Tech
Data Engineer: modellerad AI-kostnad och uppgiftsmix
Designar och underhåller datapipelines, datalager och infrastruktur. Ansvarar för tillförlitlighet, schemadesign och orkestrering av dataplattformen som analytics- och ML-teamen är beroende av.
Den här sidan använder en representativ geografisk nivå och erfarenhetsnivå. Skapa en egen Wagecard-rapport med din faktiska uppgiftsmix, dina timmar, din plats, din erfarenhet och valfri lön.
- Operativ AI-kostnad
- Median marknadslön (p50)
- Fyra uppgiftsklasser
- Kvalitativ tillförlitlighet
- Dokumenterad metodik
Operativ AI-kostnad
Modellerad AI-driftskostnad inkluderar tokens, mänsklig granskning, omförsök, felkostnad, integration och orkestrering.
Marknadslön (amerikansk nivå 2, mitten av karriären)
Percentiler för marknadslön: p25 $115 702, p75 $164 492, p90 $195 160.
Ekonomisk utbytbarhet
Lägre poäng betyder att en människa är mer tillförlitlig eller kostnadseffektiv under mer av uppgiftstiden. Läge för AI-förstärkning.
Uppgiftsblandning
Fyra uppgiftsklasser
Timvägd andel av denna rolls uppgifter
Uppgiftsdetaljer
Hur varje uppgift klassificerades
För varje uppgift, se AI-kapacitet, tillförlitlighet, felkostnad och var en människa förblir mer tillförlitlig eller kostnadseffektiv.
| Uppgift | Kapacitet | Tillförlitlighet | Felkostnad | När en människa fungerar bättre |
|---|---|---|---|---|
| Bygga ETL/ELT-pipelines | 78 | 70 | 3/5 | 30/100 |
| Schemadesign | 55 | 50 | 4/5 | 55/100 |
| Felsökning av pipelines | 50 | 45 | 4/5 | 65/100 |
| Skriva SQL-transformationer | 82 | 78 | 2/5 | 25/100 |
| Arkitektur för datainfrastruktur | 40 | 40 | 5/5 | 75/100 |
| Pipelinegenomgångar med intressenter | 25 | 25 | 3/5 | 75/100 |
Representativt exempel för geografisk nivå 2 i USA och medellång erfarenhet, beräknat med kapacitetsmatris v1 och modell v1-mvp. Se den dokumenterade metodiken på /methodology.
Skapa en Wagecard-rapport för uppgiftsmixen i Data Engineer
Använd dina faktiska uppgifter, timmar, plats, erfarenhet och valfri lön. Din Wagecard-rapport visar modellerad AI-driftskostnad, marknadslön, de fyra uppgiftsklasserna och kvalitativ tillförlitlighet för kärnuppskattningarna.