Зарплати аналітиків та фахівців з Data Science, Data Engineering, AI/ML — зима 2025
У цьому матеріалі розглянемо зарплати фахівців, які працюють з даними — аналітиків і спеціалістів з Data Science, Data Engineering, AI/ML.
У зимовому зарплатному опитуванні в грудні 2024 року ми зібрали 578 анкет аналітиків (548 з них зараз в Україні, 30 — за кордоном, але планують повернутися) і 334 анкети фахівців з Data Science, Data Engineering, AI/ML (315 в Україні, 19 — за кордоном, але планують повернутися). У розділі про зарплати айтівців в Україні та за кордоном ми аналізуємо й відповіді тих, хто поки не збирається повертатися в Україну — 64 анкети аналітиків та 63 анкети спеціалістів з Data Science, Data Engineering, AI/ML.
Ключові висновки
● За пів року дещо знизилися зарплати Data Engineers.
● Зарплати Data Scientists переважно стабільні.
● Є тенденція до поступового зростання зарплат Business Аnalysts, після їхнього зниження в попередніх періодах.
● Зарплати Middle Data Analysts поступово зростають.
● Зарплати Product, BI та System Analysts без змін.
● На початкових етапах кар’єри зарплати фахівців з Data Science/Engineering/ML/AI та аналітиків наразі однакові.
● У продуктових та аутстафінгових компаніях дещо вищі зарплати, ніж в сервісних, а розмір компанії не впливає на зарплату.
● Рівень англійської впливає на зарплати спеціалістів, які працюють з даними.
Медіанні зарплати аналітиків та фахівців з Data Science, Data Engineering, AI/ML, 2017–2024
Дані в CSV доступні на GitHub. Усі зарплати вказано в доларах США після сплати податків («чистими»). Для аналізу рівнів зарплати ми використовуємо медіану.
Уже опубліковані статті про зарплати розробників, тестувальників та менеджерів. На черзі й інші спеціалізації.
Медіанні зарплати
У сфері Data Science/Engineering/ML/AI найвища медіанна зарплата у Data Engineers ($3610). Передусім завдяки виcокій частці досвідчених фахівців — 41% Data Engineers мають більш як п’ять років досвіду за своєю спеціалізацією.
Схожа ситуація у BI Engineers. Їхня медіанна зарплата $3000, передусім через високу частку досвідчених фахівців. 63% BI Engineers мають понад п’ять років досвіду.
Частка досвідчених спеціалістів серед Data Scientists дещо нижча, ніж серед Data Engineers і BI Engineers, тому й медіанна зарплата нижча ($2750). Схожа ситуація у Machine Learning Engineers ($1910) та AI Engineers ($2000).
Аналітики переважно отримують менше, ніж фахівці з Data Science/Engineering/ML/AI.
Найвищі медіанні зарплати у Business Analyst ($2500), Product Analyst ($2300) і System Аnalyst ($2200).
Висока медіана у Business Analyst і System Аnalyst пояснюється високою часткою досвідчених фахівців. 51% ВА та 61% System Аnalysts працюють за своєю спеціальністю понад п’ять років.
Product Analysts готові платити більше — у них найвищі серед аналітиків зарплати в розрахунку на рік досвіду.
Дещо нижчі медіани у Data Analysts ($1500), Marketing Data Analysts ($1550) і Financial Analysts ($1500) — передусім через велику частку початківців. Понад 40% цих фахівців мають менше як три роки досвіду.
Динаміка зарплат
Зарплати Data Engineers усіх тайтлів дещо впали після літнього зростання і повернулися на рівень зими минулого року.
Медіана Junior Data Scientist без змін, а зарплати Middle Data Scientist відновилися після літнього падіння. Стало менше фахівців рівня Senior+ (з 46% до 28%), через що зарплати Data Scientists знизилися.
Падіння в зарплатах ML Engineers передусім пов’язане зі зростанням частки фахівців з досвідом до трьох років (36% зараз проти 20% влітку 2024 року).
У зарплатах аналітиків є тенденції до зростання. Після зниження, яке почалося рік тому, зросла медіана у Senior Business Analysts. Зарплати Junior BA теж дещо відновилися після падіння влітку. Поступово зростають зарплати Middle Data Analysts.
За квартилями
Аналіз зарплат у першому і третьому квартилях показує розкид зарплат і дає змогу оцінити ймовірність для фахівців отримувати суттєво більше чи менше, ніж медіанна зарплата на ринку.
Розкид зарплат (IQR, різниця між першим і третім квартилями) Junior Data спеціалістів становить $400-600. Найменший розкид — у зарплатах Junior Data Analyst ($372). Найбільший — у Junior Data Scientist ($600).
У зарплатах мідлів і сеньйорів тенденції інші. Розкид зарплат $1000-2000. Найбільша варіативність у зарплатах Data Analyst: різниця між першим і третім квартилями сягає $1500-2000. Найменша — у Business Analyst і Data Scientist ($1000-1200).
За досвідом фахівців
Медіанні зарплати спеціалістів з Data Science/Engineering/ML/AI та аналітиків з досвідом роботи до трьох років зараз майже не відрізняються.
Проте фахівці з Data Science/Engineering/ML/AI з досвідом
Медіанні зарплати Data Engineers і Data Scientists з однаковим досвідом схожі. Data Engineers з досвідом до шести років отримують дещо більше, ніж Data Scientists. Серед фахівців з більш ніж п’ятьма роками досвіду тенденція протилежна — медіана Data Scientists дещо вища, ніж у Data Engineers.
Business Analysts і Data Analysts з однаковим досвідом теж мають схожі медіанні зарплати. А медіана Product Analysts, які працюють
За технологіями
Аналітики, які використовують Tableau, мають вищі медіанні зарплати, ніж ті, хто обирає інші ВІ-платформи. Ця тенденція простежується у фахівців різних спеціалізацій і з різним досвідом.
Медіанна зарплата аналітиків, які не користуються ВІ-платформами, теж вища, ніж у користувачів інших платформ (окрім Tableau). 64% цих спеціалістів — бізнес-аналітики з досвідом роботи три роки і більше, що пояснює високу медіанну зарплату в цій групі.
Data Engineers і Data Analytics, які працюють з AWS, мають дещо вищі медіанні зарплати, ніж їхні колеги, які користуються іншими хмарними сервісами. Частково ця різниця зумовлена більшим досвідом фахівців, які працюють з AWS. Зарплати тих, хто обирає Azure, дещо нижчі, ніж у користувачів інших сервісів.
Відмінності в зарплатах фахівців, які працюють з різним БД, найчастіше пояснюються різницею в досвіді цих спеціалістів.
За рівнем англійської
Фахівці, які працюють з даними, найчастіше добре знають англійську: понад 65% оцінили свій рівень як Upper-Intermediate чи Advanced.
Краща англійська має позитивний вплив на зарплати як Data Science/Engineering/ML/AI, так і аналітиків.
У середньому фахівці з Data Science/Engineering/ML/AI, які оцінили свій рівень як Advanced, отримують на 60% більше за колег з таким самим досвідом, які визначили свій рівень як Intermediate. Для аналітиків ця різниця становить близько 40%.
За типом компанії
В аутстафінгових компаніях працюють найдосвідченіші спеціалісти з даних, у стартапах — найменш досвідчені.
У сервісних компаніях працюють дещо більш досвідчені фахівці з даних, ніж у продуктових, проте медіанні зарплати в цих компаніях або на одному рівні (BA, Data Analytics, Data Engineers), або вищі в продуктових компаніях (Data Scientists).
За розміром компанії
У великих компаніях з 200+ співробітниками більше досвідчених фахівців, завдяки чому медіанні зарплати тут вищі. Наразі ми не бачимо відмінностей між зарплатами айтівців однакової спеціалізації та досвіду в компаніях різного розміру.
За містами
Суттєвої різниці в зарплатах фахівців з даних у Києві та у Львові немає.
В Одесі медіанна зарплата аналітиків дещо вища, ніж в інших містах (мають досвід шість років проти п’яти у всіх містах загалом). У Харкові і Дніпрі — нижча, через менший досвід роботи (чотири роки проти п’яти).
Зарплати фахівців за кордоном
Спеціалісти з Data Science/Engineering/ML/AI за кордоном отримують у середньому на 15% більше, ніж в Україні. Аналітики — на 19% більше.
Найбільше фахівців, які працюю з даними, зараз живе у Польщі (39%). Далі — Німеччина і Болгарія (по 7%) та Іспанія (6%).
Інструменти для роботи
Основні мови програмування, якими користуються спеціалісти з даних — Python та SQL. Серед мов, які планують вчити цього року, теж лідирує Python. Фахівці з Data Science/Engineering/ML/AI ще планують вчити Go і Rust.
84% BA, 79% Financial Аnalysts і 58% System Аnalysts не користуються мовами програмування у своїй роботі.
PostgreSQL — найпопулярніша БД серед спеціалістів, які працюють з даними. Нею користуються 40% фахівців з Data Science/Engineering/ML/AI та 24% аналітиків. Інші реляційні БД менш популярні: MS SQL використовують близько 16% фахівців, по 14% — MySQL та BigQuery.
BigQuery більш популярна серед Product Analysts (49% з них обирають BigQuery), Marketing Data Analysts (31%), Data Analysts і Data Engineers (по 26%).
MongoDB — найпопулярніша noSQL база даних. Їй віддають перевагу 7% аналітиків та 12% спеціалістів з Data Science/Engineering/ML/AI.
Найпопулярніший хмарний сервіс серед фахівців з Data Science/Engineering/ML/AI — AWS, ним користуються 46%. Менш популярні Microsoft Azure (23%) і Google Cloud (19%).
Понад 70% аналітиків працюють без хмарних сервісів. Найпопулярніші — Google Cloud та AWS. Майже однакова кількість аналітиків користуються ними — 12% та 10% відповідно.
Найпопулярнішим ШІ-інструментом наразі є ChatGPT — ним користуються 84% спеціалістів з Data Science/Engineering/ML/AI та 77% аналітиків.
Фахівці з Data Science/Engineering/ML/AI послуговуються ШІ активніше, ніж аналітики. Найчастіше аналітики використовують один ШІ-інструмент, тоді як AI Engineers — три інструменти, а ML Engineers і Data Scientists — по два.
Фахівці з Data Science/Engineering/ML/AI частіше за аналітиків обирають GitHub Copilot (20% проти 3%), Claude (16% проти 8%). Gemini однаково популярний серед аналітиків (11% користуються ним) і спеціалістів з Data Science/Engineering/ML/AI (12%).
Інструменти для аналітики
Для веб та мобільної аналітики найчастіше обирають рішення Google: 28% аналітиків користуються Google Analytics, 11% — Firebase, 9% — Google Tag Manager.
Серед основних альтернатив — власні рішення компаній (ними користуються 19% аналітиків), Amplitude (14%) та AppsFlyer (7%).
Найактивніші користувачі інструментів для мобільної та веб-аналітики — Product Analysts і Marketing Data Analysts. Понад 90% з них користуються цими інструментами проти 51% серед бізнес-аналітиків та 68% серед дата-аналітиків.
Power BI дещо популярніший інструмент, ніж Tableau: з ними працюють 34% та 26% аналітиків, відповідно.
Power BI більш популярний серед бізнес-аналітиків, System Analysts, Financial Analysts та BI Analysts.
Tableau випереджає Power BI серед Product Analysts і Marketing Data Analysts. 67% Product Analysts і 50% Marketing Data Analysts користуються Tableau, а 24% і 13% працюють з Power BI.
Дата-аналітики однаково часто використовують обидва інструменти: 40% — Tableau, 39% — Power BI.
Що означає хороша аналітична культура в компанії
Хороша аналітична культура в компанії, на думку аналітиків, передусім проявляється в тому, що робота аналітиків прямо впливає на бізнес і продукти компанії (так думають 84% фахівців).
Інший індикатор, який відзначили більш як половина аналітиків — доступність і якість даних. Найчастіше цим переймаються дата-аналітики, BI-аналітики, Marketing Data Analysts, Financial Analysts.
Портрет фахівців по роботі з даними
Спеціалісти з Data Science/Engineering/ML/AI — одні з наймолодших в українському ІТ. Їхній медіанний вік становить 27 років. Медіанний вік аналітиків вищий — 30 років.
Найменший медіанний вік AI Engineers, ML Engineers і Product Analysts — 25 років. Найстарші — System Analysts (медіанний вік 35 років), бізнес-аналітики та ВІ-інженери (по 32 роки).
44% аналітиків — жінки. Найбільше їх серед бізнес-аналітиків (46%), System Analysts (58%) і фінансових аналітиків (71%).
Серед фахівців з Data Science/Engineering/ML/AI жінок менше — лише 18%. Найбільше їх серед BI-інженерів (32%), найменше — серед дата-інженерів (12%).
Близько 70% спеціалістів, які працюють з даними, живуть у Києві або Львові.
Фахівці з даних зазвичай мають високий рівень англійської. 67% аналітиків та 73% спеціалістів з Data Science/Engineering/ML/AI оцінили свій рівень як Upper-Intermediate чи Advanced, що перевищує 60% серед усіх айтівців загалом.
Докладна інформація з розбивкою за категоріями, містами та досвідом у розділі «Зарплати».
Дані про кількість вакансій і відгуків дивіться в розділі «Тренди».
Якщо у вас є пропозиції або зауваження до статті, пишіть у коментарях або на
Данный адрес e-mail защищен от спам-ботов, Вам необходимо включить Javascript для его просмотра.
.
Аналітика: Ірина Іпполітова
