Usiamo cookie tecnici e il registro anonimo delle visite di Zorky. Yandex Metrica (dati conservati su server in Russia) funziona solo con il tuo consenso. Non vendiamo mai dati. Ulteriori informazioni su cookie e statistiche.
Zorky è in modalità test: è tutto gratuito. Le offerte e le pagine delle aziende sono aperte a tutti; i link agli annunci e la tua selezione personale si aprono dopo la registrazione. Registrati →

Magazzino dei dati: mercato

Dati al 19 novembre 2026: posizioni aperte Magazzino dei dati — 442, il 39% da remoto tra gli annunci che indicano la modalità di lavoro; retribuzione mediana negli annunci $7880/mese (da 52 annunci con retribuzione indicata). Fonte: Zorky, aggiornato ogni giorno.

Data Warehouse Engineer: specializzazione in DWH nel cloud (Snowflake/BigQuery/Redshift/ClickHouse). Un sottosegmento del Data Engineer focalizzato su modellazione DWH + dbt + piattaforme dati cloud. Una nicchia premium grazie alla competenza sui DWH nel cloud. Famiglia di ruoli: Snowflake Engineer (il DWH cloud dominante: progettazione degli schemi + dbt + ottimizzazione dei costi), BigQuery Engineer (stack dati di Google Cloud), ClickHouse Engineer, Redshift Engineer (AWS legacy), Data Warehouse Architect (specialista della modellazione: Kimball/Data Vault). Stack: SQL a livello di padronanza (obbligatorio: funzioni finestra, CTE ricorsive, ottimizzazione delle query, partition pruning, viste materializzate), Snowflake (cloud premium: Tasks, Streams, Time Travel, micro-partizioni, ingestione Snowpipe), BigQuery (GCP: prezzi basati su slot, BQML per il ML nel database), ClickHouse (l'OLAP dominante nella CSI: ReplicatedMergeTree, motori distribuiti, viste materializzate), Redshift (AWS legacy: distkey/sortkey), Greenplum (enterprise nella CSI), dbt (lo standard del livello di trasformazione + adattatori dbt-snowflake / dbt-bigquery / dbt-clickhouse), Apache Airflow per l'orchestrazione dell'ingestione, Looker/Mode/Metabase/Superset/Yandex DataLens per la BI sul DWH. Stack principale: snowflake, cloud, sql, python, dbt. Tra le offerte con modalità di lavoro indicata, il 39% è da remoto. Un Senior Snowflake/BigQuery ha un premio del 10-15% rispetto a un Senior Data Engineer per la specializzazione sui DWH nel cloud.

Dati al:

I numeri chiave del mercato Magazzino dei dati: annunci aperti, retribuzione mediana, bacino di specialisti osservato e quota di remoto.

442
offerte aperte — per titolo dell'offerta, ripubblicazioni unite
$7880
mediana $/mese
39%
da remoto

Il mercato Magazzino dei dati ha al momento 442 ruoli aperti, di cui 385 osservati di recente. Median salary $7880/mo.

Tra le offerte con modalità di lavoro indicata, il 39% è da remoto. Il lavoro è completamente basato sul cloud. Le aziende di prodotto russe: ibrido o da remoto. Sber: più spesso in sede. I SaaS internazionali di DWH nel cloud (Snowflake/BigQuery/dbt Labs): full remote.

⚠ stipendio noto per 52 offerte su 442; quota di lavoro da remoto da 362 con modalità indicata; 385 conteggiate come osservazioni recenti; tendenza e difficoltà di assunzione non sono mostrate

Cronologia: annunci e fonti

Quanti annunci Magazzino dei dati sono comparsi ogni settimana dal 1 giu e da quante fonti. Il grafico inferiore separa la crescita del mercato dalla crescita della nostra copertura: un salto nella settimana in cui sono state collegate nuove fonti significa che abbiamo iniziato a vedere di più, non che il mercato è cresciuto.

Nuovi annunci a settimana

Dati del grafico
Nuovi annunci a settimana. Tabella dei dati della sezione. Un valore mancante non è zero; unità e campione sono indicati nella descrizione dell’indicatore.
PeriodoNuovi annunci a settimana
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

Fonti attive a settimana

Fonti nel periodo: 100. ▲ — settimana in cui sono state collegate molte nuove fonti.

Dati del grafico
Fonti attive a settimana. Tabella dei dati della sezione. Un valore mancante non è zero; unità e campione sono indicati nella descrizione dell’indicatore.
PeriodoFonti attive
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
Nuove fonti collegate: 22 giu +13 · 29 giu +6 · 6 lug +8 · 13 lug +6 · 20 lug +8 · tutte le settimane (21) nella tabella
SettimanaNuove fontiNuovi annunci
8 giu+329
15 giu+338
22 giu+1389
29 giu+688
6 lug+861
13 lug+675
20 lug+888
27 lug+569
3 ago+345
17 ago+127
24 ago+237
31 ago+341
7 set+137
14 set+334
21 set+570
5 ott+594
12 ott+5200
19 ott+392
26 ott+393
2 nov+491
9 nov+3124

La settimana corrente non è ancora finita e non è mostrata: una settimana incompleta sembrerebbe un calo.

Settimana = data di prima rilevazione dell'annuncio, tutti gli stati; gli annunci sono selezionati con la stessa regola del contatore di questa pagina. Le fonti sono canali di raccolta distinti; i loro nomi non vengono pubblicati.

Dati del grafico
Cronologia: annunci e fonti — Magazzino dei dati. Tabella dei dati della sezione. Un valore mancante non è zero; unità e campione sono indicati nella descrizione dell’indicatore.
SettimanaNuovi annunci a settimanaFonti attive
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

Stipendi nel tempo

Stipendio mediano Magazzino dei dati per settimana, USD al mese.

Stipendio mediano, USD al mese

Dati del grafico
Stipendio mediano, USD al mese. Tabella dei dati della sezione. Un valore mancante non è zero; unità e campione sono indicati nella descrizione dell’indicatore.
PeriodoMedianaAnnunci con stipendio per settimana (n)
2026-10-12761813
2026-10-19631213
2026-10-26814318
2026-11-02958311
2026-11-09637519

La serie inizia il 12 ott: prima non ci sono dati.

Annunci con stipendio per settimana (n)

Solo annunci con stipendio in USD e periodo noto (mese o anno), da 500 a 50.000 $ al mese. Le settimane con meno di 10 annunci di questo tipo sono lasciate vuote: significa nessun dato, non zero.

Dati del grafico
Stipendi nel tempo — Magazzino dei dati. Tabella dei dati della sezione. Un valore mancante non è zero; unità e campione sono indicati nella descrizione dell’indicatore.
SettimanaMediana
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—
2026-10-127618
2026-10-196312
2026-10-268143
2026-11-029583
2026-11-096375

Il lavoro da remoto nel tempo

Quota di annunci Magazzino dei dati che offrono lavoro completamente da remoto, per settimana.

Annunci da remoto, %

Dati del grafico
Annunci da remoto, %. Tabella dei dati della sezione. Un valore mancante non è zero; unità e campione sono indicati nella descrizione dell’indicatore.
PeriodoDa remoto
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 quota è calcolata tra gli annunci che indicano la modalità (remoto, ibrido, ufficio). Le settimane con meno di 10 annunci di questo tipo sono lasciate vuote.

Dati del grafico
Il lavoro da remoto nel tempo — Magazzino dei dati. Tabella dei dati della sezione. Un valore mancante non è zero; unità e campione sono indicati nella descrizione dell’indicatore.
SettimanaDa remoto
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

Tecnologie nel tempo

Come è cambiata la quota di offerte Magazzino dei dati che citano ciascuna delle tecnologie principali.

Annunci che citano la tecnologia, %

Dati del grafico
Annunci che citano la tecnologia, %. Tabella dei dati della sezione. Un valore mancante non è zero; unità e campione sono indicati nella descrizione dell’indicatore.
PeriodoSnowflakeSQLcloud
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 serie inizia il 17 ago: prima non ci sono dati.

Fino a 5 nel grafico:

Quota tra gli annunci con stack taggato; la serie inizia il 10 ago: prima i tag dello stack erano assegnati diversamente. Le settimane con meno di 20 annunci taggati sono lasciate vuote.

Dati del grafico
Tecnologie nel tempo — Magazzino dei dati. Tabella dei dati della sezione. Un valore mancante non è zero; unità e campione sono indicati nella descrizione dell’indicatore.
SettimanaSnowflakeSQLcloudPythondbt
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

Paesi nel tempo

Come è cambiata ogni settimana la quota di offerte Magazzino dei dati in ciascuno dei paesi principali.

Annunci nel paese, %

Dati del grafico
Annunci nel paese, %. Tabella dei dati della sezione. Un valore mancante non è zero; unità e campione sono indicati nella descrizione dell’indicatore.
PeriodoPoloniaUSARegno Unito
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
Fino a 5 nel grafico:

Quota tra gli annunci con paese noto; il grafico mostra i cinque paesi con più annunci in sei mesi. Le settimane con meno di 20 annunci con paese noto sono lasciate vuote. Una quota in crescita può indicare una fonte appena collegata in quel paese, non una crescita del mercato.

Dati del grafico
Paesi nel tempo — Magazzino dei dati. Tabella dei dati della sezione. Un valore mancante non è zero; unità e campione sono indicati nella descrizione dell’indicatore.
SettimanaPoloniaUSAIndiaRegno UnitoAustralia
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

Mercato pulito: indice di assunzione

Gli stessi 7505 siti di lavoro dei datori di lavoro; il numero di annunci viene dal sito stesso. Collegare nuove fonti non muove questo indice: mostra il mercato, non la nostra copertura. È l'intero mercato del panel, non solo Magazzino dei dati.

Indice delle assunzioni, 16 ott = 100

Dati del grafico
Indice delle assunzioni, 16 ott = 100. Tabella dei dati della sezione. Un valore mancante non è zero; unità e campione sono indicati nella descrizione dell’indicatore.
PeriodoIndice delle assunzioni
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 a catena: ogni giorno confronta solo i siti interrogati sia quel giorno sia il precedente; valori anomali e interruzioni di interrogazione di un'intera piattaforma sono esclusi. I giorni senza coppie confrontabili sono lasciati vuoti.

Dati del grafico
Mercato pulito: indice di assunzione — Magazzino dei dati. Tabella dei dati della sezione. Un valore mancante non è zero; unità e campione sono indicati nella descrizione dell’indicatore.
GiornoIndice delle assunzioni
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

Quanti annunci Magazzino dei dati aperti ci sono e quanti specialisti adatti osserva Zorky.

Domanda e offerta osservata

Dati del grafico
Tabella dei dati della sezione. Un valore mancante non è zero; unità e campione sono indicati nella descrizione dell’indicatore.
IndicatoreValore
Domanda aperta442
Domanda aperta442
Offerta osservata— non pubblicato

Il Data Warehouse Engineer genera un flusso costante di offerte. Fattori trainanti: migrazioni del DWH legacy (Greenplum/Redshift) verso Snowflake/BigQuery/ClickHouse, crescita del modern data stack (dbt + DWH cloud), ClickHouse dominante nei team di prodotto della CSI.

⚠ i candidati adatti a un'offerta non sono ancora conteggiati: sono mostrate la domanda e la banca dati osservata

Come si distribuiscono le retribuzioni negli annunci Magazzino dei dati, in dollari USA al mese.

Distribuzione degli stipendi

P25 $6062 · P50 $7880 · P75 $10.250
Dati del grafico
Tabella dei dati della sezione. Un valore mancante non è zero; unità e campione sono indicati nella descrizione dell’indicatore.
IndicatoreValore
<$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
Stipendio negli annunci: base 442
  • utilizzabile per il calcolo: 52 (11,8%)
  • indicato ma non convertito in USD/mese: 54 (12,2%)
  • non indicato: 336 (76%)

Un annuncio su dieci offre meno di $5373, uno su dieci più di $12.500. La metà degli annunci offre tra $6062 e $10.250. Campione: 52.

Dati del grafico
Distribuzione degli stipendi — Magazzino dei dati. Tabella dei dati della sezione. Un valore mancante non è zero; unità e campione sono indicati nella descrizione dell’indicatore.
IndicatoreLimite inferioreLimite superioreNumero
<$1k010000
$1–2k100020000
$2–3k200030000
$3–4k300040000
$4–5k400050005
$5–6k500060006
$6–7k6000700011
$7–8k700080005
$8–9k800090007
$9–10k900010.0003
$10–12k10.00012.0009
$12–15k12.00015.0004
$15–20k15.00020.0001
$20k+20.000—1

In quali paesi ci sono più annunci Magazzino dei dati aperti.

Geografia della domanda

paeseoffertequota
Polonia11830,8%
Stati Uniti7920,6%
India4912,8%
Regno Unito256,5%
Francia195%
Germania184,7%
Canada82,1%
Messico61,6%
Russia61,6%
Sudafrica51,3%
Altri paesi5013,1%

Il leader per numero di offerte DWH è la Polonia (118 posizioni). In Russia domina ClickHouse. La Polonia è un paese UE favorevole al DWH. Ampio remoto internazionale tramite Snowflake/dbt Labs.

⚠ solo numero di offerte: lo stipendio per paese non è pubblicato

Dati del grafico
Geografia della domanda — Magazzino dei dati. Tabella dei dati della sezione. Un valore mancante non è zero; unità e campione sono indicati nella descrizione dell’indicatore.
PaeseOfferte
PL118
US79
IN49
GB25
FR19
DE18
CA8
MX6
RU6
ZA5

Quali tecnologie sono richieste più spesso nello stesso annuncio di Magazzino dei dati.

Si usa insieme a

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%

Quota: quanti dei 442 annunci del mercato Magazzino dei dati citano questa tecnologia. Ordinato per numero di annunci, non per «forza dell’associazione». Termini generici come cloud non indicano un cloud specifico (AWS, Azure).

Stack principale DWH 2026: SQL a livello di padronanza (indispensabile), un DWH cloud: Snowflake (cloud premium) / BigQuery (GCP) / ClickHouse (OLAP dominante nella CSI) / Redshift (legacy AWS), dbt (standard per il livello di trasformazione), Apache Airflow (orchestrazione dell'ingestione), Apache Iceberg / Delta Lake (lakehouse), Kafka + Debezium (CDC), Looker / Mode / Metabase / Superset / Yandex DataLens (BI).

Coppie comuni: SQL + Snowflake, SQL + ClickHouse, dbt + Snowflake, dbt + BigQuery, dbt + ClickHouse, Airflow + DWH. Roadmap di apprendimento: SQL avanzato → un DWH cloud (ClickHouse per la CSI o Snowflake per il mercato internazionale) → dbt → modellazione Kimball → basi di Airflow → uno strumento BI.

Dati del grafico
Si usa insieme a — Magazzino dei dati. Tabella dei dati della sezione. Un valore mancante non è zero; unità e campione sono indicati nella descrizione dell’indicatore.
NomeNumero
snowflake324
sql203
cloud201
python162
dbt148
aws118
azure100
airflow85
databricks73
gcp63
bigquery61
kafka26

Quanti annunci Magazzino dei dati ci sono per ogni livello, da junior a principal.

Domanda per livello

livelloofferte
senior163
middle40
principal28
lead27
junior10

I Junior scarseggiano: il mercato si aspetta SQL avanzato + un DWH. Percorso di carriera: Analyst Senior / Data Engineer Middle → DWH Middle → Senior → DWH Architect / Head of Data.

⚠ solo lato domanda: il livello della banca dati osservata è ignoto per la maggior parte

Dati del grafico
Domanda per livello — Magazzino dei dati. Tabella dei dati della sezione. Un valore mancante non è zero; unità e campione sono indicati nella descrizione dell’indicatore.
LivelloNumero
senior163
middle40
principal28
lead27
junior10

Chi assume di più per Magazzino dei dati e quanto la domanda è concentrata nelle aziende più grandi.

Datori di lavoro

La domanda è distribuita tra 280 datori di lavoro. Il maggiore ne concentra il 3.3%, i primi dieci il 16.7%; il restante 83.3% è coda lunga.

il più grande 3,3%2°–3° 3,8%4°–10° 9,6%gli altri 83,3%
quotavalore
top-13.3%
top-37.2%
top-1016.7%
coda lunga83.3%

⚠ i nomi non sono mostrati: il classificatore non distingue ancora le agenzie di selezione dai datori di lavoro finali

Da quali siti aziendali e portali di lavoro Zorky raccoglie gli annunci Magazzino dei dati.

Dove Zorky vede questo mercato

Osservato su 65 fonti; la maggiore ne concentra il 15.4%: questo mercato non dipende da un solo canale.

Dati del grafico
Dove Zorky vede questo mercato — Magazzino dei dati. Tabella dei dati della sezione. Un valore mancante non è zero; unità e campione sono indicati nella descrizione dell’indicatore.
ClasseNomeNome ingleseNumeroQuota
atsATS и карьерные сайтыATS e siti carriere2230,5045
boardджоб-борды и агрегаторыportali di lavoro e aggregatori2020,457
telegramTelegramTelegram170,0385

Gli annunci Magazzino dei dati più recenti dalle pagine carriere delle aziende.

Posizioni recenti

Tutte le offerte →

Le ultime offerte DWH Engineer aperte: le 10 posizioni più recenti con una qualità della descrizione adeguata. L'elenco completo è nel nostro CRM o tramite il link «vedi tutte» qui sotto.

Come si misura
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

Sui dati

  • Alcuni dettagli sono nascosti: la loro copertura di dati non è ancora sufficiente.
  • Le statistiche vengono mostrate solo dove il campione supera un controllo di qualità.
  • L'assenza di un blocco non significa che il valore sia zero.

Dettagli attualmente nascosti: 8.

Area: Ingegneria dei dati

Specializzazioni correlate

All'interno di Data Warehouse Engineer: Snowflake Engineer (dominatore dei DWH cloud), BigQuery Engineer (GCP), ClickHouse Engineer, Redshift Engineer (AWS legacy), Data Warehouse Architect (specialista della modellazione). Confronto con le altre specializzazioni dati nella barra qui sotto.

Big DataIngegnere dei datiDBAStreaming

Domande frequenti

Le domande più frequenti su DWH Engineer: retribuzione, Snowflake vs BigQuery vs ClickHouse vs Redshift, dbt vs Airflow (complementari, non concorrenti), differenze da Data Engineer / Analytics Engineer, remoto, come iniziare (6-10 mesi), competenze da Senior. Le risposte si ricalcolano automaticamente.

Quanto guadagna un DWH Junior, Middle, Senior o Lead?

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.

Quale stack viene richiesto più spesso per DWH Engineer?

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 vs BigQuery vs ClickHouse vs Redshift: cosa scegliere?

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.

dbt vs Airflow: sono concorrenti?

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.

Quale percentuale delle offerte prevede lavoro da remoto?

Tra le offerte con modalità di lavoro indicata, il 39% è da remoto. Le offerte senza modalità indicata sono escluse dal denominatore; il lavoro ibrido non viene conteggiato come remoto.

Che differenza c'è tra DWH Engineer e Data Engineer / Analytics Engineer?

DWH Engineer (questa pagina): focus sui DWH cloud (Snowflake/BigQuery/ClickHouse/Redshift) + modellazione. Padronanza di SQL + un DWH in profondità. Data Engineer (generico): ambito più ampio, pipeline + DWH + streaming + Spark. Analytics Engineer: focus su dbt + livello di trasformazione. Si colloca tra Data Engineer e Data Analyst. SQL + dbt + un DWH (spesso Snowflake/BigQuery), ma SENZA Spark e streaming. Passaggio DWH Engineer → Analytics Engineer: 1-2 mesi (stesso stack, focus su dbt). DWH Engineer → Data Engineer (generico): 3-6 mesi (+ Spark + Airflow più a fondo).

Da dove iniziare con DWH nel 2026?

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).

Quante posizioni aperte contiene questo campione?

Il campione pubblicato contiene 442 posizioni aperte dopo aver raggruppato le ripubblicazioni. È lo stesso numero dell’indicatore principale. La sezione geografica descrive la copertura del campione; non è una stima dell’intero mercato.

Quali competenze servono a un Senior DWH Engineer?

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.

Lascia una richiesta

Descrivi l'attività e lascia un contatto: la richiesta arriva nel nostro CRM e rispondiamo al contatto che indichi.

Inviando, accetti la informativa sulla privacy.