В конце 2025 года (ноябрь–декабрь) мы делали для нескольких компаний глубокую зарплатную аналитику под их реальные команды. Из интересного: почти ни у кого задача не стояла “узнать вилку по рынку”. Задача была — как оптимизировать бюджет на 2026 так, чтобы не сломать продукт и не проиграть найм. По факту аналитика перестаёт быть инструментом "для тех, кто может себе позволить держать руку на пульсе", и становится ключевой точкой опоры для принятия решений по оптимизации ФОТа с минимальными рисками для продукта и команд. В ходе исследований мы регулярно видели полезные для бизнеса закономерности, например: 1) В одном направлении IT в компании можно нанимать дешевле — если осознанно взять людей без “исторически обязательной” технологии в этой компании. Конечно при условии, что компания заранее закрывает риски внутренним обучением, которое обойдется дешевле, чем нанимать кандидатов с +10% к зарплатам за знание этой уникальной технологии. 2) В другом стеке и грейде можно сэкономить за счёт удалёнки — и именно эта команда для бизнеса, с которым мы работали, была не из разряда критикал офис. То есть экономия получается “без боли”, просто за счёт правильного выбора формата работы. 3) А в третьем — любая попытка сэкономить по вилке автоматически превращается в рост стоимости через 3–6 месяцев. Потому что за экономию в данном критически важном стеке для компании мы недопокупаем самостоятельность, и это возвращается: в нагрузке на лидов, в количестве правок, в скорости фичей. И вот тут начинается главная разница между “открытыми данными” и аналитикой под команду. Общие данные не подходят для принятия критически важных решений. Открытые данные говорят: “Middle Data Scientist — вот такая вилка.” Но они не отвечают на ключевой вопрос бизнеса: Какая доля рынка реально находится внутри этой вилки, и действительно ли это миддл в понимании нашей конкретной компании. Пример из отчета для клиента, отталкиваясь от его требований Для позиции Middle: — процентиль 50–p75: оптимальная и самая предсказуемая вилка для стандартного найма. Широкий пул специалистов с устойчивым уровнем компетенций, 3–5 годами опыта и проверенным бэкграундом. Минимальные риски при найме. — процентиль p75–p90: вилка для найма сильных Middle, приближающихся к Senior-уровню. Это специалисты с профильным образованием, опытом работы в ведущих компаниях и, нередко, глубокими знаниями в области ML. Их найм оправдан для сложных задач (не требующих при этом лидерских компетенций), таких как: разработка и улучшение core-моделей продукта (рекомендации, ранжирование, поиск); проектирование сложных A/B-тестов, uplift-моделей и проведение причинно-следственного анализа; * построение ML-решений на больших объёмах данных и в высоконагруженных системах (PySpark, распределённые вычисления). Срезы, в которых просят аналитику наши клиенты: ▶Технологии: отдельно по каждой позиции/технологии, с учётом того, как именно строятся грейды внутри компании. ▶Локации: один регион или ряд регионов; отдельно мы показывали влияние релокации на зарплаты. ▶Удалёнка vs офис: как формат работы сдвигает ожидания кандидатов. ▶Объём рынка: кто сейчас наиболее востребован и как менялся тренд. ▶Компании доноры: в каких компаниях работают нужные специалисты и с кем будет основная конкуренция за кандидатов. Аналитику заказывают компании разных масштабов — дело не в размере бизнеса. Общий паттерн: это команды, которые прожили не один кризис и научились управлять бизнесом в условиях неопределённости. Именно такие компании принимают решения по людям и ФОТу, опираясь на актуальные данные, понимая цену решений, принятых интуитивно. Если вы планируете актуализировать ФОТ в 2026-м или реалии рынка толкают вас к оптимизации — мы поможем сделать это опираясь на данные. Больше подробностей, пример отчета и стоимость можно посмотреть здесь. Если у вас сложный кейс или нужна консультация "не под запись" - пишите напрямую Ринату.