Что происходит с рынком DE? его нет. все кончено. только на завод. надо было раньше. раньше было лучше. ОТСТАВИТЬ ПАНИКУ! У нас есть чат выпускников BootCamp, и я сгрузил оттуда сообщения и пропустил через ChatGPT.
Вот, что вышло: Рынок живой, но неоднородный:
- вакансий достаточно, особенно в крупных банках, ритейле и интеграторах
- работодатели стали заметно строже проверять реальный опыт
- основной фильтр — SQL, Python, Spark и понимание DWH
- удалёнка по РФ встречается часто, но хорошие предложения конкурируют за сильных специалистов
- зарплаты для middle/senior в сильных командах находятся примерно в диапазоне 250–350 тыс. ₽ на руки
- одновременно сохраняется большой слой вакансий на 150–200 тыс. ₽, часто с более тяжёлыми требованиями;
- работодатели нередко ищут сразу нескольких инженеров, но вакансии могут долго висеть и пересматривать требования.
Зарплаты 150–170 тыс. ₽ - junior/middle, небольшие компании, локальные требования около 200 тыс. ₽ - middle, аутсорсинг и банковские проекты 230–260 тыс. ₽ - middle с хорошим SQL/Python/Spark 300–350 тыс. ₽ - senior, streaming, ML-инфраструктура, крупные команды 350 тыс. ₽ и выше - сильный senior, удалёнка по миру, сложные data-платформы
Примеры из чатов: Райффайзенбанк — от 300 тыс. ₽ на руки; X5 — 320–350 тыс. ₽ на руки; Selecty — 320–350 тыс. ₽ на руки; Kostylworks — около 350 тыс. ₽ на руки; Петрович Tech — 320–350 тыс. ₽ на руки; Альфа-проекты — примерно 200–320 тыс. ₽; отдельные вакансии — 150–170 тыс. ₽.
Самый востребованный стек
- SQL (Особенно CTE, оконные функции, JOIN, индексы, уровни изоляции, оптимизация запросов)
- Python (Часто проверяют структуры данных, ООП, итераторы, декораторы, асинхронность и простые алгоритмические задачи)
- Spark / PySpark (Партиционирование, shuffle, форматы Parquet/Avro, оптимизация, обработка больших объёмов данных)
- Airflow (Построение и сопровождение DAG, расписания, пайплайны, отказоустойчивость)
- Хранилища и DWH (ClickHouse, Greenplum, PostgreSQL, Hadoop, S3/MinIO, Trino, Iceberg)
- Streaming (Kafka, Flink, Debezium и real-time-пайплайны появляются в более дорогих вакансиях)
- Прочее (Мониторинг загрузок, поддержка продуктивных процессов, разбор инцидентов и качество данных становятся частью обычной работы DE)
Как проходят собеседования HR-скрининг; техническое интервью; кейс или live coding; интервью с заказчиком или командой; иногда финальный этап непосредственно с банком; в отдельных компаниях — проверка документов, полиграф или дополнительные анкеты
Типичные вопросы: как обработать 100 ГБ данных в Spark; почему Spark медленный; как устроены партиции и shuffle; отличие DWH от обычной БД; индексы, JOIN и уровни изоляции; проектирование схемы данных; решение SQL-задач; небольшие Python-задачи; опыт с реальными объёмами и архитектурой.
При этом часть собеседований проходит без алгоритмов и live coding — только разговор по опыту и кейсам.
Продолжение в комментах...
