Stanowisko

Praca Analytics Engineer

74 oferty pracy na stanowisku Analytics Engineer. 62% zdalnie, najczęściej w Warszawie, we Wrocławiu i w Krakowie. Najczęściej wymagane technologie: SQL, Python i Apache Spark.

61nowych ofert w październiku 2026

Zobacz 74 ofertyStan na 14 listopada 2026 · aktualizowane co godzinę
Aktywne oferty
74
+12 w ostatnim tygodniu
Firmy rekrutujące
52
z co najmniej jedną ofertą
Praca zdalna
62%
ofert dopuszcza pracę zdalną
Najwięcej ofert
Warszawa
43 oferty

Analytics Engineer – zarobki

Mediana widełek miesięcznie, tylko z ofert z podanym wynagrodzeniem.

Mediana widełek wynagrodzeń miesięcznie według poziomu i rodzaju umowy, z liczbą ofert
PoziomB2B (netto)Umowa o pracę (brutto)
MidB2B (netto)20 000–25 000 złz 19 ofertUmowa o pracę (brutto)16 500–19 000 złz 13 ofert
SeniorB2B (netto)21 300–26 900 złz 44 ofertUmowa o pracę (brutto)18 000–22 600 złz 18 ofert

Liczymy medianę dolnych i górnych granic widełek z 84 ofert: aktualnych i z ostatnich 6 miesięcy. Jak to wyliczyliśmy?

Doświadczenie i model pracy

Doświadczenie

  • Senior3953%
  • Mid/Regular2635%
  • Menedżer/C-level34%

Model pracy

  • Zdalnie4662%
  • Hybrydowo2331%
  • Stacjonarnie1014%

Oferta może dopuszczać kilka modeli pracy, więc udziały sumują się do ponad 100%.

Technologie w ofertach Analytics Engineer

Odsetek ofert z tej strony, które wymieniają daną technologię w wymaganiach. Link prowadzi do wszystkich jej ofert.

Firmy z największą liczbą ofert: Analytics Engineer

Liczba aktywnych ofert danej firmy na tej stronie.

Wszystkie firmy IT

Wyróżnione i najnowsze oferty: Analytics Engineer

Wszystkie oferty

Czym zajmuje się Analytics Engineer?

Analytics Engineer (inżynier analityki) stoi między inżynierią danych a analizą: bierze surowe tabele załadowane do hurtowni i zamienia je w czyste, opisane modele. Analitycy i dashboardy korzystają z nich bez zgadywania, co znaczy każda kolumna. Pracuje głównie w SQL i narzędziu dbt, z testami danych, dokumentacją i przeglądem kodu, tak jak programista.

Typowe hurtownie to BigQuery, Snowflake i Databricks, a obok nich Airflow, Looker czy Power BI. Rola wzięła się z firm, w których pytań do danych przybywało szybciej niż analityków, dlatego część pracy to ustalanie wspólnych definicji wskaźników, np. aktywnego klienta. Ładowaniem danych ze źródeł zajmuje się zwykle Data Engineer, a pytania biznesowe zadaje Data Analyst; analytics engineer dba o warstwę pomiędzy nimi.