多年來，我同時站在資料工程師招聘的兩端。我曾面試候選人，也曾是候選人，親眼目睹市場在雙方腳下發生變化。這裡有一件事業界沒有人坦白說：如果你想在 2026 年以初階身份進入 資料工程 領域，你正走向的那扇門已經不復存在。

這不是悲觀，而是數據。

初階資料工程師職缺暴跌 67%

自生成式 AI 普及以來，初階資料工程師 職缺已下滑 67%。這不是小幅回落，也不是週期性修正，而是結構性崩盤。在 2026 年，所有資料工程職缺中，僅 3% 明確標註為 初階（要求 2 年或以下經驗）。在 2026 年 5 月分析的 6,877 個活躍職缺中，僅有 219 個職缺。作為對照，資料分析師職缺的初階比例為 8%。差距顯而易見。

史丹佛數位經濟實驗室量化了其機制：自 ChatGPT 推出以來，初階開發人員就業（22 至 25 歲）下降 16%，而 30 歲以上、高 AI 曝險領域的勞工則成長 6 至 12%。該實驗室主任 Erik Brynjolfsson 直言：「看到某些類別有如此劇烈的影響，而其他類別卻沒有，實在令人驚訝。」

原因很簡單。AI 已將初階工程師過去用來磨練技能的工作商品化：撰寫 SQL 語法、建立 DAG 框架、進行 schema 對應、撰寫單元測試等樣板程式碼。初階管線工程師前兩年 70% 的例行工作，如今已可自動生成。dbt Copilot 已於 2025 年 3 月正式推出。Databricks Assistant 可處理 schema 偵測與文件撰寫。這些橋樑工作消失了，卻沒有人建造新的替代橋樑。

撰寫樣板程式碼，正是學習樣板程式碼用途的方式。企業自動化了學習途徑，卻未建立替代課程。

54% 的工程主管計劃在 2026 年減少招聘初階人員，明確指出 AI 副駕駛（copilot）是原因，讓資深工程師能在無需後補的情況下承擔更多工作。新畢業生的聘用比例降至大科技公司招聘的 7%，遠低於 2019 年的約 30%。這代表下降 78%。2026 屆的電腦科學畢業生面臨 6.1% 的失業率，儘管科技職缺整體呈現淨成長；70% 的人表示對 職涯 感到悲觀。此外，48% 的可見資料工程職缺屬於「幽靈職缺」，是為了組織政治或內部人才庫建立而發布，實際上從未招募。真正的初階職缺比例可能比 3% 更糟。

2026 年招聘人數成長 23%。但不是為你招募。

真正殘酷的是：資料工程整體招聘人數年增 23%。美國預計將有 260,000 個職缺。2026 年全球 DE 服務市場達到 1,050 億美元，預計以 15% 的年複合成長率（CAGR）成長，至 2031 年將達到 2,130 億美元。從所有宏觀指標來看，資料工程領域正蓬勃發展。

但所有增幅都集中在資深與專門職缺。

中階 DE II 的薪資中位數為 139,000 美元。資深職缺的中位數為 174,000 美元，頂尖四分之一可達 218,000 美元。經驗帶來的薪資溢價正在擴大，而非縮小。企業願意為少數能承擔更多工作的人支付更高薪資，但這個算式不包含初階人員。

這不是衰退，而是 兩極分化。這個領域並未縮小，而是出現階層化。對轉職者而言，兩極分化其實比整體衰退更糟糕，因為至少整體衰退還保留了階梯。這個市場刪除了最底層的階梯。

同時，2026 年上半年已裁減超過 123,000 個科技職缺。僅 5 月就裁減 38,242 個職缺，是自 2024 年 8 月以來單月最高。54% 的裁員事件明確將 AI 列為原因。Oracle 裁減 21,000 人，占全球員工的 13%，並支付 18.4 億美元的遣散費。但反向解讀是：這許多是 COVID 期間過度招聘的修正，只是披上 AI 的外衣。Block 在 2019 至 2024 年間員工人數暴增 160%。這不是 AI 的故事，而是泡沫的故事。那些在零利率狂熱期間過度招聘的公司，現在正以「AI 轉型」為由進行裁員。

將來源 A 連接到倉儲 B 再使用工具 C 的工作版本正在消失。架構設計、治理、除錯判斷、成本優化：這才是現在的全部。企業並未減少招聘資料工程師。他們減少招聘的是 特定類型 的資料工程師。

值得注意的一個例外：Databricks 目前有 840 多個職缺，營收成長 65%，估值 1,340 億美元。他們是少數仍在積極增加人力的資料基礎設施公司之一。他們甚至開設明確的新畢業生計畫。但他們的新畢業生 APM 職缺薪資為 133,000 至 150,000 美元，比典型的初階 DE 薪資高出 30,000 美元以上。即使是招聘初階人員的例外，也將他們導向 PM 與銷售軌道，而非 IC 資料工程。或許瓶頸並非「企業不願招聘初階人員」，而是初階 DE 職缺比業界認知得更難設計。

通往無處的訓練營管道

訓練營仍在招收學生，準備填補市場已實際停止發布的初階資料工程師職缺。

行銷資料聲稱安置率為 79%。但經 CIRR 審核的實際數據顯示為 50% 至 70%。這個差距不是噪音，而是一代訓練營結訓生默默就業不足或完全轉行的現象。現職資料科學家中，僅 5% 將訓練營列為最高學歷。訓練營畢業生的平均起薪為 70,698 美元。找到第一份工作的時間已從 2022 年的 4 個月增加至 2026 年的 6 至 12 個月。

App Academy、Turing、Tech Elevator、Hack Reactor：這些機構都面臨裁員或關閉。原本應餵養產業的管道，正隨著它所培訓的職缺一同收縮。

我不是在批評訓練營畢業生。如果你完成訓練營課程，學會撰寫 Python 與 SQL，你確實學到實用的技能。三年在生產環境中運行的管線不是謊言，你確實交付了真正的東西。不要輕視這些。但這些課程所銷售的產品——「12 週訓練營通往 10 萬美元以上初階 DE 職缺」的宣傳——已不再對應市場。你受訓的職位在你還在訓練營時就已消失。

企業現在真正想要的是端到端所有權。分散式系統設計、即時管線開發、雲端成本優化、AI 基礎設施整合、資料治理。這些都不是大多數訓練營所教授的。FinOps 已是必備技能，而非加分項目。2026 年最受需求的五大 DE 技能全屬資深職能。世界經濟論壇預測，到 2027 年，需求將比供給多出 30% 至 40%，但短缺的是有經驗的工程師，而不是能寫 SELECT 語句的普通人。

市場正在明確指出一個早已存在的事實：資料工程不是初階工作。它結合了商業脈絡、分析洞察、基礎設施、軟體工程與 SRE。它從來就不該是任何人進入科技業的第一份工作，而業界終於將這點納入考量。

目前唯一可行的資料工程職涯路徑

那麼，如果你想進入這個領域，該怎麼做？

停止瞄準初階職缺率僅 3% 的職稱。根據我能找到的所有招聘人員與招聘趨勢分析，現在可靠的途徑是先擔任分析師或後端工程師 12 至 18 個月，然後內部轉職。不是直接從訓練營進入初階 DE。分析工程師職缺的初階比例為 8%，幾乎是 DE 職缺的 3 倍，薪資則低 15% 至 30%。這聽起來像是缺點，但它讓你在資源受限的團隊中成為更高投資報酬率的聘用對象。dbt、SQL 建模、測試、可觀測性：這些技能一旦你累積了生產經驗，就能直接轉入資料工程。

更深層的問題是，生成式 AI 之所以扼殺初階招聘，不是因為初階人員無法學習，而是因為企業不再需要有人撰寫樣板程式碼。限制因素不是學習能力，而是生產可信度。能 在生產環境中診斷資料故障 或 操作即時基礎設施 的初階人員仍然會被聘用。串流處理職缺的門檻較高，但競爭較低，因為較少初階人員瞄準這些職缺。一位能在小型專案中操作 Kafka 或 Flink 的初階人員，比第 100 份 SQL/dbt 履歷更稀有、更有價值。

專注於 AI 無法做到的事。資料品質所有權正成為合法的專門領域，而非初階人員的臨時安置。AI 工程師的需求缺口為 3.2 比 1，160 萬個職缺對應 51.8 萬名合格候選人。LLM 專家的薪資為 220,000 至 280,000 美元。這不是初階薪資，但這正是領域正在發展的方向。

最重要的是：學習概念，而非工具。資料建模、查詢優化、理解事情為何出錯。這才是學習計畫。工具每 18 個月就會改變；問題卻不會改變。Schema 漂移、晚到資料、上游團隊未通知就破壞合約：這些是永恆的問題。企業正在招聘判斷力，而非語法，這正是我們建立 datadriven.io 資料工程師面試練習 的原因，圍繞跨任何技術堆疊都能轉移的概念，因為語法永遠是簡單的部分。

這件事應該讓招聘主管而非求職者擔心。企業現在減少招聘初階人員，正在製造未來的資深人才短缺。他們支付 174,000 至 218,000 美元聘用的資深工程師不是憑空出現的；他們曾經在某處擔任初階人員。當供給枯竭時，人才爭奪戰將更加激烈。有些公司已經看到這點：IBM 與 Cognizant 在 2026 年將初階人才管道增加至三倍與四倍，而其他公司都在收縮。他們打賭，現在投資培訓比三年後的人才爭奪戰更划算。我認為他們是對的。

這個領域並未消亡。它是一個每年成長 15%、價值 1,050 億美元的市場。但入門途徑已改變，沒有人會把舊的途徑還給你。

你的入門途徑是什麼？你是透過分析、後端，還是其他完全不同的路徑？