Разбираем парадокс рынка data engineering: рост найма на 23% при падении entry-level на 67%. Узнайте, как отличить реальные вакансии от фейковых и построить карьеру.
Вы отправили 47 откликов на вакансии data engineering за три недели. Получили ответ от девяти компаний. До интервью дошли в четырёх. В двух местах вакансию уже закрыли до вашего первого звонка. В одной честно сказали: «найм заморожен». Четвёртая сделала устный оффер, который испарился, когда нанимающий менеджер уволился. Знакомо? Рынок 2026 года — это не ваша неудача, а поломанная система.
Вот что должно вас разозлить: компании публично заявляют, что найм data engineering вырос на 23% год к году. Цифра реальная. И она одна из самых обманчивых в IT прямо сейчас.
Найм data engineering вырос на 23% год к году. Но количество entry-level позиций упало на 67% с тех пор, как AI стал мейнстримом. Оба факта истинны одновременно.
Рост идёт исключительно за счёт senior-специалистов. Компании не расширяют команды — они заменяют junior-конвейеры старшими архитекторами, способными с первого дня поставлять AI-ready инфраструктуру. Лишь 2,3% вакансий DE нацелены на кандидатов с опытом менее двух лет. Самое частое требование — 4–6 лет (11% вакансий).
Это не спад. Это переклассификация. То, что раньше называлось «entry-level», переименовали в «mid-level с 4+ годами». Лестница не сломалась — её подняли.
Количество junior-вакансий во всём IT рухнуло на 60% с 2022 по 2024 год. Data engineering повторил ту же траекторию, только тише. И вот поворот, о котором молчат: вакансий с пометкой «entry-level software engineer» стало на 47% больше с октября 2023 по ноябрь 2024, но реальный найм на эти позиции упал на 73% за тот же период. Компании публикуют junior-вакансии, а заполняют их опытными инженерами. Название — ложь.
Рынок не вырос на 23%. Он сжался по вертикали. Цифра пошла вверх, а лестницу убрали.
Тем временем 66% CEO замораживают или сокращают найм до конца 2026 года, одновременно вкладывая миллиарды в AI-инфраструктуру. Упоминания LLM-навыков в DE-вакансиях взлетели на 300% за один квартал — с 3% до 12%. Роль переписывается в реальном времени, и в новой версии нет главы для новичков.
Скажу прямо: ghost-вакансии (фейковые объявления) составляют 48% всех IT-вакансий. Почти половина ролей, которые вы видите в LinkedIn, нереальны. Это не забытые объявления (хотя такие тоже есть). Это осознанная стратегия.
40% tech-компаний публиковали фейковые вакансии за последний год, и 79% из них всё ещё активны на момент опроса. Это не случайность. Это инфраструктура.
Вот зачем это делают: 62% нанимающих менеджеров признались, что размещают ghost-вакансии, чтобы текущие сотрудники чувствовали себя заменимыми. 43% — чтобы сигнализировать о росте компании инвесторам и совету директоров. Почти 60% собирают резюме без намерения нанимать — это называется «управление кадровым резервом». Инициатива исходит от HR (37%), старшего менеджмента (29%) или топ-менеджеров (25%). Нанимающие менеджеры, которым реально нужны люди, обычно не являются инициаторами.
93% HR-специалистов практикуют публикацию ghost-вакансий: 45% регулярно, 48% время от времени. 96% рекрутеров используют автоматическое ПО для перепубликации объявлений по расписанию, так что вакансии исчезают и появляются с идентичными описаниями, сбрасывая таймер каждые 30–90 дней. ATS продолжает принимать отклики даже после того, как позиция закрыта. Если вы получили автоматический отказ через 2–4 часа после отклика — это не несовпадение ключевых слов, это закрытая вакансия на автопилоте.
Финансовый ущерб реален: 72% соискателей сообщают о психологическом ущербе от процесса подачи заявок. 37% несут прямые финансовые потери в среднем от $500 до $2500. А 47% IT-специалистов активно ищут работу в 2026 году (по сравнению с 29% в прошлом году) — это бесконечный поток отчаявшихся кандидатов, питающий экосистему ghost-вакансий. У компаний нет стимула останавливаться.
Худшие нарушители — не FAANG и не крошечные стартапы. Компании с численностью от 1001 до 5000 сотрудников публикуют ghost-вакансии с частотой почти 25% — самый высокий показатель среди всех размеров компаний. Это сегмент Series C–E, где CFO затягивают пояса, а совет директоров требует сигналов роста. Если вы начинающий инженер, вы, скорее всего, целитесь именно в этот сегмент. Самый обманчивый сегмент рынка.
Итак, как выглядят легитимные вакансии data engineering в 2026 году? Принципиально иначе, чем два года назад.
Python (70%) и SQL (69%) всё ещё обязательны. Это не изменилось. Всё остальное изменилось. Machine learning упоминается в 29,9% вакансий. Kafka — в 24%. CI/CD — в каждой шестой. Apache Spark по-прежнему доминирует (38,7%), но Snowflake (29,2%) и Databricks (16,8%) формируют отдельные уровни. Компаниям не нужны генералисты, готовые изучить стек, — им нужны люди, уже свободно владеющие им.
Роль вобрала в себя platform engineering, DevOps-интеграцию, поддержку ML-пайплайнов и оркестрацию управления данными. Data engineer должен готовить данные для AI-кейсов, сотрудничать с ML-инженерами, разбираться в feature stores, экспериментировании и serving моделей. Такое предложение было бы бессмысленным в DE-вакансии 18 месяцев назад. Теперь это база.
26% вакансий вообще не упоминают требования к образованию. Это звучит как окно для самоучек — и это так, но его заполняют мидлы, переходящие из смежных областей, а не выпускники буткемпов. Реальный барьер не в дипломах: буткемпы учат изолированным SQL и Python, а работа требует LLM-совместимых пайплайнов, аудиторских трейлов и инфраструктуры с uptime 99,95%. Дерево навыков раздвоилось, и ветка для новичков была обрезана.
Медианная зарплата — $131K–$135K, что звучит отлично, пока вы не поймёте, что цифра смещена в сторону senior-талантов. Senior-контрактники получают $150–$185 в час. Специализированные AI-инфраструктурные архитекторы — $220–$400. Планка поднялась, потому что изменились люди, стоящие на ней.
Реальные вакансии существуют. Просто они не там, где ищет большинство.
Контрактная работа и миграция платформ — вот где объём. Сейчас активно более 3300 вакансий по миграции данных и 6600+ технических вакансий по миграции — в основном проекты на 60–90 дней для компаний, перестраивающих стеки под облако и AI-готовность. Экспертиза в Snowflake и dbt даёт премиальные ставки. Это не гламурные FTE-позиции с опционами, а спринтерская работа. Но она реальна, платит и создаёт именно те сигналы в резюме, которые позже приведут вас в full-time senior-роли.
У Databricks 840+ открытых позиций. Но вот загвоздка: это найм самого вендора, а не клиентов. Если бы клиенты расширяли data-команды, они бы нанимали людей для использования Databricks. Вместо этого Databricks нанимает своих инженеров для POC-работы с необеспеченными ресурсами клиентами. Внедрение инструментов не превращается в рост команд в компаниях, которые эти инструменты используют.
Чтобы отличить реальную вакансию от призрака, я смотрю на следующее:
Честный совет для начинающих инженеров: перестаньте откликаться на 50 вакансий в неделю и начните действовать точечно. Цельтесь в компании с численностью менее 1000 или более 10 000 сотрудников (там меньше ghost-вакансий). Приоритет — контрактная работа, дающая архитектурный опыт. Нарабатывайте практику на том, что действительно разделяет кандидатов на собеседованиях: моделирование данных, архитектура пайплайнов, системное проектирование.
Путь в data engineering для новичков не умер. Его перенаправили. Надёжный путь сейчас — сначала стать аналитиком или backend-инженером, затем перейти внутрь компании. Это звучит обидно, и это обидно. Но именно так пришли большинство из нас. Я не начинал в data engineering. Я начинал вообще вне IT. Путь никогда не был прямым — мы просто притворялись, что это так, в горячие годы найма.
Data engineering не сжимается. Он консолидируется в senior-тяжёлую дисциплину, требующую архитектурного мышления, понимания управления данными и AI-инфраструктурной грамотности. Инструменты меняются каждые 18 месяцев. Проблемы — нет. Дрейф схемы, данные с опозданием, смежные команды, ломающие контракты без предупреждения. Это вечное.
Эпидемия ghost-вакансий со временем выгорит — она дорого обходится и компаниям, даже если они этого ещё не осознали. Но переклассификация entry-level в mid-level? Это структурно. Это не вернётся назад.
Если вы сейчас шлёте отклики в пустоту: дело не в вас. Статистически половина того, куда вы откликаетесь, не существует. Это не личная неудача. Это сломанная система.
Какую самую очевидно фейковую вакансию вы встречали, и на каком этапе поняли, что она ненастоящая?
Хочешь закрепить знания на практике?
Решай задачи на Algolit — интерактивная платформа для обучения
Начать бесплатно →