CV inżyniera danych w 2026 roku ocenia się przede wszystkim przez jedno pytanie: czy zbudowane przez Ciebie pipeline'y działają na produkcji i co dzieje się niżej w łańcuchu, gdy się psują? Nazwy stanowisk są szumem. Ta sama praca ogłaszana jest jako data engineer, analytics engineer, data platform engineer, ETL developer albo software engineer, data, a system śledzenia kandydatów (ATS), który ją wstępnie selekcjonuje, dopasowuje słowa z Twoich punktów, nie słowa z Twojego tytułu. Ten poradnik pokazuje, co udowodnić, jak to sformułować, by zobaczył to zarówno parser, jak i hiring manager, które słowa kluczowe mają być na stronie, jak sprawdzić plik przed wysłaniem, które certyfikaty wciąż coś znaczą i ile płaci się na tym stanowisku według źródeł, które możesz sprawdzić.
Najważniejsze wnioski
- Zaczynaj od produkcyjnych pipeline'ów i ich liczb: wolumen (zdarzenia dziennie, terabajty miesięcznie), świeżość (minuty opóźnienia względem źródła), niezawodność (dotrzymane SLA, incydenty na kwartał) i koszt (wydatki na hurtownię przed i po).
- Nazywaj stack precyzyjnie. Parsery dopasowują dosłowne ciągi znaków: pisz „Apache Spark”, „Airflow”, „dbt”, „Snowflake”, „Apache Iceberg”, a nie „modern data stack”.
- Rozdziel w sekcji umiejętności cztery warstwy: przetwarzanie i orkiestracja, przechowywanie i hurtownie, modelowanie i jakość, infrastruktura i języki. Hiring managerowie czytają je jako cztery różne kompetencje.
- Kwantyfikuj nudne rzeczy. Wiersze uzupełnione backfillem, odsetek nieudanych uruchomień, latencja zapytań p95, koszt za przeskanowany terabajt i liczba tabel objętych testami to liczby, po których oddzwaniają.
- Zarobki w 2026 roku rozciągają się szeroko: mediana $126,760 dla najbliższego zawodu w amerykańskiej statystyce federalnej, średnie wynagrodzenie całkowite $150,234 w firmach raportujących do Built In i mediana wynagrodzenia całkowitego $171,000 dla inżynierów oprogramowania o profilu danych na Levels.fyi.
Co CV inżyniera danych musi udowodnić w 2026 roku?
Pięć rzeczy, w tej kolejności.
Odpowiadasz za pipeline'y, które działają. Nie za takie, nad którymi „się pracowało”. Podaj obciążenie: liczba źródeł, zdarzenia dziennie, terabajty miesięcznie, DAG-i lub joby, odbiorcy w dół łańcucha. Napisz, co się stało, gdy zawiodły, i jaka była Twoja reakcja.
Modelujesz dane dla ludzi, którzy ich używają. Analitycy, data scientiści, inżynierowie ML i finanse czytają Twoje tabele. Pokaż, że schematy zostały zaprojektowane celowo: modele wymiarowe, slowly changing dimensions, warstwa semantyczna, udokumentowane ziarno. „Przebudowa martu zamówień do schematu gwiazdy z wymiarem klienta SCD typu 2; czas zapytań analityków skrócony z 40 s do 3 s, 14 zdublowanych raportów wycofanych” to zdanie, które czyta się dwa razy.
Kontrolujesz koszty i wydajność. Hurtownie rozliczają się za sekundy i za bajty. Kandydat, który potrafi powiedzieć „obniżenie wydatków na compute w Snowflake o 34% dzięki klastrowaniu trzech największych tabel, dopasowaniu rozmiaru hurtowni i przeniesieniu nocnych backfilli na mniejszą instancję”, opisuje umiejętność, której większość aplikujących nie ma.
Traktujesz jakość danych jak inżynierię. Testy, kontrakty, lineage, alerty, dyżury. CV bez historii o jakości czyta się jak CV kogoś, czyje pipeline'y sprawdza analityk, który zauważa, że dashboard pokazuje błędne liczby.
Potrafisz pracować na styku zespołów. Inżynierowie danych siedzą między zespołami aplikacyjnymi, które są właścicielami źródeł, zespołami platformowymi, które są właścicielami infrastruktury, oraz analitykami i inżynierami ML, którzy konsumują wynik. Pokaż negocjację zmiany schematu z zespołem backendowym, Terraform napisany pod własny klaster albo prowadzenie przeglądu migracji, a nie tylko napisany SQL.
Czego CV nie musi udowadniać: że potrafisz wyjaśnić twierdzenie CAP albo napisać z pamięci funkcję okna. To sprawdzają rozmowy kwalifikacyjne. CV ma Ci załatwić rozmowę.
Jak powinno brzmieć podsumowanie zawodowe na każdym poziomie?
Trzy do czterech linijek. Tytuł, lata, stack, jeden dowód z liczbą i rodzaj problemu, którym chcesz zająć się jako następnym. Żadnych przymiotników o sobie.
Poziom początkujący (0–2 lata lub przejście z analityki)
Inżynier danych z doświadczeniem analitycznym i 18 miesiącami budowania pipeline'ów batchowych na produkcji. Odpowiadam za 40 DAG-ów Airflow i projekt dbt z 210 modelami na BigQuery, które zasilają raportowanie finansowe i produktowe w firmie liczącej 300 osób; po dodaniu testów dbt do każdego martu liczba zgłoszeń o jakości danych spadła z 11 miesięcznie do 2. Python, SQL, dbt, Airflow, BigQuery, Terraform. Szukam zespołu, który traktuje hurtownię jak produkt.
Poziom średni (3–6 lat)
Inżynier danych, 5 lat, specjalizacja w ingestii streamingowej i projektowaniu lakehouse. W marketplace'ie zatrudniającym 1 200 osób poprowadzenie przejścia z nocnego batcha na Kafkę i Spark Structured Streaming na Databricks z Delta Lake: dane o zamówieniach z 24 godzin opóźnienia względem źródła do poniżej 5 minut, miesięczny rachunek za compute niższy o 28%. Budowa warstwy kontraktów danych i Great Expectations obejmującej 180 tabel. Python, Scala, Spark, Kafka, Delta Lake, Airflow, AWS.
Senior i staff (7+ lat)
Staff data engineer z 10-letnim doświadczeniem w hurtowniach danych, streamingu i platformie. Odpowiadam za platformę danych firmy przetwarzającej 9 mld zdarzeń dziennie: Kafka, Flink, Iceberg na S3, Snowflake, Airflow i Terraform, który za tym wszystkim stoi. Poprowadzenie migracji z odziedziczonego klastra Hadoop do lakehouse: $1.8M oszczędności rocznie i 600 wycofanych jobów. Zarządzam czworgiem inżynierów; ustalam standardy dyżurów, SLA i data governance w organizacji.
Zwróć uwagę, co robi każde z nich: liczba opisująca obciążenie, liczba przed i po oraz nazwany stack. Parser dostaje słowa kluczowe, manager dostaje powód, by czytać dalej.
Jak wyglądają mocne punkty z osiągnięciami inżyniera danych?
Trzymaj się wzoru: czasownik, co zbudowano, stack, zmierzony wynik. Liczby poniżej są przykładowe; zastąp je swoimi i zostaw tylko te, których obronisz na rozmowie.
- Zbudowanie pipeline'u change data capture (Debezium, Kafka, Spark Structured Streaming) replikującego 140 tabel PostgreSQL do Delta Lake z opóźnieniem end-to-end poniżej 90 sekund, w miejsce nocnego batcha trwającego 6 godzin.
- Zaprojektowanie i wdrożenie modelu wymiarowego dla domeny przychodów (12 tabel faktów, 31 wymiarów, SCD typu 2 na kliencie i produkcie) w dbt na Snowflake; finanse zamykały miesiąc dwa dni szybciej.
- Obniżenie wydatków na compute w Snowflake o 34% ($410K rocznie) dzięki klastrowaniu pięciu największych tabel, dopasowaniu rozmiaru hurtowni i przeniesieniu backfilli poza hurtownię produkcyjną.
- Migracja 1,2 PB z lokalnego klastra Hadoop do Apache Iceberg na S3 z użyciem AWS Glue i Atheny; wyłączenie 38 węzłów i obniżenie kosztu przechowywania za terabajt o 71%.
- Wprowadzenie kontraktów danych i zestawów Great Expectations na 180 tabelach źródłowych; incydenty ze zmianą schematu docierające do dashboardów spadły z 9 na kwartał do 1.
- Przebudowa warstwy orkiestracji z crona i skryptów shellowych na Airflow (310 DAG-ów, retry na poziomie tasków, alerty SLA); odsetek nieudanych uruchomień spadł z 4,2% do 0,3%.
- Zbudowanie joba Flink wyliczającego w czasie rzeczywistym cechy do wykrywania fraudów z 9 mld zdarzeń dziennie z semantyką exactly-once; latencja end-to-end p99 800 ms.
- Odpowiedzialność za projekt dbt (640 modeli, 2 100 testów, CI na każdym pull requeście); skrócenie mediany czasu wykonania modelu o 46% dzięki refaktoryzacji logiki inkrementalnej i usunięciu 112 nieużywanych modeli.
- Backfill 4 lat clickstreamu (38 mld wierszy) do BigQuery z użyciem tabel partycjonowanych i klastrowanych oraz wznawialnego pipeline'u Beam; ukończony w 11 dni, zero zduplikowanych wierszy przy rekoncyliacji.
- Napisanie modułów Terraform dla platformy danych (EMR, MSK, katalog Glue, IAM) w trzech środowiskach; provisioning nowego środowiska skrócony z dwóch tygodni do 40 minut.
- Poprowadzenie pipeline'u usuwania danych zgodnie z RODO w 22 zbiorach danych z lineage z katalogu danych; każde żądanie usunięcia zrealizowane w 30-dniowym oknie przez osiem kolejnych kwartałów.
- Mentoring trzech analityków do ról analytics engineering; dwoje z nich odpowiada dziś za produkcyjne domeny dbt.
Trzy zasady. Zaczynaj od słowa, które nazywa Twój wkład (zbudowanie, poprowadzenie, odpowiedzialność, zaprojektowanie, migracja), a nie od „pomoc przy” czy „udział w”. Liczbę umieszczaj w pierwszym członie zdania, kiedy się da. Narzędzia nazywaj w treści punktu, bo tam znajduje je parser. Pełną metodę opisuje poradnik o punktach w CV, które kwantyfikują wpływ.
Jakie słowa kluczowe ATS powinny znaleźć się w CV inżyniera danych?
ATS nie wnioskuje. Jeśli ogłoszenie mówi „ELT”, a Twoje CV mówi „integracja danych”, większość systemów ich nie połączy. Przeczytaj ogłoszenie, odbij jego dokładne terminy tam, gdzie są dla Ciebie prawdziwe, i pokryj poniższą listę tam, gdzie ma zastosowanie.
| Grupa | Słowa kluczowe do użycia dosłownie, gdy są prawdziwe |
|---|---|
| Przetwarzanie i orkiestracja | Apache Spark, PySpark, Apache Airflow, dbt, Apache Kafka, Apache Flink, Spark Structured Streaming |
| Przechowywanie i hurtownie | Snowflake, BigQuery, Databricks, Amazon Redshift, AWS Glue, Delta Lake, Apache Iceberg, lakehouse |
| Języki | Python, SQL, Scala |
| Modelowanie i przenoszenie danych | data modeling, dimensional modeling, star schema, slowly changing dimensions (SCD), ELT, ETL, change data capture (CDC) |
| Jakość i governance | data quality, Great Expectations, data contracts, data lineage, data observability |
| Infrastruktura | Terraform, Kubernetes, Docker, CI/CD, Amazon S3 |
Trzydzieści do czterdziestu z nich w całym CV to norma dla kandydata na poziomie senior. Umieszczaj je tam, gdzie są prawdziwe: sekcja umiejętności dla stacku, punkty dla metod. Nie wklejaj tabeli; słowo kluczowe bez zdania wokół nic czytelnikowi nie mówi, a niektóre parsery obniżają ocenę bloków terminów oddzielonych przecinkami.
Cztery zapisy do ujednolicenia: raz „extract, transform, load (ETL)”, potem „ETL”; raz „change data capture (CDC)”, potem „CDC”; raz „Amazon Web Services (AWS)”, potem „AWS”; raz „Apache Spark”, potem „Spark”. Ogłoszenia używają obu form, a systemy dopasowania dokładnego traktują je jako różne tokeny.
Jedna niejednoznaczność do rozstrzygnięcia: „data lake” i „lakehouse” nie są dla hiring managera synonimami. Użyj tego, które opisuje to, co faktycznie było w Twojej opiece.
Jak sprawdzić, że CV inżyniera danych jest gotowe na ATS?
Dziesięć kontroli, w kolejności, w jakiej natrafia na nie parser. Po skończeniu przepuść plik przez checker ATS; wyłapie większość problemów z formatem opisanych niżej.
- Format pliku. PDF lub DOCX, jedna kolumna, bez tabel układu, pól tekstowych ani treści w nagłówku i stopce, która ma zostać sparsowana. Układ dwukolumnowy przeplata Twoje umiejętności z historią zatrudnienia, gdy parser czyta go od góry do dołu.
- Standardowe nagłówki. „Doświadczenie”, „Umiejętności”, „Wykształcenie”, „Certyfikaty”. Parsery mapują sekcje po tekście nagłówka; „Gdzie dostarczałem” nie mapuje się na nic.
- Zgodność tytułu. Rodzina tytułów z ogłoszenia pojawia się w linii podsumowania i, jeśli to uczciwe, w Twoim ostatnim stanowisku. Jeśli wewnętrzny tytuł brzmiał „Member of Technical Staff”, napisz „Member of Technical Staff (Data Engineering)” i pozwól nawiasowi zrobić robotę.
- Wymagane narzędzia dosłownie. Każde narzędzie z sekcji „wymagane” w ogłoszeniu pojawia się co najmniej raz, w pisowni z ogłoszenia, w zdaniu pokazującym, że go używano.
- Formy długie i krótkie. ETL i extract, transform, load; CDC i change data capture; AWS i Amazon Web Services. Obie formy, każda co najmniej raz.
- Liczby w co najmniej połowie punktów. Wolumen, latencja, koszt, niezawodność albo ludzie. Parser nie umie ocenić liczb; rekruter, który otwiera najwyżej ocenione CV, umie.
- Spójne daty. „Miesiąc RRRR – Miesiąc RRRR” przy każdej roli. Parsery liczą staż z dat; mieszane formaty dają błędny staż albo pominiętą rolę.
- Umiejętności pogrupowane, nie ściana. Cztery opisane linie (patrz następna sekcja). Niektóre parsery obniżają ocenę bloków czterdziestu terminów po przecinku, a każdy człowiek to robi.
- Nic ukrytego. Żadnych słów kluczowych białą czcionką, żadnych umiejętności w ikonach czy obrazkach, żadnych pasków umiejętności. Parsery pomijają obrazy; rekruterzy, którzy znajdą upychanie białym tekstem, odrzucają plik.
- Blok kontaktowy zwykłym tekstem. Imię i nazwisko, miasto i region, telefon, e-mail i adres LinkedIn jako tekst, nie jako ikony z hiperłączem. Nazwij plik
Imie-Nazwisko-Data-Engineer.pdf; to pierwsza rzecz, jaką rekruter czyta w folderze pobranych.
Jak zorganizować sekcję umiejętności?
Cztery opisane linie, nie jedna zupa literek.
Przetwarzanie i orkiestracja: Apache Spark (PySpark, Structured Streaming), Apache Kafka, Apache Flink, Apache Airflow, dbt Przechowywanie i hurtownie: Snowflake, BigQuery, Databricks, Delta Lake, Apache Iceberg, Amazon S3, Redshift Modelowanie i jakość: modelowanie wymiarowe, SCD typu 2, kontrakty danych, Great Expectations, testy dbt, data lineage Infrastruktura i języki: Python, SQL, Scala, Terraform, Kubernetes, Docker, GitHub Actions, AWS, Google Cloud
Hiring manager czyta to w cztery sekundy i wie, czy jesteś inżynierem od hurtowni i modelowania, który potrafi prowadzić infrastrukturę, czy inżynierem od streamingu i platformy, który potrafi modelować. Oba profile są zatrudnialne. Udawanie trzeciego, inżyniera machine learning, gdy Twoje punkty mówią co innego, to właśnie to, przez co CV ląduje na boku.
Wymagane kontra mile widziane, tak jak zwykle wyglądają w ogłoszeniach z 2026 roku:
| Zwykle wymagane | Często mile widziane |
|---|---|
| SQL i Python, z doświadczeniem w produkcyjnych pipeline'ach | Scala lub Java do Sparka i Flinka na dużą skalę |
| Jedna chmurowa hurtownia lub lakehouse (Snowflake, BigQuery, Databricks, Redshift) | Doświadczenie w migracji między nimi albo w prowadzeniu dwóch jednocześnie |
| Orkiestrator (Airflow, Dagster, Prefect) oraz dbt lub równoważna warstwa transformacji | Streaming (Kafka, Flink, Kinesis) z dostarczaniem exactly-once |
| Modelowanie danych: wymiarowe, znormalizowane i kiedy stosować które | Data Vault, formaty tabel lakehouse (Iceberg, Delta, Hudi) |
| Testowanie i monitorowanie jakości danych | Katalog danych, lineage, narzędzia governance, doświadczenie z danymi regulowanymi |
| Podstawy chmury (IAM, object storage, podstawy sieci) | Odpowiedzialność za Terraform lub Kubernetes, zarządzanie kosztami |
Które certyfikaty wciąż liczą się w CV inżyniera danych?
Bardziej niż w większości ról programistycznych, bo egzaminy prowadzą dostawcy dominujący w stacku, a hiring managerowie je rozpoznają. Dowody z produkcji i tak biją każdy certyfikat. Wszystko poniżej zostało sprawdzone na stronie dostawcy w październiku 2026.
- Google Cloud Professional Data Engineer. Dwugodzinny egzamin, 40 do 50 pytań jedno- i wielokrotnego wyboru, $200 plus podatek tam, gdzie obowiązuje. Google zaleca trzy lub więcej lat doświadczenia w branży, w tym co najmniej rok projektowania i zarządzania rozwiązaniami na Google Cloud; brak wymagań wstępnych. Ważny dwa lata; egzamin odnawiający trwa godzinę, 20 pytań, $100. Istotny, jeśli ogłoszenie wymienia BigQuery, Dataflow lub Pub/Sub.
- AWS Certified Data Engineer – Associate. 130 minut, 65 pytań, $150, jedno- i wielokrotny wybór. AWS opisuje idealnego kandydata jako osobę z odpowiednikiem dwóch–trzech lat w inżynierii danych lub architekturze danych i jednym–dwoma latami praktyki z usługami AWS. Ważny trzy lata. Istotny, jeśli ogłoszenie wymienia Glue, Redshift, EMR, Kinesis lub Athenę.
- Databricks Certified Data Engineer Associate. 45 punktowanych pytań, 90 minut, $200, pytania wyboru, ważny dwa lata, brak wymagań wstępnych. Egzamin waży transformację i modelowanie danych na 22%, ingestię i ładowanie danych na 21%, Lakeflow Jobs na 16%, a governance i bezpieczeństwo na 15%. Istotny dla każdego ogłoszenia wymieniającego Databricks lub Delta Lake.
- Databricks Certified Data Engineer Professional. 59 punktowanych pytań, 120 minut, $200, pytania wyboru, ważny dwa lata. Nacisk na pisanie kodu przetwarzającego dane w Pythonie i SQL (22%) oraz optymalizację kosztów i wydajności (13%). Warto go wpisać przy seniorskich rolach lakehouse; sam Associate nie ruszy seniorskiego CV.
- SnowPro Core Certification (COF-C03). $175 za podejście do egzaminu. Snowflake zaleca sześć lub więcej miesięcy doświadczenia ze Snowflake. Punkt wejścia do ścieżki Snowflake; istotny, jeśli ogłoszenie wymienia Snowflake jako hurtownię.
- SnowPro Advanced: Data Engineer (DEA-C02). $375 za podejście do egzaminu. Snowflake zaleca dwa lub więcej lat praktycznego doświadczenia jako inżynier danych w środowisku produkcyjnym. To ten certyfikat wyróżnia seniorskiego kandydata od Snowflake.
Wybierz ten, który pasuje do platformy z ogłoszenia. Posiadanie wszystkich sześciu sygnalizuje, że uczysz się do egzaminów; posiadanie tego jednego, na którym działa Twoja docelowa firma, sygnalizuje, że możesz zacząć w poniedziałek. Wpisz pełną nazwę tak, jak pisze ją dostawca, plus rok uzyskania; rekruterzy szukają dokładnej nazwy. Certyfikaty z kursów (bootcampy, MOOC) idą w jednej linii na samym dole albo nigdzie; nie ruszają CV doświadczonego kandydata, a rozwadniają CV juniora.
Ile zarabia inżynier danych w 2026 roku?
Trzy źródła, trzy różne populacje. Użyj tego, które pasuje do firm, do których aplikujesz.
| Źródło | Populacja | Wartość |
|---|---|---|
| U.S. Bureau of Labor Statistics, Occupational Outlook Handbook | Administratorzy i architekci baz danych, zawód w amerykańskiej statystyce federalnej, którego architekci „projektują i budują nowe bazy danych dla systemów i aplikacji” (144 500 miejsc pracy w 2025 roku, z czego 69 500 to architekci) | Mediana $126,760 rocznie (maj 2025); architekci baz danych: najniższe 10% poniżej $86,240, najwyższe 10% powyżej $204,000; prognozowany wzrost 4% w latach 2025–2035 |
| Built In | Inżynierowie danych w firmach z USA, dane samodzielnie raportowane na platformie, 2026 | Średnia podstawa $125,983; średnia dodatkowa gotówka $24,251; średnie wynagrodzenie całkowite $150,234; mediana $120,000; raportowany zakres do $300K; poniżej roku doświadczenia $97,540, siedem lub więcej lat $141,418 |
| Levels.fyi | Zweryfikowane oferty dla inżynierów oprogramowania o profilu danych, Stany Zjednoczone, 3 070 zgłoszeń, aktualizacja październik 2026 | Mediana wynagrodzenia całkowitego $171,000; 25. percentyl $125,400; 75. percentyl $237,000; 90. percentyl $327,000 |
Dlaczego administratorzy i architekci baz danych w wierszu federalnym: Occupational Outlook Handbook nie ma hasła „inżynier danych”, a dwa najbliższe zawody to ten oraz programiści. Mediana dla programistów z tego samego podręcznika wynosi $134,040 (maj 2025) przy 1 905 400 miejscach pracy, z prognozowanym wzrostem 10% w latach 2025–2035; jeśli Twój tytuł to „Software Engineer, Data” w firmie technologicznej, to bliższe porównanie. Wiersz architektów jest w tabeli, bo jego rozpiętość od 10. do 90. percentyla, $86,240 do $204,000, odpowiada temu, co oferują ogłoszenia z inżynierii danych poza dużymi firmami technologicznymi.
Jak czytać tę rozbieżność: BLS obejmuje całą gospodarkę, w tym administrację, uczelnie, ubezpieczycieli i szpitale; Built In przechyla się ku firmom technologicznym finansowanym przez VC i średniej wielkości, a jego mediana $120,000 poniżej średniej $150,234 oznacza długi prawy ogon; Levels.fyi przechyla się ku dużym firmom technologicznym, gdzie akcje stanowią znaczącą część całkowitej płacy. Warto też zauważyć podział Built In według doświadczenia: od poniżej roku ($97,540) do siedmiu lub więcej lat ($141,418) to różnica około 45%, dlatego doświadczeni kandydaci zabiegają o tytuły platform, staff lub architekt, a nie o kolejny szczebel pod tą samą nazwą.
Jak użyć tego w CV: nie wpisuj kwoty wynagrodzenia na stronie. Użyj jej, by zdecydować, w którym przedziale konkurujesz, i upewnić się, że Twoje punkty niosą dowody, jakich ten przedział oczekuje. Oferta $237,000, czyli 75. percentyl Levels.fyi, prawie nigdy nie trafia do CV bez liczby o wolumenie, koszcie lub niezawodności.
Jakie błędy sprawiają, że CV inżynierów danych są odrzucane?
Wypisywanie narzędzi, nie pipeline'ów. „Doświadczenie ze Spark, Airflow, Snowflake, dbt” to linia, którą może napisać każdy aplikujący. Opisz pipeline: źródła, wolumen, częstotliwość, odbiorców, co się zepsuło, co naprawiono.
„Odpowiedzialny za ETL”. Odpowiedzialność to nie osiągnięcie. Napisz, co ten ETL przenosił, jak często, jak szybko i ile kosztował przed Twoją ingerencją i po niej.
Perspektywa analityka w roli inżynierskiej. Zbudowane dashboardy, dostarczone raporty i obsłużeni interesariusze należą do CV analityka. W roli inżyniera danych dashboard jest odbiorcą; Twój punkt to tabela pod nim i jej SLA świeżości.
Opisywanie platformy, nie swojej części. „Praca na platformie przetwarzającej 10 mld zdarzeń dziennie” mówi czytelnikowi o skali firmy, nie o Twojej. Który komponent był w Twojej opiece i co robiły jego liczby w tym czasie?
Ukryte problemy z formatem. Układy dwukolumnowe, tekst w obrazkach i paski umiejętności psują parsery. Sprawdź, jak parsuje się Twoje CV, zanim je wyślesz; poprawka to zwykle pięć minut. O tym, co dzieje się z plikiem po wgraniu, przeczytasz w jak działają systemy śledzenia kandydatów w 2026 roku.
Zakopywanie SQL. Niektórzy kandydaci pomijają SQL, bo wydaje się podstawowy. Każde ogłoszenie go wymienia, każdy rekruter go szuka, a CV bez tego słowa traci dopasowanie.
Punkty o migracji bez „z czego”. „Migracja hurtowni do Snowflake” to pół zdania. Z czego, ile danych, jak długo to trwało, co wycofano i co zaoszczędzono. W „z czego” siedziała trudność i czytelnik o tym wie.
Jak CV powinno się zmieniać zależnie od typu firmy?
Startupy (od seed do serii B). Szerokość i tempo. Pokaż, że hurtownię, orkiestrator, warstwę transformacji i pierwsze testy jakości postawiono samodzielnie, a decyzje kosztowe podjęto wcześnie. Jeden punkt o wyborze prostszego narzędzia, który oszczędził firmie umowy z dostawcą, dobrze działa.
Duże firmy technologiczne. Głębia w jednej warstwie i rygor w niezawodności. Pokaż SLA, rotację dyżurów, przeglądy incydentów i międzyzespołowe negocjacje schematów. Skalę podawaj w zdarzeniach dziennie, przechowywanych petabajtach lub obsługiwanych tabelach i nazwij swój komponent.
Korporacje (finanse, ochrona zdrowia, ubezpieczenia, handel). Governance i lineage. Wspomnij katalog danych, kontrolę dostępu, obsługę danych osobowych (PII), pipeline'y retencji i usuwania, ścieżki audytu oraz wszelkie doświadczenie z danymi regulowanymi (HIPAA, SOX, RODO). Doświadczenie w migracji z systemów lokalnych do hurtowni chmurowych to tu silny sygnał.
Konsulting i agencje. Rozpiętość między stackami klientów i historia dostarczania w terminie. Nazwij branże, platformy i wynik każdego projektu. Certyfikaty mają w tym segmencie największą wagę, bo klienci pytają o nie z nazwy.
Dostawcy platform danych i ich partnerzy. Głębia w tej jednej platformie i jej ścieżce certyfikacji to większość CV; wkład w społeczność, wystąpienia i praca open source w tym ekosystemie powinny być blisko góry.
Jak długie powinno być CV inżyniera danych i w jakiej kolejności je ułożyć?
Jedna strona do około sześciu lat doświadczenia; potem dwie. Kolejność: podsumowanie, umiejętności (cztery linie), doświadczenie (odwrotnie chronologicznie, trzy do sześciu punktów na rolę), wybrane projekty lub open source tylko wtedy, gdy dodają dowodów, wykształcenie i certyfikaty na końcu. Wykształcenie idzie wyżej tylko u świeżych absolwentów; certyfikaty tylko wtedy, gdy ogłoszenie wymienia któryś jako wymagany.
W sekcji doświadczenia pierwszy punkt pod każdą rolą powinien być tym z największą liczbą. Rekruterzy czytają pierwszy punkt, a resztę przeglądają; niech pierwszy niesie całą rolę.
Utrzymuj profil LinkedIn spójny z CV: te same tytuły, te same daty, ten sam stack w nagłówku. Rekruterzy, którzy znajdą Cię w ATS, sprawdzają LinkedIn, zanim zadzwonią; zobacz poradnik optymalizacji profilu LinkedIn.
Najczęściej zadawane pytania
Czym różni się CV inżyniera danych od CV analytics engineera?
W 2026 roku tytuły się nakładają, a ATS dopasowuje umiejętności, nie tytuły. Ogłoszenia dla analytics engineerów skupiają się na warstwie transformacji (dbt, modelowanie w SQL, warstwy semantyczne, testowanie) i są bliżej analityków; ogłoszenia dla inżynierów danych dodają ingestię, streaming, orkiestrację i infrastrukturę. Jeśli Twoja praca obejmuje oba obszary, powiedz to w podsumowaniu i do ról inżyniera danych wysuwaj punkty o ingestii i infrastrukturze, a do ról analytics engineera o modelowaniu i testach.
Czy inżynier danych powinien podać link do GitHuba lub portfolio?
Tak, jeśli zawiera coś, co recenzent przeczyta w pięć minut: udokumentowane repozytorium pipeline'u, projekt dbt z testami albo wkład w Airflow, dbt, Sparka, Iceberga lub inny projekt z ekosystemu. Nie, jeśli to folder notebooków z kursu. Jeden mocny link bije profil z czterdziestoma repozytoriami.
Ilu słów kluczowych potrzebuje CV inżyniera danych, by przejść ATS?
Nie ma magicznej liczby. Pokryj wymagane umiejętności z ogłoszenia dokładnymi terminami, używaj form długich i krótkich (ETL i extract, transform, load; CDC i change data capture) i upewnij się, że każde słowo kluczowe pojawia się w zdaniu pokazującym, że go używano. Większość systemów ocenia jakość dopasowania i aktualność, a rekruterzy szukający w ATS wpisują dokładne ciągi; zobacz jak rekruterzy szukają w ATS.
Czy do pracy jako inżynier danych potrzebuję dyplomu z informatyki?
Nie. Najbliższy tej roli zawód w statystyce federalnej podaje licencjat jako typowe wykształcenie na wejściu, a ogłoszenia z 2026 roku rutynowo akceptują dowolny kierunek ilościowy plus doświadczenie produkcyjne albo samo doświadczenie przy rolach średniego szczebla. Wielu inżynierów danych przyszło z analityki, administracji baz danych lub backendu; CV rozstrzygają dostarczone pipeline'y, nie linia z dyplomem.
Jak pokazać doświadczenie ze streamingiem, jeśli moja firma działała tylko w batchu?
Nie wymyślaj go. Pokaż umiejętności pokrewne: modele inkrementalne, change data capture, idempotentne ponowne przetwarzanie, obsługa danych spóźnionych i SLA świeżości to te same problemy, które rozwiązują zespoły streamingowe. Jeśli powstał proof of concept na Kafce lub Flinku, wpisz go jako projekt z określonym zakresem, nie jako doświadczenie produkcyjne.
Czy w CV inżyniera danych wpisywać pracę z AI lub LLM?
Tak, gdy jest prawdziwa: pipeline'y cech dla modeli, generowane i przechowywane embeddingi, budowane i odświeżane korpusy do retrievalu albo zbiory ewaluacyjne, za które odpowiadasz. To praca inżynierii danych. Opisz ją jako pipeline'y z liczbami o wolumenie i świeżości, a nie jako „pracę z AI”. Jeśli rola, której chcesz, jest po stronie modelu, poradnik CV inżyniera AI opisuje, co się zmienia.
Powiązane poradniki
- Jak działają systemy śledzenia kandydatów w 2026 roku
- Punkty w CV, które kwantyfikują wpływ
- Jak rekruterzy szukają w ATS
- Poradnik optymalizacji profilu LinkedIn na 2026
- Poradnik CV inżyniera AI
Źródła
- U.S. Bureau of Labor Statistics, Occupational Outlook Handbook: Database Administrators and Architects — mediana płacy $126,760 (maj 2025), 144 500 miejsc pracy w 2025 (69 500 architektów), płace architektów baz danych na 10. i 90. percentylu, prognozowany wzrost 4% w latach 2025–35, typowe wykształcenie na wejściu.
- U.S. Bureau of Labor Statistics, Occupational Outlook Handbook: Software Developers, Quality Assurance Analysts, and Testers — mediana płacy $134,040 (maj 2025), 1 905 400 miejsc pracy w 2025, prognozowany wzrost 10% w latach 2025–35.
- Levels.fyi: Data Software Engineer salaries, United States — mediana wynagrodzenia całkowitego $171,000; 25., 75. i 90. percentyl; 3 070 zgłoszeń (aktualizacja 11 października 2026).
- Built In: Data Engineer salary in the US — średnia podstawa $125,983, dodatkowa gotówka $24,251, całkowite $150,234, mediana $120,000; podział według doświadczenia (2026).
- Google Cloud: Professional Data Engineer certification — czas trwania egzaminu, liczba pytań, cena, zalecane doświadczenie, ważność, szczegóły egzaminu odnawiającego.
- AWS Certified Data Engineer – Associate — 130 minut, 65 pytań, $150, zalecane doświadczenie, ważność trzy lata.
- Databricks Certified Data Engineer Associate — 45 pytań, 90 minut, $200, ważność dwa lata, wagi obszarów.
- Databricks Certified Data Engineer Professional — 59 pytań, 120 minut, $200, ważność dwa lata, wagi obszarów.
- Snowflake: SnowPro Core Certification (COF-C03) — $175 za podejście do egzaminu, zalecane sześć lub więcej miesięcy doświadczenia ze Snowflake.
- Snowflake: SnowPro Advanced: Data Engineer (DEA-C02) — $375 za podejście do egzaminu, zalecane dwa lub więcej lat doświadczenia w produkcyjnej inżynierii danych.