Привет, Хабр!
При выборе IT-направления обычно смотрят на два параметра: зарплату и количество вакансий. Но это неполная картина - и это можно доказать цифрами.
Я пишу от лица команды Софи - ИИ-ассистента для автоматизации откликов на вакансии.
За 11 месяцев работы мы сделали миллион реальных откликов кандидатов - с ответами рекрутеров, тестовыми заданиями и приглашениями на интервью. Всё это осело в базе данных.
В статье мы используем эти данные, чтобы ответить на вопрос, который волнует каждого, кто сейчас в поиске: в каком IT-направлении выше реальная вероятность дойти до оффера.
Погнали!
Контекст: рынок стал рынком работодателя
К третьему кварталу 2025 года индекс конкуренции в IT на hh.ru достиг 8.6 резюме на одну вакансию против 4.5 годом ранее. Количество вакансий сократилось примерно на треть. Зарплаты вышли на плато. В этих условиях вопрос «где легче найти работу» стал значительно острее: каждый месяц поиска - это реальные деньги.
Методология: что такое offer_score и как мы его считали
Нам нужен был единый показатель, позволяющий честно сравнивать направления между собой. Мы назвали его offer_score.
Логика такая: чтобы быстро получить оффер, нужно одновременно несколько вещей. Во-первых, достаточно вакансий - иначе просто не из чего выбирать. Во-вторых, невысокая конкуренция - иначе резюме просто не откроют. В-третьих, реальный шанс попасть на интервью - работодатели должны звать, а не просто собирать резюме. И наконец, минимум тестовых заданий, которые замедляют весь процесс и создают дополнительный отсев.
Мы взяли четыре фактора и назначили им вес, исходя из их реального влияния на скорость оффера:
Формула: offer_score = +0.35×вакансии + 0.35×интервью − 0.20×конкуренция − 0.10×тестовые
Все факторы нормализованы к максимуму по выборке, чтобы сравнение было корректным. Важная оговорка: offer_score сравнивает направления при прочих равных и не учитывает ваш конкретный опыт и грейд.
Рейтинг направлений
Среди всех направлений в нашей базе мы выбрали шесть самых популярных - по ним накопилось достаточно данных для статистически осмысленных выводов. Для каждого считали все четыре фактора из формулы выше и сводили в единый offer_score. Вот что получилось:
Разрыв между первым и последним - более чем шестикратный. Разберём каждый фактор отдельно.
Почему Data Analyst на первом месте
Рынок вакансий шире, чем кажется
Когда говорят «аналитик данных», обычно имеют в виду только Data Analyst. Но реальный рынок аналитики состоит из трёх смежных направлений, и работодатели часто рассматривают кандидатов кросс-направленно:
Для сравнения: у Python, Java и Frontend в Москве по 149–186 вакансий каждый. Если считать аналитику как единый кластер смежных направлений - суммарный рынок в 10+ раз шире каждого из направлений разработки по отдельности. Конечно, не каждый Data Analyst претендует на позицию системного аналитика, но частичное пересечение навыков реально расширяет поле поиска.
Конкуренция - одна из самых низких
У QA - 3 534 отклика на вакансию, у Data Analyst - 1 829. Почти вдвое меньше. Это означает, что при прочих равных резюме аналитика открывают значительно чаще.
Аналитик данных - 4-е место с 38.8%. Python-разработчик - последний с 26.6%. Разница в 12 п.п., которая в реальном поиске ощущается очень сильно. Смотрели на реальных пользователей Софи: какая доля получила хотя бы одно приглашение на интервью.
Data Analyst - 3.1 тестовых. Примерно столько же, сколько у разработчиков, и в четыре раза меньше, чем у Графических дизайнеров. Тестовые задания - недооценённый фактор: каждое занимает от нескольких часов до нескольких дней и в большинстве случаев заканчивается отказом.
Итог по аналитике: Data Analyst выигрывает не за счёт одного исключительного параметра, а за счёт баланса всех четырёх: большой рынок, умеренная конкуренция, высокий шанс интервью и разумное количество тестовых. Именно поэтому offer_score 0.50 - лучший результат в нашей выборке.
Java - самое недооценённое направление среди разработчиков
Чтобы понять, почему Java обогнала Python почти вдвое по offer_score, мы сравнили три самых популярных направления в разработке по каждому фактору отдельно.
Вакансий у всех троих примерно одинаково - разница в пределах 25%. При этом конкуренция у Java вдвое ниже Python и втрое ниже Frontend. При равном числе открытых позиций джавист конкурирует с меньшим числом людей (разница в 2 раза).
Конверсия в интервью
Дальше смотрим, какая доля пользователей Софи получила хотя бы одно реальное приглашение на интервью. Java - 44.2%, Frontend - 35.0%, Python - 26.6%. При 100 откликах Python-разработчик получит в среднем 27 интервью, джавист - 44. На 63% больше при одинаковом объёме поиска.
Тестовые задания
Последний фактор - среднее количество тестовых заданий на кандидата. Python - 5.4, Frontend - 2.3, Java - 2.1. Разница между Python и Java - в 2.6 раза. Наша гипотеза: Python используется в очень широком спектре задач - от веба до ML. Работодатели используют тестовые, чтобы понять специализацию кандидата. У Java рынок однороднее, требования стандартизированы.
Итог по разработке: Java побеждает сразу по трём из четырёх факторов - наименьшая конкуренция, наибольший шанс интервью, минимум тестовых. При сопоставимом числе вакансий это самое недооценённое направление среди разработчиков.
Зарплаты vs сложность поиска
Мы разобрали, где легче дойти до интервью. Но остаётся главный вопрос: а стоит ли это вообще того? Может, Python сложнее искать, зато больше платят? Добавляем публичные данные Хабр Карьеры по зарплатам и смотрим, есть ли премия за сложность поиска.
Java Middle зарабатывает ~242k против ~221k у Python - на 10% больше, и при этом находит работу вдвое быстрее. Премии за сложность поиска у Python нет. Если считать time-to-offer как упущенный доход - Python-разработчик, ищущий работу на 2–3 месяца дольше, теряет сотни тысяч рублей.
Оговорка по Data Analyst: зарплаты аналитиков на Middle ниже (~176k против 221–242k у разработчиков). Если приоритет - максимальная зарплата, Java выглядит предпочтительнее. Если важна скорость первого трудоустройства - Data Analyst. Важно отметить, что у QA Senior недостаточно анкет для репрезентативной медианы в выборке Хабр Карьеры, поэтому в нашей таблице эта графа пропущена.
Выводы
Популярность направления и количество вакансий - плохие предикторы лёгкости трудоустройства. Python - самый популярный язык в мире и при этом самый сложный для поиска работы среди трёх рассмотренных направлений разработки.
Если вы в активном поиске - закладывайте в расчёт не только зарплатную вилку, но и time-to-offer. Data Analyst и Java - два направления с лучшим соотношением «шанс оффера / потраченное время» по нашим данным. QA сейчас один из самых перегретых рынков относительно числа вакансий.
Мы продолжаем собирать данные. Если такой формат зайдет, в следующим срезе можем добавить разбивку по грейдам: у кого разрыв между junior и middle по сложности поиска наибольший.
Спасибо, что дочитали до конца!
