Live-данные · обновлено 23.06.26

Архитектор данных: кто это и чем занимается

Архитектор данных проектирует модели, хранилища, потоки и правила работы с данными на уровне компании. SkillStat показывает зарплатную оценку, спрос и требования.

СК Сергей Кузнецов · Технический редактор · Эксперт по базам данных, реляционной модели и архитектуре данных
Вакансии
5
Москва и МО · 23.06.26
Оценка зарплаты
165 000 ₽
Оценка по профессии и близкому рынку
Спрос
2 / 100
Низкий · #63
Уровень
Senior
100% вакансий
Формат
офисный формат
удал. 0% · гибрид 40% · офис 60%
Выборка зарплат
1
вакансий с зарплатой

Как ещё называют архитектора данных

В вакансиях и статьях встречаются разные названия. Обычно речь о специалисте, который отвечает за модель данных, владельцев, качество, каталог, доступы и доверие к метрикам.

архитектор данныхData Architectархитектор data-платформыdata platform architectDWH architectархитектор хранилища данныхdatabase architectархитектор корпоративных данныхdata governance architect
Все профессии

Коротко о профессии

Архитектор данных собирает общую картину данных в компании. Он решает, как связаны источники, витрины, справочники и отчёты, кому принадлежит каждая сущность и по каким правилам ею можно пользоваться.

Главная проблема здесь не в том, что не хватает ещё одной таблицы. Проблема в том, что разные команды по-разному понимают клиента, заказ, оплату или активного пользователя. Пока это не согласовано, новые витрины и отчёты только множат споры.

Роль стоит рядом с инженером данных, BI и DBA, но не совпадает с ними. На стороне архитектора данных — смысл, границы и правила. Благодаря этому инженеры строят потоки, аналитики собирают отчёты, а бизнес меньше спорит о цифрах.

Для этой профессии доступны ограниченные данные. Аналитика носит ориентировочный характер.

По зарплате у профессии нет достаточной собственной актуальной выборки. Поэтому на странице показана оценка с явной маркировкой источника, а не точная медиана только по текущим активным вакансиям.

Источники и методология

Числовые метрики показывают вакансии Москвы и Московской области. Описание роли, задач и навыков относится к профессии в целом.

Регион
Москва и МО
Срез
23.06.26
Зарплата
Оценка по профессии и близкому рынку
Выборка
n=1
Методология зарплат Методология спроса

Как мы считали

  • Рыночные числа на странице относятся к Москве и Московской области; описание роли, стека и roadmap относится к профессии в целом.
  • Зарплата показана как Оценка по профессии и близкому рынку. Если страница работает в estimated-режиме, это ориентир по доступной выборке, а не точная live-медиана текущего дня.
  • Навыки сгруппированы по смыслу Data Architect: моделирование, DWH, потоки данных, governance, платформенный и enterprise-контекст.
  • Текущий активный спрос, работодатели и навыки показывают разные срезы рынка, поэтому их нужно читать отдельно.

Актуальные данные по профессии

Актуальный срез по вакансиям, зарплате, спросу и динамике найма для архитектора данных в Москве и МО.

Вакансии Количество активных вакансий на сегодня в регионе Москва и МО. Не включает закрытые или приостановленные.
5
активных вакансий
Москва и МО · текущий срез 23.06.26
7 дней назад
18
16.06.26 -72%
30 дней назад
51
24.05.26 -90%
Спрос 50 = средний по рынку, 100 = в 4× больше вакансий чем у средней IT-профессии. Метрика считается по актуальной выборке Москва и МО.
2
из 100
Ранг по спросу
#63 из 71
Статус
Низкий
Топ спроса
#1
Системный аналитик
645
#2
Продакт-менеджер
521
#3
Бизнес-аналитик
504
Оценка зарплаты
Оценка
165 000₽
Москва и МО · Оценка по профессии и близкому рынку
Последний месячный срез профессии (2026-03) · n=6
Рынок направления · n=8
Диапазон и позиция в зарплатном рейтинге не показаны: зарплата рассчитана в estimated-режиме, поэтому SkillStat не выводит эти значения, чтобы не создавать ложную точность.
Средний тренд Сначала сравниваем последние 30 дней с предыдущими 30. Если в одном из окон меньше 14 точек, пробуем 45, 60, 90 дней. Ряд использует ту же семантику активных публичных вакансий, что и верхнее число.
↓ 31.6%
последние 30 дней vs предыдущие 30
среднее последнего окна ниже предыдущего
36 против 52 вакансий, последние 30 дней vs предыдущие 30
сглаживание 30 дней

Кто такой архитектор данных

Архитектор данных проектирует общую систему данных в компании. Он решает, где рождаются ключевые сущности. Кто ими владеет. Как они проходят через источники. По каким правилам их можно менять.

Роль становится нужна, когда данных много и одна метрика живёт в нескольких версиях. Маркетинг считает по-своему. Продукт считает по-своему. Финансы считают по-своему. Архитектор данных фиксирует определения, источник правды и правила качества.

Важно не путать роль с Data Engineer и DBA. Data Engineer строит потоки данных. DBA отвечает за конкретные базы и их эксплуатацию. Data Architect смотрит шире: домены, витрины, справочники, доступы, каталог и происхождение данных.

Хороший специалист убирает не только технический шум. Он помогает договориться владельцам источников, аналитикам, безопасности и бизнесу. Иначе компания строит новые отчёты поверх старых противоречий.

Рабочий объект

Модели данных, источники, хранилища, витрины, качество, доступы, каталоги и владельцы

Главная ценность

Создаёт общую систему смысла, в которой команды доверяют данным и понимают правила их использования

Ключевой риск

Без архитектуры отчёты расходятся, метрики спорят друг с другом, а ошибка источника размножается по компании

Что он упорядочивает

Архитектор данных упорядочивает смысл данных. Как компания называет сущности. Какие источники считает доверенными. Кто отвечает за качество. Где проходят границы доменов.

Например, слово «клиент» может означать пользователя, плательщика, юридическое лицо, аккаунт или контакт в CRM. Пока это не проговорено, команды строят разные отчёты и спорят о цифрах.

Задача архитектора - превратить разночтения в модель, справочник, правило владения и проверку качества. Это условие доверия к данным.

Почему спор о метрике становится архитектурой

Расхождение в отчётах редко начинается с большой аварии. Одна команда добавила фильтр. Другая взяла другой источник. Третья изменила справочник. В итоге у всех есть «правильные» цифры, которые не сходятся.

Архитектор разбирает происхождение значения. Откуда пришло событие. Кто владеет источником. Где оно изменилось. Какая проверка качества должна была сработать.

Зрелость видна тогда, когда после решения появляется правило для следующих похожих случаев.

Граница с инженерией данных

Инженер данных строит потоки: забирает события, очищает, трансформирует и загружает их. Архитектор данных определяет, что эти потоки должны означать.

В зрелой команде роли не конкурируют. Архитектор задаёт модель, качество и владение. Инженер данных превращает это в надёжную обработку.

На собеседовании архитектору важно показывать не только инструменты. Нужны договорённости: владелец данных, согласованные определения, контроль качества и результат для пользователей аналитики.

Data Architect, Data Engineer, DBA и BI: где граница

Архитектора данных часто путают с соседними data-ролями. Разница не в SQL, а в уровне ответственности: поток данных, база, отчёт или правила всей системы данных.

Data Architect

Отвечает за модель данных, домены, владельцев, качество, доступы, каталог и единый смысл метрик между командами.

Data Engineer

Строит потоки данных: загрузку, трансформации, расписания, обработку ошибок, производительность и надёжность пайплайнов.

DBA

Отвечает за конкретные базы: доступность, производительность, резервное копирование, права, эксплуатацию и стабильность хранения.

BI и аналитики

Строят отчёты, метрики и выводы для бизнеса. Архитектор данных делает так, чтобы источники и определения этих отчётов были согласованы.

Что такое архитектура данных в компании

Архитектура данных - это не только схема таблиц. Это правила, по которым данные появляются, проходят через системы, получают владельца, проверяются и становятся пригодными для решений.

Модель и домены

Нужно договориться, что такое клиент, заказ, платёж, событие и активный пользователь. Без этого отчёты начинают спорить между собой.

Источник правды

Для важных сущностей должен быть понятный источник. Команда должна знать, где показатель считается правильно и кто отвечает за его изменение.

Качество и lineage

Архитектор фиксирует проверки качества и происхождение данных. Так видно, откуда пришла ошибка и какие витрины она затронула.

Доступы и ответственность

Данные должны быть полезными и безопасными. Поэтому нужны владельцы, правила доступа, классификация чувствительных полей и понятный порядок изменений.

Чем занимается архитектор данных

Система

данные, api, статусы и интеграции

  • Проектировать модели данных, связи между сущностями, слои хранилища, витрины, каталоги и правила владения.
  • Договариваться, как проверять качество данных: свежесть, полноту, происхождение, допустимые расхождения и зону ответственности владельцев.
  • Определять правила доступа, безопасность, классификацию чувствительных данных и ограничения использования.
  • Поддерживать каталог данных, правила именования и описание зависимостей, чтобы новая витрина не появлялась из воздуха.
Команда

согласование и работа с разработкой

  • Согласовывать определения метрик, источников и справочников между бизнесом, аналитикой, продуктом и инженерными командами.
  • Оценивать, как изменение в одном источнике повлияет на витрины, отчёты, модели и соседние команды.

Как выглядит работа по задаче

Работа начинается с поиска смысла и владельца: какие данные существуют, кто их создаёт, кто использует и где возникают расхождения. Затем архитектор проектирует модель, согласует правила качества и помогает инженерам закрепить договорённости в потоках и витринах.

Шаг 01

Картирует источники

Разбирает системы-источники, сущности, справочники, владельцев, текущие витрины и места, где показатели расходятся.

Шаг 02

Моделирует домен

Описывает сущности, связи, определения, уровни детализации, правила изменения и допустимые трактовки.

Шаг 03

Закрепляет качество

Определяет проверки полноты, актуальности, уникальности, происхождения, допустимых расхождений и реакции на сбой.

Шаг 04

Согласует доступ

Фиксирует, кто может видеть, менять и использовать данные, какие ограничения связаны с безопасностью и регуляторикой.

Шаг 05

Встраивает в практику

Передаёт правила инженерам и аналитикам, обновляет каталог, документацию и процесс изменения модели.

Архитектор данных и Инженер данных: в чём разница

Короткая карта соседних ролей такая: Data Architect отвечает за смысл и правила данных. Data Engineer строит потоки. DBA держит базы. BI и аналитики превращают данные в отчёты и выводы.

01
Фокус
Архитектор данных

Модель данных, определения, владение, качество, доступы и развитие системы данных.

Инженер данных

Потоки данных, загрузки, трансформации, оркестрация, производительность и стабильность обработки.

02
Рабочий материал
Архитектор данных

Домены, сущности, источники, витрины, каталоги, метрики, справочники и правила качества.

Инженер данных

ETL/ELT-процессы, SQL, очереди, пакетная и потоковая обработка, потоки обработки и инфраструктура данных.

03
Цена ошибки
Архитектор данных

Компания теряет доверие к отчётам, спорит о метриках и принимает решения на разных версиях правды.

Инженер данных

Данные не загружаются, обрабатываются с задержкой, ломают витрины или создают технический долг в потоках.

04
Результат
Архитектор данных

Команды одинаково понимают данные, знают владельцев и используют согласованные правила качества.

Инженер данных

Данные доставляются, трансформируются и обновляются надёжно, предсказуемо и с нужной производительностью.

Навыки архитектора данных: что требуют работодатели

Работодатели ждут опыта с моделированием данных, хранилищами, SQL, ETL/ELT-подходами, BI, каталогами данных, качеством и управлением доступом. Но список инструментов сам по себе мало что доказывает. Архитектор данных нужен там, где без общей модели ломается доверие к отчётам, а без правил владения каждая команда начинает считать показатели по-своему.

Сильный кандидат показывает кейсы с конфликтующими источниками, спорными определениями, дублирующими витринами или слабым владением данными. Важно объяснить, как находилась причина расхождения, кто стал владельцем, какие проверки качества появились и почему команда снова начала доверять результату.

На старших позициях требуется не только техническая, но и организационная зрелость. Бизнес хочет быстрый отчёт, аналитики — гибкость, инженеры — устойчивую обработку, безопасность — контроль доступа. Архитектор должен провести схему через эти интересы и превратить её в рабочие правила, а не просто нарисовать красивую диаграмму.

В текущем активном срезе по этой роли 5 вакансий. Список работодателей ниже построен по накопленной статистике SkillStat, поэтому его нужно читать как ориентир по источникам вакансий, а не как долю текущего рынка.
Топ работодателей
Компании, которые встречаются в вакансиях по профессии Архитектор данных
1
Сбер. IT
10 вак.
2
ООО ИК СИБИНТЕК
7 вак.
3
НОВАТЭК
5 вак.
4
Альфа-Банк. ИТ-специалисты
4 вак.
5
VK, VK Tech
4 вак.
6
ООО Аренадата Софтвер
4 вак.
Навыки из вакансий % вакансий, где навык явно упомянут работодателем.
Навыки и инструменты, которые работодатели чаще всего указывают в вакансиях по этой роли.
Моделирование и SQL
SQL 100% DWH 60%
Вход через junior
0%
от рынка

Рынок ориентирован на опытных специалистов.

Навыков на вакансию
9
в среднем

Столько требований работодатели обычно собирают в одной позиции по этой роли.

Современный стек Data Architect

Стек архитектора данных строится вокруг модели, хранилищ, потоков, качества и каталога. Инструмент важен только тогда, когда закрепляет договорённость о смысле данных.

Моделирование и SQL

SQL, DWH, нормализация, денормализация, витрины, справочники, мастер-данные и правила расчёта метрик.

Потоки данных

ETL/ELT, Airflow, dbt, Kafka, object storage и правила изменения схем. Архитектор должен понимать, как данные проходят путь до витрины.

Governance

Каталог данных, владельцы, качество, lineage, классификация доступа, документация и правила подключения новых источников.

Смежные роли

Роли, с которыми архитектор данных чаще всего пересекается или из которых приходит в data architecture.

Data Engineer Data Analyst BI-аналитик Администратор баз данных Системный аналитик Backend-разработчик

Сколько зарабатывает Архитектор данных

Для архитектора данных сейчас доступна рыночная оценка дохода, а не точная медиана только по текущим активным вакансиям. Её лучше читать вместе с подписью источника и структурой рынка по уровням.
Оценка зарплаты Оценка
165 000₽
Москва и МО · Оценка по профессии и близкому рынку
Последний месячный срез профессии (2026-03) · n=6
Рынок направления · n=8
Опора оценки
1
наблюдений в опорном срезе
Диапазон и позиция в зарплатном рейтинге не показаны: зарплата рассчитана в estimated-режиме, поэтому SkillStat не выводит эти значения, чтобы не создавать ложную точность.
Числа по зарплате лучше смотреть в live-блоке SkillStat. В тексте важнее природа дорогих задач: масштаб данных, цена ошибки, влияние на отчётность и число команд, которые зависят от общей модели.
Зарплата по грейдам
Медиана зарплаты по грейду. n — выборка вакансий с указанной суммой.

Для estimated-режима грейдовые зарплаты не показываются, чтобы не создавать ложную точность.

Распределение по уровням
Senior
100% рынка
Senior
100%
По структуре вакансий видно, какой уровень для этой профессии считается базовым на рынке. Это помогает читать грейды не как абстрактную лестницу, а как реальную точку входа и роста.
Дополнительный разбор

Где начинается рост

На начальном и среднем уровне ценятся SQL, моделирование, DWH, витрины и потоки данных. Архитектурная ценность появляется там, где специалист связывает техническую схему с бизнес-смыслом и владельцами.

Что говорит структура рынка

Дорого стоят задачи, где показатель влияет на финансы или регуляторную отчётность. Ещё выше ценятся риск-модели, персонализация и крупные data-платформы. Если ошибка в определении метрики ведёт к неверному решению, компания платит за архитектуру, которая предотвращает спор заранее.

Что ограничивает доход

На старших позициях архитектор задаёт стандарты организации: модель доменов, качество, каталог, доступы, владение и развитие платформы показателей.

Вакансии архитектора данных: спрос и динамика рынка

Спрос на архитектора данных лучше читать как сочетание объёма найма, ранга профессии в общей выборке и устойчивости вакансий во времени. Виджеты выше дают быстрый срез рынка, а график ниже помогает понять, насколько этот спрос поддерживается от месяца к месяцу.

Активные вакансии
5
в активном найме
Москва и МО · текущий срез 23.06.26
7 дней назад
18
16.06.26 -72%
30 дней назад
51
24.05.26 -90%
Спрос
2
из 100
Ранг по спросу
#63 из 71
Статус
Низкий
Среднее число активных вакансий по месяцам
Блок показывает среднее число активных вакансий за месяц, чтобы видеть общую картину без шума отдельных дней.
июнь 33 неполный -16
май 49 +7
апрель 42 +3
март 39 -3
февраль 42
Июнь пока показан как текущий неполный месяц, поэтому его лучше читать как живую картину рынка, а не как итог месяца.
Дополнительный разбор

Спрос на архитекторов данных растёт там, где компании накопили много источников, отчётов, команд и противоречивых определений. Пока данных мало, проблему можно скрывать ручными пояснениями. Когда появляются десятки витрин, ML-модели, продуктовая аналитика, финансы, маркетинг и регуляторные требования, без архитектуры данные начинают спорить друг с другом.

Рынок ищет специалистов, которые понимают и инженерию, и смысл. Недостаточно уметь построить хранилище. Нужно ещё объяснить, чем клиент отличается от аккаунта, какой заказ считать оплаченным, кто владеет справочником, где фиксируется источник истины и как команда узнает, что показатель сломался.

Названия вакансий стоит читать через требования. Если в описании главное — загрузки, Airflow и Spark, это ближе к инженерии данных. Если от кандидата ждут модель доменов, правила качества, каталог, владельцев и согласование метрик между командами, это архитектурная работа, даже если название роли сформулировано иначе.

ИИ ускоряет написание запросов, документации и первичный анализ схем, но не решает конфликт владельцев и определений. Он может предложить SQL, но не знает, какую выручку признаёт финансовый отдел и почему продуктовая команда считает иначе. Поэтому ценность архитектора данных остаётся в наведении смысла, правил и ответственности.

Формат работы архитектора данных

Этот срез показывает, в каком формате работодатели чаще всего открывают вакансии по профессии: удалённо, гибридно или с полной привязкой к офису.

Сейчас сильнее всего выражен офисный формат: его отрыв от следующего сценария составляет около 20 п.п.
Удалённо
0%
Гибрид
40%
Офис
60%
По 5 вакансиям

Карьерный путь архитектора данных

Грейдовые медианы не показаны: для архитектора данных сейчас используется estimated-режим зарплаты, поэтому SkillStat не выводит отдельные зарплаты по уровням, чтобы не создавать ложную точность.

01
Junior

Прямой стартовый вход в архитектуру данных встречается редко. Обычно начинают с аналитики, инженерии данных, BI или разработки хранилищ: учатся SQL, моделированию, источникам, витринам и качеству показателей.

02
Middle

Middle уже ведёт отдельные модели, витрины или домены данных. Он согласовывает определения, проектирует связи, учитывает ограничения источников и помогает инженерам данных не создавать лишние дубли.

03
Senior

Senior отвечает за архитектуру данных на уровне нескольких доменов или платформы. Он видит последствия изменения источника, задаёт правила качества, доступа, владения и помогает командам договориться о спорных метриках.

04
Lead

Главный архитектор данных определяет целевую модель, принципы платформы, управление данными, каталогизацию, безопасность и развитие практик в компании. Его работа становится одновременно технической и организационной.

Где работает архитектор данных

Корпоративная аналитика

Нужны единые определения клиентов, договоров и выручки. Отдельно фиксируются подразделения, справочники и правила управленческой отчётности.

Платформы данных

Архитектор задаёт слои хранения и принципы витрин. Также отвечает за каталог, качество, владение и подключение новых источников.

Продуктовые и ML-команды

Важны события, признаки, эксперименты и пользователи. Если доступы и качество описаны плохо, продуктовые решения быстро теряют опору.

Путь в профессию: архитектором данных

Практический путь входа в профессию: что освоить сначала, как собрать рабочую базу и на чём быстрее всего набирается прикладная уверенность.

01
Набрать техническую базу

Освоить SQL, моделирование данных, DWH, витрины, ETL/ELT, качество, доступы и основы BI.

02
Работать с доменом

Выбрать область данных: клиенты, заказы, платежи, события продукта, маркетинг или справочники, и понять бизнес-смысл сущностей.

03
Разобрать расхождение

Найти кейс, где отчёты не сходятся, описать источники, определения, владельцев и предложить правило исправления.

04
Документировать модель

Фиксировать сущности, связи, определения метрик, происхождение данных, проверки качества и правила доступа.

05
Расширять масштаб

Переходить от одной витрины к домену, затем к нескольким доменам, каталогу, управлению качеством и архитектуре платформы.

Roadmap Data Architect на 9-12 месяцев

Маршрут подходит аналитику, BI-специалисту, data engineer или backend-разработчику, который уже работал с данными. Цель - перейти от отдельных таблиц к правилам системы данных.

01

1-2 месяц: SQL и модели

Повторить SQL, ключи, связи, нормализацию, денормализацию, витрины и типовые ошибки в моделях данных.

02

3 месяц: DWH и слои

Разобрать staging, core, marts, DWH, lakehouse, справочники, историю изменений и правила построения витрин.

03

4 месяц: ETL/ELT

Понять Airflow, dbt, Kafka и object storage на уровне архитектурных решений. Важно видеть не код, а путь данных.

04

5 месяц: качество

Описать проверки свежести, полноты, дублей, допустимых расхождений и влияния ошибки на отчёты.

05

6-7 месяц: владельцы и доступы

Разобрать data ownership, каталог, lineage, права доступа, чувствительные поля и порядок изменения определения метрики.

06

8-12 месяц: архитектурный кейс

Оформить домен данных: конфликт метрики, источники, модель, владельцы, качество, доступы, каталог и результат для команд.

Что добавить в портфолио архитектору данных

Сильное портфолио показывает не красивую ER-диаграмму, а решённый конфликт данных. Работодателю важно увидеть, как появилась общая модель и почему ей можно доверять.

01

Выбрать домен

Подойдёт клиент, заказ, платёж, товар, событие продукта или выручка. У домена должны быть источники, владельцы и спорные определения.

02

Показать конфликт

Опишите, где отчёты расходились, какие источники спорили и почему старую схему нельзя было просто исправить локально.

03

Собрать модель

Покажите сущности, связи, источники правды, витрины, правила качества, lineage и доступы.

04

Оформить решение

Добавьте README, словарь терминов, ADR, проверки качества, владельцев данных и ограничения модели.

Что спрашивают на собеседовании Data Architect

На интервью проверяют не только SQL и DWH. Сильного кандидата видно по тому, как он разбирает спорные метрики, владельцев, качество, доступы и последствия изменения схемы.

Модель данных

Как описать клиента, заказ, платёж, событие и справочник. Когда нужна нормализация, а когда витрина.

DWH и потоки

Как устроить слои хранилища, ETL/ELT, историю изменений, потоковые события и обработку изменения схем.

Качество и ownership

Кто владеет данными, какие проверки нужны, где хранится lineage и что делать, если отчёты расходятся.

Доступы и governance

Как классифицировать чувствительные данные, кто может читать витрину и как проводить изменение метрики без хаоса.

Ошибки новичков в архитектуре данных

Главная ошибка - думать, что архитектура данных равна схеме таблиц. В реальной компании проблема часто лежит в смысле метрик, владельцах и правилах изменения.

Рисовать схему без владельцев

Если никто не отвечает за сущность или метрику, схема быстро устаревает и перестаёт быть источником правды.

Не фиксировать определения

Клиент, заказ и выручка должны иметь согласованное значение. Иначе каждая команда строит свою правду.

Игнорировать качество

Без проверок свежести, полноты, дублей и допустимых расхождений отчёт может выглядеть красиво и быть неверным.

Путать платформу и архитектуру

Новый DWH или каталог не решает проблему сам. Нужны правила, владельцы, понятные изменения и дисциплина использования.

Плюсы и минусы профессии

Плюсы

  • Работа влияет на доверие к аналитике, отчётности, ML-моделям и управленческим решениям.
  • Профессия соединяет инженерию, бизнес-смысл, методологию и организационные договорённости.
  • Навыки моделирования и управления качеством данных востребованы в крупных продуктах и корпорациях.
  • Сильные кейсы хорошо видны через устранение расхождений, дублирования и спорных метрик.
  • Есть рост в главный архитектурный трек, управление данными и развитие платформ данных.

Минусы

  • Много работы связано не с кодом, а с согласованием владельцев, определений и правил.
  • Результат часто становится заметен только после предотвращения будущего хаоса.
  • Нужно разбираться в бизнесе глубже, чем ожидают многие технические специалисты.
  • Без поддержки руководства архитектурные правила легко проигрывают срочным отчётам и локальным решениям.

Кому подойдет

Архитектура данных подходит людям, которым интересно наводить порядок в смыслах, источниках и правилах. Здесь нужна системность, терпение к спорным определениям, умение слушать бизнес и готовность защищать качество данных без высокомерия.

Подойдет

  • Умение переводить спор о метрике в понятную модель и правило расчёта.
  • Готовность договариваться с владельцами источников, аналитиками, инженерами и безопасностью.
  • Способность объяснять сложную схему без терминологического тумана.
  • Дисциплина в документации, каталогах, правилах качества и управлении доступом.
  • Навык видеть организационную причину проблемы, а не только технический дефект.
  • Умение отказывать локальному удобству, если оно создаёт долг для всей системы данных.

Не подойдет

  • Если хочется писать только запросы или строить отдельные потоки обработки без переговоров о смысле данных, архитектура будет тяжёлой.
  • Здесь много работы с владельцами, правилами, качеством и последствиями для других команд.

FAQ по профессии архитектор данных

Кто такой архитектор данных?

Это специалист, который задаёт модель данных и правила доверия к ним. В его зоне владельцы, качество и смысл метрик.

Какие навыки нужны архитектору данных?

Нужны SQL, моделирование и DWH. Ещё важны качество данных, lineage, доступы, каталог и умение договариваться о метриках.

Можно ли сразу стать архитектором данных?

Сразу сложно. Обычно сначала набирают опыт в BI, аналитике, DWH, data engineering или backend-разработке.

Что спрашивают на собеседовании?

Обычно спрашивают моделирование, DWH-слои и ETL/ELT. Ещё проверяют качество, lineage, доступы и спорные метрики.

Сколько зарабатывает архитектор данных?

Доход зависит от масштаба данных и цены ошибки. Текущие числа смотрите в live-блоке SkillStat.

Из какой роли проще перейти?

Проще всего из Data Engineer, BI, DWH или DBA. Подходит и системный аналитик или backend-разработчик с опытом данных.

Как будет меняться роль дальше?

Роль будет сильнее там, где компаниям нужно доверять аналитике, отчётности, продуктовым событиям и моделям на данных.

Как понять, что архитектура данных хорошая?

Команды одинаково понимают метрики. Они знают владельцев, видят происхождение данных и не строят витрины поверх спора.

Как понять, что роль мне подходит?

Вам должно быть интересно спорить о смысле метрик, владельцах, качестве и правилах. Одного интереса к SQL мало.

Нужен ли опыт в бизнес-домене?

Да. Архитектор работает не только с таблицами. Ему нужен смысл клиента, заказа, выручки, события или продукта.

Стоит ли идти в эту роль?

Да, если вам интересно решать споры о смысле данных. Нет, если хочется только писать запросы или строить отдельные пайплайны.

Чем он отличается от BI-специалиста?

BI строит отчёты и дашборды. Data Architect делает так, чтобы источники, определения и владельцы этих отчётов были согласованы.

Чем он отличается от DBA?

DBA отвечает за конкретные базы. Архитектор данных смотрит шире: домены, источники, витрины, каталог и доверие к метрикам.

Чем Data Architect отличается от Data Engineer?

Data Engineer строит потоки данных. Data Architect отвечает за модель, смысл, владение, качество и развитие системы данных.

Что показать в портфолио?

Покажите конфликт данных. Например, спорную метрику и разные отчёты. Затем новую модель, владельцев и проверки качества.

Что такое источник правды?

Это согласованное место или правило, по которому команда считает данные правильными и понимает владельца показателя.