Data Architect: рынок
Данные на 19 ноября 2026: открытых вакансий Data Architect — 620, удалённых — 38% среди вакансий с указанным форматом работы; медианная зарплата в объявлениях — $10 507/мес (по 81 вакансиям с указанной зарплатой). Источник — Zorky, обновляется ежедневно.
Data Architect — architect-специализация, отвечающая за проектирование data landscape организации: data models, data flows, storage strategy, data governance, integration между системами. В отличие от Data Engineer (строит pipelines hands-on) — Data Architect проектирует структуру: как данные моделируются, где хранятся, как текут, кто owns, как governance работает. Семейство ролей: Data Architect (general — owns data architecture одной системы / domain), Senior / Principal Data Architect (enterprise-wide data architecture + strategy), Data Warehouse Architect (DWH / analytics-focused), Data Platform Architect (modern data platform / lakehouse design), Data Modeler (focus на data modeling — narrower), Master Data Architect (MDM specialty), Information Architect (overlap — data governance + information management). Стек 2026: Data modeling — core навык: conceptual / logical / physical models, dimensional modeling (Kimball — star / snowflake schemas, facts + dimensions), 3NF / Inmon (нормализованный enterprise DWH), Data Vault 2.0 (hubs + links + satellites — для agile enterprise DWH — популярен 2026), One Big Table (OBT) / wide tables (modern analytics тренд). Tools: erwin Data Modeler (enterprise classic), SqlDBM, dbdiagram.io, dbt (semantic models + lineage — стал de-facto modeling layer 2026). Storage / platforms: cloud data warehouses, Databricks (Lakehouse — Delta Lake), data lakes (S3 / ADLS / GCS + open table formats — Apache Iceberg / Delta Lake / Apache Hudi), ClickHouse (real-time analytics — популярен в РФ — Яндекс origin). Russian: Arenadata (Greenplum-based — DWH leader РФ после ухода Teradata / Oracle), Yandex.Cloud DataLens. Data architecture patterns: data warehouse (structured analytics), data lake (raw + schema-on-read), lakehouse (warehouse + lake convergence — рекомендуемый default 2026 — Databricks / Snowflake), data mesh (decentralized — domain-owned data products — Zhamak Dehghani — для крупных организаций), data fabric (unified metadata-driven access layer). Data integration: ETL vs ELT (ELT доминирует 2026), CDC (Change Data Capture — Debezium), data streaming (Kafka — see также data engineer), batch + streaming unification. Orchestration: Airflow / Dagster / Prefect (architecture-level — не hands-on). Data governance: data catalog (Collibra / Alation / Atlan / DataHub open-source / OpenMetadata), data lineage, data quality frameworks (Great Expectations / Soda), master data management (MDM) (Informatica MDM / Reltio), data classification + data privacy (PII handling / GDPR / 152-ФЗ), data contracts (rising 2024+ — formalize producer-consumer agreements). Semantic layer: dbt Semantic Layer / Cube / metrics layer — single source of truth для метрик. Modeling notation: ER diagrams, ArchiMate (для enterprise context), data flow diagrams. Cross-domain: Data Architect работает на стыке с Data Engineering (implementation), Analytics / BI (consumers), Enterprise Architecture (org-level), Security (data protection). По данным Zorky, открыто 620 активных вакансий с явной data-architect-спецификой (узкая senior-ниша — реальный pool шире за счёт overlap с Senior Data Engineer / Data Platform Engineer). Топ-стек: cloud, aws, azure, enterprise architect, sql. Среди вакансий с указанным форматом работы 38% — удалённые.
Данные на:
Главные цифры рынка Data Architect: открытые вакансии, медианная зарплата, наблюдаемый пул специалистов и доля удалёнки.
На рынке Data Architect сейчас 620 открытых вакансий, из них 531 со свежим наблюдением. Медианная зарплата $10 507/мес.
Среди вакансий с указанным форматом работы 38% — удалённые. Data architecture work (modeling + design + cloud platforms) — remote-friendly. Аутсорсеры — почти всегда remote. Российские банки — гибрид (data governance — управленческий контур). Cross-functional роль → гибрид часто optimal. Международные tech-companies + cloud data vendors — full-remote standard.
⚠ зарплата известна у 81 из 620 вакансий; доля удалёнки — от 509 с указанным форматом; свежими наблюдениями считаются 531; тренд и сложность найма не показываются
Динамика: вакансии и источники
Сколько вакансий Data Architect появлялось каждую неделю с 1 июн. и из скольких источников они пришли. Нижний график нужен, чтобы отличать рост рынка от роста нашего охвата: скачок вакансий в неделю, когда подключились новые источники, — это мы стали видеть больше, а не рынок вырос.
Новые вакансии за неделю
Данные графика
| Период | Новые вакансии за неделю |
|---|---|
| 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 |
Активных источников за неделю
Источников всего за период: 104. ▲ — неделя, когда подключилось много новых источников.
Данные графика
| Период | Активных источников |
|---|---|
| 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 |
Подключение новых источников: 22 июн. +10 · 6 июл. +11 · все недели (21) — в таблице
| Неделя | Новых источников | Новых вакансий |
|---|---|---|
| 8 июн. | +1 | 26 |
| 15 июн. | +2 | 32 |
| 22 июн. | +10 | 70 |
| 29 июн. | +5 | 43 |
| 6 июл. | +11 | 65 |
| 13 июл. | +6 | 66 |
| 20 июл. | +8 | 63 |
| 27 июл. | +6 | 31 |
| 3 авг. | +3 | 45 |
| 10 авг. | +3 | 33 |
| 17 авг. | +5 | 47 |
| 31 авг. | +2 | 36 |
| 7 сент. | +2 | 43 |
| 21 сент. | +7 | 105 |
| 28 сент. | +2 | 102 |
| 5 окт. | +2 | 112 |
| 12 окт. | +4 | 288 |
| 19 окт. | +5 | 116 |
| 26 окт. | +2 | 151 |
| 2 нояб. | +5 | 134 |
| 9 нояб. | +8 | 120 |
Текущая неделя ещё не закончилась и не показана: неполная неделя выглядела бы как спад.
Неделя — по дате появления вакансии, все статусы; отбор вакансий — то же правило, что у счётчика этой страницы. Источники — различные каналы сбора, их имена не публикуются.
Данные графика
| Неделя | Новые вакансии за неделю | Активных источников |
|---|---|---|
| 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 |
Зарплаты во времени
Медиана зарплат в вакансиях Data Architect по неделям, в долларах США в месяц.
Медиана зарплаты, $ в месяц
Данные графика
| Период | Медиана | Сколько вакансий с зарплатой за неделю (n) |
|---|---|---|
| 2026-09-28 | 9 982 | 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 | 9 837 | 24 |
| 2026-11-09 | 8 274 | 20 |
Ряд начинается с 28 сент.: раньше данных нет.
Только вакансии с зарплатой в долларах и известным периодом (месяц или год), от $500 до $50 000 в месяц. Недели, где таких вакансий меньше 10, пропущены — это «нет данных», а не ноль.
Данные графика
| Неделя | Медиана |
|---|---|
| 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 | 9 982 |
| 2026-10-05 | 10 507 |
| 2026-10-12 | 10 416 |
| 2026-10-19 | 11 077 |
| 2026-10-26 | 11 584 |
| 2026-11-02 | 9 837 |
| 2026-11-09 | 8 274 |
Удалённая работа во времени
Какая доля вакансий Data Architect предлагала полностью удалённую работу — по неделям.
Доля удалённых вакансий, %
Данные графика
| Период | Удалённо |
|---|---|
| 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 |
Доля считается среди вакансий, где формат указан (удалённо, гибрид, офис). Недели, где таких меньше 10, пропущены.
Данные графика
| Неделя | Удалённо |
|---|---|
| 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 |
Технологии во времени
Как менялась доля вакансий Data Architect, где упоминается каждая из главных технологий.
Доля вакансий с технологией, %
Данные графика
| Период | 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 |
Ряд начинается с 17 авг.: раньше данных нет.
Доля — среди вакансий с размеченным стеком; ряд начинается с 10 авг.: раньше метки стека ставились по-другому. Недели, где размеченных вакансий меньше 20, пропущены.
Данные графика
| Неделя | 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 |
Страны во времени
Как менялась доля вакансий Data Architect в каждой из главных стран — по неделям.
Доля вакансий в стране, %
Данные графика
| Период | Великобритания | Польша | США |
|---|---|---|---|
| 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 |
Доля — среди вакансий, где страна известна; на графике пять стран с наибольшим числом вакансий за полгода. Недели, где вакансий с известной страной меньше 20, пропущены. Рост доли страны может означать подключение нового источника в этой стране, а не рост рынка.
Данные графика
| Неделя | Великобритания | Польша | США | Индия | Германия |
|---|---|---|---|---|---|
| 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 |
Чистый рынок: индекс найма
Одни и те же 7 505 досок вакансий работодателей; число вакансий берётся с самой доски. Подключение новых источников этот индекс не двигает — он показывает рынок, а не наш охват. Это весь рынок по панели, а не только Data Architect.
Индекс найма, 16 окт. = 100
Данные графика
| Период | Индекс найма |
|---|---|
| 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 |
Цепной индекс: каждый день сравниваются только доски, опрошенные и в этот, и в предыдущий день; выбросы и сбои опроса целой платформы исключаются. Дни без сопоставимых пар пропущены.
Данные графика
| День | Индекс найма |
|---|---|
| 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 |
Сколько открытых вакансий Data Architect и сколько подходящих специалистов видит Zorky.
Спрос и наблюдаемый пул
Данные графика
| Показатель | Значение |
|---|---|
| Открытый спрос | 620 |
| Открытый спрос | 620 |
| Наблюдаемый пул | — не публикуется |
Data Architect — узкая senior-ниша с растущим спросом. Драйверы 2026: cloud data platform migration (legacy DWH → Snowflake / Databricks), lakehouse adoption (warehouse + lake convergence), data mesh для крупных организаций, data governance pressure (GDPR / 152-ФЗ / data contracts), AI/ML drives data quality demand (хорошие модели нужны хорошие данные). Российские банки + крупные продуктовые + ритейл + телеком доминируют. Russian data vendors (Arenadata) растут на импортозамещении. Cloud data vendors (Snowflake / Databricks) — premium-channel.
⚠ подходящих под вакансию кандидатов пока не считаем: показаны спрос и наблюдаемый пул
Как распределены зарплаты в вакансиях Data Architect, в долларах США в месяц.
Распределение зарплат
Данные графика
| Показатель | Значение |
|---|---|
| <$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 |
- пригодна для расчёта: 81 (13,1%)
- указана, но не приведена к $/мес: 91 (14,7%)
- не указана: 448 (72,3%)
В каждой десятой вакансии вилка ниже $5 692, в каждой десятой — выше $18 440. Половина вакансий предлагает от $7 333 до $14 200. Выборка: 81.
Senior-tier роль. Нижние grade'а histogram — mis-titled позиции, не репрезентативны.
Данные графика
| Показатель | Нижняя граница | Верхняя граница | Количество |
|---|---|---|---|
| <$1k | 0 | 1 000 | 0 |
| $1–2k | 1 000 | 2 000 | 2 |
| $2–3k | 2 000 | 3 000 | 0 |
| $3–4k | 3 000 | 4 000 | 1 |
| $4–5k | 4 000 | 5 000 | 3 |
| $5–6k | 5 000 | 6 000 | 4 |
| $6–7k | 6 000 | 7 000 | 6 |
| $7–8k | 7 000 | 8 000 | 8 |
| $8–9k | 8 000 | 9 000 | 9 |
| $9–10k | 9 000 | 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 |
В каких странах больше всего открытых вакансий Data Architect.
География спроса
| страна | вакансий | доля |
|---|---|---|
| Соединенные Штаты | 129 | 25,1% |
| Великобритания | 94 | 18,3% |
| Польша | 77 | 15% |
| Индия | 41 | 8% |
| Германия | 26 | 5,1% |
| Канада | 14 | 2,7% |
| Франция | 12 | 2,3% |
| Бразилия | 11 | 2,1% |
| Филиппины | 7 | 1,4% |
| Колумбия | 7 | 1,4% |
| Остальные страны | 96 | 18,7% |
Лидер по числу Data Architect-вакансий — США (129 позиций). Россия — банки + крупные продуктовые + ритейл + телеком + аутсорсеры доминируют. Польша — Data Architect-friendly EU-хаб. Германия — enterprise data. Международный remote через cloud data vendors (Snowflake / Databricks / Confluent) + EPAM-style outsourcing.
⚠ только число вакансий: зарплата по странам не публикуется
Данные графика
| Страна | Вакансии |
|---|---|
| US | 129 |
| GB | 94 |
| PL | 77 |
| IN | 41 |
| DE | 26 |
| CA | 14 |
| FR | 12 |
| BR | 11 |
| PH | 7 |
| CO | 7 |
Какие технологии чаще всего требуют в одной вакансии с Data Architect.
С чем используется вместе
Доля — сколько из 620 вакансий рынка «Data Architect» упоминают эту технологию. Порядок — по числу вакансий, не по «силе связи». Обобщения вроде cloud не равны конкретному облаку (AWS, Azure).
Топ-стек Data Architect 2026: data modeling (dimensional modeling Kimball + 3NF/Inmon + Data Vault 2.0 + One Big Table; tools erwin / SqlDBM / dbdiagram / dbt), cloud data warehouses (Snowflake leader + BigQuery + Redshift + Azure Synapse + Databricks Lakehouse + ClickHouse РФ-популярен + Russian Arenadata), data lakes (S3/ADLS/GCS + open table formats Iceberg/Delta Lake/Hudi), data architecture patterns (warehouse / lake / lakehouse default 2026 / data mesh / data fabric), data integration (ETL vs ELT-доминирует + CDC Debezium + Kafka streaming), orchestration (Airflow / Dagster / Prefect), data governance (data catalogs Collibra/Alation/Atlan/DataHub/OpenMetadata + data lineage + data quality Great Expectations/Soda + MDM Informatica/Reltio + data contracts), semantic layer (dbt Semantic Layer / Cube), SQL mastery, modeling notation (ER diagrams + ArchiMate + data flow diagrams).
Частые пары: Snowflake + dbt + Airflow (modern data stack classic), Databricks + Delta Lake + Spark (lakehouse stack), Data Vault 2.0 + Snowflake + dbt (agile enterprise DWH), Kimball dimensional modeling + cloud DWH + BI (analytics-focused), ClickHouse + Kafka (real-time analytics — РФ-популярно), Arenadata Greenplum + dbt (Russian импортозамещение data stack), Iceberg + S3 + Trino (open lakehouse). Learning-roadmap: стать Senior Data Engineer (5+ лет — prerequisite) → data modeling mastery (Kimball + Data Vault) → SQL deep → cloud data platform (Snowflake / Databricks) → modern data stack (dbt + orchestration) → data architecture patterns → data mesh (Dehghani book) → data governance → open table formats → semantic layer → soft skills.
Данные графика
| Название | Количество |
|---|---|
| cloud | 282 |
| azure | 192 |
| databricks | 180 |
| aws | 170 |
| sql | 155 |
| python | 104 |
| snowflake | 100 |
| gcp | 75 |
| spark | 61 |
| dbt | 55 |
| bigquery | 53 |
| kafka | 52 |
Сколько вакансий Data Architect на каждом уровне — от junior до principal.
Спрос по уровням
| уровень | вакансий |
|---|---|
| principal | 212 |
| senior | 185 |
| lead | 45 |
| middle | 14 |
| junior | 4 |
Senior-tier роль (нижние grade'а = mis-titled; realistic — Senior / Lead). Путь: Senior Data Engineer (5+ лет hands-on) → Data Architect (через data modeling + platform design + governance) → Senior / Principal Data Architect → либо Chief Data Architect / Head of Data Architecture, либо Data Platform lead, либо Enterprise Architect (Data domain), либо Chief Data Officer (CDO) track.
⚠ только сторона спроса: грейд наблюдаемого пула неизвестен у большинства
Данные графика
| Уровень | Количество |
|---|---|
| principal | 212 |
| senior | 185 |
| lead | 45 |
| middle | 14 |
| junior | 4 |
Кто больше всех нанимает по Data Architect и насколько спрос сосредоточен у крупных компаний.
Работодатели
Спрос распределён между 468 работодателями. На крупнейшего приходится 1.7%, на десятку — 10.0%; остальные 90.0% — длинный хвост.
| доля | значение |
|---|---|
| крупнейший | 1.7% |
| топ-3 | 4.5% |
| топ-10 | 10.0% |
| длинный хвост | 90.0% |
⚠ имена не показываются: кадровые агентства и конечные работодатели пока не различаются классификацией
С каких сайтов компаний и досок Zorky собирает вакансии Data Architect.
Откуда Zorky видит этот рынок
Наблюдение идёт из 59 источников; на крупнейший приходится 9.5% — рынок не держится на одном канале.
Данные графика
| Класс | Название | Название на английском | Количество | Доля |
|---|---|---|---|---|
| ats | ATS и карьерные сайты | ATS & career sites | 374 | 0,6032 |
| board | джоб-борды и агрегаторы | job boards & aggregators | 227 | 0,3661 |
| telegram | Telegram | Telegram | 19 | 0,0306 |
Самые новые вакансии Data Architect с сайтов компаний.
Свежие вакансии
- 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
Свежие открытые Data Architect-вакансии — последние позиции в выборке (узкая senior-ниша — реальный рынок шире за счёт overlap с Senior Data Engineer). Полный список — в нашем CRM или по ссылке «смотреть все» ниже. Для broader view посмотрите data-engineer + solutions architect страницы.
Соседние рынки
Data Architect пересекается с Data Engineer (~60% — Architect design-focused, Engineer implementation), Enterprise Architect (~50% — Data Architecture один из 4 TOGAF доменов), Database Administrator (~30% — DBA single-database ops), Analytics / BI (data consumers), Security (data protection / privacy). Сравнение с solutions/software/enterprise/security/integration — в SiblingSubnichesChart выше.
⚠ соседние рынки для сравнения ещё не определены
Как это посчитано
- Вакансия
- открытая вакансия, прошедшая гейт качества и содержащая не менее двух технологий
- Наблюдаемый кандидат
- кандидат, чей стек содержит эту технологию; агрегат, без единой записи наружу
- Подходящий кандидат
- пока не считается
- Окно
- открытые вакансии на момент сборки снимка
О данных
- Некоторые разрезы скрыты: по ним пока недостаточно полноты данных.
- Статистика строится только там, где выборка проходит порог качества.
- Отсутствие блока не означает нулевое значение.
Сейчас скрыто разрезов: 8.
Направление: Architecture
Соседние специализации
Внутри Data Architect: Data Architect (general — owns data architecture одной системы / domain), Senior / Principal Data Architect (enterprise-wide + strategy), Data Warehouse Architect (DWH / analytics-focused), Data Platform Architect (modern data platform / lakehouse design), Data Modeler (focus на data modeling — narrower), Master Data Architect (MDM specialty), Information Architect (data governance + information management). Сравнение с solutions/software/enterprise/security/integration architect — в баре ниже.
Частые вопросы
Ответы пересчитываются автоматически.
Какой стек / навыки чаще всего требуют от Data Architect?
Топ-стек / навыки: cloud, aws, azure, enterprise architect, sql. Data modeling — core: conceptual / logical / physical models, dimensional modeling (Kimball — star / snowflake schemas + facts/dimensions), 3NF / Inmon (нормализованный enterprise DWH), Data Vault 2.0 (hubs + links + satellites — agile enterprise DWH, популярен 2026), One Big Table / wide tables (modern analytics). Tools: erwin Data Modeler (enterprise classic), SqlDBM, dbdiagram.io, dbt (semantic models + lineage — de-facto modeling layer 2026). ClickHouse (real-time analytics — РФ-популярен, Яндекс origin). Russian: Arenadata (Greenplum-based — DWH leader РФ после ухода Teradata / Oracle). Data lakes: S3 / ADLS / GCS + open table formats (Apache Iceberg — rising 2026 / Delta Lake / Apache Hudi). Data architecture patterns: data warehouse / data lake / lakehouse (рекомендуемый default 2026) / data mesh (decentralized domain-owned — Zhamak Dehghani) / data fabric (metadata-driven unified access). Data integration: ETL vs ELT (ELT доминирует 2026), CDC (Change Data Capture — Debezium), data streaming (Kafka), batch + streaming unification. Orchestration: Airflow / Dagster / Prefect (architecture-level decisions). 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-ФЗ), data contracts (rising 2024+). Semantic layer: dbt Semantic Layer / Cube — single source of truth для метрик. SQL mastery — обязательно (Data Architect должен понимать query patterns + performance). Soft skills: stakeholder management (data — cross-functional), data strategy communication, governance facilitation.
Data Architect vs Data Engineer vs Enterprise Architect vs DBA — в чём разница?
Data Engineer — hands-on строит data pipelines (ingestion + transformation + orchestration), implements то, что Data Architect спроектировал. См. Data Engineer (general). Data Architect (эта страница) — проектирует data landscape: data models + storage strategy + data flows + governance. Design-level, не hands-on pipeline coding. Database Administrator (DBA) — operates конкретные databases (performance tuning + backups + replication + security). Operational. См. Database Administrator (DBA) (когда страница ship'нется). Enterprise Architect — org-wide technology landscape (Data Architecture — один из 4 TOGAF доменов; Data Architect часто = Domain Architect внутри EA). См. Enterprise Architect. Career-flow: Data Engineer Senior → Data Architect — естественный путь. Data Architect → Enterprise Architect (Data domain) или Chief Data Officer. Career-выбор: Data Engineer if нравится hands-on pipeline building; Data Architect if нравится design + modeling + governance + strategy; DBA if нравится database operations deep; Enterprise Architect if хочешь org-level breadth beyond data.
Data architecture patterns 2026 — data warehouse vs data lake vs lakehouse vs data mesh vs data fabric?
Decision tree для data architecture pattern 2026: 1) Data Warehouse — structured, schema-on-write, optimized для analytics / BI. Cloud DWH: Snowflake / BigQuery / Redshift / Synapse. Pros: fast SQL analytics, mature tooling, data quality enforced. Cons: structured data only, ETL upfront, дороже для raw / unstructured. Use case: BI / reporting / structured analytics — всё ещё core 2026. 2) Data Lake — raw storage, schema-on-read, любые форматы (structured + unstructured). S3 / ADLS / GCS. Pros: cheap storage, flexible, хранит всё. Cons: «data swamp» risk (без governance — хаос), нет SQL performance, нет ACID. Use case: raw data landing zone, ML training data, archival. Standalone редко 2026. 3) Lakehouse — рекомендуемый default 2026. Convergence warehouse + lake: data lake storage (S3 + open table format — Delta Lake / Iceberg / Hudi) + warehouse-like features (ACID transactions + SQL performance + schema enforcement + time travel). Databricks (Delta Lake) / Snowflake (поддержка Iceberg). Pros: один storage layer для BI + ML + streaming, cheaper чем pure DWH, no data duplication. Cons: younger ecosystem, нужна правильная table format strategy. Use case: новые data platforms 2026 — default choice (избегает warehouse + lake duplication). 4) Data Mesh — organizational / socio-technical pattern, не technology. Zhamak Dehghani concept. 4 принципа: domain-oriented ownership (data owned by domain teams, не central data team), data as a product (каждый dataset — product с SLA / docs / quality), self-serve data platform, federated computational governance. Pros: scales organizationally (central data team — bottleneck в больших orgs), domain expertise в data ownership. Cons: требует organizational maturity, дорого внедрять, overkill для малых организаций. Use case: large organizations (множество domains, central data team не справляется) — НЕ для малых / средних (организационный overhead убьёт). Часто over-applied. 5) Data Fabric — metadata-driven unified data access layer поверх heterogeneous sources (vs data mesh — org pattern, data fabric — technology / integration approach). Active metadata + knowledge graph + automated data integration. Gartner-pushed concept. Use case: организации с множеством legacy data silos, нужен unified access без миграции всего. Default 2026 рекомендации: Новая data platform → Lakehouse (Databricks или Snowflake + Iceberg). BI / structured analytics → Cloud DWH (если lakehouse overkill). Raw / ML data → data lake как часть lakehouse (не standalone). Большая организация, central data team — bottleneck → Data Mesh (organizational shift, не tech). Множество legacy silos → Data Fabric (unified access layer). Главный принцип: pattern follows organizational reality + scale — не cargo-cult «data mesh потому что модно».
Какая доля вакансий предполагает удалённую работу?
Среди вакансий с указанным форматом работы 38% — удалённые. Вакансии без указанного формата не входят в знаменатель; гибридная работа не считается удалённой.
Чем Data Platform Architect отличается от Data Architect?
Data Architect (general) — focus на data models + data flows + governance + storage strategy (логический / концептуальный уровень — «как данные структурированы и текут»). Data Platform Architect — focus на technical platform который hosts data (infrastructure / tooling уровень — «на чём данные живут»): cloud data platform design (Databricks / Snowflake setup), compute / storage architecture, data platform tooling (ingestion + orchestration + transformation + catalog stack), platform scalability + cost optimization, self-serve data platform (для data mesh). Больше overlap с DevOps / Platform Engineering. Data Warehouse Architect — narrower specialty: focus на DWH design specifically (dimensional modeling deep, ETL/ELT для warehouse, BI enablement). Data Modeler — самая narrow роль: focus только на data modeling (conceptual / logical / physical models, ER diagrams) — часто mid-level, не full architect. Master Data Architect — MDM specialty (master data management — single source of truth для core entities — customer / product / etc). Information Architect — overlap — data governance + information lifecycle + taxonomy + metadata. Reality 2026: в малых / средних организациях один Data Architect делает всё. В крупных — specialization (Data Platform Architect + Data Warehouse Architect + Data Modeler + Master Data Architect — отдельные роли). Career-выбор: general Data Architect для breadth; Data Platform Architect if нравится infrastructure / tooling deep; Data Warehouse Architect if нравится dimensional modeling + analytics; Master Data Architect if нравится governance / MDM.
С чего начинать путь к Data Architect в 2026?
Roadmap (Data Architect — senior-tier, путь через Senior Data Engineer): 1) Стать сильным Senior Data Engineer — prerequisite. 5+ лет hands-on: data pipelines, warehouse work, SQL mastery, понимание data tooling на практике. 2) Data modeling mastery — это core Data Architect skill. Dimensional modeling (Kimball — «The Data Warehouse Toolkit» Ralph Kimball — canonical), Inmon 3NF approach, Data Vault 2.0 («Building a Scalable Data Warehouse with Data Vault 2.0» Dan Linstedt). Conceptual / logical / physical modeling. 3) SQL deep — Data Architect должен глубоко понимать query patterns + performance + optimization. 4) Cloud data platforms — выбрать один deeply: Snowflake (leader — Snowflake certifications) или Databricks (Lakehouse — Databricks certifications) или BigQuery. Hands-on опыт design + build. 5) Modern data stack — dbt (de-facto transformation + modeling layer 2026 — dbt certification), data orchestration (Airflow / Dagster), ELT patterns, CDC (Debezium). 6) Data architecture patterns — глубоко понять warehouse vs lake vs lakehouse vs data mesh vs data fabric (когда что). «Fundamentals of Data Engineering» Joe Reis / Matt Housley (canonical 2026 — must-read, covers architecture). 7) Data mesh — «Data Mesh» Zhamak Dehghani (если работаешь / будешь работать в крупной организации). 8) Data governance — data catalogs (Collibra / Alation / DataHub / OpenMetadata), data lineage, data quality (Great Expectations / Soda), MDM concepts, data contracts (rising 2024+), data privacy (GDPR / 152-ФЗ). 9) Open table formats — Apache Iceberg (rising 2026) / Delta Lake / Apache Hudi — критично для lakehouse. 10) Semantic layer — dbt Semantic Layer / Cube — metrics consistency. 11) Soft skills — data — cross-functional (engineers + analysts + business + security), нужны stakeholder management + data strategy communication + governance facilitation. 12) Practice в текущей роли — как Senior Data Engineer брать architecture-level задачи: data model design, platform selection, governance setup. Курсы РФ: Otus «Data Architect» / «DWH Analyst», Karpov.Courses (Data Engineering — overlap), корпоративные data-школы, Arenadata training. International (eng): «The Data Warehouse Toolkit» Kimball (canonical dimensional modeling), «Fundamentals of Data Engineering» Reis / Housley (must-read 2026), «Data Mesh» Dehghani, Snowflake / Databricks official certifications + training, dbt Learn (free), DataCamp / Coursera data engineering tracks. Senior Data Engineer (5+ лет) + data modeling mastery + cloud data platform expertise → Data Architect.
Сколько открытых вакансий в этой выборке?
В опубликованной выборке — 620 открытых вакансий без перепубликаций. Это тот же показатель, что в верхнем блоке страницы. География выборки представлена в разделе географии; это не оценка всего рынка.
Какие навыки нужны Senior Data Architect?
Senior Data Architect владеет полным циклом data architecture + technical leadership. Data modeling mastery: dimensional modeling (Kimball — star / snowflake schemas + facts/dimensions deep), 3NF / Inmon enterprise DWH, Data Vault 2.0 (hubs / links / satellites — agile DWH), conceptual / logical / physical modeling, ER modeling. SQL deep mastery: complex queries, query optimization, understanding execution plans — Data Architect должен глубоко понимать как данные queried. Cloud data platform mastery: один из Snowflake / Databricks / BigQuery deeply — architecture design, performance optimization, cost optimization (data platforms — expensive, cost-architecture критичен). Data architecture patterns: warehouse / lake / lakehouse / data mesh / data fabric — знать trade-offs + когда что применять (не cargo-cult). Lakehouse design (open table formats — Iceberg / Delta Lake / Hudi). Modern data stack: dbt (transformation + modeling + semantic layer), orchestration (Airflow / Dagster), ELT patterns, CDC (Debezium), streaming (Kafka) architecture-level. Data integration architecture: batch + streaming unification, data ingestion strategy, source-to-target mapping. Data governance mastery: data catalog strategy (Collibra / Alation / DataHub / OpenMetadata), data lineage, data quality frameworks (Great Expectations / Soda), master data management (MDM), data classification + privacy (PII / GDPR / 152-ФЗ compliance в data architecture), data contracts (formalize producer-consumer agreements — rising 2024+). Semantic layer: metrics consistency (dbt Semantic Layer / Cube — single source of truth). Data strategy: data platform roadmapping, build-vs-buy для data tooling, data team operating model (centralized vs data mesh decentralized). System design для data: design data platform на whiteboard под scale (PB-scale data, 1000s of tables, real-time + batch), capacity planning, performance + cost trade-offs. Cross-domain knowledge: понимание Data Engineering (implementation reality), Analytics / BI (consumer needs), Security (data protection), Enterprise Architecture (org-level context). Soft skills: stakeholder management (data — cross-functional: engineers + analysts + business + security + compliance), data strategy communication к leadership, data governance facilitation, mentoring Data Engineers. Английский для Senior+ MUST — cloud data platform docs + data community + international team communication англоязычные. Optional bonus: cloud data platform certifications (Snowflake / Databricks), dbt certification, conference speaking (data conferences), data mesh implementation experience — резко повышают market value для Principal / Chief Data Architect roles.
Оставить заявку
Опишите задачу и оставьте контакт — заявка попадёт в CRM, ответим на указанный контакт.