant passé le contrôle qualité et citant au moins deux technologies
Candidat observé
un candidat dont la stack contient cette technologie ; un agrégat — aucune fiche individuelle ne sort du périmètre
Candidat correspondant
pas encore compté
Fenêtre
offres ouvertes au moment de la création de l'instantané

À propos des données

  • Certaines ventilations sont masquées : leur couverture de données n'est pas encore suffisante.
  • Les statistiques ne sont affichées que là où l'échantillon passe un contrôle qualité.
  • Un bloc absent ne signifie pas une valeur nulle.

Ventilations masquées actuellement : 8.

Domaine: Data Engineering

Spécialisations associées

Au sein de l'Ingénieur Data Warehouse : Ingénieur Snowflake (dominant du DWH cloud), Ingénieur BigQuery (GCP), Ingénieur ClickHouse, Ingénieur Redshift (AWS historique), Architecte Data Warehouse (spécialiste de la modélisation). Comparaison avec les autres spécialisations data — dans la barre ci-dessous.

Big DataData EngineerDBAStreaming

Questions fréquentes

Les questions les plus fréquentes sur l'ingénieur DWH : rémunération, Snowflake vs BigQuery vs ClickHouse vs Redshift, dbt vs Airflow (complémentaires, pas concurrents), différences avec Data Engineer / Analytics Engineer, télétravail, comment débuter (6-10 mois), compétences Senior. Les réponses sont recalculées automatiquement.

Quel est le salaire d'un ingénieur DWH Junior, Middle, Senior ou Lead ?

Les offres DWH Junior sont rares — le marché attend un SQL avancé + une pratique d'un DWH (souvent après un poste d'analyste Senior maîtrisant SQL ou de Data Engineer Middle). Le saut Junior → Middle — maîtrise approfondie d'un DWH + dbt + pipelines d'ingestion. Le Senior est responsable de l'architecture de modélisation du DWH (étoile/flocon/Data Vault). Le Lead — gestion de l'équipe de modélisation + conception de l'architecture de données d'entreprise. Parcours de carrière : analyste Senior / Data Engineer Middle → DWH Middle → Senior → soit Architecte Data Warehouse, soit Head of Data.

Quelle stack est le plus souvent demandée à un ingénieur DWH ?

Top 5 : snowflake, cloud, sql, python, dbt. SQL au niveau maîtrise (fonctions de fenêtrage, CTE récursives, optimisation des requêtes, partition pruning). L'un des DWH cloud : Snowflake (cloud premium — Tasks/Streams/Time Travel/micro-partitions/Snowpipe), BigQuery (GCP — tarification par slots/BQML), ClickHouse (OLAP dominant dans la CEI — ReplicatedMergeTree/distribué/vues matérialisées), Redshift (AWS historique — distkey/sortkey). Greenplum dans les grandes entreprises de la CEI (Sber). dbt — indispensable (standard de la couche de transformation — modèles + tests + macros + packages). Apache Airflow pour l'ingestion. Apache Iceberg/Delta Lake — formats de tables lakehouse (en croissance). Apache Kafka + Debezium pour le CDC. BI : Looker/Mode/Metabase/Superset/Yandex DataLens. Connaissance de la modélisation Kimball (schémas en étoile/en flocon, dimensions à évolution lente) ou de Data Vault — indispensable pour un Senior.

Snowflake vs BigQuery vs ClickHouse vs Redshift — que choisir ?

Snowflake — le leader des DWH cloud dans les projets internationaux. Multi-cloud (AWS/Azure/GCP), séparation stockage/calcul, Time Travel, Snowpipe pour le streaming. Tarification premium, mais la meilleure expérience développeur. Snowflake Senior — une prime en télétravail international. BigQuery — natif Google Cloud. Tarification par slots (ou à la demande), BQML pour le machine learning dans la base. Leader dans les entreprises GCP. ClickHouse — le leader OLAP open source dans la CEI. L'OLAP le plus rapide sur stockage en colonnes. ClickHouse Senior — une nécessité du marché dans les entreprises produit de la CEI. Redshift — l'historique d'AWS, migrations vers Snowflake ou BigQuery. Moins de nouveaux projets. Stratégie : ClickHouse dans une équipe produit de la CEI, Snowflake pour le télétravail international, BigQuery dans une stack GCP, Redshift uniquement pour la maintenance de projets AWS historiques.

dbt vs Airflow — sont-ils concurrents ?

Pas des concurrents — des compléments. Airflow — orchestration (quand lancer quoi, dépendances entre tâches). dbt — couche de transformation (modèles SQL + tests + documentation + lignage). Pipeline classique de la modern data stack : Airflow déclenche l'ingestion (scripts Python/Spark) → dbt s'exécute dans Airflow en tant que BashOperator ou DbtRunOperator (via le provider astronomer-dbt) → dbt exécute les transformations SQL dans le DWH (Snowflake/BigQuery/ClickHouse) → la couche BI (Looker/Metabase) lit les modèles dbt finaux. Un Ingénieur DWH Senior maîtrise les deux. Airflow pour l'orchestration + l'ingestion, dbt pour les transformations + les tests. La connaissance des modules dbt (sources/models/tests/macros/snapshots/seeds) + des bonnes pratiques dbt — indispensable pour un Senior en 2026.

Quelle part des offres propose du télétravail ?

Parmi les offres dont le mode de travail est indiqué, 39% sont en télétravail. Les offres sans mode de travail indiqué sont exclues du dénominateur ; le travail hybride n’est pas compté comme du télétravail.

En quoi l'Ingénieur DWH diffère-t-il du Data Engineer / Analytics Engineer ?

DWH Engineer (cette page) — focus sur le DWH cloud (Snowflake/BigQuery/ClickHouse/Redshift) et la modélisation. Maîtrise de SQL et d'un DWH en profondeur. Data Engineer (généraliste) — un périmètre plus large : pipelines, DWH, streaming et Spark. Analytics Engineer — focus sur dbt et la couche de transformation. Se situe entre Data Engineer et Data Analyst. SQL, dbt et un DWH (souvent Snowflake/BigQuery), mais SANS Spark ni streaming. Reconversion DWH Engineer → Analytics Engineer — 1-2 mois (même stack, focus sur dbt). DWH Engineer → Data Engineer (généraliste) — 3-6 mois (Spark et Airflow plus en profondeur).

Par où commencer en DWH en 2026 ?

Feuille de route (expérience SQL Middle ou Data Analyst supposée) : 1) SQL avancé — fonctions de fenêtrage en profondeur, CTE récursives, optimisation des requêtes, EXPLAIN ANALYZE, index, partition pruning. PostgreSQL + un moteur OLAP (ClickHouse recommandé — le plus utilisé dans la CEI). 2) Un DWH cloud : ClickHouse (recommandé pour une carrière dans la CEI — open source, gratuit) OU Snowflake (pour le remote international — essai gratuit de 30 jours) OU BigQuery (offre gratuite GCP). Maîtriser les fonctionnalités propres au moteur (ClickHouse : ReplicatedMergeTree + distributed + vues matérialisées ; Snowflake : Tasks + Streams + Time Travel + micro-partitions). 3) dbt — tutoriel officiel getdbt.com + projet personnel Jaffle Shop. Maîtriser models + tests + macros + sources + snapshots. 4) Modélisation Kimball — schéma en étoile, schéma en flocon, slowly changing dimensions (SCD). Livre "The Data Warehouse Toolkit" Kimball. 5) Bases d'Airflow — orchestration de l'ingestion. 6) Apache Iceberg ou Delta Lake — bases du lakehouse. 7) Un outil BI — Metabase/Superset/Yandex DataLens (gratuits) ou Looker (premium). 8) Projet personnel de bout en bout : ingestion (script Python + Airflow) → DWH (ClickHouse ou BigQuery) → modèles dbt → dashboard BI sur Metabase. Cours : Karpov.Courses "Data Engineer" (inclut le DWH), OTUS "Data Engineer", Yandex.Practicum "Data Engineer", DataCamp "Data Engineer with dbt", Snowflake University (EN — gratuit, meilleure ressource Snowflake), ClickHouse Academy (EN — gratuit). Livres : "The Data Warehouse Toolkit" Kimball (à lire absolument), "Analytics Engineering with dbt" (guide du modern data stack). Délai pour atteindre le niveau Junior DWH — 6-10 mois (plus rapide que Data Engineer généraliste grâce à un périmètre plus restreint).

Combien d’offres ouvertes cet échantillon contient-il ?

L’échantillon publié contient 442 offres ouvertes après regroupement des republications. C’est le même nombre que dans l’indicateur principal. La section géographique décrit la couverture de l’échantillon ; il ne s’agit pas d’une estimation de l’ensemble du marché.

De quelles compétences un ingénieur DWH Senior a-t-il besoin ?

Un DWH Senior prend en charge le cycle complet du DWH cloud. Maîtrise de SQL : fonctions de fenêtrage en profondeur, CTE récursives, plans de requête (EXPLAIN ANALYZE), élagage des partitions, index, vues matérialisées, patterns d'optimisation des requêtes. Un DWH cloud en profondeur : Snowflake (Tasks/Streams/Time Travel/micro-partitions/Snowpipe/optimisation des coûts via le dimensionnement des warehouses) ou BigQuery (gestion des slots/BQML/tables partitionnées) ou ClickHouse (ReplicatedMergeTree/moteurs distribués/vues matérialisées/codecs/dictionnaires). Modélisation : maîtrise de Kimball (schéma en étoile/en flocon, dimensions conformes, SCD de types 1-6), bases de Data Vault, architecture lakehouse (évolution des partitions Iceberg/Delta, time-travel, évolution de schéma). dbt : maîtrise (models/sources/tests/macros/snapshots/seeds/exposures), bonnes pratiques (modèles incrémentaux, stratégies de matérialisation, spécificités des adaptateurs dbt-snowflake/dbt-bigquery). Performance : patterns d'optimisation des requêtes propres à chaque moteur DWH, gestion des coûts (consommation de crédits Snowflake / slots BigQuery / dimensionnement des clusters ClickHouse). Ingestion : Kafka + Debezium pour le CDC, Airflow pour l'ingestion par lots, Snowpipe / Snowflake Streams / vues matérialisées. Qualité des données : tests dbt + Great Expectations + Soda. Intégration BI : l'un de Looker/Mode/Metabase/Superset/Yandex DataLens au niveau de la conception de la couche sémantique. Soft skills : revue de code (SQL + dbt), mentorat des Middle, communication avec les équipes Analyst/Business. Anglais indispensable pour Senior+ — la documentation DWH est majoritairement en anglais.

Laisser une demande

Décrivez la tâche et laissez un contact : la demande arrive dans notre CRM et nous répondons au contact indiqué.

En envoyant, vous acceptez la politique de confidentialité.