Inżynier danych: rynek
Dane na dzień 19 listopada 2026: otwarte oferty Inżynier danych — 5563, 31% zdalnie wśród ofert z podanym trybem pracy; mediana wynagrodzenia w ofertach $9083/mies. (z 727 ofert z podanym wynagrodzeniem). Źródło: Zorky, aktualizacja codziennie.
Data Engineer — inżynieria danych: potoki ETL/ELT, modelowanie DWH, przetwarzanie strumieniowe, orkiestracja zadań, data lake'i. Największy segment kierunku Data, na granicy programowania backendu i analityki. Rodzina ról: Data Engineer (ogólnie — potoki + DWH), ETL Developer (klasyczny batch — Informatica/SSIS legacy + Airflow), Analytics Engineer (dbt + DWH, na granicy z Analystem), Pipeline Engineer (fokus na orkiestracji — Airflow/Dagster/Prefect), Data Platform Engineer (infrastruktura dla zespołów danych — Kubernetes + klaster Spark + Delta Lake/Iceberg). Stack: Python (obowiązkowo — pandas, PySpark, SDK chmurowe), SQL (obowiązkowo, zaawansowany — funkcje okna, CTE, optymalizacja), Airflow/Dagster/Prefect (orkiestracja), Spark/Flink/Kafka Streams (big data + streaming), dbt (analytics engineering — warstwa transformacji), DWH: Snowflake/BigQuery/ClickHouse/Redshift/Greenplum, Kafka+Debezium (CDC), S3/HDFS/Delta Lake/Apache Iceberg, stacki danych AWS/GCP/Azure, Docker+Kubernetes. Główny stack: python, cloud, sql, aws, azure. Wśród ofert z określonym trybem pracy 31% dotyczy pracy zdalnej.
Dane na dzień:
Najważniejsze liczby rynku Inżynier danych: otwarte oferty, mediana wynagrodzenia, obserwowana pula specjalistów i udział pracy zdalnej.
Rynek Inżynier danych ma obecnie 5563 otwarte role, w tym świeżo zaobserwowanych: 4831. Median salary $9083/mo.
Wśród ofert z określonym trybem pracy 31% dotyczy pracy zdalnej. Praca jest w pełni chmurowa. Sber — częściej biuro ze względu na lokalizację danych / zgodność.
⚠ wynagrodzenie znane dla 727 z 5563 ofert; udział pracy zdalnej z 4501 z podanym formatem; 4831 liczone jako świeże obserwacje; trendu i trudności rekrutacji nie pokazujemy
Oś czasu: ogłoszenia i źródła
Ile ogłoszeń Inżynier 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 | 294 |
| 2026-06-08 | 213 |
| 2026-06-15 | 249 |
| 2026-06-22 | 673 |
| 2026-06-29 | 541 |
| 2026-07-06 | 533 |
| 2026-07-13 | 701 |
| 2026-07-20 | 857 |
| 2026-07-27 | 477 |
| 2026-08-03 | 417 |
| 2026-08-10 | 253 |
| 2026-08-17 | 294 |
| 2026-08-24 | 272 |
| 2026-08-31 | 297 |
| 2026-09-07 | 318 |
| 2026-09-14 | 377 |
| 2026-09-21 | 1172 |
| 2026-09-28 | 1043 |
| 2026-10-05 | 923 |
| 2026-10-12 | 2237 |
| 2026-10-19 | 1265 |
| 2026-10-26 | 1352 |
| 2026-11-02 | 1262 |
| 2026-11-09 | 1420 |
Aktywne źródła w tygodniu
Źródeł w całym okresie: 281. ▲ — tydzień, w którym podłączono dużo nowych źródeł.
Dane wykresu
| Okres | Aktywne źródła |
|---|---|
| 2026-06-01 | 27 |
| 2026-06-08 | 26 |
| 2026-06-15 | 28 |
| 2026-06-22 | 45 |
| 2026-06-29 | 87 |
| 2026-07-06 | 72 |
| 2026-07-13 | 82 |
| 2026-07-20 | 92 |
| 2026-07-27 | 79 |
| 2026-08-03 | 79 |
| 2026-08-10 | 52 |
| 2026-08-17 | 54 |
| 2026-08-24 | 48 |
| 2026-08-31 | 56 |
| 2026-09-07 | 59 |
| 2026-09-14 | 58 |
| 2026-09-21 | 71 |
| 2026-09-28 | 75 |
| 2026-10-05 | 79 |
| 2026-10-12 | 80 |
| 2026-10-19 | 90 |
| 2026-10-26 | 97 |
| 2026-11-02 | 95 |
| 2026-11-09 | 101 |
Podłączono nowe źródła: 22 cze +21 · 29 cze +48 · 6 lip +29 · 13 lip +21 · 20 lip +19 · wszystkie tygodnie (23) — w tabeli
| Tydzień | Nowe źródła | Nowe ogłoszenia |
|---|---|---|
| 8 cze | +6 | 213 |
| 15 cze | +7 | 249 |
| 22 cze | +21 | 673 |
| 29 cze | +48 | 541 |
| 6 lip | +29 | 533 |
| 13 lip | +21 | 701 |
| 20 lip | +19 | 857 |
| 27 lip | +8 | 477 |
| 3 sie | +10 | 417 |
| 10 sie | +5 | 253 |
| 17 sie | +3 | 294 |
| 24 sie | +2 | 272 |
| 31 sie | +8 | 297 |
| 7 wrz | +4 | 318 |
| 14 wrz | +4 | 377 |
| 21 wrz | +6 | 1172 |
| 28 wrz | +7 | 1043 |
| 5 paź | +4 | 923 |
| 12 paź | +6 | 2237 |
| 19 paź | +11 | 1265 |
| 26 paź | +7 | 1352 |
| 2 lis | +9 | 1262 |
| 9 lis | +9 | 1420 |
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 | 294 | 27 |
| 2026-06-08 | 213 | 26 |
| 2026-06-15 | 249 | 28 |
| 2026-06-22 | 673 | 45 |
| 2026-06-29 | 541 | 87 |
| 2026-07-06 | 533 | 72 |
| 2026-07-13 | 701 | 82 |
| 2026-07-20 | 857 | 92 |
| 2026-07-27 | 477 | 79 |
| 2026-08-03 | 417 | 79 |
| 2026-08-10 | 253 | 52 |
| 2026-08-17 | 294 | 54 |
| 2026-08-24 | 272 | 48 |
| 2026-08-31 | 297 | 56 |
| 2026-09-07 | 318 | 59 |
| 2026-09-14 | 377 | 58 |
| 2026-09-21 | 1172 | 71 |
| 2026-09-28 | 1043 | 75 |
| 2026-10-05 | 923 | 79 |
| 2026-10-12 | 2237 | 80 |
| 2026-10-19 | 1265 | 90 |
| 2026-10-26 | 1352 | 97 |
| 2026-11-02 | 1262 | 95 |
| 2026-11-09 | 1420 | 101 |
Wynagrodzenia w czasie
Mediana wynagrodzenia Inżynier danych tygodniowo, USD miesięcznie.
Mediana wynagrodzenia, USD miesięcznie
Dane wykresu
| Okres | Mediana | Oferty z wynagrodzeniem w tygodniu (n) |
|---|---|---|
| 2026-07-20 | 5750 | 24 |
| 2026-07-27 | — | 6 |
| 2026-08-03 | — | 0 |
| 2026-08-10 | — | 0 |
| 2026-08-17 | — | 0 |
| 2026-08-24 | — | 0 |
| 2026-08-31 | — | 9 |
| 2026-09-07 | 8353 | 12 |
| 2026-09-14 | — | 8 |
| 2026-09-21 | 10 303 | 38 |
| 2026-09-28 | 8125 | 73 |
| 2026-10-05 | 7092 | 87 |
| 2026-10-12 | 7355 | 147 |
| 2026-10-19 | 7500 | 227 |
| 2026-10-26 | 7699 | 259 |
| 2026-11-02 | 9457 | 214 |
| 2026-11-09 | 9167 | 235 |
Seria zaczyna się 20 lip: 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 | 5750 |
| 2026-07-27 | — |
| 2026-08-03 | — |
| 2026-08-10 | — |
| 2026-08-17 | — |
| 2026-08-24 | — |
| 2026-08-31 | — |
| 2026-09-07 | 8353 |
| 2026-09-14 | — |
| 2026-09-21 | 10 303 |
| 2026-09-28 | 8125 |
| 2026-10-05 | 7092 |
| 2026-10-12 | 7355 |
| 2026-10-19 | 7500 |
| 2026-10-26 | 7699 |
| 2026-11-02 | 9457 |
| 2026-11-09 | 9167 |
Praca zdalna w czasie
Udział ofert Inżynier danych z pracą w pełni zdalną, tydzień po tygodniu.
Ogłoszenia zdalne, %
Dane wykresu
| Okres | Zdalnie |
|---|---|
| 2026-06-01 | 67,4 |
| 2026-06-08 | 51,2 |
| 2026-06-15 | 53,2 |
| 2026-06-22 | 44,1 |
| 2026-06-29 | 38,5 |
| 2026-07-06 | 33,5 |
| 2026-07-13 | 39,3 |
| 2026-07-20 | 47,9 |
| 2026-07-27 | 61,8 |
| 2026-08-03 | 25,1 |
| 2026-08-10 | 29,9 |
| 2026-08-17 | 28,7 |
| 2026-08-24 | 31,7 |
| 2026-08-31 | 28,4 |
| 2026-09-07 | 23,3 |
| 2026-09-14 | 28,4 |
| 2026-09-21 | 28,2 |
| 2026-09-28 | 31,2 |
| 2026-10-05 | 34,3 |
| 2026-10-12 | 32,2 |
| 2026-10-19 | 30,7 |
| 2026-10-26 | 37,3 |
| 2026-11-02 | 34,5 |
| 2026-11-09 | 28,5 |
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 | 67,4 |
| 2026-06-08 | 51,2 |
| 2026-06-15 | 53,2 |
| 2026-06-22 | 44,1 |
| 2026-06-29 | 38,5 |
| 2026-07-06 | 33,5 |
| 2026-07-13 | 39,3 |
| 2026-07-20 | 47,9 |
| 2026-07-27 | 61,8 |
| 2026-08-03 | 25,1 |
| 2026-08-10 | 29,9 |
| 2026-08-17 | 28,7 |
| 2026-08-24 | 31,7 |
| 2026-08-31 | 28,4 |
| 2026-09-07 | 23,3 |
| 2026-09-14 | 28,4 |
| 2026-09-21 | 28,2 |
| 2026-09-28 | 31,2 |
| 2026-10-05 | 34,3 |
| 2026-10-12 | 32,2 |
| 2026-10-19 | 30,7 |
| 2026-10-26 | 37,3 |
| 2026-11-02 | 34,5 |
| 2026-11-09 | 28,5 |
Technologie w czasie
Jak zmieniał się udział ofert Inżynier danych, w których pojawia się każda z czołowych technologii.
Ogłoszenia wymieniające technologię, %
Dane wykresu
| Okres | Python | cloud | SQL |
|---|---|---|---|
| 2026-08-10 | 41,5 | 29,6 | 28,2 |
| 2026-08-17 | 39 | 33,5 | 29,9 |
| 2026-08-24 | 37,3 | 32,3 | 23,6 |
| 2026-08-31 | 34,2 | 24,2 | 27,4 |
| 2026-09-07 | 41,7 | 31,7 | 28,9 |
| 2026-09-14 | 35,5 | 33,5 | 33,5 |
| 2026-09-21 | 41 | 45,2 | 38,2 |
| 2026-09-28 | 61,1 | 50,8 | 55 |
| 2026-10-05 | 56,2 | 47,5 | 54,2 |
| 2026-10-12 | 48,6 | 51 | 48,4 |
| 2026-10-19 | 58,5 | 54 | 59,3 |
| 2026-10-26 | 60,7 | 52,1 | 61,3 |
| 2026-11-02 | 61,9 | 52,7 | 60,7 |
| 2026-11-09 | 62,3 | 47,7 | 59,9 |
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 | Python | cloud | SQL | AWS | Azure |
|---|---|---|---|---|---|
| 2026-08-10 | 41,5 | 29,6 | 28,2 | 21,1 | 22,5 |
| 2026-08-17 | 39 | 33,5 | 29,9 | 23,8 | 19,5 |
| 2026-08-24 | 37,3 | 32,3 | 23,6 | 15,5 | 17,4 |
| 2026-08-31 | 34,2 | 24,2 | 27,4 | 15,8 | 18,9 |
| 2026-09-07 | 41,7 | 31,7 | 28,9 | 19,7 | 15,6 |
| 2026-09-14 | 35,5 | 33,5 | 33,5 | 21,7 | 22,7 |
| 2026-09-21 | 41 | 45,2 | 38,2 | 29,7 | 25 |
| 2026-09-28 | 61,1 | 50,8 | 55 | 34,4 | 34,1 |
| 2026-10-05 | 56,2 | 47,5 | 54,2 | 30,9 | 32,5 |
| 2026-10-12 | 48,6 | 51 | 48,4 | 29,9 | 30 |
| 2026-10-19 | 58,5 | 54 | 59,3 | 30,4 | 32,4 |
| 2026-10-26 | 60,7 | 52,1 | 61,3 | 34,9 | 32,7 |
| 2026-11-02 | 61,9 | 52,7 | 60,7 | 35,8 | 30,1 |
| 2026-11-09 | 62,3 | 47,7 | 59,9 | 31,6 | 28,1 |
Kraje w czasie
Jak zmieniał się udział ofert Inżynier danych w każdym z czołowych krajów, tydzień po tygodniu.
Ogłoszenia w kraju, %
Dane wykresu
| Okres | USA | Polska | Wielka Brytania |
|---|---|---|---|
| 2026-06-01 | 27,6 | 49,1 | 3,6 |
| 2026-06-08 | 32,4 | 33,3 | 2 |
| 2026-06-15 | 26,5 | 38,5 | 3,8 |
| 2026-06-22 | 13,5 | 52,9 | 1,4 |
| 2026-06-29 | 18 | 18,8 | 1,7 |
| 2026-07-06 | 31,1 | 11,4 | 6,6 |
| 2026-07-13 | 23,5 | 16,9 | 4,8 |
| 2026-07-20 | 17,6 | 28,8 | 10,7 |
| 2026-07-27 | 15,4 | 31,8 | 6,4 |
| 2026-08-03 | 20,5 | 9,7 | 18,8 |
| 2026-08-10 | 16,1 | 5,7 | 23,7 |
| 2026-08-17 | 15,6 | 6,6 | 26,2 |
| 2026-08-24 | 14,7 | 6,5 | 33,6 |
| 2026-08-31 | 9,6 | 3,3 | 33,8 |
| 2026-09-07 | 12,6 | 3,3 | 32,3 |
| 2026-09-14 | 22,3 | 3,6 | 28,9 |
| 2026-09-21 | 25,8 | 5,5 | 15,5 |
| 2026-09-28 | 19,3 | 14,6 | 13,7 |
| 2026-10-05 | 16,2 | 21,5 | 13 |
| 2026-10-12 | 16,6 | 16 | 9,8 |
| 2026-10-19 | 16,7 | 16,7 | 10,5 |
| 2026-10-26 | 19 | 17,3 | 8,9 |
| 2026-11-02 | 21,1 | 12,5 | 10,6 |
| 2026-11-09 | 20,2 | 9,1 | 13,2 |
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 | USA | Polska | Wielka Brytania | Indie | Singapur |
|---|---|---|---|---|---|
| 2026-06-01 | 27,6 | 49,1 | 3,6 | 3,3 | 0 |
| 2026-06-08 | 32,4 | 33,3 | 2 | 10,8 | 0 |
| 2026-06-15 | 26,5 | 38,5 | 3,8 | 8,1 | 0 |
| 2026-06-22 | 13,5 | 52,9 | 1,4 | 11,3 | 3,3 |
| 2026-06-29 | 18 | 18,8 | 1,7 | 8,7 | 26 |
| 2026-07-06 | 31,1 | 11,4 | 6,6 | 11,7 | 6,2 |
| 2026-07-13 | 23,5 | 16,9 | 4,8 | 18,3 | 12,3 |
| 2026-07-20 | 17,6 | 28,8 | 10,7 | 8,6 | 7,8 |
| 2026-07-27 | 15,4 | 31,8 | 6,4 | 8,2 | 16,9 |
| 2026-08-03 | 20,5 | 9,7 | 18,8 | 16,1 | 6,2 |
| 2026-08-10 | 16,1 | 5,7 | 23,7 | 12,3 | 1,9 |
| 2026-08-17 | 15,6 | 6,6 | 26,2 | 13,1 | 2,5 |
| 2026-08-24 | 14,7 | 6,5 | 33,6 | 10,1 | 3,7 |
| 2026-08-31 | 9,6 | 3,3 | 33,8 | 17,9 | 2,1 |
| 2026-09-07 | 12,6 | 3,3 | 32,3 | 12,6 | 3,7 |
| 2026-09-14 | 22,3 | 3,6 | 28,9 | 13,8 | 2 |
| 2026-09-21 | 25,8 | 5,5 | 15,5 | 9,3 | 7 |
| 2026-09-28 | 19,3 | 14,6 | 13,7 | 6 | 12,9 |
| 2026-10-05 | 16,2 | 21,5 | 13 | 7,2 | 7,8 |
| 2026-10-12 | 16,6 | 16 | 9,8 | 9,9 | 3,6 |
| 2026-10-19 | 16,7 | 16,7 | 10,5 | 8 | 7 |
| 2026-10-26 | 19 | 17,3 | 8,9 | 9,6 | 6,2 |
| 2026-11-02 | 21,1 | 12,5 | 10,6 | 9,2 | 5,6 |
| 2026-11-09 | 20,2 | 9,1 | 13,2 | 10 | 4,6 |
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 Inżynier 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 Inżynier danych i ilu pasujących specjalistów widzi Zorky.
Popyt i obserwowana podaż
Dane wykresu
| Wskaźnik | Wartość |
|---|---|
| Otwarty popyt | 5563 |
| Otwarty popyt | 5563 |
| Obserwowana podaż | — nie publikujemy |
Data Engineer generuje największy i najstabilniejszy strumień ofert wśród segmentów danych. Popyt rośnie zwłaszcza w firmach produktowych z WNP (migracja legacy DWH na nowoczesny stack danych — Snowflake/dbt/Airflow) i w FinTechu.
⚠ kandydaci pasujący do oferty nie są jeszcze liczeni: pokazujemy popyt i obserwowaną pulę
Jak rozkładają się wynagrodzenia w ofertach Inżynier danych, w dolarach USA miesięcznie.
Rozkład wynagrodzeń
Dane wykresu
| Wskaźnik | Wartość |
|---|---|
| <$1k | 7 |
| $1–2k | 8 |
| $2–3k | 11 |
| $3–4k | 26 |
| $4–5k | 56 |
| $5–6k | 59 |
| $6–7k | 80 |
| $7–8k | 65 |
| $8–9k | 48 |
| $9–10k | 52 |
| $10–12k | 90 |
| $12–15k | 121 |
| $15–20k | 91 |
| $20k+ | 13 |
- nadaje się do obliczeń: 727 (13,1%)
- podano, ale nie przeliczono na USD/mies.: 817 (14,7%)
- nie podano: 4019 (72,2%)
W co dziesiątej ofercie widełki są poniżej $4437, w co dziesiątej — powyżej $15 833. Połowa ofert proponuje od $6250 do $12 541. Próba: 727.
Dane wykresu
| Wskaźnik | Dolna granica | Górna granica | Liczba |
|---|---|---|---|
| <$1k | 0 | 1000 | 7 |
| $1–2k | 1000 | 2000 | 8 |
| $2–3k | 2000 | 3000 | 11 |
| $3–4k | 3000 | 4000 | 26 |
| $4–5k | 4000 | 5000 | 56 |
| $5–6k | 5000 | 6000 | 59 |
| $6–7k | 6000 | 7000 | 80 |
| $7–8k | 7000 | 8000 | 65 |
| $8–9k | 8000 | 9000 | 48 |
| $9–10k | 9000 | 10 000 | 52 |
| $10–12k | 10 000 | 12 000 | 90 |
| $12–15k | 12 000 | 15 000 | 121 |
| $15–20k | 15 000 | 20 000 | 91 |
| $20k+ | 20 000 | — | 13 |
W jakich krajach jest najwięcej otwartych ofert Inżynier danych.
Geografia popytu
| kraj | oferty | udział |
|---|---|---|
| Stany Zjednoczone | 1134 | 23,9% |
| Polska | 686 | 14,5% |
| Indie | 447 | 9,4% |
| Wielka Brytania | 420 | 8,9% |
| Singapur | 256 | 5,4% |
| Niemcy | 236 | 5% |
| Francja | 151 | 3,2% |
| Kanada | 150 | 3,2% |
| Rosja | 83 | 1,8% |
| Republika Południowej Afryki | 68 | 1,4% |
| Pozostałe kraje | 1107 | 23,4% |
Liderem pod względem liczby ofert Data Engineer są USA (1134 stanowisk). Polska — druga pod względem liczby ofert zdalnych dla osób rosyjskojęzycznych.
⚠ tylko liczba ofert: wynagrodzenia według krajów nie są publikowane
Dane wykresu
| Kraj | Oferty |
|---|---|
| US | 1134 |
| PL | 686 |
| IN | 447 |
| GB | 420 |
| SG | 256 |
| DE | 236 |
| FR | 151 |
| CA | 150 |
| RU | 83 |
| ZA | 68 |
Jakie technologie najczęściej są wymagane w jednej ofercie razem z Inżynier danych.
Używana razem z
Udział — ile z 5563 ofert rynku Inżynier 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 Engineer 2026: Python + zaawansowany SQL (obowiązkowo), Airflow / Dagster / Prefect (orkiestracja), Spark / Flink / Kafka Streams (big data + streaming), dbt (warstwa transformacji), Snowflake / BigQuery / ClickHouse / Redshift (DWH), Kafka + Debezium (CDC), Delta Lake / Iceberg (lakehouse), Docker + Kubernetes. Senior — observability + jakość danych.
Typowe pary: Python + SQL, Python + Airflow, Spark + Hadoop, dbt + Snowflake, Kafka + Spark Streaming, Airflow + BigQuery. Roadmapa nauki: Python + SQL → Airflow → jedna hurtownia DWH → dbt → PySpark → podstawy Kafki.
Dane wykresu
| Nazwa | Liczba |
|---|---|
| python | 2369 |
| cloud | 2316 |
| sql | 2055 |
| aws | 1513 |
| azure | 1409 |
| databricks | 1399 |
| airflow | 1045 |
| dbt | 911 |
| spark | 799 |
| snowflake | 788 |
| gcp | 711 |
| pyspark | 593 |
Ile jest ofert Inżynier danych na każdym poziomie — od junior do principal.
Popyt według poziomu
| poziom | oferty |
|---|---|
| senior | 2079 |
| middle | 357 |
| lead | 350 |
| principal | 248 |
| junior | 220 |
Junior to rzadkość — rynek zatrudnia po Python Middle lub Analyst Senior z zaawansowanym SQL. Ścieżka kariery: Junior → Middle → Senior → Analytics Engineer / Data Platform / Head of Data.
⚠ tylko strona popytu: poziom większości obserwowanej puli jest nieznany
Dane wykresu
| Poziom | Liczba |
|---|---|
| senior | 2079 |
| middle | 357 |
| lead | 350 |
| principal | 248 |
| junior | 220 |
Kto najwięcej zatrudnia w obszarze Inżynier danych i jak bardzo popyt skupia się u największych firm.
Pracodawcy
Popyt rozkłada się na 3218 pracodawców. Największy odpowiada za 1.1%, pierwsza dziesiątka za 4.7%; pozostałe 95.3% to długi ogon.
| udział | wartość |
|---|---|
| top-1 | 1.1% |
| top-3 | 2.2% |
| top-10 | 4.7% |
| długi ogon | 95.3% |
⚠ nazw nie pokazujemy: klasyfikator jeszcze nie odróżnia agencji rekrutacyjnych od pracodawców końcowych
Z jakich stron firm i portali Zorky zbiera oferty Inżynier danych.
Gdzie Zorky widzi ten rynek
Obserwowane w 139 źródłach; największe odpowiada za 11.5% — 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 | 3224 | 0,5795 |
| board | джоб-борды и агрегаторы | portale pracy i agregatory | 2078 | 0,3735 |
| telegram | Telegram | Telegram | 251 | 0,0451 |
| społeczność | сообщества и публичные профили | społeczność i profile publiczne | 10 | 0,0018 |
Najnowsze oferty Inżynier danych ze stron karier firm.
Najnowsze ogłoszenia
- Snowflake Data Engineer (Middle+/Senior)
- Senior Data Engineer · PL
- Snowflake Data Engineer (Middle+/Senior) | Remote
- Snowflake Data Engineer | German B2+ Required | Fully Remote · RS
- Snowflake Data Engineer | 3 year(s) | Middle | IC
- Data Engineer (Entry) 1724 · ZA
- Senior AI & Data Engineer · ZA
- Senior Data Engineer (Snowflake, AWS, Big Data) · AU
Najnowsze otwarte oferty Data Engineer — najświeższe 10 stanowisk z odpowiednią jakością opisu. Pełna lista jest w naszym CRM lub pod linkiem „zobacz wszystkie” poniżej.
Sąsiednie rynki
Data Engineer — największy segment kierunku data (60-70% ofert data). Porównanie — 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: Inżynieria danych
Pokrewne specjalizacje
W ramach Data Engineer: Data Engineer (ogólny — pipeline'y + DWH), ETL Developer (klasyczny batch), Analytics Engineer (dbt + DWH), Pipeline Engineer (orkiestracja), Data Platform Engineer (infrastruktura dla zespołów danych). Porównanie z innymi specjalizacjami data/big-data — na wykresie słupkowym poniżej.
Najczęściej zadawane pytania
Najczęstsze pytania o Data Engineer: wynagrodzenie, Spark vs Flink vs Kafka Streams, Airflow vs Dagster, różnice względem Backend i ML Engineer, praca zdalna, jak zacząć (12-18 miesięcy po Python Middle), umiejętności Senior. Odpowiedzi przeliczają się automatycznie.
Ile zarabia Data Engineer Junior, Middle, Senior lub Lead?
Ofert Junior jest mało — rynek oczekuje Python Middle + zaawansowanego SQL lub przejścia z backendu/analityki. Skok Junior → Middle — Airflow + jedna hurtownia DWH + podstawy Sparka. Senior odpowiada za całą domenę danych (np. pipeline zdarzeń). Lead Data Engineer / Head of Data Platform — prowadzi 3-8 inżynierów, odpowiada za decyzje architektoniczne + model DWH + data governance. Ścieżka kariery: Backend Middle/Analyst Senior → Data Engineer Middle → Senior → albo Analytics Engineering (nacisk na dbt), Platform Engineering (nacisk na infrastrukturę), albo Head of Data.
Jakiego stacku najczęściej wymagają oferty Data Engineer?
5 najważniejszych: python, cloud, sql, aws, azure. Python — obowiązkowo (pandas, PySpark, boto3, GCP SDK). SQL — zaawansowany, obowiązkowo (funkcje okna, CTE, optymalizacja zapytań, EXPLAIN ANALYZE). Airflow — branżowy standard orkiestracji; Dagster/Prefect rosną w nowych projektach. Spark (PySpark/Scala) — big data batch + streaming. Kafka — obowiązkowa dla Middle+ w architekturze event-driven. Flink — umiejętność premium do prawdziwego streamingu. dbt — standard warstwy transformacji w nowoczesnym stacku danych. DWH: Snowflake (chmurowa premium), BigQuery (GCP), ClickHouse (OLAP, dominuje w WNP), Redshift (legacy AWS). Przechowywanie: S3/HDFS, Delta Lake/Apache Iceberg (lakehouse). Docker+Kubernetes. Terraform/Pulumi do IaC. Senior — observability (Datadog/Grafana + Great Expectations / Soda do jakości danych).
Spark vs Flink vs Kafka Streams — co wybrać w 2026?
Spark — branżowy standard batch + streamingu micro-batch. PySpark to największy rynek pracy, Spark Scala — nisza premium. Wada: opóźnienie micro-batch (sekundy-minuty), nie prawdziwy realtime. Flink — prawdziwy silnik streamingowy z opóźnieniem milisekundowym, semantyka exactly-once od razu. Rosnący segment: FinTech/AdTech/IoT/inferencja ML w czasie rzeczywistym. Kafka Streams (tylko Java/Scala) — lekka biblioteka streamingowa, nie osobny klaster. Dobra do przetwarzania strumieni na poziomie mikroserwisu, słaba przy ciężkich joinach/stanie. Strategia: najpierw Spark (wielkość rynku), potem Flink dla dywersyfikacji i wyższego wynagrodzenia. Kafka Streams — niszowy dodatek dla backend engineerów JVM.
Airflow vs Dagster vs Prefect — czego uczyć się do orkiestracji?
DAG-i w Pythonie, ogromny ekosystem operatorów. Minusy: oparty na harmonogramie, natywnie nie event-driven, słabe dynamiczne generowanie DAG-ów. Dagster — nowoczesny pretendent (w stylu Elementl/Astronomer). Skoncentrowany na assetach, najlepszy DX, natywne testowanie, data lineage od razu w pakiecie. Rosnący segment: startupy produktowe, modern data stack. Prefect — filozofią pomiędzy Airflow a Dagsterem. Dobry do hybrydowych workflow (batch + streaming). Mniej ofert niż Airflow, ale rośnie. Strategia: najpierw Airflow (konieczność rynkowa), potem Dagster jako nowoczesna alternatywa. Cron + skrypty w Pythonie — przestarzałe podejście, nie ucz się go jako podstawowego.
Jaki odsetek ofert dotyczy pracy zdalnej?
Wśród ofert z określonym trybem pracy 31% dotyczy pracy zdalnej. Oferty bez określonego trybu nie wchodzą do mianownika; pracy hybrydowej nie zaliczamy do zdalnej.
Czym Data Engineer różni się od Backend i ML Engineer?
Backend Engineer — API REST/GraphQL, logika biznesowa, transakcyjne bazy danych (PostgreSQL/MySQL). Nacisk: obsługa żądań produktu. Systemy OLTP. Data Engineer — pipeline'y ETL/ELT, modelowanie DWH, streaming, przetwarzanie wsadowe terabajtów. Nacisk: przenoszenie i transformacja dużych wolumenów danych. Systemy OLAP. ML Engineer — wdrażanie modeli na produkcję (FastAPI + ONNX/TorchServe), feature store, MLOps, monitoring modeli. Nacisk: inferencja gotowa na produkcję. Zmiana ścieżki: Backend Senior → Data Engineer Middle w 4-8 miesięcy (Airflow + dbt + jedna hurtownia DWH). Data Engineer → ML Engineer w 6-12 miesięcy (PyTorch + stack MLOps). Według wynagrodzeń: Data Engineer ≥ Backend Senior w Moskwie; ML Engineer ≈ Data Engineer Senior średnio.
Od czego zacząć w Data Engineering w 2026?
Roadmapa: 1) Python do poziomu Middle — pandas, numpy, typowanie, testowanie. 2) SQL do poziomu zaawansowanego — funkcje okna, CTE, podzapytania, optymalizacja (EXPLAIN ANALYZE), indeksy. PostgreSQL + jedna baza OLAP (zalecany ClickHouse). 3) Airflow — oficjalny tutorial, napisz 3-5 DAG-ów. 4) Jedna hurtownia DWH: BigQuery (darmowy poziom) lub trial Snowflake. Opanuj modelowanie (schemat gwiazdy/płatka śniegu, SCD). 5) dbt — warstwa analytics engineering. Tutorial dbt + projekt własny na zbiorze jaffle-shop. 6) Podstawy PySpark — DataFrame API + jeden projekt własny z 1-10 GB danych. 7) Podstawy Kafki — producent/konsument + jeden projekt własny ze streamingiem. 8) Kompletny projekt własny: pipeline z API/plików przez Airflow + dbt do DWH, dashboard w Metabase/Superset, wdrożony w chmurze. Kursy: Karpov.Courses „Data Engineer”, OTUS „Data Engineer”, Yandex.Practicum „Data Engineer”, DataCamp Data Engineer Track. Książki: „The Data Warehouse Toolkit” Kimball, „Fundamentals of Data Engineering” Reis. Czas do Middle (Junior rzadko) — 12-18 miesięcy w pełnym wymiarze po doświadczeniu Python Middle.
Ile otwartych ofert zawiera ta próba?
Opublikowana próba zawiera 5563 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 Engineer?
Senior Data Engineer odpowiada za pełny cykl pipeline'ów danych. SQL: biegłość (funkcje okna, rekurencyjne CTE, optymalizacja zapytań, partition pruning, widoki zmaterializowane). Python: biegłość w pandas/PySpark, profilowanie pamięci, async do ładowania obciążonego I/O. Systemy rozproszone: model wykonania Sparka (shuffle, broadcast, partycjonowanie), exactly-once w Kafce, two-phase commit, idempotentność. Modelowanie hurtowni: Kimball (schemat gwiazdy, SCD), Data Vault, architektura lakehouse (Delta Lake/Iceberg). Orkiestracja: projektowanie DAG-ów w Airflow (idempotentne zadania, backfille, sensory), dynamiczne generowanie DAG-ów. Strumieniowanie: projektowanie w Kafce (partycje, grupy konsumentów, exactly-once), Spark Streaming lub Flink. Chmura: jedna z AWS/GCP/Azure na poziomie architekta (IAM + optymalizacja kosztów + sieci + klasy pamięci masowej). Jakość danych: Great Expectations / Soda, metryki monitoringu + alerty. DevOps: Docker, operatory Kubernetes (Spark/Kafka na k8s), Terraform/Pulumi do IaC. Kompetencje miękkie: code review, mentoring Middle, praca z analitykiem/PM nad wymaganiami. Angielski — obowiązkowo dla Senior+ (stack danych jest przeważnie anglojęzyczny).
Zostaw zgłoszenie
Opisz zadanie i zostaw kontakt — zgłoszenie trafi do naszego CRM, a odpowiemy na podany kontakt.