データエンジニア未経験からの転職｜ロードマップ・年収・ポートフォリオを解説【2026年版】

【PR】〜アフィリエイト広告が含まれます〜

# データエンジニア未経験からの転職｜ロードマップ・年収・ポートフォリオを解説【2026年版】

「完全未経験でもデータエンジニアになれる？」「何から・どんな順序で学べばいい？」「『未経験歓迎』の求人は本当に応募していいの？」——AI・DX（デジタル技術によるビジネス変革）の波で注目が高まるデータエンジニア。一方で「未経験」とひと口に言っても、置かれた状況は人によってまったく異なります。

結論から言えば、未経験からデータエンジニアへの転職は可能です。ただし「未経験」の定義（完全未経験か、IT経験のある職種未経験か）で難易度と準備期間は大きく変わり、企業の約7割が未経験採用に前向きな一方、採用側の最大の課題は「スキルの見極め」のため、学習実績の見える化が成否を分けます。

本記事では、2026年8月時点の一次情報に基づき、タイプ別のスタートライン、学習ロードマップ、ポートフォリオ設計図、求人の見極め方、年収相場までを解説します。

結論｜未経験からデータエンジニアへの転職は可能。ただし「未経験」の定義と準備期間が鍵

データエンジニアとは、データの収集・加工・保管といった「データ基盤」を設計・構築・運用するエンジニアです（職種の詳細は「データエンジニアとは？」で解説しています）。

まず企業側のデータです。「レバテックIT人材白書2026」（2025年調査）によると、エンジニア未経験者（新卒除く）を「採用している」企業は28.4%、「採用を検討中」も45.0%に上り、合わせて約7割が未経験採用に前向きです（出典：レバテックIT人材白書2026）。SIer（システム開発を受託する企業）やSESなどシステム開発関連企業では約半数が未経験採用を実施しています。

未経験採用に関する企業側データ	数値	出典
未経験者を「採用している」企業	28.4%	レバテックIT人材白書2026
「採用を検討中」の企業	45.0%	同上
未経験採用開始理由1位「経験者採用が難しくなっているから」	46.5%	同上
採用側の課題1位「スキル・能力の見極めが難しい」	51.1%	同上

背景として挙がるのは「ポテンシャルの高い人材が多い傾向があるから」（40.8%）、「成長意欲の高い人材が多い傾向があるから」（37.7%）などです。同じ設問は前年版の白書2025でも「経験者採用が難しい」が50.8%で1位だったため、一時的な流行ではなく継続的な傾向と言えます（出典：レバテックIT人材白書2026・2025）。

採用要件の緩和も進んでいます。ネオキャリア「みんなの採用部」が2025年に10名以上の未経験エンジニアを採用した採用責任者111名へ実施した調査（2025年12月1〜3日）では、約5割の企業が採用要件・選考プロセスを緩和し、「文系出身者の積極採用」「書類選考の廃止・簡略化」がいずれも5割超でした。2026年の未経験採用予定人数は「増やす予定」38.7%、「変わらない」52.3%で、市場が縮小していないことが示されています（出典：ネオキャリア・プレスリリース）。

一方で、未経験採用の課題1位は「スキル・能力の見極めが難しい」（51.1%）です。企業側は「採りたいが、実力がわからない」状態にあり、だからこそ学習実績を見える化した候補者は判断しやすい存在になります。本記事では後半でポートフォリオの設計図を紹介します。

市場全体も押さえておきましょう。厚生労働省「一般職業紹介状況」令和8年6月分（2026年7月31日発表）では、全体の有効求人倍率（求職者1人あたりの求人数）1.18倍・新規求人倍率2.16倍（季節調整値）です（出典：厚生労働省）。職業別では「情報処理・通信技術者」の有効1.49倍との報告もあります（出典：type.jp経由・二次情報）。長期では、経済産業省「IT人材需給に関する調査」（2019年3月）が2030年のIT人材不足を最大約79万人と試算しています（出典：経済産業省）。こちらはデータエンジニア単独ではなくIT人材全体の数字である点に注意してください。

「未経験」は3パターンある｜あなたのタイプ別スタートライン

「未経験」という言葉は、実際には3つの異なる状態を指します。自分がどのタイプかによって、取るべき戦略と現実的な難易度が変わります。

	パターン①完全未経験	パターン②隣接エンジニア	パターン③分析職
典型的な出身職	営業・事務・販売など	バックエンド／インフラ／SIer・SES	データアナリスト／データサイエンティスト
スタート地点	IT経験・学習ともになし	プログラミングやDBの実務経験あり	SQLや統計は得意だが開発経験なし
勝ち筋	育成枠採用 or 隣接職を経由	既存スキルの「翻訳」でジョブチェンジ	コード品質・自動化の証明
現実的な難易度	高め	最も有利	中程度

パターン①: 完全未経験（IT経験・学習なし）

Geeklyの独自調査（2019年時点）では、ITエンジニアへの転職を決められた方のうち、未経験からの転職成功は8%でした（出典：Geekly）。調査時点が古く現在の市場をそのまま表す数字ではありませんが、完全未経験が狭門であることを示しています。

ただし「学習を始めている段階」であれば道は開きます。Geekly掲載のネイチャーインサイト「【IT業界未経験歓迎】データエンジニア」（年収350〜450万円）は、必須条件を「IT業界へ転職するために自己学習をされている方（プログラミングや資格取得等）」とし、入社後3ヶ月間の独自研修制度があります（出典：Geekly掲載求人票・2026年8月時点）。「ゼロのまま応募する」のでなく「学習実績を作ってから応募する」のが現実的なルートです。

パターン②: 隣接エンジニア（職種未経験・IT経験あり）

バックエンド・インフラ・SES/SIerなどIT職種の実務経験がある場合、転職支援を受けやすくなります。たとえばキッカケエージェントは公式比較表で「未経験対応 ×」と明記しており、IT経験者向けサービスであることが公示されています（出典：キッカケエージェント公式サイト）。ただし未経験対応の可否はサービスによって分かれるため、利用前に各社の公式表記を確認することが大切です。既存のプログラミング・DB経験をデータエンジニアリングの文脈に翻訳し、クラウドDWH（データウェアハウス：分析用データを一元保管する基盤）とETL（抽出・変換・格納の一連の処理）の経験を上乗せするのが最短ルートです。

パターン③: 分析職（アナリスト・サイエンティスト）

データアナリストやデータサイエンティストはSQLや統計の扱いに慣れている反面、本番環境で動くコードを書く経験が不足しがちです。データエンジニアは「分析する人」ではなく「分析されるデータの通り道を作る人」なので、Gitによるバージョン管理、テスト、自動化といったソフトウェア開発のプラクティスを証明できるかがポイントになります。

年齢別の現実

レバテックIT人材白書2025によると、未経験採用の実績年齢は「20代後半（34.8%）」「20代前半（28.7%）」が中心です（出典：レバテックIT人材白書2025）。30代以降は実績の中心から外れる傾向があり、前職経験の翻訳と学習実績の精度がより問われます。30代の具体的な戦略は「30代未経験からのエンジニア転職ガイド」で詳しく解説しています。

スキル習得ロードマップ｜SQL→Python→クラウド→ETL→ポートフォリオ（期間付き）

学習順序は上位記事でもほぼ共通ですが、本記事では各教材の「公式の想定時間」を出典付きで整理します。総学習時間の合計値を示す公的データはないため（未確認）、週の学習時間を前提に自分のペースへ置き換えてください。

ステップ	学ぶ内容	公式の目安	主な教材（出典）
①SQL	抽出・集計・結合	18時間（週10h×2週）	IBM「Databases and SQL for Data Science with Python」（Coursera）
②Python	文法・OS操作の自動化	約6か月（週10h）	Google「IT Automation with Python Professional Certificate」
③クラウド/DWH	BigQuery等でのデータ処理	受験目安はDE実務2〜3年相当	AWS認定 Data Engineer – Associate（DEA-C01）
④ETL/変換	dbtでのモデリング・テスト	dbt Learn（無料）	dbt Learn／jaffle_shop_duckdb
⑤オーケストレーション	パイプラインの自動実行	公式チュートリアル	Apache Airflow（バージョン3.3.1）
⑥ポートフォリオ	成果物の完成	—	次章の設計図

Step 1: SQLを最初に学ぶ（数十時間規模）

データエンジニアの土台はSQLです。IBMのCourseraコース「Databases and SQL for Data Science with Python」（IBM Data Science Professional Certificateのコース6）は所要18時間、目安表記は「2 weeks at 10 hours a week」です（出典：Coursera）。SQLを最優先すべき理由は「SQLとは」でも解説しています。

Step 2: Pythonの基礎（週10時間で約6か月）

Google開発の「IT Automation with Python Professional Certificate」（全6コース）は「6 months at 10 hours a week」が目安で、最初のコース「Crash Course on Python」は20時間の想定です（出典：Coursera）。Grow with Googleの日本語版案内では「多くの学習者は3〜6か月で修了」とされています。分析寄りを学びたい場合は、SQLを含むGoogle「Data Analytics Professional Certificate」（同様に6か月×週10時間目安）も選択肢です（出典：Coursera）。

Step 3: クラウドとDWH

まずはBigQueryやAWSのデータ系サービスのどちらかに絞り、DWH上でのデータ処理に慣れます。資格を目標にするならAWS認定 Data Engineer – Associate（DEA-C01）が代表的です。公式の受験対象者像は「データエンジニアリング分野で2〜3年相当の実務経験＋AWSサービスの1〜2年の実践経験」。試験は130分・65問・合格スコア720/1000・受験料150USD・有効期間3年です（出典：AWS）。この資格はゴールではなく実務相当の学習を伴うマイルストーンであり、未経験の早い段階で無理に狙うものではありません。

Step 4〜5: ETL（dbt）とオーケストレーション（Airflow）

dbt（SQLでデータ変換を書き、テストやドキュメント化を管理するオープンソースツール）は、dbt Labsが初心者向けに無料のインタラクティブ学習プラットフォーム「dbt Learn」を提供しており、公式リポジトリのREADMEでは「If you’re brand new to dbt, we recommend starting with the dbt Learn platform. It’s a free, interactive way to learn dbt」と案内されています（出典：dbt Labs公式GitHub）。ローカルでDWHなしですぐ試せる「jaffle_shop_duckdb」も公式に用意されています。

パイプラインの定期実行にはApache Airflow（複数の処理を決めた順序・時間で自動実行するワークフローツール）を使います。公式ドキュメント（現行バージョン3.3.1）には「Airflow 101」「Building a Simple Data Pipeline」「TaskFlow API」などのチュートリアルがあります（出典：Apache Airflow公式ドキュメント）。

必要なスキル全体の整理は「データエンジニアに必要なスキル」も参照してください。

ポートフォリオの作り方｜ミニデータパイプライン設計図

採用側の課題1位が「スキル・能力の見極めが難しい」（51.1%）である以上、公開したデータパイプラインはスキルを証明する分かりやすい材料になります。公式リソースだけで構成できる「ミニデータパイプライン」の設計図を示します。

レイヤー	役割	使うもの	公式リソース
データ源	練習用の実データ	BigQuery一般公開データセット	bigquery-public-data（毎月1TBまでクエリ無料）
DWH	データの格納・集計	BigQuery	同上（保存費用はGoogle負担）
変換	モデリング・テスト	dbt	公式サンプルjaffle-shop
自動実行	定期実行	Apache Airflow	公式チュートリアル「Building a Simple Data Pipeline」
公開	成果物の提示	GitHubリポジトリ＋README	—

なお、パイプラインの先に可視化（BIツールでのダッシュボード化）まで含めるかは任意です。本記事執筆時点（2026年8月）で、可視化レイヤーの具体的な構成手段については一次情報を確認できていないため（未確認）、この設計図の対象はデータ源から公開までとします。可視化まで作り込むかどうかは、応募先の求人内容と自身の学習状況に合わせて判断してください。

手順1: dbt公式サンプル「jaffle-shop」をクローンする

dbt Labs公式サンプルの「jaffle-shop」は、架空のサンドイッチ店データでdbtワークフローを学べるオープンソースのサンドボックスで、models（モデル）・seeds（種データ）・tests（テスト）・configuration（設定）の一式を含みます（出典：dbt Developer Hub／dbt Labs公式GitHub・2026年8月時点）。

git clone https://github.com/dbt-labs/jaffle-shop.git
cd jaffle-shop

まずはこのサンプルを動かし、dbtのモデル・テスト・ドキュメントの仕組みを把握します。DWHなしで手早く試したい場合は、DuckDB版の「jaffle_shop_duckdb」も公式リポジトリとして提供されています。

手順2: BigQuery公開データセットをデータ源に替える

BigQuery一般公開データセットはbigquery-public-dataプロジェクトとして提供され、保存費用はGoogle負担、「データで実行したクエリにのみ料金が発生。毎月1TBまで無料」です（出典：Google Cloud）。gsod（気象データ）・shakespeare・wikipediaなどのサンプルテーブルがあるため、たとえば「気象データを日次集計し、dbtで集計テーブルを作る」という題材に置き換えられます。無料枠内で完結します。

手順3: Airflowで定期実行を追加する

Apache Airflow公式チュートリアル「Building a Simple Data Pipeline」に沿って定期実行の仕組みを追加します（出典：Apache Airflow公式ドキュメント）。「GitHubでバージョン管理し、CI/CDでテストを自動化し、Airflowで定期実行されるパイプラインを提示する」ことは転職系メディアでも推奨されるアドバイスです（出典：バビロン・キャリアブログ・二次情報）。

READMEに書くべきこと

READMEでは目的・技術選定の理由・苦労した点とその解決を語れるようにしましょう。「なぜこの構成なのか」に答えられることが面接での深掘り対策になります。なお「ポートフォリオがあると選考通過率が上がる」ことを示す公的な定量データは確認できていません（未確認）。効果を断定せず、採用側の課題への合理的な対策と捉えるのが正確です。

転職活動の進め方｜求人の見極めチェックリスト＋経歴書の翻訳術

「未経験歓迎」求人の見極めチェックリスト

検索者の多くは求人探しの段階にいますが、「未経験歓迎」でも必須条件欄にスキル経験を要求する求人は少なくありません。2026年8月時点で掲載されていた実在の求人票で確認しましょう。

会社（求人）	想定年収	必須条件・特徴
株式会社クイック「【未経験可】データエンジニア」	400〜600万円	「SQLまたはPythonを用いたデータ抽出/分析の経験」が必須
ネイチャーインサイト「【IT業界未経験歓迎】データエンジニア」	350〜450万円	「自己学習をされている方」が必須。入社後3ヶ月研修（SASグローバル認定プログラムを受験し100%取得と記載）
分析屋	300〜320万円	月収例は1年目25〜35万円・3年目40万円

（いずれも出典：各求人票・2026年8月時点）

この実例から、以下のチェックリストが導けます。

チェック項目	見る場所	判断のポイント
必須条件にスキル経験が要求されていないか	必須条件欄	「未経験可」でもSQL/Python経験必須なら実質経験者向け
自己学習の継続が条件か	必須条件欄	「学習中」でも応募できる育成枠のサイン
研修制度の有無	募集要項・福利厚生	入社後に育てる体制があるか
給与帯が市場水準か	想定年収	未経験スタートの実勢は300〜600万円帯（次章参照）

経歴書の「翻訳術」

未経験からの応募で評価されるのは、前職の業務をデータエンジニアリングの文脈に翻訳した表現です。定型作業の自動化やExcelでの集計、システム導入の経験などは、データを扱う業務体験として整理できます。書類添削は、レバテックキャリアの職務経歴書添削やマイナビ転職IT AGENTのレジュメ添削・面接対策として受けられます（出典：各サービス公式）。

面接で聞かれること・こちらから確認すべきこと

面接では、志望動機や学習の進め方に加えて、ポートフォリオの技術選定や設計の理由を深掘りされるのが一般的な流れとされます。データパイプラインの基礎概念、たとえばETL（抽出→変換→格納の順に処理する方式）とELT（先にDWHへ格納し、その後DWH側で変換する方式）の違いといった質問も、データ領域の選考で話題になりやすいテーマです。どの質問が出るかを示す公的な統計はないため（未確認）、まずは自分の成果物の「なぜこの構成なのか」に答えられる準備をしておくこと。これは採用側の課題1位「スキル・能力の見極めが難しい」（51.1%）への実践的な対策になります。

同時に、面接は企業側を見極める場でもあります。業務の中でSQLやDWHに触れる時間が確保されているか、コードレビューなど品質を高める体制があるかは、入社後の成長環境を左右するポイントなので、逆質問で確認しておくとよいでしょう。

転職エージェントの使い分け

エージェントは「IT経験の有無」で使い分けるのが現実的です。

※以下の紹介には広告（アフィリエイト）を含みます。掲載する実績数値は各社の公表値であり、利用結果を保証するものではありません。

• IT職種の実務経験がある方向け：キッカケエージェント。運営は株式会社キッカケクリエイション（東京都渋谷区・設立2020年3月）で、2020年12月よりITエンジニア向け転職サービスを提供しています（出典：公式サイト・プレスリリース）。提案求人への満足度93%、稼働求人数約15,000件、年収アップ平均約72万円UP、入社後定着率98.49%は同社公表値です（計測期間・母集団の詳細は公式に注記がありません）。書類作成は元エンジニアの専任担当が代行すると説明されており、利用は完全無料です。ただし公式比較表で「未経験対応 ×」と明記されており、IT職種の実務経験がある方向けのサービスです。完全未経験の方は後述のサービスを選んでください。
• 完全未経験・学習中の方向け：マイナビ転職IT AGENT（未経験からの転職支援）、Geekly（未経験歓迎求人あり）、doda（未経験からのITエンジニア転職サポート）が、未経験対応を公式に明記しています（出典：各公式サイト）。

各社の比較の詳細は「データエンジニア転職エージェント比較」で解説しています。

年収相場｜出典別比較表（job tag/求人ボックス/レバテック）

年収の数値は出典によって集計方法が異なり、単純比較はできません。媒体ごとの定義と合わせて整理します（いずれも2026年8月確認時点）。

出典	数値	集計対象・時点	注意点
job tag（キカガク調べ）	平均約609.8万円	令和7年賃金構造基本統計調査ベース	job tag本体は直接確認できないため二次情報扱い
求人ボックス給料ナビ	平均約571万円（中央値）	2026年7月算出	「データベースエンジニア関連」の集計で、データエンジニア単独ではない
ロバート・ハーフ	650万〜1,200万円（中央値900万円）	同社求人データ	25〜75パーセンタイル。賞与・福利厚生は含まず。ハイクラス寄り
レバテックキャリア	単独の平均は非公表	求人数9,371件（2026年8月26日時点）	近接職種のデータサイエンティストは下限平均約420万・上限平均約920万・最高2,000万円

job tag（職業情報提供サイト）ベースでは、ITSSレベル別のレンジはL1〜2で420万〜620万円、L3で450万〜700万円、L4で500万〜780万円、L5以上で600万〜950万円とされます（出典：キカガク・job tag引用・2026年8月時点）。比較基準として、賃金構造基本統計調査の「システム・エンジニア」平均年収は556万円（月給37.5万円・賞与105.9万円）です（出典：求人ボックス給料ナビの政府統計表示）。

未経験スタートの実勢年収

未経験可とされる求人の想定年収は、前章の通り300〜600万円帯に実例が集中しています（分析屋300〜320万円・350〜500万円／ネイチャーインサイト350〜450万円／クイック400〜600万円。出典：各求人票・2026年8月時点）。「300〜450万円が一般的」と断定できる統計はないため、実例ベースのレンジとして捉えてください。経験蓄積後はjob tag平均約609.8万円の水準も視野に入ります。

需要の文脈として、LAPRAS HR TECH LABの調査（対象2024年5月〜2026年5月・同社掲載求人）では、AI・データ領域（MLエンジニア・データサイエンティスト）の求人数が2年で約2.1〜3.0倍に増加し、提示年収レンジは下限600万円台半ば〜700万円台で推移しています（出典：LAPRAS）。データエンジニア単独の数字ではありませんが、データ領域の採用市場拡大を裏付けるデータです。

年収の詳細な分析は「データエンジニアの年収」を参照してください。

FAQ（よくある質問）

Q. 本当に未経験からデータエンジニアになれますか

A. 可能性と難易度の両方を示すデータがあります。未経験採用に前向きな企業は約7割（採用している28.4%＋検討中45.0%・レバテックIT人材白書2026）である一方、Geeklyの独自調査（2019年時点）では未経験からの転職成功は8%でした。楽観も悲観もせず、「学習実績づくりが前提の挑戦」と捉えるのが正確です。

Q. 学習期間はどれくらいかかりますか

A. 合計値を示す公的データはないため、各教材の公式想定時間の積み上げで考えます。SQL基礎は18時間（IBMコース・週10h×2週）、Python証明書は約6か月×週10時間（Google）、クラウド資格のAWS DEA-C01は受験対象者にDE実務2〜3年相当を想定しています。週の学習時間が変われば所要期間も変わります。

Q. 何歳まで挑戦できますか

A. 法的な制限はありませんが、未経験採用の実績年齢は20代前半28.7%＋20代後半34.8%が中心です（レバテックIT人材白書2025）。30代以降は前職経験の翻訳と学習実績の精度がより重要になります。

Q. 資格は必要ですか

A. 必須ではありません。AWS DEA-C01は受験対象者に実務経験相当を想定しており、未経験の早い段階で無理に狙う資格ではありません。GCPではProfessional Data Engineerが王道資格とされます（出典：Geeklyコラム・二次情報）。資格よりも実装できるポートフォリオを優先するのが定番のアドバイスです。

Q. データエンジニアの求人倍率は

A. データエンジニア単独の求人倍率は公的統計に存在しません（未確認）。参考として、厚生労働省の令和8年6月分（2026年7月31日発表）で全体有効1.18倍・新規2.16倍、職業別では「情報処理・通信技術者」の有効1.49倍との報告（type.jp経由・二次情報）があります。dodaの転職求人倍率2.44倍（2026年5月）は同社独自指標である点に注意してください。

Q. 未経験スタートの年収はいくらですか

A. 求人例では300〜600万円帯に集中しています（2026年8月時点の求人票ベース）。経験蓄積後はjob tag平均約609.8万円（キカガク調べ）の水準も視野に入ります。

まとめ

• 未経験採用に前向きな企業は約7割。ただし採用側の課題1位は「スキルの見極め」（51.1%）で、学習実績の見える化が成否を分ける
• 「未経験」は①完全未経験（狭門）②隣接エンジニア（最有利）③分析職（開発プラクティスの証明）の3パターンで考える
• 学習順序はSQL→Python→クラウド→ETL（dbt）→Airflow→ポートフォリオ。各教材の公式想定時間を出典付きで確認する
• ポートフォリオはjaffle-shop＋BigQuery公開データセット（月1TBまで無料）＋Airflowチュートリアルで費用ゼロで作れる
• 「未経験歓迎」求人は必須条件欄を読むのが鉄則。未経験スタートの実勢は求人例で300〜600万円帯
• エージェントはIT経験の有無で使い分ける。キッカケエージェントはIT経験者向け（公式比較表で未経験対応×と明記）、完全未経験はマイナビ転職IT AGENT・Geekly・dodaへ

「何から始めるべきか迷っている」場合は、まずIBMのSQLコース（18時間）のような小さな完了体験から始めてみてください。学習が進んだら本記事の設計図に沿ってポートフォリオを作り、それを持って転職活動を始めるのが、2026年時点で最も再現性の高い順路です。

関連記事

• データエンジニアとは？仕事内容・なり方・年収を解説
• データエンジニア転職エージェントのおすすめ比較
• 30代未経験からエンジニアへ転職する方法
• SQLとは？基礎と学習方法を解説
• データエンジニアの年収相場を徹底解説

参考文献

• レバテック「IT人材白書2026」（PDF）
• レバテック「IT人材白書2025」（PDF）
• ネオキャリア「みんなの採用部」調査プレスリリース
• 厚生労働省「一般職業紹介状況（令和8年6月分）」
• type.jp「情報処理・通信技術者の求人倍率」
• 経済産業省「IT人材需給に関する調査」（2019年3月）
• Geeklyコラム「未経験からの転職成功8%」（独自調査）
• Geekly掲載・ネイチャーインサイト「【IT業界未経験歓迎】データエンジニア」求人票
• Geekly掲載・株式会社クイック「【未経験可】データエンジニア」求人票
• レバテックキャリア掲載・分析屋 求人票
• キッカケエージェント公式サイト
• キッカケエージェント・プレスリリース（PR TIMES）
• Coursera「Databases and SQL for Data Science with Python」（IBM）
• Coursera「IBM Data Science Professional Certificate」
• Coursera「IT Automation with Python Professional Certificate」（Google）
• Grow with Google 日本語版・プロフェッショナル認定資格
• Coursera「Data Analytics Professional Certificate」（Google）
• AWS認定 Data Engineer – Associate（DEA-C01）公式ページ
• dbt Developer Hub「jaffle-shopのクローン手順」
• dbt Labs公式GitHub「jaffle-shop」
• dbt Labs公式GitHub「jaffle_shop_duckdb」
• Apache Airflow公式チュートリアル一覧
• Apache Airflow公式「Building a Simple Data Pipeline」
• Google Cloud「BigQuery 一般公開データセット」
• キカガク「データエンジニアの年収」（job tag引用）
• 求人ボックス給料ナビ「データベースエンジニアの年収・時給」
• レバテックキャリア「データ エンジニア」求人検索
• レバテックキャリア データサイエンティスト求人データ
• ロバート・ハーフ「Data Engineer」給与ガイド
• LAPRAS HR TECH LAB「AI・データ領域の求人動向」
• doda「転職求人倍率レポート」
• マイナビ転職IT AGENT
• Geekly サービスFAQ
• doda エンジニア転職サポート
• Geeklyコラム「GCP Professional Data Engineer」
• バビロン・キャリアブログ「未経験からデータエンジニアへ転職する方法」（二次情報）