2026年のデータエンジニアの職務経歴書は、何よりもまず一つの問いで判断されます。あなたが構築したパイプラインは本番環境で動いているか、そしてそれが壊れたとき下流では何が起きるのか。職種名はノイズです。同じ仕事がデータエンジニア、アナリティクスエンジニア、データプラットフォームエンジニア、ETL開発者、あるいはソフトウェアエンジニア（データ）として募集され、書類を選別する応募者追跡システム（ATS）は、職種名の言葉ではなく、箇条書きの中の言葉で照合します。このガイドでは、何を証明すべきか、パーサーと採用マネージャーの両方に伝わる書き方、紙面に載せるべきキーワード、送信前のファイルの確認方法、いまも意味を持つ認定資格、そして確認可能な出典に基づくこの職種の報酬を解説します。
要点
- 本番パイプラインとその数字を先頭に置く：量（1日あたりのイベント数、月あたりのテラバイト数）、鮮度（ソースからの遅延分数）、信頼性（SLA達成、四半期あたりのインシデント数）、コスト（ウェアハウス費用の前後比較）。
- スタックは正確に名指しする。パーサーは文字列をそのまま照合します。「modern data stack」ではなく「Apache Spark」「Airflow」「dbt」「Snowflake」「Apache Iceberg」と書きます。
- スキル欄は4つの層に分ける：処理とオーケストレーション、ストレージとウェアハウジング、モデリングと品質、インフラと言語。採用マネージャーはこれらを4つの異なる能力として読みます。
- 地味な部分を数値化する。バックフィルした行数、実行失敗率、クエリのp95レイテンシ、スキャン1テラバイトあたりのコスト、テスト対象のテーブル数が、面接の連絡につながる数字です。
- 2026年の報酬は幅が広い：最も近い米国連邦職業分類の中央値が$126,760、Built Inに報告する企業の平均総報酬が$150,234、Levels.fyiのデータ領域ソフトウェアエンジニアの総報酬中央値が$171,000です。
2026年、データエンジニアの職務経歴書が証明すべきことは？
次の5つを、この順番で。
動いているパイプラインをオーナーとして担っている。 「携わった」パイプラインではありません。ワークロードを明記します：取り込んだソース数、1日のイベント数、月あたりのテラバイト数、DAGやジョブの数、下流の利用者。障害時に何が起き、自分がどう対処したかを書きます。
使う人のためにデータをモデリングしている。 アナリスト、データサイエンティスト、MLエンジニア、財務部門が皆あなたのテーブルを読みます。スキーマを意図して設計したことを示します：ディメンショナルモデル、Slowly Changing Dimension、セマンティックレイヤー、文書化された粒度。「注文マートをSCD Type 2の顧客ディメンションを持つスタースキーマとして再構築。アナリストのクエリ時間を40秒から3秒に短縮し、重複レポート14本を廃止」は、二度読まれる一文です。
コストとパフォーマンスを制御している。 ウェアハウスは秒単位・バイト単位で課金されます。「最大3テーブルのクラスタリング、ウェアハウスの適正サイズ化、夜間バックフィルの小型インスタンスへの移行により、Snowflakeのコンピュート費用を34%削減」と言える候補者は、ほとんどの応募者が持たないスキルを示しています。
データ品質をエンジニアリングとして扱っている。 テスト、コントラクト、リネージ、アラート、オンコール。品質の話がない職務経歴書は、ダッシュボードの誤りに気づいたアナリストにパイプラインを検証してもらっている人の職務経歴書に見えます。
境界をまたいで働ける。 データエンジニアは、ソースを所有するアプリケーションチーム、インフラを所有するプラットフォームチーム、そして出力を利用するアナリストやMLエンジニアの間に位置します。SQLを書いただけでなく、バックエンドチームとスキーマ変更を交渉した、自分のクラスターのTerraformを書いた、移行レビューを主導した、といったことを示します。
職務経歴書が証明する必要のないこと：CAP定理を説明できることや、ウィンドウ関数を記憶から書けること。それは面接で試されます。職務経歴書の役目は面接に進むことです。
職務要約はレベルごとにどう書くべきか？
3〜4行。職種名、年数、スタック、数字を伴う実績1つ、そして次に取り組みたい問題の種類。自分についての形容詞は不要です。
エントリーレベル（0〜2年、またはアナリティクスからの転身）
アナリティクス出身のデータエンジニア。本番環境でのバッチパイプライン構築経験18か月。従業員300名の企業で財務・プロダクトのレポーティングを支えるAirflow DAG 40本と、BigQuery上の210モデルからなるdbtプロジェクトを担当。全マートにdbtテストを追加し、データ品質に関するチケットを月11件から2件に削減。Python、SQL、dbt、Airflow、BigQuery、Terraform。ウェアハウスをプロダクトとして扱うチームを希望。
ミドルレベル（3〜6年）
データエンジニア、5年。ストリーミング取り込みとレイクハウス設計を専門とする。従業員1,200名のマーケットプレイスで、夜間バッチからDatabricks上のKafkaとSpark Structured Streaming（Delta Lake）への移行を主導し、注文データの遅延をソースから24時間を5分未満に短縮、月間コンピュート費用を28%削減。180テーブルを対象とするデータコントラクトとGreat Expectationsの層を構築。Python、Scala、Spark、Kafka、Delta Lake、Airflow、AWS。
シニア／スタッフ（7年以上）
ウェアハウジング、ストリーミング、プラットフォームにわたる10年の経験を持つスタッフデータエンジニア。1日90億件のイベントを処理する企業のデータプラットフォームを統括：Kafka、Flink、S3上のIceberg、Snowflake、Airflow、およびそれらすべてを支えるTerraform。レガシーHadoopクラスターからレイクハウスへの移行を主導し、年間$1.8Mを削減、600ジョブを廃止。エンジニア4名をマネジメントし、組織のオンコール、SLA、データガバナンスの基準を策定。
それぞれが何をしているかに注目してください。ワークロードの数字、前後比較の数字、そして具体的なスタック名。パーサーはキーワードを得て、マネージャーは読み続ける理由を得ます。
強いデータエンジニアの実績の箇条書きとは？
パターンはこうです：動詞、構築したもの、スタック、測定された結果。以下の数字は例示です。自分の数字に置き換え、面接で説明できるものだけを残してください。
- 140のPostgreSQLテーブルをDelta Lakeにエンドツーエンド90秒未満のレイテンシで複製するCDCパイプライン（Debezium、Kafka、Spark Structured Streaming）を構築し、6時間かかっていた夜間バッチを置き換えた。
- 収益ドメインのディメンショナルモデル（ファクトテーブル12、ディメンション31、顧客と製品にSCD Type 2）をSnowflake上のdbtで設計・リリース。財務の月次締めが2日早まった。
- 最大5テーブルのクラスタリング、ウェアハウスの適正サイズ化、バックフィルの本番ウェアハウスからの分離により、Snowflakeのコンピュート費用を34%（年間$410K）削減。
- オンプレミスのHadoopクラスターからAWS GlueとAthenaを用いてS3上のApache Icebergへ1.2 PBを移行。38ノードを廃止し、テラバイトあたりのストレージコストを71%削減。
- 180のソーステーブルにデータコントラクトとGreat Expectationsスイートを導入。ダッシュボードに到達するスキーマ変更インシデントが四半期9件から1件に減少。
- cronとシェルスクリプトによるオーケストレーション層をAirflow（DAG 310本、タスク単位のリトライ、SLAアラート）に再構築。実行失敗率が4.2%から0.3%に低下。
- 1日90億件のイベントからリアルタイムの不正検知特徴量をexactly-onceセマンティクスで計算するFlinkジョブを構築。エンドツーエンドのp99レイテンシは800 ms。
- dbtプロジェクト（640モデル、2,100テスト、全プルリクエストでCI）を統括。インクリメンタルロジックのリファクタリングと未使用モデル112本の削除により、モデル実行時間の中央値を46%短縮。
- パーティション化・クラスタリングされたテーブルと再開可能なBeamパイプラインを用いて、4年分のクリックストリーム（380億行）をBigQueryにバックフィル。11日で完了し、照合時の重複行はゼロ。
- データプラットフォームのTerraformモジュール（EMR、MSK、Glueカタログ、IAM）を3環境分作成。新環境のプロビジョニングが2週間から40分に短縮。
- データカタログのリネージを用いて22データセットにわたるGDPR削除パイプラインを主導。8四半期連続で全削除リクエストを30日以内に完了。
- アナリスト3名をアナリティクスエンジニアリングの役割へ指導。うち2名は現在、本番のdbtドメインを担当。
ルールは3つ。「手伝った」「参加した」ではなく、自分の貢献を表す動詞（構築、主導、統括、設計、移行）で始めること。可能なら数字を最初の節に置くこと。ツール名は文中に書くこと。パーサーはそこで見つけます。手法の全体はインパクトを数値化する職務経歴書の箇条書きの書き方を参照してください。
データエンジニアの職務経歴書に載せるべきATSキーワードは？
ATSは推論しません。求人票に「ELT」とあり、職務経歴書に「データ統合」とあれば、ほとんどのシステムは両者を結びつけません。求人票を読み、自分に当てはまる範囲でその正確な用語をそのまま反映し、該当する箇所で以下のリストをカバーします。
| グループ | 該当する場合にそのまま使うキーワード |
|---|---|
| 処理とオーケストレーション | Apache Spark, PySpark, Apache Airflow, dbt, Apache Kafka, Apache Flink, Spark Structured Streaming |
| ストレージとウェアハウジング | Snowflake, BigQuery, Databricks, Amazon Redshift, AWS Glue, Delta Lake, Apache Iceberg, lakehouse |
| 言語 | Python, SQL, Scala |
| モデリングとデータ移動 | data modeling, dimensional modeling, star schema, slowly changing dimensions (SCD), ELT, ETL, change data capture (CDC) |
| 品質とガバナンス | data quality, Great Expectations, data contracts, data lineage, data observability |
| インフラ | Terraform, Kubernetes, Docker, CI/CD, Amazon S3 |
職務経歴書全体でこのうち30〜40語というのが、シニア候補者では普通です。当てはまる場所に置きます：スタックはスキル欄に、手法は箇条書きに。表をそのまま貼り付けてはいけません。文脈のないキーワードは読み手に何も伝えず、カンマ区切りの用語の塊を低く評価するパーサーもあります。
統一すべき表記が4つあります。「extract, transform, load (ETL)」を一度書き、以降は「ETL」。「change data capture (CDC)」を一度書き、以降は「CDC」。「Amazon Web Services (AWS)」を一度書き、以降は「AWS」。「Apache Spark」を一度書き、以降は「Spark」。求人票はどちらの形も使い、完全一致型のシステムはそれらを別のトークンとして扱います。
解消すべき曖昧さが1つ。「データレイク」と「レイクハウス」は、採用マネージャーにとって同義語ではありません。自分が運用していたものを表す方を使ってください。
データエンジニアの職務経歴書がATS対応かどうかをどう確認する？
パーサーが出会う順に10項目。仕上がったらファイルをATSチェッカーに通してください。以下のフォーマット問題の大半を検出します。
- ファイル形式。 PDFまたはDOCX、1カラム、レイアウト用の表やテキストボックス、解析してほしいヘッダー・フッターの内容は不可。2カラムのレイアウトは、パーサーが上から下へ読む際にスキルと職歴を交互に混ぜてしまいます。
- 標準的な見出し。 「職務経歴」「スキル」「学歴」「資格」。パーサーは見出しのテキストでセクションを対応付けます。「私がリリースしてきた場所」は何にも対応しません。
- 職種名の一致。 求人票の職種名ファミリーを職務要約の行に、そして事実に反しない範囲で直近の職種名に入れます。社内の職種名が「Member of Technical Staff」なら、「Member of Technical Staff (Data Engineering)」と書き、括弧に働かせます。
- 必須ツールはそのままの表記で。 求人票の「必須」にあるツールはすべて、求人票と同じ綴りで、使ったことがわかる文の中に少なくとも一度登場させます。
- 正式名称と略称の両方。 ETLとextract, transform, load。CDCとchange data capture。AWSとAmazon Web Services。両方の形をそれぞれ少なくとも一度。
- 箇条書きの半数以上に数字。 量、レイテンシ、コスト、信頼性、人数。パーサーは数字を採点できませんが、上位にランクされた職務経歴書を開くリクルーターはできます。
- 一貫した日付。 すべての職歴で「YYYY年M月 – YYYY年M月」。パーサーは日付から在籍期間を計算します。形式が混在すると在籍期間が誤ったり、職歴が落ちたりします。
- 壁ではなく、グループ化されたスキル。 ラベル付きの4行（次のセクション参照）。カンマ区切りの用語40個の塊を低く評価するパーサーもあり、人間は例外なくそうします。
- 隠し要素なし。 白文字のキーワード、アイコンや画像内のスキル、スキルバーのグラフィックは禁止。パーサーは画像を読み飛ばし、白文字の詰め込みを見つけたリクルーターはファイルを却下します。
- プレーンテキストの連絡先ブロック。 氏名、市と都道府県、電話番号、メールアドレス、LinkedInのURLをテキストで。ハイパーリンク付きアイコンにしないこと。ファイル名は
姓-名-Data-Engineer.pdfとします。リクルーターがダウンロードフォルダで最初に読むものです。
スキル欄はどう構成すべきか？
ラベル付きの4行。アルファベットのごった煮ではなく。
処理とオーケストレーション： Apache Spark (PySpark, Structured Streaming), Apache Kafka, Apache Flink, Apache Airflow, dbt ストレージとウェアハウジング： Snowflake, BigQuery, Databricks, Delta Lake, Apache Iceberg, Amazon S3, Redshift モデリングと品質： ディメンショナルモデリング, SCD Type 2, データコントラクト, Great Expectations, dbtテスト, データリネージ インフラと言語： Python, SQL, Scala, Terraform, Kubernetes, Docker, GitHub Actions, AWS, Google Cloud
採用マネージャーはこれを4秒で読み、あなたがインフラも運用できるウェアハウス＆モデリング型のエンジニアなのか、モデリングもできるストリーミング＆プラットフォーム型のエンジニアなのかを把握します。どちらも採用対象です。箇条書きが別のことを語っているのに、第三の何か、つまり機械学習エンジニアを装うことが、職務経歴書を脇に置かれる原因です。
2026年の求人票に典型的に現れる、必須と歓迎の区分：
| 通常は必須 | しばしば歓迎 |
|---|---|
| SQLとPython、本番パイプラインの経験 | 大規模なSparkとFlink向けのScalaまたはJava |
| クラウドウェアハウスまたはレイクハウスのいずれか1つ（Snowflake、BigQuery、Databricks、Redshift） | それらの間の移行経験、または2つの同時運用経験 |
| オーケストレーター（Airflow、Dagster、Prefect）と、dbtまたは同等の変換レイヤー | exactly-once配信を伴うストリーミング（Kafka、Flink、Kinesis） |
| データモデリング：ディメンショナル、正規化、そしてそれぞれの使い分け | Data Vault、レイクハウスのテーブルフォーマット（Iceberg、Delta、Hudi） |
| データ品質のテストとモニタリング | データカタログ、リネージ、ガバナンスツール、規制対象データの経験 |
| クラウドの基礎（IAM、オブジェクトストレージ、ネットワークの基本） | TerraformまたはKubernetesのオーナーシップ、コスト管理 |
データエンジニアの職務経歴書で、いまも価値のある認定資格は？
ほとんどのソフトウェア職種より価値があります。スタックを支配するベンダーが試験を運営し、採用マネージャーがそれを認識しているからです。それでも本番での実績はどの証明書より上位です。以下はすべて2026年10月にベンダーのページで確認しました。
- Google Cloud Professional Data Engineer。 2時間の試験、多肢選択・複数選択の40〜50問、$200（該当する場合は税別）。Googleは3年以上の業界経験、うち1年以上のGoogle Cloudでのソリューション設計・管理経験を推奨。前提条件はなし。有効期間2年。更新試験は1時間、20問、$100。求人票にBigQuery、Dataflow、Pub/Subがあれば関連。
- AWS Certified Data Engineer – Associate。 130分、65問、$150、多肢選択と複数回答。AWSは理想的な候補者を、データエンジニアリングまたはデータアーキテクチャで2〜3年相当、AWSサービスの実務で1〜2年と説明。有効期間3年。求人票にGlue、Redshift、EMR、Kinesis、Athenaがあれば関連。
- Databricks Certified Data Engineer Associate。 採点対象45問、90分、$200、多肢選択、有効期間2年、前提条件なし。出題比率はデータ変換とモデリング22%、データ取り込みとロード21%、Lakeflow Jobs 16%、ガバナンスとセキュリティ15%。DatabricksまたはDelta Lakeを挙げるあらゆる求人票に関連。
- Databricks Certified Data Engineer Professional。 採点対象59問、120分、$200、多肢選択、有効期間2年。PythonとSQLによるデータ処理コードの開発（22%）とコスト・パフォーマンス最適化（13%）に重み。シニアのレイクハウス職には記載する価値あり。Associateだけではシニアの職務経歴書は動きません。
- SnowPro Core Certification (COF-C03)。 受験1回あたり$175。SnowflakeはSnowflakeの使用経験6か月以上を推奨。Snowflakeトラックの入り口。求人票がウェアハウスとしてSnowflakeを挙げていれば関連。
- SnowPro Advanced: Data Engineer (DEA-C02)。 受験1回あたり$375。Snowflakeは本番環境でのデータエンジニアとしての実務経験2年以上を推奨。シニアのSnowflake候補者を際立たせるのはこれです。
求人票のプラットフォームに合うものを選びます。6つすべてを持っていることは試験勉強をしている人であることを示し、志望企業が使っている1つを持っていることは月曜から始められることを示します。ベンダーの表記どおりの正式名称と取得年を記載します。リクルーターは正確な名称で検索します。講座の修了証（ブートキャンプ、MOOC）は末尾に1行でまとめるか、載せないこと。経験者の職務経歴書を動かすことはなく、ジュニアの職務経歴書を薄めます。
2026年、データエンジニアの年収は？
3つの出典、3つの異なる母集団。応募先の企業に合うものを使ってください。
| 出典 | 母集団 | 数値 |
|---|---|---|
| 米国労働統計局（U.S. Bureau of Labor Statistics）、Occupational Outlook Handbook | データベース管理者およびアーキテクト。そのアーキテクトが「システムやアプリケーションのための新しいデータベースを設計・構築する」とされる連邦職業分類（2025年に144,500職、うちアーキテクト69,500職） | 年収中央値$126,760（2025年5月）。データベースアーキテクト：下位10%は$86,240未満、上位10%は$204,000超。2025年から2035年の予測成長率4% |
| Built In | 同プラットフォーム上の米国企業に勤めるデータエンジニアの自己申告、2026年 | 平均基本給$125,983、平均追加現金報酬$24,251、平均総報酬$150,234、中央値$120,000、報告レンジは最大$300K。経験1年未満$97,540、7年以上$141,418 |
| Levels.fyi | データ領域に特化したソフトウェアエンジニアの検証済みオファー、米国、3,070件、2026年10月更新 | 総報酬中央値$171,000。25パーセンタイル$125,400、75パーセンタイル$237,000、90パーセンタイル$327,000 |
連邦の行にデータベース管理者およびアーキテクトを使う理由：Occupational Outlook Handbookにはデータエンジニアの項目がなく、最も近い2つの職業がこれとソフトウェア開発者だからです。同ハンドブックのソフトウェア開発者の中央値は$134,040（2025年5月）、1,905,400職、2025年から2035年の予測成長率は10%です。テクノロジー企業で「Software Engineer, Data」の職種名なら、こちらの方が近い比較対象です。アーキテクトの行を表に入れたのは、その10〜90パーセンタイルの幅（$86,240〜$204,000）が、大手テクノロジー企業以外のデータエンジニアリング求人の提示額と一致するからです。
この差の読み方：BLSは政府、大学、保険会社、病院を含む経済全体を対象とします。Built Inはベンチャー支援およびミッドマーケットのテック企業に偏り、中央値$120,000が平均$150,234を下回っているのは右に長い裾があることを意味します。Levels.fyiは株式が総報酬の大きな割合を占める大手テクノロジー企業に偏ります。Built Inの経験年数別の内訳も注目に値します。1年未満（$97,540）から7年以上（$141,418）までの差は約45%で、これが経験者が同じ名前の次の段階ではなく、プラットフォーム、スタッフ、アーキテクトといった職種名を目指す理由です。
職務経歴書での使い方：給与の数字を紙面に書かないこと。自分がどのバンドで競っているかを判断し、そのバンドが期待する証拠を箇条書きが備えているかを確認するために使います。Levels.fyiの75パーセンタイルである$237,000のオファーが、量・コスト・信頼性の数字のない職務経歴書に出されることはほとんどありません。
データエンジニアの職務経歴書が落とされる原因は？
パイプラインではなくツールを列挙する。 「Spark、Airflow、Snowflake、dbtの経験」は、どの応募者でも書ける一行です。パイプラインを描写します：ソース、量、頻度、利用者、何が壊れ、何を直したか。
「ETLを担当」。 担当は実績ではありません。そのETLが何を、どの頻度で、どの速さで運び、あなたが手を入れる前後でいくらかかったかを書きます。
エンジニアリング職にアナリストの枠組み。 構築したダッシュボード、提供したレポート、支援したステークホルダーはアナリストの職務経歴書に属します。データエンジニア職では、ダッシュボードは利用者です。あなたの箇条書きは、その下にあるテーブルとその鮮度SLAです。
自分の担当ではなくプラットフォームを描写する。 「1日100億件のイベントを処理するプラットフォームに携わった」は、読み手に会社の規模を伝えるだけで、あなたの規模は伝えません。どのコンポーネントを担当し、担当中にその数字はどう動いたのか。
隠れたフォーマットの問題。 2カラムレイアウト、画像内のテキスト、スキルバーのグラフィックはパーサーを壊します。送信前に職務経歴書がどう解析されるかを確認してください。修正は通常5分です。アップロード後にファイルがどう扱われるかは2026年の応募者追跡システムの仕組みを参照してください。
SQLを埋もれさせる。 基本的すぎると感じてSQLを省く候補者がいます。すべての求人票がSQLを挙げ、すべてのリクルーターがSQLで検索し、その語がない職務経歴書はマッチを失います。
「どこから」のない移行の箇条書き。 「ウェアハウスをSnowflakeに移行」は文の半分です。何から、どれだけのデータを、どれだけの期間で、何を廃止し、いくら節約したのか。難しさは「どこから」にあり、読み手はそれを知っています。
企業タイプによって職務経歴書はどう変えるべきか？
スタートアップ（シードからシリーズB）。 幅と速さ。ウェアハウス、オーケストレーター、変換レイヤー、最初の品質テストを自分で立ち上げ、早い段階でコストの判断をしたことを示します。よりシンプルなツールを選んで会社にベンダー契約を1本節約させた、という箇条書きは好感を持たれます。
スケールしたテクノロジー企業。 1つの層での深さと、信頼性に対する厳密さ。SLA、オンコールのローテーション、インシデントレビュー、チーム間のスキーマ交渉を示します。規模は1日のイベント数、保存ペタバイト数、提供テーブル数で述べ、自分のコンポーネントを名指しします。
エンタープライズ（金融、医療、保険、小売）。 ガバナンスとリネージ。データカタログ、アクセス制御、PIIの取り扱い、保持・削除パイプライン、監査証跡、規制対象データ（HIPAA、SOX、GDPR）の経験に言及します。オンプレミスシステムからクラウドウェアハウスへの移行経験は、ここでは強いシグナルです。
コンサルティングとエージェンシー。 クライアントのスタックをまたぐ幅と、期限内に納品してきた実績。業界、プラットフォーム、案件ごとの成果を挙げます。クライアントが名指しで求めるため、認定資格はこのセグメントで最も重みを持ちます。
データプラットフォームベンダーとそのパートナー。 その1つのプラットフォームと認定トラックでの深さが職務経歴書の大半を占めます。そのエコシステムでのコミュニティ貢献、講演、オープンソース活動は上部に置きます。
データエンジニアの職務経歴書の長さと構成は？
経験約6年までは1ページ、それ以降は2ページ。順序：職務要約、スキル（4行）、職務経歴（新しい順、1職あたり3〜6項目の箇条書き）、証拠を加える場合に限り主要プロジェクトまたはオープンソース、最後に学歴と資格。学歴が上に来るのは新卒のみ、資格が上に来るのは求人票が必須として挙げている場合のみです。
職務経歴のセクションでは、各職の最初の箇条書きを最も大きな数字を持つものにします。リクルーターは最初の箇条書きを読み、残りは流し読みします。最初の1つにその職を背負わせてください。
LinkedInプロフィールは職務経歴書と一致させます：同じ職種名、同じ日付、同じヘッドラインのスタック。ATSであなたを見つけたリクルーターは、電話の前にLinkedInを確認します。LinkedInプロフィール最適化ガイドを参照してください。
よくある質問
データエンジニアとアナリティクスエンジニアの職務経歴書の違いは？
2026年には職種名が重なり合い、ATSは職種名ではなくスキルで照合します。アナリティクスエンジニアの求人は変換レイヤー（dbt、SQLモデリング、セマンティックレイヤー、テスト）が中心でアナリストに近く、データエンジニアの求人はそこに取り込み、ストリーミング、オーケストレーション、インフラが加わります。両方をカバーしているなら職務要約でそう述べ、データエンジニア職では取り込みとインフラの箇条書きを、アナリティクスエンジニア職ではモデリングとテストの箇条書きを先頭に置きます。
データエンジニアはGitHubやポートフォリオのリンクを載せるべき？
レビュアーが5分で読めるものがあるなら、はい：文書化されたパイプラインのリポジトリ、テスト付きのdbtプロジェクト、Airflow、dbt、Spark、Icebergなどエコシステム内のプロジェクトへの貢献。講座のノートブックが入ったフォルダなら、いいえ。強いリンク1つは、リポジトリ40個のプロフィールに勝ります。
データエンジニアの職務経歴書がATSを通過するにはキーワードがいくつ必要？
魔法の数はありません。求人票の必須スキルを正確な用語でカバーし、正式名称と略称の両方（ETLとextract, transform, load、CDCとchange data capture）を使い、各キーワードが使用経験を示す文の中に現れるようにします。ほとんどのシステムはマッチの質と新しさでランク付けし、ATS内で検索するリクルーターは正確な文字列を打ち込みます。リクルーターがATS内でどう検索するかを参照してください。
データエンジニアとして採用されるにはコンピュータサイエンスの学位が必要？
いいえ。この職種に最も近い連邦職業分類は典型的な入職時の学歴として学士号を挙げていますが、2026年の求人票は定量系の学位と本番経験の組み合わせ、あるいはミドル職なら経験のみを日常的に受け入れています。多くのデータエンジニアはアナリティクス、データベース管理、バックエンド開発から来ています。職務経歴書はリリースしたパイプラインで決まり、学位の行では決まりません。
会社がバッチのみだった場合、ストリーミング経験はどう示す？
捏造しないこと。隣接するスキルを示します：インクリメンタルモデル、CDC、冪等な再処理、遅延到着データの処理、鮮度SLAは、ストリーミングチームが解く問題と同じです。KafkaやFlinkで概念実証を作ったなら、本番経験ではなく範囲を明記したプロジェクトとして記載します。
データエンジニアの職務経歴書にAIやLLMの仕事を載せるべき？
実体があるなら、はい：モデル向けの特徴量パイプライン、生成・保存したエンベディング、構築・更新した検索コーパス、自分が管理する評価データセット。これらはデータエンジニアリングの仕事です。「AIに携わった」ではなく、量と鮮度の数字を伴うパイプラインとして書きます。目指す職がモデル側なら、AIエンジニアの職務経歴書ガイドが何が変わるかを説明しています。
関連ガイド
- 2026年の応募者追跡システムの仕組み
- インパクトを数値化する職務経歴書の箇条書きの書き方
- リクルーターがATS内でどう検索するか
- 2026年版LinkedInプロフィール最適化ガイド
- AIエンジニアの職務経歴書ガイド
出典
- U.S. Bureau of Labor Statistics, Occupational Outlook Handbook: Database Administrators and Architects — 年収中央値$126,760（2025年5月）、2025年の職数144,500（うちアーキテクト69,500）、データベースアーキテクトの10パーセンタイルおよび90パーセンタイルの賃金、2025〜35年の予測成長率4%、典型的な入職時の学歴。
- U.S. Bureau of Labor Statistics, Occupational Outlook Handbook: Software Developers, Quality Assurance Analysts, and Testers — 年収中央値$134,040（2025年5月）、2025年の職数1,905,400、2025〜35年の予測成長率10%。
- Levels.fyi: Data Software Engineer salaries, United States — 総報酬中央値$171,000、25・75・90パーセンタイル、3,070件（2026年10月11日更新）。
- Built In: Data Engineer salary in the US — 平均基本給$125,983、追加現金報酬$24,251、総報酬$150,234、中央値$120,000、経験年数別の内訳（2026年）。
- Google Cloud: Professional Data Engineer certification — 試験時間、問題数、価格、推奨経験、有効期間、更新試験の詳細。
- AWS Certified Data Engineer – Associate — 130分、65問、$150、推奨経験、有効期間3年。
- Databricks Certified Data Engineer Associate — 45問、90分、$200、有効期間2年、出題領域の比率。
- Databricks Certified Data Engineer Professional — 59問、120分、$200、有効期間2年、出題領域の比率。
- Snowflake: SnowPro Core Certification (COF-C03) — 受験1回あたり$175、推奨されるSnowflake経験6か月以上。
- Snowflake: SnowPro Advanced: Data Engineer (DEA-C02) — 受験1回あたり$375、推奨される本番データエンジニアリング経験2年以上。
