Рынок IT перегрет только на входе. Все эти бесконечные курсы по фронтенду, тестированию и Python для начинающих создали иллюзию, что в индустрии избыток кадров. Это не так. Есть колоссальный избыток джуниоров с одинаковыми пет-проектами, но при этом существует и кадровый голод на специалистов, от которых реально зависит работа бизнеса. И вот тут начинается самое интересное. Компании не спешат искать таких людей на хедхантере. Они предпочитают растить их внутри, из своих же проверенных сотрудников. Это и есть тот самый «вход только для своих», который не про кумовство, а про чистый прагматизм. Зарплата в IT выше 200 000 рублей — это не плата за знание фреймворка, это плата за глубокое понимание конкретного бизнеса и его инфраструктуры.
Давайте разберем три таких направления. Это не те профессии, в которые можно «войти» за полгода. Это путь для тех, кто уже в индустрии и готов расти вглубь а не вширь.
Первое направление — DevOps и его более зрелая форма, SRE (Site Reliability Engineering). На бумаге задача девопса — подружить разработку и эксплуатацию, автоматизировать выкатку кода, поднять и настроить серверы. На практике это человек, который стоит между хаосом и стабильной работой продукта. Любой сбой, любое падение сервиса — это его зона ответственности. И вот тут кроется ключевая причина, почему их растят внутри. Чтобы эффективно выполнять эту работу, нужно знать продукт и его инфраструктуру до последнего винтика. Нужно понимать, почему вот этот старый легаси-сервис общается с базой данных именно так, а не иначе, почему его нельзя просто так завернуть в Докер и запустить в Кубернетес.
Хороший девопс — это часто бывший сильный разработчик, которому надоело писать фичи и стало интересно, как все это работает под капотом. Или, наоборот, системный администратор, который выучил Python и Ansible, чтобы автоматизировать свою рутину. Компания берет своего сеньор-разработчика, который знает все болевые точки приложения, и дает ему полномочия и ресурсы для построения инфраструктуры. Почему это выгоднее? Потому что он уже знает, что и где может сломаться. Он не будет предлагать универсальные решения из книжек, он будет решать конкретную проблему этого конкретного бизнеса. Ему не нужно полгода, чтобы вникнуть в хитросплетения микросервисов, он сам их писал или правил.
И что это значит по факту? Это значит, что такой специалист экономит компании миллионы. Час простоя крупного e-commerce проекта может стоить дороже, чем годовая зарплата всей DevOps-команды. Поэтому им и платят такие деньги. Их работа — это страховка бизнеса от катастрофы. В их арсенале Kubernetes для оркестрации контейнеров, Terraform для управления инфраструктурой как кодом, Prometheus и Grafana для мониторинга, CI/CD-пайплайны на Jenkins или GitLab. Но это просто инструменты. Главный их навык — системное мышление и умение тушить пожары до того, как они разгорелись. Получаеться, это одна из самых стрессовых и ответственных позиций, и именно поэтому здесь такая высокооплачиваемая работа в IT. Новичка с курсов на такую позицию не возьмут никогда. Ему просто не хватит контекста.
Второе направление, где предпочитают своих — это Data Engineering, инженерия данных. Сейчас все помешались на Data Science и машинном обучении. Но они забывают, что модели машинного обучения и красивые дашборды строятся на данных. И эти данные кто-то должен собрать, очистить, структурировать и доставить в нужное место. Этим и занимается дата-инженер. Это невидимый герой мира Big Data.
Тут та же история, что и с девопсами. Можно найти на рынке человека, который отлично знает Apache Spark, Kafka и Airflow. Но он ничего не знает о ваших данных. Он не в курсе, что данные из этого старого монолита приходят с дикой задержкой, а вот в той таблице половина значений — это мусор, потому что ее заполняли вручную десять лет назад. Он не знает бизнес-логику, которая порождает эти данные. В результате он построит технически идеальный пайплайн, который будет гнать в аналитическую систему совершенно бесполезную информацию.
Поэтому компании часто идут другим путем. Берут сильного бэкенд-разработчика, который годами работал с основной базой данных продукта и знает каждую ее аномалию. Он понимает, откуда берутся данные и что они означают для бизнеса. И его начинают учить инструментам Big Data. Ему дают задачи по построению ETL/ELT-процессов (извлечение, преобразование, загрузка данных). Он начинает строить витрины данных для аналитиков. Да, ему прийдется освоить Спарк, возможно, Кликхаус или другую колоночную СУБД, разобраться с оркестраторами вроде Airflow. Но его главное преимущество — знание источника. Он сможет задать правильные вопросы бизнесу и построить пайплайн, который будет поставлять чистые и консистентные данные.
Такая работа требует усидчивости и внимания к деталям. Это не креативный процесс создания новой фичи. Это кропотливый труд по обеспечению фундамента для всего, что связано с аналитикой в компании. И за этот фундамент готовы платить. Потому что решения, принятые на основе грязных данных, могут стоить компании рынка. Это одна из самых востребованных IT-специальностей 2024, хоть и не такая распиаренная, как Data Science. Найти хорошего дата-инженера с релевантным опытом почти нереально, их и растят внутри, оберегая от хедхантеров. И z их зарплаты начинаются там, где у многих разработчиков потолок.
Наконец, третья специализация — Cloud Solutions Architect, облачный архитектор. Это вообще высшая каста. Этот человек не пишет код и не настраивает серверы руками. Он проектирует всю IT-систему компании в облаке. Он решает, какие сервисы AWS, Google Cloud или Azure использовать, как они будут взаимодействовать, как обеспечить безопасность, отказоустойчивость и при этом не разориться на счетах за облако.
Почему его нельзя просто нанять с рынка? Представьте, вы приводите в компанию человека со стороны и говорите: «Вот наш бизнес, вот наши планы на пять лет, вот наш бюджет. Спроектируй нам всю инфраструктуру». Это колоссальный риск. Этот человек не знает вашу команду, ее сильные и слабые стороны. Он не знает реальных, а не декларируемых бизнес-приоритетов. Он может спроектировать технически совершенную систему, на поддержку которой у вашей команды просто не хватит компетенций. Или систему которая будет стоить вдвое дороже, чем вы можете себе позволить.
Поэтому облачными архитекторами становятся лучшие из лучших внутри компании. Это может быть бывший тимлид, самый сильный DevOps или ведущий разработчик, который мыслит не на уровне одного сервиса, а на уровне всей системы. Он прошел путь от простого исполнителя до человека, который понимает и технологию, и бизнес. Он знает, что вот здесь можно сэкономить, взяв более дешевый тип виртуальных машин, а вот тут экономить нельзя ни в коем случае, потому что это ядро системы. Он может спорить с финансовым директором и доказывать, почему инвестиции в более дорогую базу данных окупятся в будущем.
Его главные инструменты — это не код, а диаграммы, документы и калькулятор стоимости. Он должен досконально знать возможности облачного провайдера, понимать в сетях, безопасности, базах данных, очередях сообщений. Но главное — он должен уметь переводить требования бизнеса на язык технических решений и наоборот. Это штучный товар. Зарплата в IT выше 200 000 для него — это даже не верхняя планка, а скорее начальный уровень для специалиста такого калибра. Его ошибка может стоить компании миллионов долларов прямых убытков или упущенной выгоды. Его правильное решение может дать бизнесу решающее конкурентное преимущество. Именно поэтому такие какие IT-профессии самые прибыльные существуют в тени более популярных направлений. Их не ищут толпами на работных сайтах. Их растят годами, и их имена знают лишь немногие.
Вот и получается что реальный путь в IT с высокой зарплатой лежит не через короткие курсы и смену профессии за три месяца. Он лежит через глубокое погружение в одну область, через годы работы над одним и тем же продуктом или системой. Через понимание не только «как» что-то сделать, но и «зачем». И компании готовы платить огромные деньги именно за это «зачем», за контекст, который невозможно купить на открытом рынке. За доверие и уверенность в том, что ключевые системы твоего бизнеса находятся в руках человека, который знает их как свои пять пальцев. А не в руках наемника, который завтра уйдет в другой проект.
