Опрос 694 специалистов по Data Science показал, что карьерная лестница на российском рынке по-прежнему устроена довольно прямолинейно: чем выше грейд, тем заметнее разница в доходе. Но вместе с ростом зарплаты никуда не деваются региональный разрыв и проблемы с удержанием людей.
На разбор обратил внимание Habr / Карьера. Автор канала «Нескучный Data Science» изучил 694 валидные анкеты из 695 собранных. В опросе было 29 вопросов: от образования и способа входа в профессию до премий, переработок и готовности сменить компанию. Оригинал материала - .
Кто попал в выборку
Это не перепись всей отрасли, поэтому называть выборку репрезентативной для всего рынка было бы слишком смело. Но для сравнения групп данных достаточно: медианному участнику 26 лет, у него три года опыта в Data Science и один год у текущего работодателя.
Самая большая группа - миддлы: 272 человека, или 39% выборки. Ещё 257 респондентов находятся на уровне сеньор и выше. По географии 57% работают из Москвы, по 14% - из Петербурга и других регионов России, ещё 15% живут за пределами страны. Почти половина респондентов полностью на удалёнке. Перекос по полу тоже заметный: 84% мужчин и 16% женщин.
Автор разбора не ограничился сырыми медианами и в ряде случаев сравнивал группы с поправкой на роль, опыт, возраст, географию и отрасль. Для карьерного материала это полезнее обычной таблицы «кто сколько получает», потому что так лучше видно не только вилки, но и саму механику роста.
Зарплаты по грейдам и регионам
Доход растёт почти ступенька в ступеньку вместе с грейдом. Медиана - 54 тыс. рублей у стажёров и 655 тыс. рублей у Head+ ролей. Диапазоны между 10-м и 90-м процентилями тоже показательные: 35-89 тыс. у стажёров, 70-187 тыс. у джунов, 150-380 тыс. у миддлов, 253-594 тыс. у сеньоров, 283-860 тыс. у уровня Senior+/Lead и 281-1,55 млн у Head+.
Есть и редкие выбросы: в выборке встретился ответ с доходом 4,5 млн рублей. Но это уже очень узкий слой руководящих ролей - Head of DS, CDO, CDS и CTO. Иными словами, резкий рост наверху возможен, но речь там идёт уже не о прикладных навыках на уровне отдельного инструмента, а об управлении людьми и бюджетом.
Удалёнка при этом не стёрла географию. Без поправок медианный доход в Москве составил 260 тыс. рублей в месяц, в Петербурге - 205 тыс., в других регионах - 175 тыс. После учёта грейда, роли, опыта, возраста, формата работы и отрасли разрыв между Москвой и регионами всё равно оценили примерно в 23%.
С отраслями картина менее однозначная: у джунов выше медиана в банках, у миддлов различия невелики, а у уровня Senior+/Lead лучше выглядит крупный IT, хотя выборки там уже небольшие. Зато в 322 анкетах, где удалось определить отрасль по работодателю, 141 респондент, или 44%, оказался из банков и финтеха. Для российского рынка это важная деталь: путь в Data Science по-прежнему часто проходит через скоринг, антифрод и маркетинговые модели.
Бонусы, лояльность и разрыв по полу
Есть и менее приятная цифра. Без поправок медианный доход мужчин составил 260 тыс. рублей, женщин - 227,5 тыс. После сравнения специалистов со схожими опытом, возрастом, грейдом, ролью, географией и отраслью разрыв почти не исчез: автор оценил его в 12,6% в пользу мужчин. При этом он отдельно оговаривает широкий доверительный интервал, поэтому спорить здесь стоит не о десятых долях, а о самом факте сохраняющейся разницы.
Премии у большинства начинаются уже после стажировки, а у тех, кто их получает, медианная доля бонуса обычно составляет 15-20% общего дохода. Среди стажёров бонус указали только четверо из 23 ответивших - 10%, 15%, 20% и 30%. Для массового рынка это скорее исключение, чем правило.
Самый практичный вывод связан не с зарплатами, а с лояльностью. Среди 69 высокооплачиваемых, но недовольных работой респондентов только шестеро полностью закрыты для предложений. В разборе к «высокооплачиваемым» отнесли тех, кто получает минимум на 18% больше медианы специалистов с сопоставимыми грейдом и опытом. Деньги помогают нанять человека, но не гарантируют, что он не откроет сообщения от рекрутёров.
Значение для рынка
Для специалистов вывод простой: удалёнка не обнулила региональный разрыв, а карьера в Data Science всё ещё зависит от грейда и типа работодателя сильнее, чем от разговоров про «рынок без границ». Для компаний вывод ещё приземлённее: одной зарплатой сильных миддлов и сеньоров не удержать. Если специалист не видит развития, недоволен управлением и повседневной организацией работы, рынок быстро превращает это в новые собеседования.
Следующий логичный шаг для таких разборов - более широкая выборка по компаниям и отдельный анализ ролей внутри Data Science, потому что под одной вывеской давно живут и исследователи, и прикладные ML-команды, и руководители.