Architekt danych: rynek
Dane na dzień 19 listopada 2026: otwarte oferty Architekt danych — 620, 38% zdalnie wśród ofert z podanym trybem pracy; mediana wynagrodzenia w ofertach $10 507/mies. (z 81 ofert z podanym wynagrodzeniem). Źródło: Zorky, aktualizacja codziennie.
Data Architect — specjalizacja architektoniczna odpowiedzialna za projektowanie krajobrazu danych organizacji: modele danych, przepływy danych, strategia przechowywania, data governance, integracja między systemami. W odróżnieniu od Data Engineera (który własnoręcznie buduje pipeline'y) — Data Architect projektuje strukturę: jak dane są modelowane, gdzie są przechowywane, jak przepływają, kto jest ich właścicielem, jak działa governance. Rodzina ról: Data Architect (ogólnie — odpowiada za architekturę danych jednego systemu / domeny), Senior / Principal Data Architect (architektura danych całego przedsiębiorstwa + strategia), Data Warehouse Architect (nacisk na DWH / analitykę), Data Platform Architect (projektowanie nowoczesnej platformy danych / lakehouse), Data Modeler (nacisk na modelowanie danych — węższa), Master Data Architect (specjalizacja MDM), Information Architect (pokrycie — data governance + zarządzanie informacją). Stack 2026: Modelowanie danych — kluczowa umiejętność: modele koncepcyjne / logiczne / fizyczne, modelowanie wymiarowe (Kimball — schematy gwiazdy / płatka śniegu, fakty + wymiary), 3NF / Inmon (znormalizowana hurtownia przedsiębiorstwa), Data Vault 2.0 (huby + linki + satelity — dla zwinnej hurtowni przedsiębiorstwa — popularne 2026), One Big Table (OBT) / szerokie tabele (nowoczesny trend w analityce). Narzędzia: erwin Data Modeler (klasyka enterprise), SqlDBM, dbdiagram.io, dbt (modele semantyczne + lineage — stał się de facto warstwą modelowania 2026). Przechowywanie / platformy: chmurowe hurtownie danych, Databricks (Lakehouse — Delta Lake), data lakes (S3 / ADLS / GCS + otwarte formaty tabel — Apache Iceberg / Delta Lake / Apache Hudi), ClickHouse (analityka real-time — popularny w Rosji — pochodzi z Yandexa). Rosyjskie: Arenadata (oparta na Greenplum — lider DWH w Rosji po odejściu Teradata / Oracle), Yandex.Cloud DataLens. Wzorce architektury danych: data warehouse (analityka ustrukturyzowana), data lake (surowe dane + schema-on-read), lakehouse (zbieżność hurtowni i jeziora — zalecany domyślny wybór 2026 — Databricks / Snowflake), data mesh (zdecentralizowany — produkty danych należące do domen — Zhamak Dehghani — dla dużych organizacji), data fabric (ujednolicona warstwa dostępu oparta na metadanych). Integracja danych: ETL vs ELT (ELT dominuje 2026), CDC (Change Data Capture — Debezium), streaming danych (Kafka — zob. też data engineer), ujednolicenie batch + streaming. Orkiestracja: Airflow / Dagster / Prefect (na poziomie architektury — nie własnoręcznie). Data governance: katalog danych (Collibra / Alation / Atlan / DataHub open-source / OpenMetadata), data lineage, frameworki jakości danych (Great Expectations / Soda), master data management (MDM) (Informatica MDM / Reltio), klasyfikacja danych + prywatność danych (obsługa PII / GDPR / 152-FZ), data contracts (rośnie od 2024+ — formalizacja umów między producentem a konsumentem). Warstwa semantyczna: dbt Semantic Layer / Cube / warstwa metryk — jedno źródło prawdy dla metryk. Notacja modelowania: diagramy ER, ArchiMate (dla kontekstu enterprise), diagramy przepływu danych. Międzydomenowo: Data Architect pracuje na styku z Data Engineering (implementacja), Analytics / BI (konsumenci), Enterprise Architecture (poziom organizacji), Security (ochrona danych). Według Zorky — 620 aktywnych ofert z wyraźnym zakresem data architecta (wąska nisza seniorska — realna pula jest szersza ze względu na pokrywanie się z Senior Data Engineer / Data Platform Engineer). Główny stack: cloud, aws, azure, enterprise architect, sql. Wśród ofert z określonym trybem pracy 38% dotyczy pracy zdalnej.
Dane na dzień:
Najważniejsze liczby rynku Architekt danych: otwarte oferty, mediana wynagrodzenia, obserwowana pula specjalistów i udział pracy zdalnej.
Rynek Architekt danych ma obecnie 620 otwartych ról, w tym świeżo zaobserwowanych: 531. Median salary $10 507/mo.
Wśród ofert z określonym trybem pracy 38% dotyczy pracy zdalnej. Praca w architekturze danych (modelowanie + projektowanie + platformy chmurowe) — przyjazna pracy zdalnej. Outsourcerzy — prawie zawsze zdalnie. Rosyjskie banki — hybryda (data governance — obszar zarządczy). Rola międzyfunkcyjna → hybryda często optymalna. Międzynarodowe firmy technologiczne + dostawcy chmurowych danych — praca w pełni zdalna to standard.
⚠ wynagrodzenie znane dla 81 z 620 ofert; udział pracy zdalnej z 509 z podanym formatem; 531 liczone jako świeże obserwacje; trendu i trudności rekrutacji nie pokazujemy
Oś czasu: ogłoszenia i źródła
Ile ogłoszeń Architekt danych pojawiało się co tydzień od 1 cze i z ilu źródeł pochodziły. Dolny wykres oddziela wzrost rynku od wzrostu naszego zasięgu: skok w tygodniu, w którym podłączono nowe źródła, oznacza, że zaczęliśmy widzieć więcej, a nie że rynek urósł.
Nowe ogłoszenia tygodniowo
Dane wykresu
| Okres | Nowe ogłoszenia tygodniowo |
|---|---|
| 2026-06-01 | 21 |
| 2026-06-08 | 26 |
| 2026-06-15 | 32 |
| 2026-06-22 | 70 |
| 2026-06-29 | 43 |
| 2026-07-06 | 65 |
| 2026-07-13 | 66 |
| 2026-07-20 | 63 |
| 2026-07-27 | 31 |
| 2026-08-03 | 45 |
| 2026-08-10 | 33 |
| 2026-08-17 | 47 |
| 2026-08-24 | 50 |
| 2026-08-31 | 36 |
| 2026-09-07 | 43 |
| 2026-09-14 | 64 |
| 2026-09-21 | 105 |
| 2026-09-28 | 102 |
| 2026-10-05 | 112 |
| 2026-10-12 | 288 |
| 2026-10-19 | 116 |
| 2026-10-26 | 151 |
| 2026-11-02 | 134 |
| 2026-11-09 | 120 |
Aktywne źródła w tygodniu
Źródeł w całym okresie: 104. ▲ — tydzień, w którym podłączono dużo nowych źródeł.
Dane wykresu
| Okres | Aktywne źródła |
|---|---|
| 2026-06-01 | 5 |
| 2026-06-08 | 4 |
| 2026-06-15 | 4 |
| 2026-06-22 | 13 |
| 2026-06-29 | 14 |
| 2026-07-06 | 21 |
| 2026-07-13 | 21 |
| 2026-07-20 | 21 |
| 2026-07-27 | 17 |
| 2026-08-03 | 23 |
| 2026-08-10 | 14 |
| 2026-08-17 | 17 |
| 2026-08-24 | 11 |
| 2026-08-31 | 10 |
| 2026-09-07 | 14 |
| 2026-09-14 | 15 |
| 2026-09-21 | 30 |
| 2026-09-28 | 28 |
| 2026-10-05 | 26 |
| 2026-10-12 | 29 |
| 2026-10-19 | 31 |
| 2026-10-26 | 31 |
| 2026-11-02 | 37 |
| 2026-11-09 | 38 |
Podłączono nowe źródła: 22 cze +10 · 6 lip +11 · wszystkie tygodnie (21) — w tabeli
| Tydzień | Nowe źródła | Nowe ogłoszenia |
|---|---|---|
| 8 cze | +1 | 26 |
| 15 cze | +2 | 32 |
| 22 cze | +10 | 70 |
| 29 cze | +5 | 43 |
| 6 lip | +11 | 65 |
| 13 lip | +6 | 66 |
| 20 lip | +8 | 63 |
| 27 lip | +6 | 31 |
| 3 sie | +3 | 45 |
| 10 sie | +3 | 33 |
| 17 sie | +5 | 47 |
| 31 sie | +2 | 36 |
| 7 wrz | +2 | 43 |
| 21 wrz | +7 | 105 |
| 28 wrz | +2 | 102 |
| 5 paź | +2 | 112 |
| 12 paź | +4 | 288 |
| 19 paź | +5 | 116 |
| 26 paź | +2 | 151 |
| 2 lis | +5 | 134 |
| 9 lis | +8 | 120 |
Bieżący tydzień jeszcze się nie skończył i nie jest pokazany: niepełny tydzień wyglądałby jak spadek.
Tydzień = data pierwszego pojawienia się ogłoszenia, wszystkie statusy; ogłoszenia wybiera ta sama reguła co licznik tej strony. Źródła to różne kanały zbierania; ich nazw nie publikujemy.
Dane wykresu
| Tydzień | Nowe ogłoszenia tygodniowo | Aktywne źródła |
|---|---|---|
| 2026-06-01 | 21 | 5 |
| 2026-06-08 | 26 | 4 |
| 2026-06-15 | 32 | 4 |
| 2026-06-22 | 70 | 13 |
| 2026-06-29 | 43 | 14 |
| 2026-07-06 | 65 | 21 |
| 2026-07-13 | 66 | 21 |
| 2026-07-20 | 63 | 21 |
| 2026-07-27 | 31 | 17 |
| 2026-08-03 | 45 | 23 |
| 2026-08-10 | 33 | 14 |
| 2026-08-17 | 47 | 17 |
| 2026-08-24 | 50 | 11 |
| 2026-08-31 | 36 | 10 |
| 2026-09-07 | 43 | 14 |
| 2026-09-14 | 64 | 15 |
| 2026-09-21 | 105 | 30 |
| 2026-09-28 | 102 | 28 |
| 2026-10-05 | 112 | 26 |
| 2026-10-12 | 288 | 29 |
| 2026-10-19 | 116 | 31 |
| 2026-10-26 | 151 | 31 |
| 2026-11-02 | 134 | 37 |
| 2026-11-09 | 120 | 38 |
Wynagrodzenia w czasie
Mediana wynagrodzenia Architekt danych tygodniowo, USD miesięcznie.
Mediana wynagrodzenia, USD miesięcznie
Dane wykresu
| Okres | Mediana | Oferty z wynagrodzeniem w tygodniu (n) |
|---|---|---|
| 2026-09-28 | 9982 | 14 |
| 2026-10-05 | 10 507 | 15 |
| 2026-10-12 | 10 416 | 21 |
| 2026-10-19 | 11 077 | 16 |
| 2026-10-26 | 11 584 | 32 |
| 2026-11-02 | 9837 | 24 |
| 2026-11-09 | 8274 | 20 |
Seria zaczyna się 28 wrz: wcześniej brak danych.
Tylko ogłoszenia z wynagrodzeniem w USD i znanym okresem (miesiąc lub rok), od 500 do 50 000 $ miesięcznie. Tygodnie, w których takich ogłoszeń jest mniej niż 10, są puste — to brak danych, a nie zero.
Dane wykresu
| Tydzień | Mediana |
|---|---|
| 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 | 9982 |
| 2026-10-05 | 10 507 |
| 2026-10-12 | 10 416 |
| 2026-10-19 | 11 077 |
| 2026-10-26 | 11 584 |
| 2026-11-02 | 9837 |
| 2026-11-09 | 8274 |
Praca zdalna w czasie
Udział ofert Architekt danych z pracą w pełni zdalną, tydzień po tygodniu.
Ogłoszenia zdalne, %
Dane wykresu
| Okres | Zdalnie |
|---|---|
| 2026-06-01 | 83,3 |
| 2026-06-08 | 80 |
| 2026-06-15 | 75 |
| 2026-06-22 | 62,1 |
| 2026-06-29 | 64,7 |
| 2026-07-06 | 48,9 |
| 2026-07-13 | 35,5 |
| 2026-07-20 | 36,6 |
| 2026-07-27 | 47,8 |
| 2026-08-03 | 22,2 |
| 2026-08-10 | 34,4 |
| 2026-08-17 | 28,9 |
| 2026-08-24 | 25,5 |
| 2026-08-31 | 15,6 |
| 2026-09-07 | 10,3 |
| 2026-09-14 | 11,1 |
| 2026-09-21 | 32,6 |
| 2026-09-28 | 51,1 |
| 2026-10-05 | 38,6 |
| 2026-10-12 | 33,8 |
| 2026-10-19 | 34,3 |
| 2026-10-26 | 43,3 |
| 2026-11-02 | 26,8 |
| 2026-11-09 | 38,7 |
Udział liczony jest wśród ogłoszeń, które podają tryb pracy (zdalnie, hybrydowo, biuro). Tygodnie, w których takich ogłoszeń jest mniej niż 10, są puste.
Dane wykresu
| Tydzień | Zdalnie |
|---|---|
| 2026-06-01 | 83,3 |
| 2026-06-08 | 80 |
| 2026-06-15 | 75 |
| 2026-06-22 | 62,1 |
| 2026-06-29 | 64,7 |
| 2026-07-06 | 48,9 |
| 2026-07-13 | 35,5 |
| 2026-07-20 | 36,6 |
| 2026-07-27 | 47,8 |
| 2026-08-03 | 22,2 |
| 2026-08-10 | 34,4 |
| 2026-08-17 | 28,9 |
| 2026-08-24 | 25,5 |
| 2026-08-31 | 15,6 |
| 2026-09-07 | 10,3 |
| 2026-09-14 | 11,1 |
| 2026-09-21 | 32,6 |
| 2026-09-28 | 51,1 |
| 2026-10-05 | 38,6 |
| 2026-10-12 | 33,8 |
| 2026-10-19 | 34,3 |
| 2026-10-26 | 43,3 |
| 2026-11-02 | 26,8 |
| 2026-11-09 | 38,7 |
Technologie w czasie
Jak zmieniał się udział ofert Architekt danych, w których pojawia się każda z czołowych technologii.
Ogłoszenia wymieniające technologię, %
Dane wykresu
| Okres | cloud | Azure | AWS |
|---|---|---|---|
| 2026-08-17 | 34,6 | 42,3 | 15,4 |
| 2026-08-24 | 26,1 | 26,1 | 13 |
| 2026-08-31 | — | — | — |
| 2026-09-07 | 28,6 | 19 | 14,3 |
| 2026-09-14 | 14,7 | 61,8 | 52,9 |
| 2026-09-21 | 47,5 | 33,9 | 22 |
| 2026-09-28 | 69,4 | 52,8 | 31,9 |
| 2026-10-05 | 59 | 32,5 | 47 |
| 2026-10-12 | 50,8 | 30,7 | 30,2 |
| 2026-10-19 | 60,5 | 48,8 | 26,7 |
| 2026-10-26 | 60,5 | 36,3 | 37,9 |
| 2026-11-02 | 66,7 | 35,3 | 32,4 |
| 2026-11-09 | 48,2 | 34,1 | 36,5 |
Seria zaczyna się 17 sie: wcześniej brak danych.
Udział wśród ogłoszeń z otagowanym stosem; seria zaczyna się 10 sie: wcześniej tagi stosu nadawano inaczej. Tygodnie z mniej niż 20 otagowanymi ogłoszeniami są puste.
Dane wykresu
| Tydzień | cloud | Azure | Databricks | AWS | SQL |
|---|---|---|---|---|---|
| 2026-08-10 | — | — | — | — | — |
| 2026-08-17 | 34,6 | 42,3 | 23,1 | 15,4 | 19,2 |
| 2026-08-24 | 26,1 | 26,1 | 26,1 | 13 | 13 |
| 2026-08-31 | — | — | — | — | — |
| 2026-09-07 | 28,6 | 19 | 19 | 14,3 | 14,3 |
| 2026-09-14 | 14,7 | 61,8 | 14,7 | 52,9 | 2,9 |
| 2026-09-21 | 47,5 | 33,9 | 23,7 | 22 | 16,9 |
| 2026-09-28 | 69,4 | 52,8 | 34,7 | 31,9 | 37,5 |
| 2026-10-05 | 59 | 32,5 | 31,3 | 47 | 33,7 |
| 2026-10-12 | 50,8 | 30,7 | 27,5 | 30,2 | 29,1 |
| 2026-10-19 | 60,5 | 48,8 | 39,5 | 26,7 | 50 |
| 2026-10-26 | 60,5 | 36,3 | 35,5 | 37,9 | 37,1 |
| 2026-11-02 | 66,7 | 35,3 | 35,3 | 32,4 | 36,3 |
| 2026-11-09 | 48,2 | 34,1 | 41,2 | 36,5 | 42,4 |
Kraje w czasie
Jak zmieniał się udział ofert Architekt danych w każdym z czołowych krajów, tydzień po tygodniu.
Ogłoszenia w kraju, %
Dane wykresu
| Okres | Wielka Brytania | Polska | USA |
|---|---|---|---|
| 2026-06-01 | 9,5 | 71,4 | 19 |
| 2026-06-08 | 3,8 | 65,4 | 19,2 |
| 2026-06-15 | 3,2 | 71 | 3,2 |
| 2026-06-22 | 0 | 66,7 | 7,2 |
| 2026-06-29 | 2,5 | 50 | 15 |
| 2026-07-06 | 7,3 | 21,8 | 20 |
| 2026-07-13 | 2,2 | 17,8 | 22,2 |
| 2026-07-20 | 44,4 | 20,4 | 13 |
| 2026-07-27 | 30,8 | 26,9 | 3,8 |
| 2026-08-03 | 36,8 | 7,9 | 18,4 |
| 2026-08-10 | 51,7 | 6,9 | 3,4 |
| 2026-08-17 | 52,6 | 0 | 10,5 |
| 2026-08-24 | 71,1 | 2,2 | 4,4 |
| 2026-08-31 | 72,7 | 0 | 6,1 |
| 2026-09-07 | 68,4 | 0 | 2,6 |
| 2026-09-14 | 50 | 2 | 18 |
| 2026-09-21 | 20 | 10 | 21,1 |
| 2026-09-28 | 31,9 | 16,5 | 16,5 |
| 2026-10-05 | 29,6 | 19,4 | 13,3 |
| 2026-10-12 | 19,7 | 15,8 | 22,2 |
| 2026-10-19 | 23 | 14 | 20 |
| 2026-10-26 | 21 | 15,9 | 21,7 |
| 2026-11-02 | 24,3 | 11,3 | 24,3 |
| 2026-11-09 | 32,6 | 5,3 | 28,4 |
Udział wśród ogłoszeń ze znanym krajem; wykres pokazuje pięć krajów z największą liczbą ogłoszeń w ciągu sześciu miesięcy. Tygodnie z mniej niż 20 ogłoszeniami ze znanym krajem są puste. Rosnący udział może oznaczać nowo podłączone źródło w tym kraju, a nie wzrost rynku.
Dane wykresu
| Tydzień | Wielka Brytania | Polska | USA | Indie | Niemcy |
|---|---|---|---|---|---|
| 2026-06-01 | 9,5 | 71,4 | 19 | 0 | 0 |
| 2026-06-08 | 3,8 | 65,4 | 19,2 | 3,8 | 0 |
| 2026-06-15 | 3,2 | 71 | 3,2 | 6,5 | 0 |
| 2026-06-22 | 0 | 66,7 | 7,2 | 7,2 | 0 |
| 2026-06-29 | 2,5 | 50 | 15 | 7,5 | 2,5 |
| 2026-07-06 | 7,3 | 21,8 | 20 | 14,5 | 1,8 |
| 2026-07-13 | 2,2 | 17,8 | 22,2 | 26,7 | 6,7 |
| 2026-07-20 | 44,4 | 20,4 | 13 | 5,6 | 1,9 |
| 2026-07-27 | 30,8 | 26,9 | 3,8 | 15,4 | 0 |
| 2026-08-03 | 36,8 | 7,9 | 18,4 | 10,5 | 5,3 |
| 2026-08-10 | 51,7 | 6,9 | 3,4 | 6,9 | 3,4 |
| 2026-08-17 | 52,6 | 0 | 10,5 | 5,3 | 0 |
| 2026-08-24 | 71,1 | 2,2 | 4,4 | 8,9 | 2,2 |
| 2026-08-31 | 72,7 | 0 | 6,1 | 12,1 | 0 |
| 2026-09-07 | 68,4 | 0 | 2,6 | 13,2 | 0 |
| 2026-09-14 | 50 | 2 | 18 | 6 | 4 |
| 2026-09-21 | 20 | 10 | 21,1 | 7,8 | 3,3 |
| 2026-09-28 | 31,9 | 16,5 | 16,5 | 4,4 | 2,2 |
| 2026-10-05 | 29,6 | 19,4 | 13,3 | 7,1 | 9,2 |
| 2026-10-12 | 19,7 | 15,8 | 22,2 | 6,4 | 3 |
| 2026-10-19 | 23 | 14 | 20 | 11 | 5 |
| 2026-10-26 | 21 | 15,9 | 21,7 | 6,5 | 5,1 |
| 2026-11-02 | 24,3 | 11,3 | 24,3 | 1,7 | 10,4 |
| 2026-11-09 | 32,6 | 5,3 | 28,4 | 7,4 | 1,1 |
Czysty rynek: indeks zatrudnienia
Ten sam zestaw 7505 stron kariery pracodawców; liczba ogłoszeń pochodzi z samej strony. Podłączanie nowych źródeł nie rusza tego indeksu — pokazuje rynek, a nie nasz zasięg. To cały rynek panelu, a nie tylko Architekt danych.
Indeks zatrudnienia, 16 paź = 100
Dane wykresu
| Okres | Indeks zatrudnienia |
|---|---|
| 2026-10-16 | 100 |
| 2026-10-17 | 100,03 |
| 2026-10-18 | 99,76 |
| 2026-10-19 | 99,68 |
| 2026-10-20 | 99,27 |
| 2026-10-21 | 98,6 |
| 2026-10-22 | 99,07 |
| 2026-10-23 | 97,4 |
| 2026-10-24 | 97,41 |
| 2026-10-26 | 97,33 |
| 2026-10-27 | 96,76 |
| 2026-10-28 | 96,21 |
| 2026-10-29 | 95,17 |
| 2026-10-30 | 95,13 |
| 2026-10-31 | 93,65 |
| 2026-11-01 | 93,33 |
| 2026-11-02 | 92,67 |
| 2026-11-03 | 92,65 |
| 2026-11-04 | 92,41 |
| 2026-11-05 | 92,13 |
| 2026-11-06 | 90,44 |
| 2026-11-07 | 90,48 |
| 2026-11-08 | 90,45 |
| 2026-11-10 | 90,29 |
| 2026-11-11 | 90,22 |
| 2026-11-13 | 90,12 |
| 2026-11-14 | 89,7 |
| 2026-11-15 | 89,68 |
| 2026-11-16 | 89,62 |
| 2026-11-18 | 88,91 |
| 2026-11-19 | 88,02 |
Indeks łańcuchowy: każdego dnia porównujemy tylko strony odpytane zarówno tego dnia, jak i poprzedniego; wartości odstające i awarie odpytywania całej platformy są wykluczone. Dni bez porównywalnych par są puste.
Dane wykresu
| Dzień | Indeks zatrudnienia |
|---|---|
| 2026-10-16 | 100 |
| 2026-10-17 | 100,03 |
| 2026-10-18 | 99,76 |
| 2026-10-19 | 99,68 |
| 2026-10-20 | 99,27 |
| 2026-10-21 | 98,6 |
| 2026-10-22 | 99,07 |
| 2026-10-23 | 97,4 |
| 2026-10-24 | 97,41 |
| 2026-10-26 | 97,33 |
| 2026-10-27 | 96,76 |
| 2026-10-28 | 96,21 |
| 2026-10-29 | 95,17 |
| 2026-10-30 | 95,13 |
| 2026-10-31 | 93,65 |
| 2026-11-01 | 93,33 |
| 2026-11-02 | 92,67 |
| 2026-11-03 | 92,65 |
| 2026-11-04 | 92,41 |
| 2026-11-05 | 92,13 |
| 2026-11-06 | 90,44 |
| 2026-11-07 | 90,48 |
| 2026-11-08 | 90,45 |
| 2026-11-10 | 90,29 |
| 2026-11-11 | 90,22 |
| 2026-11-13 | 90,12 |
| 2026-11-14 | 89,7 |
| 2026-11-15 | 89,68 |
| 2026-11-16 | 89,62 |
| 2026-11-18 | 88,91 |
| 2026-11-19 | 88,02 |
Ile jest otwartych ofert Architekt danych i ilu pasujących specjalistów widzi Zorky.
Popyt i obserwowana podaż
Dane wykresu
| Wskaźnik | Wartość |
|---|---|
| Otwarty popyt | 620 |
| Otwarty popyt | 620 |
| Obserwowana podaż | — nie publikujemy |
Data Architect — wąska nisza seniorska z rosnącym popytem. Czynniki 2026: migracja na chmurowe platformy danych (legacy DWH → Snowflake / Databricks), adopcja lakehouse (konwergencja hurtowni i jeziora danych), data mesh dla dużych organizacji, presja data governance (GDPR / 152-FZ / kontrakty danych), AI/ML napędza popyt na jakość danych (dobre modele potrzebują dobrych danych). Dominują rosyjskie banki + duże firmy produktowe + handel detaliczny + telekomunikacja. Rosyjscy dostawcy rozwiązań danych (Arenadata) rosną dzięki substytucji importu. Chmurowi dostawcy danych (Snowflake / Databricks) — kanał premium.
⚠ kandydaci pasujący do oferty nie są jeszcze liczeni: pokazujemy popyt i obserwowaną pulę
Jak rozkładają się wynagrodzenia w ofertach Architekt danych, w dolarach USA miesięcznie.
Rozkład wynagrodzeń
Dane wykresu
| Wskaźnik | Wartość |
|---|---|
| <$1k | 0 |
| $1–2k | 2 |
| $2–3k | 0 |
| $3–4k | 1 |
| $4–5k | 3 |
| $5–6k | 4 |
| $6–7k | 6 |
| $7–8k | 8 |
| $8–9k | 9 |
| $9–10k | 5 |
| $10–12k | 15 |
| $12–15k | 10 |
| $15–20k | 13 |
| $20k+ | 5 |
- nadaje się do obliczeń: 81 (13,1%)
- podano, ale nie przeliczono na USD/mies.: 91 (14,7%)
- nie podano: 448 (72,3%)
W co dziesiątej ofercie widełki są poniżej $5692, w co dziesiątej — powyżej $18 440. Połowa ofert proponuje od $7333 do $14 200. Próba: 81.
Rola na poziomie senior. Niższe poziomy na histogramie — błędnie nazwane stanowiska, niereprezentatywne.
Dane wykresu
| Wskaźnik | Dolna granica | Górna granica | Liczba |
|---|---|---|---|
| <$1k | 0 | 1000 | 0 |
| $1–2k | 1000 | 2000 | 2 |
| $2–3k | 2000 | 3000 | 0 |
| $3–4k | 3000 | 4000 | 1 |
| $4–5k | 4000 | 5000 | 3 |
| $5–6k | 5000 | 6000 | 4 |
| $6–7k | 6000 | 7000 | 6 |
| $7–8k | 7000 | 8000 | 8 |
| $8–9k | 8000 | 9000 | 9 |
| $9–10k | 9000 | 10 000 | 5 |
| $10–12k | 10 000 | 12 000 | 15 |
| $12–15k | 12 000 | 15 000 | 10 |
| $15–20k | 15 000 | 20 000 | 13 |
| $20k+ | 20 000 | — | 5 |
W jakich krajach jest najwięcej otwartych ofert Architekt danych.
Geografia popytu
| kraj | oferty | udział |
|---|---|---|
| Stany Zjednoczone | 129 | 25,1% |
| Wielka Brytania | 94 | 18,3% |
| Polska | 77 | 15% |
| Indie | 41 | 8% |
| Niemcy | 26 | 5,1% |
| Kanada | 14 | 2,7% |
| Francja | 12 | 2,3% |
| Brazylia | 11 | 2,1% |
| Filipiny | 7 | 1,4% |
| Kolumbia | 7 | 1,4% |
| Pozostałe kraje | 96 | 18,7% |
Liderem pod względem liczby ofert Data Architect są USA (129 stanowisk). W Rosji dominują banki + duże firmy produktowe + handel + telekomunikacja + outsourcerzy. Polska — przyjazny Data Architectom hub w UE. Niemcy — dane korporacyjne. Międzynarodowa praca zdalna przez chmurowych dostawców danych (Snowflake / Databricks / Confluent) + outsourcing w stylu EPAM.
⚠ tylko liczba ofert: wynagrodzenia według krajów nie są publikowane
Dane wykresu
| Kraj | Oferty |
|---|---|
| US | 129 |
| GB | 94 |
| PL | 77 |
| IN | 41 |
| DE | 26 |
| CA | 14 |
| FR | 12 |
| BR | 11 |
| PH | 7 |
| CO | 7 |
Jakie technologie najczęściej są wymagane w jednej ofercie razem z Architekt danych.
Używana razem z
Udział — ile z 620 ofert rynku Architekt danych wymienia tę technologię. Kolejność według liczby ofert, a nie „siły powiązania”. Ogólne pojęcia, jak cloud, to nie konkretna chmura (AWS, Azure).
Najpopularniejszy stack Data Architect 2026: modelowanie danych (modelowanie wymiarowe Kimball + 3NF/Inmon + Data Vault 2.0 + One Big Table; narzędzia erwin / SqlDBM / dbdiagram / dbt), chmurowe hurtownie danych (Snowflake lider + BigQuery + Redshift + Azure Synapse + Databricks Lakehouse + ClickHouse popularny w Rosji + rosyjska Arenadata), data lakes (S3/ADLS/GCS + otwarte formaty tabel Iceberg/Delta Lake/Hudi), wzorce architektury danych (warehouse / lake / lakehouse domyślnie 2026 / data mesh / data fabric), integracja danych (ETL vs dominujący ELT + CDC Debezium + streaming Kafka), orkiestracja (Airflow / Dagster / Prefect), data governance (katalogi danych Collibra/Alation/Atlan/DataHub/OpenMetadata + data lineage + jakość danych Great Expectations/Soda + MDM Informatica/Reltio + data contracts), warstwa semantyczna (dbt Semantic Layer / Cube), biegłość w SQL, notacje modelowania (diagramy ER + ArchiMate + diagramy przepływu danych).
Typowe pary: Snowflake + dbt + Airflow (klasyka nowoczesnego stacku danych), Databricks + Delta Lake + Spark (stack lakehouse), Data Vault 2.0 + Snowflake + dbt (zwinna korporacyjna hurtownia DWH), modelowanie wymiarowe Kimballa + chmurowa hurtownia DWH + BI (nacisk na analitykę), ClickHouse + Kafka (analityka w czasie rzeczywistym — popularna w Rosji), Arenadata Greenplum + dbt (rosyjski stack danych substytucji importu), Iceberg + S3 + Trino (otwarty lakehouse). Roadmapa nauki: zostań Senior Data Engineerem (5+ lat — warunek wstępny) → biegłość w modelowaniu danych (Kimball + Data Vault) → dogłębnie SQL → chmurowa platforma danych (Snowflake / Databricks) → nowoczesny stack danych (dbt + orkiestracja) → wzorce architektury danych → data mesh (książka Dehghani) → data governance → otwarte formaty tabel → warstwa semantyczna → kompetencje miękkie.
Dane wykresu
| Nazwa | Liczba |
|---|---|
| cloud | 282 |
| azure | 192 |
| databricks | 180 |
| aws | 170 |
| sql | 155 |
| python | 104 |
| snowflake | 100 |
| gcp | 75 |
| spark | 61 |
| dbt | 55 |
| bigquery | 53 |
| kafka | 52 |
Ile jest ofert Architekt danych na każdym poziomie — od junior do principal.
Popyt według poziomu
| poziom | oferty |
|---|---|
| principal | 212 |
| senior | 185 |
| lead | 45 |
| middle | 14 |
| junior | 4 |
Rola na poziomie senior (niższe poziomy = błędnie nazwane stanowiska; realistycznie — Senior / Lead). Ścieżka: Senior Data Engineer (5+ lat praktyki) → Data Architect (przez modelowanie danych + projektowanie platform + governance) → Senior / Principal Data Architect → albo Chief Data Architect / Head of Data Architecture, lider Data Platform, Enterprise Architect (domena danych), albo ścieżka Chief Data Officer (CDO).
⚠ tylko strona popytu: poziom większości obserwowanej puli jest nieznany
Dane wykresu
| Poziom | Liczba |
|---|---|
| principal | 212 |
| senior | 185 |
| lead | 45 |
| middle | 14 |
| junior | 4 |
Kto najwięcej zatrudnia w obszarze Architekt danych i jak bardzo popyt skupia się u największych firm.
Pracodawcy
Popyt rozkłada się na 468 pracodawców. Największy odpowiada za 1.7%, pierwsza dziesiątka za 10.0%; pozostałe 90.0% to długi ogon.
| udział | wartość |
|---|---|
| top-1 | 1.7% |
| top-3 | 4.5% |
| top-10 | 10.0% |
| długi ogon | 90.0% |
⚠ nazw nie pokazujemy: klasyfikator jeszcze nie odróżnia agencji rekrutacyjnych od pracodawców końcowych
Z jakich stron firm i portali Zorky zbiera oferty Architekt danych.
Gdzie Zorky widzi ten rynek
Obserwowane w 59 źródłach; największe odpowiada za 9.5% — ten rynek nie opiera się na jednym kanale.
Dane wykresu
| Klasa | Nazwa | Nazwa angielska | Liczba | Udział |
|---|---|---|---|---|
| ats | ATS и карьерные сайты | ATS i strony kariery | 374 | 0,6032 |
| board | джоб-борды и агрегаторы | portale pracy i agregatory | 227 | 0,3661 |
| telegram | Telegram | Telegram | 19 | 0,0306 |
Najnowsze oferty Architekt danych ze stron karier firm.
Najnowsze ogłoszenia
- Data Architect · AZ
- Ness Technologies - Data Architect - Azure/Databricks · IN
- Data Architect
- Data Architect · GB
- Data Architect - Snowflake
- Senior Data architect (SC Cleared)
- Senior Data Architect · GB
- Senior Data Architect - Defence Digital Systems & Data Governance · GB
Najnowsze otwarte oferty Data Architect — najświeższe stanowiska w próbie (wąska nisza seniorska — realny rynek jest szerszy dzięki pokrywaniu się z Senior Data Engineer). Pełna lista jest w naszym CRM lub pod linkiem „zobacz wszystkie” poniżej. Szerszy obraz — na stronach data-engineer + solutions architect.
Sąsiednie rynki
Data Architect pokrywa się z Data Engineer (~60% — Architect skupia się na projektowaniu, Engineer na implementacji), Enterprise Architect (~50% — Data Architecture to jedna z 4 domen TOGAF), Database Administrator (~30% — DBA obsługuje pojedyncze bazy danych), Analytics / BI (konsumenci danych), Security (ochrona danych / prywatność). Porównanie z solutions/software/enterprise/security/integration — na wykresie SiblingSubnichesChart powyżej.
⚠ rynki sąsiednie do porównania nie są jeszcze określone
Jak to mierzymy
- Oferta
- otwarta oferta, która przeszła kontrolę jakości i wymienia co najmniej dwie technologie
- Obserwowany kandydat
- kandydat, którego stack zawiera tę technologię; agregat — żaden pojedynczy rekord nie opuszcza perymetru
- Kandydat do dopasowania
- jeszcze nie liczone
- Okno
- oferty otwarte w chwili tworzenia snapshotu
O danych
- Część przekrojów jest ukryta: pokrycie danymi jest jeszcze niewystarczające.
- Statystyki pokazujemy tylko tam, gdzie próba przechodzi próg jakości.
- Brak bloku nie oznacza wartości zero.
Obecnie ukryte przekroje: 8.
Kierunek: Architektura
Pokrewne specjalizacje
W ramach Data Architect: Data Architect (ogólny — odpowiada za architekturę danych jednego systemu / domeny), Senior / Principal Data Architect (cała organizacja + strategia), Data Warehouse Architect (nacisk na DWH / analitykę), Data Platform Architect (projektowanie nowoczesnej platformy danych / lakehouse), Data Modeler (nacisk na modelowanie danych — węższy), Master Data Architect (specjalność MDM), Information Architect (data governance + zarządzanie informacją). Porównanie z solutions/software/enterprise/security/integration architect — na wykresie słupkowym poniżej.
Najczęściej zadawane pytania
Odpowiedzi przeliczają się automatycznie.
Ile zarabia Data Architect Junior, Middle, Senior lub Lead?
Data Architect — rola na poziomie seniorskim („Junior Data Architect” rzadko istnieje; niższe poziomy = błędny tytuł — realistyczne punkty odniesienia zob. Senior / Lead). Ścieżka kariery: Senior Data Engineer (5+ lat praktyki z pipeline'ami danych + hurtowniami) → Data Architect (przez udokumentowane doświadczenie w modelowaniu danych + projektowaniu platform + governance) → Senior / Principal Data Architect → albo Chief Data Architect / Head of Data Architecture, lider Data Platform, Enterprise Architect (domena danych → szerszy EA), albo ścieżka Chief Data Officer (CDO). Alternatywne wejście: Database Administrator Senior + głębia w modelowaniu danych → Data Architect.
Jakiego stacku / umiejętności najczęściej wymagają oferty Data Architect?
Najważniejszy stack / umiejętności: cloud, aws, azure, enterprise architect, sql. Modelowanie danych — rdzeń: modele konceptualne / logiczne / fizyczne, modelowanie wymiarowe (Kimball — schematy gwiazdy / płatka śniegu + fakty/wymiary), 3NF / Inmon (znormalizowana korporacyjna hurtownia DWH), Data Vault 2.0 (huby + linki + satelity — zwinna korporacyjna hurtownia DWH, popularna 2026), One Big Table / szerokie tabele (nowoczesna analityka). Narzędzia: erwin Data Modeler (klasyka enterprise), SqlDBM, dbdiagram.io, dbt (modele semantyczne + lineage — de facto warstwa modelowania 2026). ClickHouse (analityka w czasie rzeczywistym — popularny w Rosji, pochodzi z Yandex). Rosyjskie: Arenadata (na bazie Greenplum — lider DWH w Rosji po odejściu Teradata / Oracle). Data lakes: S3 / ADLS / GCS + otwarte formaty tabel (Apache Iceberg — rosnący 2026 / Delta Lake / Apache Hudi). Wzorce architektury danych: hurtownia danych / data lake / lakehouse (zalecany domyślny 2026) / data mesh (zdecentralizowany, należący do domen — Zhamak Dehghani) / data fabric (ujednolicony dostęp sterowany metadanymi). Integracja danych: ETL vs ELT (ELT dominuje 2026), CDC (Change Data Capture — Debezium), streaming danych (Kafka), ujednolicenie batch + streaming. Orkiestracja: Airflow / Dagster / Prefect (decyzje na poziomie architektury). Data governance: katalog danych (Collibra / Alation / Atlan / DataHub open-source / OpenMetadata), data lineage, jakość danych (Great Expectations / Soda), zarządzanie danymi podstawowymi MDM (Informatica MDM / Reltio), klasyfikacja danych + prywatność (PII / GDPR / 152-FZ), data contracts (rosnące 2024+). Warstwa semantyczna: dbt Semantic Layer / Cube — jedno źródło prawdy dla metryk. Biegłość w SQL — obowiązkowo (Data Architect musi rozumieć wzorce zapytań + wydajność). Umiejętności miękkie: zarządzanie interesariuszami (dane — międzyfunkcyjne), komunikowanie strategii danych, facylitacja governance.
Data Architect vs Data Engineer vs Enterprise Architect vs DBA — czym się różnią?
Data Engineer — własnoręcznie buduje pipeline'y danych (ingestion + transformacja + orkiestracja), realizuje to, co zaprojektował Data Architect. Zob. Data Engineer (ogólnie). Data Architect (ta strona) — projektuje krajobraz danych: modele danych + strategia przechowywania + przepływy danych + governance. Poziom projektowy, nie własnoręczne kodowanie pipeline'ów. Database Administrator (DBA) — utrzymuje konkretne bazy danych (strojenie wydajności + kopie zapasowe + replikacja + bezpieczeństwo). Operacyjnie. Zob. Database Administrator (DBA) (gdy strona zostanie opublikowana). Enterprise Architect — krajobraz technologiczny całej organizacji (Data Architecture — jedna z 4 domen TOGAF; Data Architect to często Domain Architect w ramach EA). Zob. Enterprise Architect. Ścieżka kariery: Data Engineer Senior → Data Architect — naturalna droga. Data Architect → Enterprise Architect (domena danych) albo Chief Data Officer. Wybór kariery: Data Engineer, jeśli lubisz własnoręcznie budować pipeline'y; Data Architect, jeśli lubisz projektowanie + modelowanie + governance + strategię; DBA, jeśli lubisz dogłębnie operacje na bazach danych; Enterprise Architect, jeśli chcesz szerokości na poziomie organizacji, wykraczającej poza dane.
Wzorce architektury danych 2026 — data warehouse vs data lake vs lakehouse vs data mesh vs data fabric?
Drzewo decyzyjne wyboru wzorca architektury danych 2026: 1) Data Warehouse — ustrukturyzowana, schema-on-write, zoptymalizowana pod analitykę / BI. Chmurowe DWH: Snowflake / BigQuery / Redshift / Synapse. Plusy: szybka analityka SQL, dojrzałe narzędzia, wymuszona jakość danych. Minusy: tylko dane ustrukturyzowane, ETL z góry, drożej dla danych surowych / nieustrukturyzowanych. Zastosowanie: BI / raportowanie / analityka ustrukturyzowana — nadal rdzeń 2026. 2) Data Lake — surowe przechowywanie, schema-on-read, dowolne formaty (ustrukturyzowane + nieustrukturyzowane). S3 / ADLS / GCS. Plusy: tanie przechowywanie, elastyczność, przechowuje wszystko. Minusy: ryzyko „bagna danych” (bez governance — chaos), brak wydajności SQL, brak ACID. Zastosowanie: strefa lądowania surowych danych, dane treningowe ML, archiwizacja. Samodzielnie rzadko 2026. 3) Lakehouse — zalecany domyślny wybór 2026. Zbieżność hurtowni i jeziora: przechowywanie w data lake (S3 + otwarty format tabel — Delta Lake / Iceberg / Hudi) + funkcje jak w hurtowni (transakcje ACID + wydajność SQL + wymuszanie schematu + time travel). Databricks (Delta Lake) / Snowflake (wsparcie Iceberg). Plusy: jedna warstwa przechowywania dla BI + ML + streamingu, taniej niż czyste DWH, brak duplikacji danych. Minusy: młodszy ekosystem, potrzebna właściwa strategia formatu tabel. Zastosowanie: nowe platformy danych 2026 — domyślny wybór (unika duplikacji hurtownia + jezioro). 4) Data Mesh — wzorzec organizacyjny / socjotechniczny, nie technologia. Koncepcja Zhamak Dehghani. 4 zasady: własność zorientowana na domeny (dane należą do zespołów domenowych, nie do centralnego zespołu danych), dane jako produkt (każdy zbiór danych — produkt z SLA / dokumentacją / jakością), samoobsługowa platforma danych, sfederowane obliczeniowe governance. Plusy: skaluje się organizacyjnie (centralny zespół danych — wąskie gardło w dużych organizacjach), ekspertyza domenowa we własności danych. Minusy: wymaga dojrzałości organizacyjnej, drogi we wdrożeniu, przesada dla małych organizacji. Zastosowanie: duże organizacje (wiele domen, centralny zespół danych nie nadąża) — NIE dla małych / średnich (narzut organizacyjny go zabije). Często stosowany na wyrost. 5) Data Fabric — ujednolicona warstwa dostępu do danych oparta na metadanych nad heterogenicznymi źródłami (data mesh — wzorzec organizacyjny, data fabric — podejście technologiczne / integracyjne). Aktywne metadane + graf wiedzy + zautomatyzowana integracja danych. Koncepcja promowana przez Gartnera. Zastosowanie: organizacje z wieloma silosami danych legacy, potrzebujące ujednoliconego dostępu bez migrowania wszystkiego. Domyślne rekomendacje 2026: Nowa platforma danych → Lakehouse (Databricks albo Snowflake + Iceberg). BI / analityka ustrukturyzowana → chmurowe DWH (jeśli lakehouse to przesada). Dane surowe / ML → data lake jako część lakehouse (nie samodzielnie). Duża organizacja, centralny zespół danych jest wąskim gardłem → Data Mesh (zmiana organizacyjna, nie technologiczna). Wiele silosów legacy → Data Fabric (ujednolicona warstwa dostępu). Główna zasada: wzorzec wynika z realiów organizacyjnych + skali — a nie z kultu cargo „data mesh, bo modne”.
Jaki odsetek ofert dotyczy pracy zdalnej?
Wśród ofert z określonym trybem pracy 38% dotyczy pracy zdalnej. Oferty bez określonego trybu nie wchodzą do mianownika; pracy hybrydowej nie zaliczamy do zdalnej.
Czym Data Platform Architect różni się od Data Architect?
Data Architect (ogólnie) — nacisk na modele danych + przepływy danych + governance + strategię przechowywania (poziom logiczny / koncepcyjny — „jak dane są zorganizowane i przepływają”). Data Platform Architect — nacisk na platformę techniczną, na której żyją dane (poziom infrastruktury / narzędzi — „na czym żyją dane”): projektowanie chmurowej platformy danych (konfiguracja Databricks / Snowflake), architektura obliczeń / przechowywania, narzędzia platformy danych (stack ingestion + orkiestracja + transformacja + katalog), skalowalność platformy + optymalizacja kosztów, samoobsługowa platforma danych (dla data mesh). Większe pokrycie z DevOps / Platform Engineering. Data Warehouse Architect — węższa specjalizacja: nacisk konkretnie na projektowanie DWH (dogłębne modelowanie wymiarowe, ETL/ELT dla hurtowni, wsparcie BI). Data Modeler — najwęższa rola: nacisk wyłącznie na modelowanie danych (modele koncepcyjne / logiczne / fizyczne, diagramy ER) — często poziom mid, a nie pełny architekt. Master Data Architect — specjalizacja MDM (master data management — jedno źródło prawdy dla kluczowych encji — klient / produkt / itp.). Information Architect — pokrycie — data governance + cykl życia informacji + taksonomia + metadane. Realia 2026: w małych / średnich organizacjach jeden Data Architect robi wszystko. W dużych — specjalizacja (Data Platform Architect + Data Warehouse Architect + Data Modeler + Master Data Architect — osobne role). Wybór kariery: ogólny Data Architect dla szerokości; Data Platform Architect, jeśli lubisz dogłębnie infrastrukturę / narzędzia; Data Warehouse Architect, jeśli lubisz modelowanie wymiarowe + analitykę; Master Data Architect, jeśli lubisz governance / MDM.
Od czego zacząć ścieżkę do Data Architect w 2026?
Roadmapa (Data Architect — poziom senior, ścieżka prowadzi przez Senior Data Engineer): 1) Zostań mocnym Senior Data Engineer — warunek wstępny. 5+ lat praktyki: pipeline'y danych, praca z hurtowniami, biegłość w SQL, praktyczne rozumienie narzędzi danych. 2) Opanowanie modelowania danych — to kluczowa umiejętność Data Architect. Modelowanie wymiarowe (Kimball — „The Data Warehouse Toolkit” Ralph Kimball — kanon), podejście Inmona 3NF, Data Vault 2.0 („Building a Scalable Data Warehouse with Data Vault 2.0” Dan Linstedt). Modelowanie koncepcyjne / logiczne / fizyczne. 3) Dogłębny SQL — Data Architect musi dogłębnie rozumieć wzorce zapytań + wydajność + optymalizację. 4) Chmurowe platformy danych — wybierz jedną dogłębnie: Snowflake (lider — certyfikaty Snowflake) albo Databricks (Lakehouse — certyfikaty Databricks) albo BigQuery. Praktyczne doświadczenie w projektowaniu i budowie. 5) Nowoczesny stack danych — dbt (de facto warstwa transformacji + modelowania 2026 — certyfikat dbt), orkiestracja danych (Airflow / Dagster), wzorce ELT, CDC (Debezium). 6) Wzorce architektury danych — dogłębnie zrozum hurtownię vs jezioro vs lakehouse vs data mesh vs data fabric (kiedy co). „Fundamentals of Data Engineering” Joe Reis / Matt Housley (kanon 2026 — obowiązkowa lektura, obejmuje architekturę). 7) Data mesh — „Data Mesh” Zhamak Dehghani (jeśli pracujesz / będziesz pracować w dużej organizacji). 8) Data governance — katalogi danych (Collibra / Alation / DataHub / OpenMetadata), data lineage, jakość danych (Great Expectations / Soda), koncepcje MDM, kontrakty danych (zyskują 2024+), prywatność danych (GDPR / 152-FZ). 9) Otwarte formaty tabel — Apache Iceberg (zyskuje 2026) / Delta Lake / Apache Hudi — kluczowe dla lakehouse. 10) Warstwa semantyczna — dbt Semantic Layer / Cube — spójność metryk. 11) Umiejętności miękkie — dane są międzyfunkcyjne (inżynierowie + analitycy + biznes + bezpieczeństwo), potrzebne zarządzanie interesariuszami + komunikowanie strategii danych + facylitacja governance. 12) Praktyka w obecnej roli — jako Senior Data Engineer bierz zadania na poziomie architektury: projekt modelu danych, wybór platformy, wdrożenie governance. Rosyjskie kursy: Otus „Data Architect” / „DWH Analyst”, Karpov.Courses (Data Engineering — częściowe pokrycie), firmowe szkoły danych, szkolenia Arenadata. Międzynarodowe (EN): „The Data Warehouse Toolkit” Kimball (kanon modelowania wymiarowego), „Fundamentals of Data Engineering” Reis / Housley (obowiązkowa lektura 2026), „Data Mesh” Dehghani, oficjalne certyfikaty + szkolenia Snowflake / Databricks, dbt Learn (za darmo), ścieżki data engineering DataCamp / Coursera. Senior Data Engineer (5+ lat) + opanowanie modelowania danych + ekspertyza w chmurowej platformie danych → Data Architect.
Ile otwartych ofert zawiera ta próba?
Opublikowana próba zawiera 620 otwartych ofert po połączeniu ponownych publikacji. To ta sama liczba co we wskaźniku głównym. Sekcja geograficzna opisuje zasięg próby; nie jest to szacunek całego rynku.
Jakich umiejętności potrzebuje Senior Data Architect?
Senior Data Architect odpowiada za pełny cykl architektury danych + przywództwa technicznego. Biegłość w modelowaniu danych: modelowanie wymiarowe (Kimball — schematy gwiazdy / płatka śniegu + dogłębnie fakty/wymiary), 3NF / korporacyjna hurtownia Inmona, Data Vault 2.0 (huby / linki / satelity — zwinna hurtownia), modelowanie koncepcyjne / logiczne / fizyczne, modelowanie ER. Dogłębna biegłość w SQL: złożone zapytania, optymalizacja zapytań, rozumienie planów wykonania — Data Architect musi dogłębnie rozumieć, jak dane są odpytywane. Biegłość w chmurowej platformie danych: jedna z Snowflake / Databricks / BigQuery dogłębnie — projektowanie architektury, optymalizacja wydajności, optymalizacja kosztów (platformy danych są drogie, więc kompromis koszt-architektura jest krytyczny). Wzorce architektury danych: hurtownia / data lake / lakehouse / data mesh / data fabric — znajomość kompromisów + kiedy je stosować (bez kultu cargo). Projektowanie lakehouse (otwarte formaty tabel — Iceberg / Delta Lake / Hudi). Nowoczesny stack danych: dbt (transformacje + modelowanie + warstwa semantyczna), orkiestracja (Airflow / Dagster), wzorce ELT, CDC (Debezium), strumieniowanie (Kafka) na poziomie architektury. Architektura integracji danych: unifikacja przetwarzania wsadowego i strumieniowego, strategia pozyskiwania danych, mapowanie źródło-cel. Biegłość w data governance: strategia katalogu danych (Collibra / Alation / DataHub / OpenMetadata), data lineage, frameworki jakości danych (Great Expectations / Soda), zarządzanie danymi podstawowymi (MDM), klasyfikacja danych + prywatność (zgodność z PII / GDPR / 152-FZ w architekturze danych), kontrakty danych (formalizacja umów producent-konsument — rosnący trend 2024+). Warstwa semantyczna: spójność metryk (dbt Semantic Layer / Cube — jedno źródło prawdy). Strategia danych: roadmapa platformy danych, build-vs-buy dla narzędzi danych, model operacyjny zespołu danych (scentralizowany vs zdecentralizowany data mesh). Projektowanie systemów danych: projektowanie platformy danych na tablicy pod skalę (dane w skali PB, 1000 tysiące tabel, czas rzeczywisty + przetwarzanie wsadowe), planowanie przepustowości, kompromisy wydajność + koszt. Wiedza międzydomenowa: rozumienie Data Engineeringu (realia implementacji), Analytics / BI (potrzeby odbiorców), bezpieczeństwa (ochrona danych), Enterprise Architecture (kontekst organizacyjny). Kompetencje miękkie: zarządzanie interesariuszami (dane są wielofunkcyjne: inżynierowie + analitycy + biznes + bezpieczeństwo + compliance), komunikowanie strategii danych kierownictwu, facylitacja data governance, mentoring Data Engineerów. Angielski dla Senior+ OBOWIĄZKOWO — dokumentacja chmurowych platform danych + społeczność danych + komunikacja w międzynarodowym zespole są po angielsku. Opcjonalny bonus: certyfikaty chmurowych platform danych (Snowflake / Databricks), certyfikat dbt, wystąpienia na konferencjach (konferencje o danych), doświadczenie we wdrażaniu data mesh — znacząco podnoszą wartość rynkową na stanowiskach Principal / Chief Data Architect.
Zostaw zgłoszenie
Opisz zadanie i zostaw kontakt — zgłoszenie trafi do naszego CRM, a odpowiemy na podany kontakt.