כמה מרוויח/ה Analytics Engineer בישראל? טווחי שכר לפי ותק

Analytics Engineer הוא התפקיד שממלא את החלל בין מי שמביא את הנתונים לבין מי שמסיק מהם מסקנות: הוא בונה את שכבת המידול שהופכת טבלאות גולמיות לטבלאות שאפשר לסמוך עליהן. בקטגוריית הדאטה בלוח HiTakeJob פתוחות כרגע 35 משרות, ולצידן שלושים משרות בהנדסת נתונים.

בין אנליסט לדאטה אנג'ינר: איפה בדיוק יושב השכר

הדרך הכי מהירה להבין את התמחור של התפקיד היא להניח את שלושת התפקידים זה לצד זה. שלושתם נוגעים באותם נתונים, ומה שמפריד ביניהם הוא השכבה שבה הם עובדים.

תפקיד	מה הוא מייצר בפועל	מיקום על סקאלת הערכת השוק
Data Analyst	שאילתות, דוחות, לוחות מחוונים, מסקנות	הקצה התחתון של הסקאלה
Analytics Engineer	מודלים מתוחזקים במחסן, בדיקות, תיעוד	באמצע, קרוב יותר לצד ההנדסי
Data Engineer	צנרת קליטה, תזמון, תשתית, ביצועים	הקצה העליון של הסקאלה

יש גם הבדל שלא נכנס לטבלה והוא מסביר חלק מהתמחור: אורך חיי התוצר. דוח שנבנה לשאלה נקודתית מאבד את ערכו תוך שבועות, ואילו מודל שנכנס לשכבת הנתונים ממשיך לשרת עשרות משתמשים לאורך שנים. ארגון שמבין את ההבדל הזה מתמחר בהתאם, וארגון שלא מבין אותו יתייחס לתפקיד כאל אנליזה עם כלים משודרגים.

הפער בין השורה הראשונה לשנייה גדול מהפער בין השנייה לשלישית, וזו הנקודה המעשית החשובה כאן. מעבר מאנליזה למידול הוא הקפיצה המשמעותית בתלוש, ואילו המרחק מהמידול להנדסת הצנרת קטן יותר ממה שמניחים. מי ששוקל להשקיע שנה בלימוד, זו ההשוואה שכדאי להסתכל עליה.

למה התפקיד הזה נוצר בכלל

עד לפני כמה שנים התפקיד הזה לא היה קיים בשמו. מה ששינה את התמונה היה מעבר של ארגונים למחסני נתונים בענן, שבהם עלות החישוב ירדה מספיק כדי לשנות את סדר הפעולות. במקום לנקות ולעצב נתונים לפני הטעינה, ארגונים התחילו לטעון הכל גולמי ולעצב אחר כך, בתוך המחסן עצמו.

הסידור החדש יצר בעיה חדשה. הטרנספורמציות שקודם ישבו בכלי ייעודי עברו להיות אלפי שאילתות שכתבו אנליסטים, בלי בקרת גרסאות, בלי בדיקות ובלי תיעוד. כל אנליסט הגדיר לעצמו מה זה לקוח פעיל, ושלוש מחלקות הגיעו לישיבה עם שלושה מספרים שונים לאותה שאלה.

Analytics Engineer הוא התשובה הארגונית לבעיה הזו. הוא מביא לשכבת הטרנספורמציה את מה שמובן מאליו בפיתוח תוכנה: ניהול גרסאות, סקירת עמיתים, בדיקות אוטומטיות על הנתונים, תיעוד שנבנה מהקוד עצמו, וסביבת פיתוח נפרדת מסביבת הייצור. זו הסיבה שהתפקיד משולם קרוב יותר לצד ההנדסי, למרות שהוא יושב עם האנליסטים.

שווה לזכור שזה גם מסביר איפה התפקיד קיים ואיפה לא. ארגון קטן עם שלוש טבלאות אינו זקוק לשכבה הזו. הצורך נוצר בסביבות של עשרות מקורות ומאות טבלאות, ולכן רוב המשרות בשם הזה נמצאות בארגונים בשלים יחסית, ולא בסטארט-אפ בשנתו הראשונה.

טווחי שכר לפי ותק: הערכת שוק

לפני הטבלה, נקודה שחשוב שלא תיקרא לא נכון: המספרים הבאים אינם נשאבים ממשרות הלוח. במערכת שלנו אין נתון שכר כלל, והטווחים שלהלן הם הערכת שוק שנבנתה מפרסומים גלויים.

ותק בתפקיד	הערכת שוק, ברוטו לחודש	הסימן שמזהים לפיו את הרמה
כניסה, לרוב אחרי אנליזה	17,000 - 22,000 ש"ח	כותב מודלים בתוך מבנה שמישהו אחר קבע
שנתיים עד ארבע	23,000 - 32,000 ש"ח	מחזיק תחום עסקי שלם מקצה לקצה
חמש שנים ומעלה	32,000 - 44,000 ש"ח	קובע מוסכמות ומבנה שכבות לכל הארגון
מוביל תחום או ראש צוות	44,000 - 55,000 ש"ח	אחראי גם על עלות המחסן ועל תעדוף

הטור השלישי חשוב יותר מהטור השני. חברות מתמחרות את התפקיד לפי רמת ההחלטה ולא לפי שנים, ולכן אדם עם שלוש שנים שמחזיק תחום עסקי שלם יכול להיות מתומחר מעל אדם עם שש שנים שממשיך למלא משימות מוגדרות. מי שרוצה לעלות שורה צריך לבקש בעלות, לא ותק.

כמה שווה שכבת המידול בשכר?

זו השאלה שעומדת מאחורי כל המאמר הזה, והיא ראויה לתשובה ישירה. ארגון משלם על שכבת המידול מפני שהיא חוסכת לו שלושה סוגי כאב שאפשר לכמת: ישיבות שנפתחות בוויכוח על מי מחזיק את המספר הנכון, שעות של אנליסטים שנשרפות על שכתוב אותה לוגיקה בפעם החמישית, וטעויות שמגיעות לדוח מול לקוח או מול הנהלה.

ככל שהארגון גדול יותר, כך שלושת הכאבים האלה יקרים יותר, וכך גדל הפער בין שכר של אנליסט לשכר של מי שבונה את השכבה. בארגון עם חמישה אנשי דאטה הפער קטן. בארגון עם חמישים הוא משמעותי.

מכאן גם נגזרות שתי עצות מעשיות. הראשונה: בראיון, לספר על מודל שבנית ומי משתמש בו היום שווה יותר מלספר כמה טבלאות כתבת. השנייה: כשמבקשים העלאה, המספר שמשכנע הוא כמה שאלות חוזרות הפסיקו להגיע אליך אחרי שהמודל נכנס לשימוש.

למי שמשווה בין מסלולים סמוכים, ריכזנו את התמונה של התפקידים השכנים במאמר השכר של דאטה אנג'ינר ואנליסט, ואת תיאור התפקיד המלא במדריך הקריירה ל-Analytics Engineer.

מה מעלה את ההצעה מעבר לוותק

• שליטה בכלי מידול מודרני יחד עם בקרת גרסאות וסקירת קוד, ולא רק כתיבת שאילתות טובות.
• היכרות עם מחסן נתונים ענן ספציפי שהחברה כבר עובדת איתו, כולל הבנה של מודל העלות שלו.
• יכולת לעבוד מול תזמון ותהליכי קליטה, גם אם הבעלות עליהם נמצאת אצל צוות אחר.
• ניסיון בהגדרת מדדים ברמת הארגון, כלומר הצד שנוגע בעסק ולא רק בטכנולוגיה.
• שליטה בפייתון לצד SQL, שמרחיבה את התפקיד לעבר משימות אוטומציה ואיכות נתונים.

לרשימה הזו נלווה משתנה שאינו במיומנויות אלא בארגון: האם שכבת המידול נחשבת בעלת בית על מחסן הנתונים או שהיא שירות שמבצע בקשות. במקום הראשון, מי שמחזיק אותה מעורב בהחלטות על מקורות, על עלות ועל סדר עדיפויות, ומתומחר כבעל תפקיד מוביל. במקום השני הוא מתומחר כמבצע, גם אם הוא כותב בדיוק את אותו קוד. שאלה ישירה על כך בשיחת המיון חוסכת אכזבה בהמשך, ולעיתים מזיזה את ההצעה עוד לפני שהתחיל משא ומתן.

הפריט השני ראוי להדגשה מיוחדת, כי הוא משתנה בין חברה לחברה ולכן משפיע על סינון המועמדים יותר מכל פריט אחר. בלוח פתוחות כרגע 13 משרות שמזכירות Snowflake ו16 משרות שמזכירות BigQuery, שני המחסנים שמופיעים הכי הרבה בדרישות. מי שמכיר את שניהם מגדיל משמעותית את מספר המשרות שהוא רלוונטי אליהן.

איך נראה יום עבודה, ולמה זה נוגע לתמחור

קשה להעריך תפקיד בלי לדעת מה עושים בו, ובמקרה הזה היומיום מסביר היטב למה החברות מוכנות לשלם. היום מתחלק בגסות לארבעה חלקים.

הראשון הוא בנייה: כתיבת מודלים חדשים מעל טבלאות גולמיות, פירוק לוגיקה חוזרת לשכבות, והוספת בדיקות שנופלות כשהנתון חורג. החלק הזה דומה לפיתוח תוכנה לכל דבר, כולל סקירת עמיתים ומיזוג מבוקר.

השני הוא תחזוקה של מה שכבר קיים. מקור נתונים משנה שדה, ספק מוסיף עמודה, ומודל שרץ חצי שנה מתחיל להחזיר ערכים חסרים. איתור מהיר של השינוי לפני שהוא מגיע לדוח הוא חלק ניכר מהערך של התפקיד.

השלישי הוא עבודה מול בעלי עניין: לברר מה בדיוק המחלקה מתכוונת כשהיא אומרת הכנסה, ולהפוך את התשובה להגדרה כתובה שתקפה לכל הארגון. זהו החלק הכי פחות טכני והכי משפיע על הערכה בארגון.

הרביעי הוא בקרת עלות. מחסן נתונים בענן מחייב לפי חישוב, ומודל שכתוב לא נכון יכול לעלות סכומים מוחשיים מדי חודש. מי שמצליח להראות הפחתה מדידה בחשבון הענן מחזיק בטיעון הכי קל להצגה בשיחת שכר.

שלוש טעויות שמוזילות את ההצעה

הראשונה היא להציג את העבודה כרשימת כלים. משפט שמפרט חמישה כלים בלי לומר מה נבנה בעזרתם מציב את המועמד בקטגוריית מפעיל ולא בקטגוריית מהנדס, ומתומחר בהתאם.

השנייה היא לוותר על תיאור ההשפעה. מודל שהחליף שבע שאילתות שכתבו אנשים שונים הוא סיפור שאפשר לכמת, ובלעדיו נשארת רק תכולה טכנית שקשה להשוות בין מועמדים.

השלישית היא לקבל את הכותרת במקום את התכולה. משרה שנקראת אנליסט בכיר אך כוללת בעלות על מחסן הנתונים היא תפקיד מידול לכל דבר, וכדאי לומר זאת במפורש בשלב המשא ומתן ולא להניח שהצד השני כבר מודע לכך.

איפה מחפשים את המשרות האלה

הכותרת Analytics Engineer עדיין נדירה יחסית בשוק הישראלי, ולכן חיפוש לפי שם התפקיד בלבד מפספס חלק ניכר מההזדמנויות. ארבעה עמודים שכדאי לסרוק: 27 משרות בקטגוריית דאטה, 27 משרות בהנדסת נתונים, 22 משרות שמזכירות Airflow ו14 משרות שמזכירות ETL.

שווה גם לשים לב לניסוח הדרישות עצמו. מודעה שמבקשת שליטה בשאילתות ובכלי הדמיה מתארת בדרך כלל תפקיד אנליזה, ואילו מודעה שמזכירה בדיקות אוטומטיות על נתונים, ניהול גרסאות או סביבת פיתוח נפרדת מתארת את התפקיד שעליו דיברנו כאן. ההבחנה הזו שווה כסף, כי היא קובעת לאיזו סקאלה כדאי לעגן את הציפייה עוד לפני השיחה הראשונה.

עצה שחוזרת אצל מי שמצא עבודה בתחום: לחפש בגוף המשרה את המילים מידול, מחסן נתונים או שכבת טרנספורמציה, ולא את הכותרת. לא מעט משרות שמפורסמות כאנליסט בכיר הן בפועל התפקיד הזה במלואו, ולעיתים גם עם תמחור שמתאים לו.

שאלות נפוצות

האם צריך רקע בתכנות כדי להיכנס לתפקיד?

לא נדרשת יכולת פיתוח תוכנה מלאה, אבל נדרשות הרגלים של מפתח: עבודה עם ניהול גרסאות, כתיבת בדיקות ופיצול קוד חוזר. מי שמגיע מאנליזה נכנס לעיתים קרובות דרך לימוד ההרגלים האלה ולא דרך לימוד שפה חדשה.

הטווחים שבמאמר מגיעים מהמשרות שמתפרסמות אצלכם?

לא, והבהרנו זאת גם בגוף המאמר. המערכת שלנו אינה שומרת נתוני שכר, וכל סכום שמופיע כאן הוא הערכת שוק. ספירות המשרות שליד הקישורים הן הנתון החי היחיד בעמוד.

עדיף להתקדם לכיוון הנדסת נתונים או לכיוון מוצר?

שני הכיוונים פתוחים ומשלמים דומה בקצה הבכיר. הבחירה מעשית יותר מכספית: מי שנהנה מתשתית, ביצועים ואמינות ימצא את עצמו בהנדסה, ומי שנהנה מהחלטות עסקיות יתקדם לעבר מדדים ומוצר.

כמה משרות דאטה פתוחות כרגע בלוח?

בקטגוריית הדאטה מופיעות 35 משרות, ולצידן 30 משרות שמזכירות הנדסת נתונים ו-22 שמזכירות Airflow. חלק מהמשרות מופיעות ביותר מעמוד אחד, ולכן אין לחבר את המספרים.

האם התפקיד מתאים לכניסה ראשונה להייטק?

פחות מאשר תפקיד אנליזה. הוא דורש היכרות עם מבנה נתונים ארגוני ועם מוסכמות עסקיות, ואלה נרכשות בעיקר מתוך עבודה. המסלול הנפוץ הוא שנתיים באנליזה ואז מעבר.

מה הטעות הנפוצה במשא ומתן על התפקיד?

להשוות את ההצעה למשרות אנליסט. מי שמגיע מאנליזה נוטה לעגן את עצמו במספר הקודם שלו, ומקבל הצעה שמשקפת את התפקיד הישן. העיגון הנכון הוא לצד ההנדסי של הסקאלה.