Usamos cookies técnicos e o registro de visitas anonimizado do Zorky. O Yandex Metrica (dados armazenados em servidores na Rússia) só funciona com o seu consentimento. Nunca vendemos dados. Mais sobre cookies e estatísticas.
O Zorky está em modo de teste — tudo é gratuito. As vagas e as páginas das empresas são abertas a todos; os links dos anúncios e sua seleção pessoal abrem após o cadastro. Cadastre-se →

Arquiteto de Dados: mercado

Dados de 19 de novembro de 2026: vagas abertas de Arquiteto de Dados — 620, 38% remotas entre as vagas que informam o modelo de trabalho; salário mediano anunciado $10.507/mês (de 81 vagas que informam salário). Fonte: Zorky, atualizado diariamente.

Data Architect — especialização de arquiteto responsável por desenhar o panorama de dados de uma organização: modelos de dados, fluxos de dados, estratégia de armazenamento, governança de dados, integração entre sistemas. Diferente de um Data Engineer (que constrói pipelines na prática), o Data Architect desenha a estrutura: como os dados são modelados, onde são armazenados, como fluem, quem é dono deles, como funciona a governança. Família de cargos: Data Architect (geral — dono da arquitetura de dados de um sistema / domínio), Senior / Principal Data Architect (arquitetura de dados de toda a empresa + estratégia), Data Warehouse Architect (foco em DWH / analytics), Data Platform Architect (design de plataforma de dados moderna / lakehouse), Data Modeler (foco em modelagem de dados — mais restrito), Master Data Architect (especialidade em MDM), Information Architect (sobreposição — governança de dados + gestão da informação). Stack 2026: Modelagem de dados — habilidade central: modelos conceituais / lógicos / físicos, modelagem dimensional (Kimball — esquemas estrela / snowflake, fatos + dimensões), 3NF / Inmon (DWH corporativo normalizado), Data Vault 2.0 (hubs + links + satellites — para DWH corporativo ágil — popular em 2026), One Big Table (OBT) / tabelas largas (tendência moderna de analytics). Ferramentas: erwin Data Modeler (clássico corporativo), SqlDBM, dbdiagram.io, dbt (modelos semânticos + lineage — virou a camada de modelagem de fato em 2026). Armazenamento / plataformas: data warehouses na nuvem, Databricks (Lakehouse — Delta Lake), data lakes (S3 / ADLS / GCS + formatos de tabela abertos — Apache Iceberg / Delta Lake / Apache Hudi), ClickHouse (analytics em tempo real — popular na Rússia — origem Yandex). Russos: Arenadata (baseado em Greenplum — líder de DWH na Rússia após a saída da Teradata / Oracle), Yandex.Cloud DataLens. Padrões de arquitetura de dados: data warehouse (analytics estruturado), data lake (dados brutos + schema-on-read), lakehouse (convergência entre warehouse e lake — padrão recomendado em 2026 — Databricks / Snowflake), data mesh (descentralizado — produtos de dados de propriedade dos domínios — Zhamak Dehghani — para grandes organizações), data fabric (camada de acesso unificada orientada a metadados). Integração de dados: ETL vs ELT (ELT domina em 2026), CDC (Change Data Capture — Debezium), streaming de dados (Kafka — veja também data engineer), unificação de batch + streaming. Orquestração: Airflow / Dagster / Prefect (no nível de arquitetura — não na prática). Governança de dados: catálogo de dados (Collibra / Alation / Atlan / DataHub open-source / OpenMetadata), data lineage, frameworks de qualidade de dados (Great Expectations / Soda), master data management (MDM) (Informatica MDM / Reltio), classificação de dados + privacidade de dados (tratamento de PII / GDPR / 152-FZ), contratos de dados (em alta desde 2024+ — formalizam acordos entre produtor e consumidor). Camada semântica: dbt Semantic Layer / Cube / camada de métricas — fonte única da verdade para métricas. Notação de modelagem: diagramas ER, ArchiMate (para o contexto corporativo), diagramas de fluxo de dados. Entre domínios: o Data Architect trabalha na interseção com Engenharia de Dados (implementação), Analytics / BI (consumidores), Arquitetura Corporativa (nível da organização), Segurança (proteção de dados). Segundo a Zorky, 620 vagas ativas com escopo explícito de data-architect (nicho sênior estreito — o pool real é mais amplo pela sobreposição com Senior Data Engineer / Data Platform Engineer). Stack principal: cloud, aws, azure, enterprise architect, sql. Entre as vagas com modalidade de trabalho informada, 38% são remotas.

Dados em:

Os principais números do mercado de Arquiteto de Dados: vagas abertas, salário mediano, grupo de especialistas observado e parcela de remoto.

620
vagas abertas — por cargo, republicações mescladas
$10.507
mediana $/mês
38%
remoto

O mercado de Arquiteto de Dados tem agora 620 vagas abertas, 531 delas observadas recentemente. Median salary $10.507/mo.

Entre as vagas com modalidade de trabalho informada, 38% são remotas. O trabalho de arquitetura de dados (modelagem + design + plataformas de nuvem) é favorável ao remoto. Empresas de outsourcing — quase sempre remoto. Bancos russos — híbrido (governança de dados — perímetro de gestão). Cargo multifuncional → o híbrido muitas vezes é o ideal. Empresas de tecnologia internacionais + fornecedores de dados em nuvem — totalmente remoto como padrão.

⚠ salário conhecido para 81 de 620 vagas; participação de remoto a partir de 509 com formato informado; 531 contadas como observações recentes; tendência e dificuldade de contratação não são mostradas

Linha do tempo: vagas e fontes

Quantas vagas de Arquiteto de Dados apareceram a cada semana desde 1 de jun. e de quantas fontes. O gráfico inferior separa o crescimento do mercado do crescimento da nossa cobertura: um salto na semana em que novas fontes foram conectadas significa que passamos a ver mais, não que o mercado cresceu.

Novas vagas por semana

Dados do gráfico
Novas vagas por semana. Tabela de dados da secção. Um valor ausente não é zero; as unidades e a amostra estão indicadas na descrição do indicador.
PeríodoNovas vagas por semana
2026-06-0121
2026-06-0826
2026-06-1532
2026-06-2270
2026-06-2943
2026-07-0665
2026-07-1366
2026-07-2063
2026-07-2731
2026-08-0345
2026-08-1033
2026-08-1747
2026-08-2450
2026-08-3136
2026-09-0743
2026-09-1464
2026-09-21105
2026-09-28102
2026-10-05112
2026-10-12288
2026-10-19116
2026-10-26151
2026-11-02134
2026-11-09120

Fontes ativas por semana

Fontes no período: 104. ▲ — semana em que muitas fontes novas foram conectadas.

Dados do gráfico
Fontes ativas por semana. Tabela de dados da secção. Um valor ausente não é zero; as unidades e a amostra estão indicadas na descrição do indicador.
PeríodoFontes ativas
2026-06-015
2026-06-084
2026-06-154
2026-06-2213
2026-06-2914
2026-07-0621
2026-07-1321
2026-07-2021
2026-07-2717
2026-08-0323
2026-08-1014
2026-08-1717
2026-08-2411
2026-08-3110
2026-09-0714
2026-09-1415
2026-09-2130
2026-09-2828
2026-10-0526
2026-10-1229
2026-10-1931
2026-10-2631
2026-11-0237
2026-11-0938
Novas fontes conectadas: 22 de jun. +10 · 6 de jul. +11 · todas as semanas (21) na tabela
SemanaFontes novasVagas novas
8 de jun.+126
15 de jun.+232
22 de jun.+1070
29 de jun.+543
6 de jul.+1165
13 de jul.+666
20 de jul.+863
27 de jul.+631
3 de ago.+345
10 de ago.+333
17 de ago.+547
31 de ago.+236
7 de set.+243
21 de set.+7105
28 de set.+2102
5 de out.+2112
12 de out.+4288
19 de out.+5116
26 de out.+2151
2 de nov.+5134
9 de nov.+8120

A semana atual ainda não terminou e não é exibida: uma semana incompleta pareceria uma queda.

Semana = data em que a vaga foi vista pela primeira vez, todos os status; as vagas são selecionadas pela mesma regra do contador desta página. Fontes são canais de coleta distintos; seus nomes não são publicados.

Dados do gráfico
Linha do tempo: vagas e fontes — Arquiteto de Dados. Tabela de dados da secção. Um valor ausente não é zero; as unidades e a amostra estão indicadas na descrição do indicador.
SemanaNovas vagas por semanaFontes ativas
2026-06-01215
2026-06-08264
2026-06-15324
2026-06-227013
2026-06-294314
2026-07-066521
2026-07-136621
2026-07-206321
2026-07-273117
2026-08-034523
2026-08-103314
2026-08-174717
2026-08-245011
2026-08-313610
2026-09-074314
2026-09-146415
2026-09-2110530
2026-09-2810228
2026-10-0511226
2026-10-1228829
2026-10-1911631
2026-10-2615131
2026-11-0213437
2026-11-0912038

Os salários ao longo do tempo

Salário mediano de Arquiteto de Dados por semana, USD por mês.

Salário mediano, USD por mês

Dados do gráfico
Salário mediano, USD por mês. Tabela de dados da secção. Um valor ausente não é zero; as unidades e a amostra estão indicadas na descrição do indicador.
PeríodoMedianaVagas com salário por semana (n)
2026-09-289.98214
2026-10-0510.50715
2026-10-1210.41621
2026-10-1911.07716
2026-10-2611.58432
2026-11-029.83724
2026-11-098.27420

A série começa em 28 de set.: antes disso não há dados.

Vagas com salário por semana (n)

Apenas vagas com salário em USD e período conhecido (mês ou ano), de US$ 500 a US$ 50.000 por mês. Semanas com menos de 10 vagas assim ficam em branco — isso significa sem dados, não zero.

Dados do gráfico
Os salários ao longo do tempo — Arquiteto de Dados. Tabela de dados da secção. Um valor ausente não é zero; as unidades e a amostra estão indicadas na descrição do indicador.
SemanaMediana
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—
2026-09-289.982
2026-10-0510.507
2026-10-1210.416
2026-10-1911.077
2026-10-2611.584
2026-11-029.837
2026-11-098.274

O trabalho remoto ao longo do tempo

Proporção de vagas de Arquiteto de Dados com trabalho totalmente remoto, por semana.

Vagas remotas, %

Dados do gráfico
Vagas remotas, %. Tabela de dados da secção. Um valor ausente não é zero; as unidades e a amostra estão indicadas na descrição do indicador.
PeríodoRemoto
2026-06-0183,3
2026-06-0880
2026-06-1575
2026-06-2262,1
2026-06-2964,7
2026-07-0648,9
2026-07-1335,5
2026-07-2036,6
2026-07-2747,8
2026-08-0322,2
2026-08-1034,4
2026-08-1728,9
2026-08-2425,5
2026-08-3115,6
2026-09-0710,3
2026-09-1411,1
2026-09-2132,6
2026-09-2851,1
2026-10-0538,6
2026-10-1233,8
2026-10-1934,3
2026-10-2643,3
2026-11-0226,8
2026-11-0938,7

A proporção é calculada entre as vagas que informam o formato (remoto, híbrido, escritório). Semanas com menos de 10 vagas assim ficam em branco.

Dados do gráfico
O trabalho remoto ao longo do tempo — Arquiteto de Dados. Tabela de dados da secção. Um valor ausente não é zero; as unidades e a amostra estão indicadas na descrição do indicador.
SemanaRemoto
2026-06-0183,3
2026-06-0880
2026-06-1575
2026-06-2262,1
2026-06-2964,7
2026-07-0648,9
2026-07-1335,5
2026-07-2036,6
2026-07-2747,8
2026-08-0322,2
2026-08-1034,4
2026-08-1728,9
2026-08-2425,5
2026-08-3115,6
2026-09-0710,3
2026-09-1411,1
2026-09-2132,6
2026-09-2851,1
2026-10-0538,6
2026-10-1233,8
2026-10-1934,3
2026-10-2643,3
2026-11-0226,8
2026-11-0938,7

As tecnologias ao longo do tempo

Como mudou a proporção de vagas de Arquiteto de Dados que mencionam cada uma das principais tecnologias.

Vagas que mencionam a tecnologia, %

Dados do gráfico
Vagas que mencionam a tecnologia, %. Tabela de dados da secção. Um valor ausente não é zero; as unidades e a amostra estão indicadas na descrição do indicador.
PeríodocloudAzureAWS
2026-08-1734,642,315,4
2026-08-2426,126,113
2026-08-31———
2026-09-0728,61914,3
2026-09-1414,761,852,9
2026-09-2147,533,922
2026-09-2869,452,831,9
2026-10-055932,547
2026-10-1250,830,730,2
2026-10-1960,548,826,7
2026-10-2660,536,337,9
2026-11-0266,735,332,4
2026-11-0948,234,136,5

A série começa em 17 de ago.: antes disso não há dados.

Até 5 no gráfico:

Proporção entre as vagas com stack marcado; a série começa em 10 de ago.: antes as tags de stack eram atribuídas de outra forma. Semanas com menos de 20 vagas marcadas ficam em branco.

Dados do gráfico
As tecnologias ao longo do tempo — Arquiteto de Dados. Tabela de dados da secção. Um valor ausente não é zero; as unidades e a amostra estão indicadas na descrição do indicador.
SemanacloudAzureDatabricksAWSSQL
2026-08-10—————
2026-08-1734,642,323,115,419,2
2026-08-2426,126,126,11313
2026-08-31—————
2026-09-0728,6191914,314,3
2026-09-1414,761,814,752,92,9
2026-09-2147,533,923,72216,9
2026-09-2869,452,834,731,937,5
2026-10-055932,531,34733,7
2026-10-1250,830,727,530,229,1
2026-10-1960,548,839,526,750
2026-10-2660,536,335,537,937,1
2026-11-0266,735,335,332,436,3
2026-11-0948,234,141,236,542,4

Países ao longo do tempo

Como mudou, por semana, a proporção de vagas de Arquiteto de Dados em cada um dos principais países.

Vagas no país, %

Dados do gráfico
Vagas no país, %. Tabela de dados da secção. Um valor ausente não é zero; as unidades e a amostra estão indicadas na descrição do indicador.
PeríodoReino UnidoPolôniaEUA
2026-06-019,571,419
2026-06-083,865,419,2
2026-06-153,2713,2
2026-06-22066,77,2
2026-06-292,55015
2026-07-067,321,820
2026-07-132,217,822,2
2026-07-2044,420,413
2026-07-2730,826,93,8
2026-08-0336,87,918,4
2026-08-1051,76,93,4
2026-08-1752,6010,5
2026-08-2471,12,24,4
2026-08-3172,706,1
2026-09-0768,402,6
2026-09-1450218
2026-09-21201021,1
2026-09-2831,916,516,5
2026-10-0529,619,413,3
2026-10-1219,715,822,2
2026-10-19231420
2026-10-262115,921,7
2026-11-0224,311,324,3
2026-11-0932,65,328,4
Até 5 no gráfico:

Proporção entre as vagas com país conhecido; o gráfico mostra os cinco países com mais vagas em seis meses. Semanas com menos de 20 vagas com país conhecido ficam em branco. Uma proporção em alta pode indicar uma fonte recém-conectada naquele país, e não crescimento do mercado.

Dados do gráfico
Países ao longo do tempo — Arquiteto de Dados. Tabela de dados da secção. Um valor ausente não é zero; as unidades e a amostra estão indicadas na descrição do indicador.
SemanaReino UnidoPolôniaEUAÍndiaAlemanha
2026-06-019,571,41900
2026-06-083,865,419,23,80
2026-06-153,2713,26,50
2026-06-22066,77,27,20
2026-06-292,550157,52,5
2026-07-067,321,82014,51,8
2026-07-132,217,822,226,76,7
2026-07-2044,420,4135,61,9
2026-07-2730,826,93,815,40
2026-08-0336,87,918,410,55,3
2026-08-1051,76,93,46,93,4
2026-08-1752,6010,55,30
2026-08-2471,12,24,48,92,2
2026-08-3172,706,112,10
2026-09-0768,402,613,20
2026-09-145021864
2026-09-21201021,17,83,3
2026-09-2831,916,516,54,42,2
2026-10-0529,619,413,37,19,2
2026-10-1219,715,822,26,43
2026-10-19231420115
2026-10-262115,921,76,55,1
2026-11-0224,311,324,31,710,4
2026-11-0932,65,328,47,41,1

Mercado limpo: índice de contratação

Os mesmos 7.505 sites de carreira de empregadores; o número de vagas vem do próprio site. Conectar novas fontes não move este índice — ele mostra o mercado, não a nossa cobertura. É todo o mercado do painel, não apenas Arquiteto de Dados.

Índice de contratação, 16 de out. = 100

Dados do gráfico
Índice de contratação, 16 de out. = 100. Tabela de dados da secção. Um valor ausente não é zero; as unidades e a amostra estão indicadas na descrição do indicador.
PeríodoÍndice de contratação
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

Índice encadeado: cada dia compara apenas os sites consultados naquele dia e no anterior; valores discrepantes e falhas de consulta de uma plataforma inteira são excluídos. Dias sem pares comparáveis ficam em branco.

Dados do gráfico
Mercado limpo: índice de contratação — Arquiteto de Dados. Tabela de dados da secção. Um valor ausente não é zero; as unidades e a amostra estão indicadas na descrição do indicador.
DiaÍndice de contratação
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

Quantas vagas abertas de Arquiteto de Dados existem e quantos especialistas compatíveis o Zorky observa.

Demanda e oferta observada

Dados do gráfico
Tabela de dados da secção. Um valor ausente não é zero; as unidades e a amostra estão indicadas na descrição do indicador.
IndicadorValor
Demanda aberta620
Demanda aberta620
Oferta observada— não publicado

Data Architect — nicho sênior estreito com demanda crescente. Direcionadores 2026: migração de plataforma de dados para a nuvem (DWH legado → Snowflake / Databricks), adoção de lakehouse (convergência warehouse + lake), data mesh para grandes organizações, pressão de data governance (GDPR / 152-FZ / data contracts), a IA/ML impulsiona a demanda por qualidade de dados (bons modelos precisam de bons dados). Os bancos russos + grandes empresas de produto + varejo + telecom dominam. Os fornecedores de dados russos (Arenadata) crescem com a substituição de importações. Os fornecedores de dados em nuvem (Snowflake / Databricks) — canal premium.

⚠ candidatos compatíveis com uma vaga ainda não são contados: são mostrados a demanda e o pool observado

Como se distribuem os salários nas vagas de Arquiteto de Dados, em dólares americanos por mês.

Distribuição de salários

P25 $7.333 · P50 $10.507 · P75 $14.200
Dados do gráfico
Tabela de dados da secção. Um valor ausente não é zero; as unidades e a amostra estão indicadas na descrição do indicador.
IndicadorValor
<$1k0
$1–2k2
$2–3k0
$3–4k1
$4–5k3
$5–6k4
$6–7k6
$7–8k8
$8–9k9
$9–10k5
$10–12k15
$12–15k10
$15–20k13
$20k+5
Salário nas vagas: base 620
  • utilizável no cálculo: 81 (13,1%)
  • informado, mas não convertido para USD/mês: 91 (14,7%)
  • não informado: 448 (72,3%)

Uma em cada dez vagas oferece menos de $5.692, uma em cada dez mais de $18.440. Metade das vagas oferece entre $7.333 e $14.200. Amostra: 81.

Papel de nível sênior. Grades inferiores no histograma — posições com título mal atribuído, não representativas.

Dados do gráfico
Distribuição de salários — Arquiteto de Dados. Tabela de dados da secção. Um valor ausente não é zero; as unidades e a amostra estão indicadas na descrição do indicador.
IndicadorLimite inferiorLimite superiorQuantidade
<$1k01.0000
$1–2k1.0002.0002
$2–3k2.0003.0000
$3–4k3.0004.0001
$4–5k4.0005.0003
$5–6k5.0006.0004
$6–7k6.0007.0006
$7–8k7.0008.0008
$8–9k8.0009.0009
$9–10k9.00010.0005
$10–12k10.00012.00015
$12–15k12.00015.00010
$15–20k15.00020.00013
$20k+20.000—5

Em quais países há mais vagas abertas de Arquiteto de Dados.

Geografia da demanda

paísvagasproporção
Estados Unidos12925,1%
Reino Unido9418,3%
Polônia7715%
Índia418%
Alemanha265,1%
Canadá142,7%
França122,3%
Brasil112,1%
Filipinas71,4%
Colômbia71,4%
Outros países9618,7%

O líder em número de vagas de Data Architect são os EUA (129 vagas). Rússia — bancos + grandes empresas de produto + varejo + telecom + outsourcers dominam. A Polônia — hub da UE amigável a Data Architect. Alemanha — dados enterprise. Remoto internacional via fornecedores de dados em nuvem (Snowflake / Databricks / Confluent) + outsourcing estilo EPAM.

⚠ apenas número de vagas: o salário por país não é publicado

Dados do gráfico
Geografia da demanda — Arquiteto de Dados. Tabela de dados da secção. Um valor ausente não é zero; as unidades e a amostra estão indicadas na descrição do indicador.
PaísVagas
US129
GB94
PL77
IN41
DE26
CA14
FR12
BR11
PH7
CO7

Quais tecnologias são mais pedidas na mesma vaga que Arquiteto de Dados.

Usada junto com

cloud
28245,5%
azure
19231%
aws
17027,4%
sql
15525%
python
10416,8%
snowflake
10016,1%
gcp
7512,1%
spark
619,8%
dbt
558,9%

Participação: quantas das 620 vagas do mercado Arquiteto de Dados mencionam esta tecnologia. Ordenado pelo número de vagas, não pela “força da associação”. Termos genéricos como cloud não são uma nuvem específica (AWS, Azure).

Top stack de Data Architect 2026: modelagem de dados (dimensional modelling Kimball + 3NF/Inmon + Data Vault 2.0 + One Big Table; ferramentas erwin / SqlDBM / dbdiagram / dbt), data warehouses em nuvem (Snowflake líder + BigQuery + Redshift + Azure Synapse + Databricks Lakehouse + ClickHouse popular na Rússia + Arenadata russa), data lakes (S3/ADLS/GCS + formatos de tabela abertos Iceberg/Delta Lake/Hudi), padrões de arquitetura de dados (warehouse / lake / lakehouse padrão 2026 / data mesh / data fabric), integração de dados (ETL vs ELT-domina + CDC Debezium + Kafka streaming), orquestração (Airflow / Dagster / Prefect), data governance (catálogos de dados Collibra/Alation/Atlan/DataHub/OpenMetadata + data lineage + data quality Great Expectations/Soda + MDM Informatica/Reltio + data contracts), semantic layer (dbt Semantic Layer / Cube), domínio de SQL, notação de modelagem (diagramas ER + ArchiMate + data flow diagrams).

Pares comuns: Snowflake + dbt + Airflow (clássico do modern data stack), Databricks + Delta Lake + Spark (stack lakehouse), Data Vault 2.0 + Snowflake + dbt (DWH enterprise ágil), modelagem dimensional Kimball + DWH em nuvem + BI (focado em analytics), ClickHouse + Kafka (analytics em tempo real — popular na Rússia), Arenadata Greenplum + dbt (stack de dados russo de substituição de importações), Iceberg + S3 + Trino (lakehouse aberto). Roadmap de aprendizado: tornar-se Senior Data Engineer (5+ anos — pré-requisito) → domínio de modelagem de dados (Kimball + Data Vault) → SQL a fundo → plataforma de dados em nuvem (Snowflake / Databricks) → modern data stack (dbt + orquestração) → padrões de arquitetura de dados → data mesh (livro da Dehghani) → data governance → formatos de tabela abertos → camada semântica → soft skills.

Dados do gráfico
Usada junto com — Arquiteto de Dados. Tabela de dados da secção. Um valor ausente não é zero; as unidades e a amostra estão indicadas na descrição do indicador.
NomeQuantidade
cloud282
azure192
databricks180
aws170
sql155
python104
snowflake100
gcp75
spark61
dbt55
bigquery53
kafka52

Quantas vagas de Arquiteto de Dados há em cada nível, de júnior a principal.

Demanda por nível

nívelvagas
principal212
senior185
lead45
middle14
junior4

Papel de nível sênior (grades inferiores = títulos mal atribuídos; realista — Senior / Lead). Caminho: Senior Data Engineer (5+ anos hands-on) → Data Architect (via modelagem de dados + design de plataforma + governança) → Senior / Principal Data Architect → ou Chief Data Architect / Head of Data Architecture, lead de Data Platform, Enterprise Architect (domínio de Data), ou track de Chief Data Officer (CDO).

⚠ apenas o lado da demanda: a senioridade do pool observado é desconhecida na maior parte

Dados do gráfico
Demanda por nível — Arquiteto de Dados. Tabela de dados da secção. Um valor ausente não é zero; as unidades e a amostra estão indicadas na descrição do indicador.
NívelQuantidade
principal212
senior185
lead45
middle14
junior4

Quem mais contrata em Arquiteto de Dados e quanto a demanda se concentra nas maiores empresas.

Empregadores

A demanda está distribuída entre 468 empregadores. O maior responde por 1.7%, os dez primeiros por 10.0%; os 90.0% restantes são cauda longa.

o maior 1,7%2.º–3.º 2,8%4.º–10.º 5,5%os demais 90%
proporçãovalor
top 11.7%
top 34.5%
top 1010.0%
cauda longa90.0%

⚠ os nomes não são mostrados: o classificador ainda não distingue agências de recrutamento de empregadores finais

De quais sites de empresas e portais de vagas o Zorky coleta as vagas de Arquiteto de Dados.

Onde o Zorky vê este mercado

Observado em 59 fontes; a maior responde por 9.5%: este mercado não depende de um único canal.

Dados do gráfico
Onde o Zorky vê este mercado — Arquiteto de Dados. Tabela de dados da secção. Um valor ausente não é zero; as unidades e a amostra estão indicadas na descrição do indicador.
ClasseNomeNome em inglêsQuantidadeProporção
atsATS и карьерные сайтыATS e sites de carreira3740,6032
boardджоб-борды и агрегаторыsites de vagas e agregadores2270,3661
telegramTelegramTelegram190,0306

As vagas de Arquiteto de Dados mais recentes dos sites de carreira das empresas.

Vagas recentes

Todas as vagas →

Vagas de Data Architect abertas mais recentes — as posições mais recentes da amostra (nicho sênior estreito — o mercado real é mais amplo pela sobreposição com Senior Data Engineer). A lista completa está no nosso CRM ou pelo link "ver todas" abaixo. Para uma visão mais ampla, veja as páginas de data-engineer + solutions architect.

Como é medido
Vaga
uma vaga aberta que passou pelo filtro de qualidade e lista pelo menos duas tecnologias
Candidato observado
um candidato cujo stack contém esta tecnologia; um agregado — nenhum registro individual sai do perímetro
Candidato compatível
ainda não contado
Janela
vagas abertas no momento em que o snapshot foi gerado

Sobre os dados

  • Alguns detalhamentos estão ocultos: a cobertura de dados deles ainda não é suficiente.
  • As estatísticas só aparecem onde a amostra passa por um controle de qualidade.
  • A ausência de um bloco não significa valor zero.

Detalhamentos ocultos no momento: 8.

Área: Arquitetura

Especializações relacionadas

Dentro de Data Architect: Data Architect (geral — é dono da arquitetura de dados de um sistema / domínio), Senior / Principal Data Architect (toda a empresa + estratégia), Data Warehouse Architect (focado em DWH / analytics), Data Platform Architect (design de plataforma de dados moderna / lakehouse), Data Modeler (foco em modelagem de dados — mais estreito), Master Data Architect (especialidade em MDM), Information Architect (data governance + gestão de informação). A comparação com solutions/software/enterprise/security/integration architect — na barra abaixo.

Arquiteto CorporativoArquiteto de integraçãoArquiteto de SegurançaArquiteto de softwareArquiteto de soluções

Perguntas frequentes

As respostas são recalculadas automaticamente.

Quanto ganha um Data Architect Júnior, Pleno, Sênior ou Lead?

Data Architect — cargo de nível sênior ("Junior Data Architect" raramente existe; grades mais baixos = título errado — referências realistas veja em Sênior / Lead). Fluxo de carreira: Senior Data Engineer (5+ anos de mão na massa em pipelines de dados + trabalho com warehouse) → Data Architect (via experiência demonstrada de modelagem de dados + design de plataforma + governance) → Senior / Principal Data Architect → ou Chief Data Architect / Head of Data Architecture, Data Platform lead, Enterprise Architect (domínio de Dados → EA mais amplo), ou trilho de Chief Data Officer (CDO). Entrada alternativa: Database Administrator Sênior + profundidade em modelagem de dados → Data Architect.

Qual stack / skills são mais exigidos de um Data Architect?

Top stack / skills: cloud, aws, azure, enterprise architect, sql. Data modelling — núcleo: modelos conceptual / logical / physical, dimensional modelling (Kimball — star / snowflake schemas + facts/dimensions), 3NF / Inmon (DWH enterprise normalizado), Data Vault 2.0 (hubs + links + satellites — DWH enterprise ágil, popular 2026), One Big Table / wide tables (analytics moderno). Ferramentas: erwin Data Modeler (clássico enterprise), SqlDBM, dbdiagram.io, dbt (semantic models + lineage — camada de modelagem de fato 2026). ClickHouse (analytics em real-time — popular na Rússia, origem Yandex). Russos: Arenadata (baseado em Greenplum — líder de DWH na Rússia após a saída de Teradata / Oracle). Data lakes: S3 / ADLS / GCS + open table formats (Apache Iceberg — em ascensão 2026 / Delta Lake / Apache Hudi). Patterns de arquitetura de dados: data warehouse / data lake / lakehouse (default recomendado 2026) / data mesh (descentralizado, de posse de domínios — Zhamak Dehghani) / data fabric (acesso unificado orientado a metadados). Data integration: ETL vs ELT (ELT domina 2026), CDC (Change Data Capture — Debezium), data streaming (Kafka), unificação de batch + streaming. Orquestração: Airflow / Dagster / Prefect (decisões em nível de arquitetura). Data governance: data catalog (Collibra / Alation / Atlan / DataHub open-source / OpenMetadata), data lineage, data quality (Great Expectations / Soda), master data management MDM (Informatica MDM / Reltio), data classification + privacy (PII / GDPR / 152-FZ), data contracts (em ascensão 2024+). Semantic layer: dbt Semantic Layer / Cube — única fonte de verdade para métricas. Domínio de SQL — obrigatório (o Data Architect deve entender query patterns + performance). Soft skills: gestão de stakeholders (dados — cross-functional), comunicação de estratégia de dados, facilitação de governança.

Data Architect vs Data Engineer vs Enterprise Architect vs DBA — qual é a diferença?

Data Engineer — constrói na prática os pipelines de dados (ingestão + transformação + orquestração), implementa o que o Data Architect desenhou. Veja Data Engineer (geral). Data Architect (esta página) — desenha o panorama de dados: modelos de dados + estratégia de armazenamento + fluxos de dados + governança. Nível de design, não programação de pipelines na prática. Database Administrator (DBA) — opera bancos de dados específicos (tuning de performance + backups + replicação + segurança). Operacional. Veja Database Administrator (DBA) (quando a página for publicada). Enterprise Architect — panorama tecnológico de toda a organização (Arquitetura de Dados — um dos 4 domínios do TOGAF; o Data Architect muitas vezes = Domain Architect dentro da EA). Veja Enterprise Architect. Trajetória de carreira: Data Engineer Sênior → Data Architect — caminho natural. Data Architect → Enterprise Architect (domínio de Dados) ou Chief Data Officer. Escolha de carreira: Data Engineer se você gosta de construir pipelines na prática; Data Architect se você gosta de design + modelagem + governança + estratégia; DBA se você gosta de operação de bancos de dados a fundo; Enterprise Architect se você quer amplitude no nível da organização, além dos dados.

Padrões de arquitetura de dados 2026 — data warehouse vs data lake vs lakehouse vs data mesh vs data fabric?

Árvore de decisão para o padrão de arquitetura de dados 2026: 1) Data Warehouse — estruturado, schema-on-write, otimizado para analytics / BI. DWH na nuvem: Snowflake / BigQuery / Redshift / Synapse. Prós: analytics em SQL rápido, ferramentas maduras, qualidade de dados garantida. Contras: apenas dados estruturados, ETL de antemão, mais caro para dados brutos / não estruturados. Caso de uso: BI / relatórios / analytics estruturado — ainda central em 2026. 2) Data Lake — armazenamento bruto, schema-on-read, quaisquer formatos (estruturados + não estruturados). S3 / ADLS / GCS. Prós: armazenamento barato, flexível, guarda tudo. Contras: risco de "pântano de dados" (sem governança — caos), sem performance de SQL, sem ACID. Caso de uso: zona de chegada de dados brutos, dados de treinamento de ML, arquivamento. Isolado, é raro em 2026. 3) Lakehouse — padrão recomendado em 2026. Convergência entre warehouse e lake: armazenamento de data lake (S3 + formato de tabela aberto — Delta Lake / Iceberg / Hudi) + recursos de warehouse (transações ACID + performance de SQL + imposição de esquema + time travel). Databricks (Delta Lake) / Snowflake (suporte a Iceberg). Prós: uma só camada de armazenamento para BI + ML + streaming, mais barato que um DWH puro, sem duplicação de dados. Contras: ecossistema mais jovem, é preciso a estratégia certa de formato de tabela. Caso de uso: novas plataformas de dados em 2026 — escolha padrão (evita a duplicação warehouse + lake). 4) Data Mesh — padrão organizacional / sociotécnico, não tecnologia. Conceito de Zhamak Dehghani. 4 princípios: propriedade orientada a domínios (os dados pertencem às equipes de domínio, não a uma equipe central de dados), dados como produto (cada conjunto de dados é um produto com SLA / documentação / qualidade), plataforma de dados self-serve, governança computacional federada. Prós: escala organizacionalmente (a equipe central de dados é um gargalo em grandes organizações), expertise de domínio na propriedade dos dados. Contras: exige maturidade organizacional, caro de implementar, exagero para organizações pequenas. Caso de uso: grandes organizações (muitos domínios, a equipe central de dados não dá conta) — NÃO para pequenas / médias (a sobrecarga organizacional vai matá-lo). Muitas vezes aplicado em excesso. 5) Data Fabric — camada unificada de acesso a dados orientada a metadados sobre fontes heterogêneas (vs data mesh — padrão organizacional; data fabric — abordagem tecnológica / de integração). Metadados ativos + grafo de conhecimento + integração automatizada de dados. Conceito promovido pelo Gartner. Caso de uso: organizações com muitos silos de dados legados, que precisam de acesso unificado sem migrar tudo. Recomendações padrão 2026: Nova plataforma de dados → Lakehouse (Databricks ou Snowflake + Iceberg). BI / analytics estruturado → DWH na nuvem (se o lakehouse for exagero). Dados brutos / de ML → data lake como parte do lakehouse (não isolado). Grande organização, a equipe central de dados é o gargalo → Data Mesh (mudança organizacional, não tecnológica). Muitos silos legados → Data Fabric (camada de acesso unificada). Princípio principal: o padrão segue a realidade organizacional + a escala — não o culto de "data mesh porque está na moda".

Qual é a proporção de vagas remotas?

Entre as vagas com modalidade de trabalho informada, 38% são remotas. Vagas sem modalidade informada são excluídas do denominador; trabalho híbrido não é contado como remoto.

Em que o Data Platform Architect difere do Data Architect?

Data Architect (geral) — foco em modelos de dados + fluxos de dados + governança + estratégia de armazenamento (nível lógico / conceitual — "como os dados são estruturados e fluem"). Data Platform Architect — foco na plataforma técnica que hospeda os dados (nível de infraestrutura / ferramentas — "onde os dados vivem"): design da plataforma de dados na nuvem (configuração de Databricks / Snowflake), arquitetura de computação / armazenamento, ferramentas da plataforma de dados (stack de ingestão + orquestração + transformação + catálogo), escalabilidade da plataforma + otimização de custos, plataforma de dados self-serve (para data mesh). Mais sobreposição com DevOps / Platform Engineering. Data Warehouse Architect — especialidade mais restrita: foco específico no design de DWH (modelagem dimensional a fundo, ETL/ELT para o warehouse, habilitação de BI). Data Modeler — o cargo mais restrito: foco apenas em modelagem de dados (modelos conceituais / lógicos / físicos, diagramas ER) — muitas vezes nível pleno, não arquiteto completo. Master Data Architect — especialidade em MDM (master data management — fonte única da verdade para entidades centrais — cliente / produto / etc.). Information Architect — sobreposição — governança de dados + ciclo de vida da informação + taxonomia + metadados. Realidade 2026: em organizações pequenas / médias, um Data Architect faz tudo. Nas grandes — especialização (Data Platform Architect + Data Warehouse Architect + Data Modeler + Master Data Architect — cargos separados). Escolha de carreira: Data Architect geral para amplitude; Data Platform Architect se você gosta de infraestrutura / ferramentas a fundo; Data Warehouse Architect se você gosta de modelagem dimensional + analytics; Master Data Architect se você gosta de governança / MDM.

Por onde começar o caminho para Data Architect em 2026?

Roadmap (Data Architect — nível sênior, o caminho passa pelo Senior Data Engineer): 1) Torne-se um Senior Data Engineer forte — pré-requisito. 5+ anos na prática: pipelines de dados, trabalho com warehouse, domínio de SQL, entendimento das ferramentas de dados na prática. 2) Domínio de modelagem de dados — esta é a habilidade central do Data Architect. Modelagem dimensional (Kimball — "The Data Warehouse Toolkit" Ralph Kimball — canônico), abordagem 3NF de Inmon, Data Vault 2.0 ("Building a Scalable Data Warehouse with Data Vault 2.0" Dan Linstedt). Modelagem conceitual / lógica / física. 3) SQL profundo — o Data Architect precisa entender profundamente padrões de consulta + performance + otimização. 4) Plataformas de dados cloud — escolha uma a fundo: Snowflake (líder — certificações Snowflake) ou Databricks (Lakehouse — certificações Databricks) ou BigQuery. Experiência prática de design + build. 5) Modern data stack — dbt (camada de transformação + modelagem de fato 2026 — certificação dbt), orquestração de dados (Airflow / Dagster), padrões ELT, CDC (Debezium). 6) Padrões de arquitetura de dados — entender a fundo warehouse vs lake vs lakehouse vs data mesh vs data fabric (quando cada um). "Fundamentals of Data Engineering" Joe Reis / Matt Housley (canônico 2026 — leitura obrigatória, cobre arquitetura). 7) Data mesh — "Data Mesh" Zhamak Dehghani (se você trabalha / vai trabalhar em uma organização grande). 8) Governança de dados — catálogos de dados (Collibra / Alation / DataHub / OpenMetadata), data lineage, qualidade de dados (Great Expectations / Soda), conceitos de MDM, data contracts (em alta 2024+), privacidade de dados (GDPR / 152-FZ). 9) Formatos de tabela abertos — Apache Iceberg (em alta 2026) / Delta Lake / Apache Hudi — crítico para lakehouse. 10) Camada semântica — dbt Semantic Layer / Cube — consistência de métricas. 11) Soft skills — dados são cross-functional (engenheiros + analistas + negócio + segurança), exigem gestão de stakeholders + comunicação de estratégia de dados + facilitação de governança. 12) Pratique no papel atual — como Senior Data Engineer assuma tarefas de nível de arquitetura: design de modelo de dados, seleção de plataforma, montagem de governança. Cursos russos: Otus "Data Architect" / "DWH Analyst", Karpov.Courses (Data Engineering — sobreposição), escolas corporativas de dados, treinamento Arenadata. Internacional (EN): "The Data Warehouse Toolkit" Kimball (modelagem dimensional canônica), "Fundamentals of Data Engineering" Reis / Housley (leitura obrigatória 2026), "Data Mesh" Dehghani, certificações + treinamento oficiais Snowflake / Databricks, dbt Learn (gratuito), trilhas de data engineering do DataCamp / Coursera. Senior Data Engineer (5+ anos) + domínio de modelagem de dados + expertise em plataforma de dados cloud → Data Architect.

Quantas vagas abertas estão nesta amostra?

A amostra publicada contém 620 vagas abertas após agrupar republicações. É o mesmo número do indicador principal. A seção geográfica descreve a cobertura da amostra; não é uma estimativa de todo o mercado.

De quais skills um Senior Data Architect precisa?

Um Data Architect Sênior é dono do ciclo completo de arquitetura de dados + liderança técnica. Domínio de modelagem de dados: modelagem dimensional (Kimball — star / snowflake schemas + fatos/dimensões a fundo), 3NF / DWH corporativo de Inmon, Data Vault 2.0 (hubs / links / satellites — DWH ágil), modelagem conceitual / lógica / física, modelagem ER. Domínio profundo de SQL: consultas complexas, otimização de consultas, compreensão de planos de execução — o Data Architect precisa entender a fundo como os dados são consultados. Domínio de plataforma de dados em nuvem: uma entre Snowflake / Databricks / BigQuery a fundo — design de arquitetura, otimização de desempenho, otimização de custos (plataformas de dados são caras, custo-arquitetura é crítico). Padrões de arquitetura de dados: warehouse / lake / lakehouse / data mesh / data fabric — conhecer os trade-offs + quando aplicar (não por modismo). Design de lakehouse (formatos de tabela abertos — Iceberg / Delta Lake / Hudi). Modern data stack: dbt (transformação + modelagem + camada semântica), orquestração (Airflow / Dagster), padrões ELT, CDC (Debezium), streaming (Kafka) no nível de arquitetura. Arquitetura de integração de dados: unificação de lote + streaming, estratégia de ingestão de dados, mapeamento de origem para destino. Domínio de governança de dados: estratégia de catálogo de dados (Collibra / Alation / DataHub / OpenMetadata), linhagem de dados, frameworks de qualidade de dados (Great Expectations / Soda), gestão de dados mestres (MDM), classificação de dados + privacidade (PII / GDPR / compliance com a 152-FZ na arquitetura de dados), data contracts (formalizar acordos entre produtores e consumidores — em alta em 2024+). Camada semântica: consistência de métricas (dbt Semantic Layer / Cube — fonte única da verdade). Estratégia de dados: roadmap da plataforma de dados, construir vs comprar ferramentas de dados, modelo operacional do time de dados (centralizado vs descentralizado com data mesh). System design para dados: projetar no quadro branco uma plataforma de dados em escala (dados na escala de PB, 1000s de tabelas, tempo real + lote), planejamento de capacidade, trade-offs entre desempenho e custo. Conhecimento entre domínios: compreensão de Data Engineering (realidade da implementação), Analytics / BI (necessidades dos consumidores), Segurança (proteção de dados), Arquitetura Corporativa (contexto da organização). Soft skills: gestão de stakeholders (dados são transversais: engenheiros + analistas + negócio + segurança + compliance), comunicação da estratégia de dados à liderança, facilitação da governança de dados, mentoria de Data Engineers. Inglês para Sênior+ OBRIGATÓRIO — documentação de plataformas de dados em nuvem + comunidade de dados + comunicação com times internacionais são em inglês. Bônus opcional: certificações de plataformas de dados em nuvem (Snowflake / Databricks), certificação dbt, palestras em conferências (de dados), experiência de implementação de data mesh — aumentam muito o valor de mercado para cargos de Principal / Chief Data Architect.

Deixar uma solicitação

Descreva a tarefa e deixe um contato: a solicitação chega ao nosso CRM e respondemos no contato informado.

Ao enviar, você concorda com a política de privacidade.