{
"jobTitle": "data engineer",
"location": "usa",
"seniority": "any",
"remoteOnly": false,
"currency": "USD",
"basis": "annual",
"sampleSize": 354,
"companies": 249,
"salaryP10": 127000,
"salaryP25": 146000,
"salaryMedian": 177500,
"salaryP75": 208700,
"salaryP90": 253500,
"salaryAverage": 185600,
"typicalRangeLow": 157600,
"typicalRangeHigh": 213500,
"hourlyMedian": 85.34,
"lowSample": false,
"matchingPostings": 920,
"postingsWithPay": 355,
"payTransparencyRate": 38.6,
"remoteShare": 28.7,
"otherCurrencies": [
{
"currency": "MXN",
"sampleSize": 1,
"salaryMedian": 1440000
}
],
"topPayingCompanies": [
{
"company": "AXS",
"medianSalary": 452500,
"postings": 2
},
{
"company": "Anthropic",
"medianSalary": 362500,
"postings": 6
},
{
"company": "Network Bio",
"medianSalary": 332000,
"postings": 1
},
{
"company": "Mercor",
"medianSalary": 330000,
"postings": 1
},
{
"company": "OpenArt AI",
"medianSalary": 325000,
"postings": 1
}
],
"examplePostings": [
{
"title": "Data Engineer",
"company": "Anthropic",
"location": "San Francisco, CA | New York City, NY; Seattle, WA",
"country": "US",
"salaryMin": 320000,
"salaryMax": 405000,
"salaryCurrency": "USD",
"salaryInterval": "year",
"postedAt": "2026-10-30T23:34:18.000Z",
"url": "https://job-boards.greenhouse.io/anthropic/jobs/5464234008"
},
{
"title": "Senior Data Engineer",
"company": "Pontera",
"location": "New York, New York, United States",
"country": "US",
"salaryMin": 180000,
"salaryMax": 220000,
"salaryCurrency": "USD",
"salaryInterval": "year",
"postedAt": "2026-10-30T22:01:31.000Z",
"url": "https://job-boards.greenhouse.io/pontera/jobs/6239279004"
},
{
"title": "Director, BI & Data Engineering",
"company": "TriEdge Investments",
"location": "Remote, USA",
"country": "US",
"salaryMin": 165000,
"salaryMax": 195000,
"salaryCurrency": "USD",
"salaryInterval": "year",
"postedAt": "2026-10-30T21:29:53.756Z",
"url": "https://jobs.ashbyhq.com/triedge-investments/d635a7c6-6c51-49f8-80a7-16e596f3d208"
},
{
"title": "Senior Data Engineer (Contract)",
"company": "Teal Health",
"location": "San Francisco",
"country": "US",
"salaryMin": 90,
"salaryMax": 125,
"salaryCurrency": "USD",
"salaryInterval": "hour",
"postedAt": "2026-10-30T20:15:08.506Z",
"url": "https://jobs.ashbyhq.com/teal-health/77a1ce84-6782-4a0e-99cd-69ccda347845"
},
{
"title": "Senior Data Engineer",
"company": "Care Access",
"location": "USA Remote",
"country": "US",
"salaryMin": 120000,
"salaryMax": 160000,
"salaryCurrency": "USD",
"salaryInterval": "year",
"postedAt": "2026-10-30T14:07:41.000Z",
"url": "https://job-boards.greenhouse.io/careaccess/jobs/4473865009"
}
],
"source": "Pay ranges published in live job postings on company career sites (Greenhouse, Lever, Ashby, Workday, Recruitee, Personio, Oracle)",
"dataAsOf": "2026-11-02T09:05:24.233Z"
}
curl --location --request GET 'https://zylalabs.com/api/14625/salary+benchmark+api/37588/salary+benchmark?title=data engineer&location=usa' --header 'Authorization: Bearer YOUR_API_KEY'
注册后,每个开发者都会被分配一个个人 API 访问密钥,这是一个唯一的字母和数字组合,用于访问我们的 API 端点。要使用 薪资基准 API 进行身份验证,只需在 Authorization 标头中包含您的 bearer token。
| 标头 | 描述 |
|---|---|
授权
|
必需
应为 Bearer access_key. 订阅后,请查看上方的"您的 API 访问密钥"。
|
无长期承诺。随时升级、降级或取消。 免费试用包括最多 50 个请求。
(年度计费可节省 2 个月 🎉)
基于实时职位发布的任何职位名称和城市的薪资基准:中位数,第10百分位到第90百分位和高薪公司。每日。
从雇主在公共公司职业网站上(如Workday、Oracle、Greenhouse、Ashby、Lever等)发布的实时职位发布中的薪资范围:超过120万个开放职位,每天更新。没有LinkedIn或Indeed的抓取
每个职位的薪资范围被转换为年薪数字(每小时薪资x 2,080小时),其中点进入百分位:中位数、第10百分位、第25百分位、第75百分位和第90百分位,以及典型范围和每小时中位数。 不可信或宽于4倍的范围将被排除
任何城市 州或国家 或者空白时的任何地点 快捷方式也有效 usa uk 欧洲 加拿大 印度 拉美和亚太 匹配帖子使用的主要货币将显示结果 其他货币单独列出
不 这些是雇主在招聘公告中提供的薪资范围 而不是人们最终的工资 大多数有薪资的招聘公告来自科技和快速成长的公司 所以中位数高于所有行业的调查
后台的职位数据库每天都会重建 每个响应都包含确切时间的dataAsOf 在一个安静的时期第一次调用可能需要大约10秒钟来加载数据 之后的调用速度很快
该API返回指定职位和地点的薪资基准,包括中位数薪资、百分位数(P10到P90)、典型薪资范围、小时中位数、薪资最高的公司和示例职位发布
关键字段包括职位名称、地点、薪资第10百分位、薪资中位数、薪资第90百分位、典型范围下限、典型范围上限、小时中位数、最高薪资公司和匹配职位,提供了薪资数据的全面视图
响应以JSON格式构建,薪资数据按职位和地点分组,包括薪资、公司名称和职位发布数量的数值,使解析和分析变得容易
该端点提供有关薪资百分位数、典型薪资范围、时薪、最高薪资公司的信息以及职位发布数量,提供特定角色薪资趋势的详细概述
用户可以使用职位名称、地点、资历等级和远程仅等参数自定义请求,以根据他们的特定需求和偏好过滤结果
用户可以分析薪资基准,以指导招聘策略、薪资谈判和市场研究 这些数据还可以帮助识别特定地区的竞争薪资范围和顶级雇主
数据准确性通过直接从信誉良好的公司职业网站上的实时招聘信息中获取薪资信息来维护,确保这些数字反映当前市场状况
典型的使用案例包括招聘薪资基准比较 人力资源部门的薪酬分析 求职者的市场研究以及希望吸引人才的企业的战略规划