Ingeniería de datos: mercado
Un Data Engineer es un ingeniero que diseña la infraestructura para recoger, almacenar, transformar y entregar datos: pipelines ETL y ELT, data warehouses, streaming, orquestación. El stack principal es Python y SQL, orquestadores Apache Airflow o Dagster, procesamiento distribuido con Apache Spark, flujos con Apache Kafka, almacenes ClickHouse, Snowflake, BigQuery, Redshift, transformaciones con dbt. Las tecnologías más demandadas: sql, python, cloud, aws, azure. El 32% de los puestos son en remoto. Los datos se actualizan a diario desde 105 portales de empleo y 16.669 webs de empleo de empresas.
El mercado de Ingeniería de datos tiene ahora 13.742 puestos abiertos, 12.733 de ellos observados recientemente. Median salary $8450/mo.
El 32% de los empleos de Data Engineer son en remoto total; el resto son híbridos o presenciales. Los bancos exigen más a menudo híbrido por cumplimiento normativo; las startups y los equipos internacionales, remoto total.
⚠ salario conocido en 1238 de 13742 empleos; cuota de remoto a partir de 11314 con formato indicado; 12733 contados como observaciones recientes; no se muestran la tendencia ni la dificultad de contratación
Timeline: postings and sources
How many Ingeniería de datos postings appeared each week over 180 days, and from how many sources. The second line separates market growth from coverage growth: a jump in the week new sources were connected means we started seeing more, not that the market grew.
New postings and active sources per week
Sources over the period: 414
New sources connected: May 18 +10 · May 25 +15 · Jun 1 +17 · Jun 8 +7 · Jun 15 +8 · Jun 22 +28 · Jun 29 +77 · Jul 6 +43 · Jul 13 +25 · Jul 20 +29 · Jul 27 +12 · Aug 3 +12 · Aug 10 +7 · Aug 17 +10 · Aug 24 +8 · Aug 31 +13 · Sep 7 +8 · Sep 14 +8 · Sep 21 +6 · Sep 28 +9 · Oct 5 +7 · Oct 12 +7 · Oct 19 +18
Week = posting first-seen date, all statuses, 180 days; sources = distinct collection channels that yielded postings for the direction that week; new sources = channels that yielded their first posting for the direction that week.
Salaries over time
Median Ingeniería de datos salary per week, USD per month.
Median salary, USD per month
Only postings with a USD salary and a known period (month or year), $500–$50,000 per month. Weeks with fewer than 10 such postings are left blank — that means no data, not zero.
Remote work over time
Share of Ingeniería de datos postings offering fully remote work, per week.
Remote postings, %
The share is among postings that state a format (remote, hybrid, office). Weeks with fewer than 10 such postings are left blank.
Technologies over time
How the share of Ingeniería de datos postings mentioning each of the top technologies changed.
Postings mentioning the technology, %
Share among postings with a tagged stack; the series starts on Aug 10: earlier stack tags were assigned differently. Weeks with fewer than 20 tagged postings are left blank.
Countries over time
How the share of Ingeniería de datos postings in each of the top countries changed, per week.
Postings in the country, %
Share among postings with a known country; the chart shows the five countries with the most postings over six months. Weeks with fewer than 20 postings with a known country are left blank. A rising share can mean a newly connected source in that country rather than market growth.
Demanda y oferta observada
| Demanda abierta | 13.742 |
| Oferta observada | — no publicado |
En las últimas semanas, el área de Data Engineer ha generado un flujo constante de vacantes nuevas. Las fluctuaciones son normales (las ofertas se agrupan a principios de mes); fíjate en la tendencia general, no en picos aislados.
⚠ los candidatos que encajan con una vacante aún no se cuentan: se muestran la demanda y el pool observado
Distribución de salarios
Uno de cada diez gana menos de $3804, uno de cada diez más de $16.391. La mitad del mercado está entre $5778 y $12.860. Muestra: 1238.
Geografía de la demanda
| país | empleos |
|---|---|
| US | 3841 |
| PL | 1358 |
| GB | 1015 |
| IN | 951 |
| DE | 516 |
| SG | 465 |
| CA | 387 |
| RU | 259 |
| FR | 247 |
| HK | 242 |
El líder por número de vacantes de Data Engineer es EE. UU. (3841 vacantes), seguido de los principales hubs de IT de la CEI y Europa del Este. Importante: esta es la distribución en nuestras fuentes de parsing, no una estimación del mercado global.
⚠ solo número de empleos: el salario por país no se publica
Se usa junto con
El stack principal de Data Engineer en 2026 es Python, SQL, Apache Spark, Apache Airflow, Apache Kafka. La base Python + SQL es obligatoria para todos; las especializaciones vienen después: Spark (batch), Airflow (orquestación), Kafka (streaming).
Los pares de tecnologías más comunes en ofertas de Data Engineer: Python+SQL, Airflow+Spark, Kafka+ClickHouse, dbt+Snowflake, Spark+S3. Si estás planeando una hoja de ruta de aprendizaje, estas combinaciones maximizan la cobertura de mercado.
Demanda por nivel
| nivel | empleos |
|---|---|
| senior | 4186 |
| lead | 1000 |
| principal | 699 |
| middle | 583 |
| junior | 567 |
El mayor crecimiento salarial está entre Junior y Middle (al incorporar Airflow + Spark + una plataforma cloud).
⚠ solo el lado de la demanda: el nivel del pool observado se desconoce en su mayor parte
Empleadores
La demanda se reparte entre 5817 empleadores. El mayor concentra el 1.9%, los diez primeros el 6.4%; el 93.6% restante es cola larga.
| proporción | valor |
|---|---|
| top-1 | 1.9% |
| top-3 | 3.2% |
| top-10 | 6.4% |
| cola larga | 93.6% |
The companies hiring Data Engineers most actively right now are large banks, marketplaces, search engines, and international data startups.
⚠ no se muestran nombres: el clasificador aún no distingue entre agencias de selección y empleadores finales
Dónde ve Zorky este mercado
Observado en 202 fuentes; la mayor concentra el 17.8%: este mercado no depende de un solo canal.
Las vacantes de Data Engineer aparecen en la mayoría de las fuentes principales: los parsers web (HH, Habr Career, Djinni, DOU, NoFluffJobs, JustJoin.it) aportan el grueso del volumen. Los canales de Telegram suman un flujo exclusivo: startups de datos, puestos especializados en ClickHouse, ofertas remotas de EE. UU.
Vacantes recientes
- GTM Operations Analyst – Analytics & Automation
- Data Architect (with German) · PL
- Аналитик данных / Risk Data Scientist (Кредитный риск) · RU
- Phantom · RU
- Software Engineer · US · $12.195
- C++ Market Data Engineer (USA) · US
- Business Analytics Specialist, Temporary · CA
- Senior Data Engineer (6 Months Fixed Term Contract) · IN
Últimas vacantes abiertas de Data Engineer: las 10 posiciones más recientes con una descripción de calidad suficiente. La lista completa está en nuestro CRM o en el enlace «ver todas» de abajo.
Mercados adyacentes
Data Engineer es una de las especializaciones IT mejor pagadas por mediana. Haz clic en la barra de cualquier área para comparar en detalle salarios, stack y dinámica.
⚠ los mercados adyacentes para comparar aún no están definidos
Cómo se mide
- Vacante
- un empleo abierto que superó el filtro de calidad y menciona al menos dos tecnologías
- Candidato observado
- un candidato cuyo stack contiene esta tecnología; es un agregado: ni un solo registro sale del perímetro
- Candidato emparejable
- aún no contabilizado
- Ventana
- empleos abiertos en el momento en que se generó el snapshot
Sobre los datos
- Algunos desgloses están ocultos: su cobertura de datos aún no es suficiente.
- Las estadísticas se muestran solo donde la muestra supera un control de calidad.
- Que falte un bloque no significa que el valor sea cero.
Desgloses ocultos actualmente: 8.
Datos a 2026-10-27
Especializaciones
Data Engineering se divide en subespecializaciones: Data Engineer clásico (ETL + almacén), Big Data Engineer (Spark/Hadoop), Data Platform Engineer (infraestructura), DBA (administración de bases de datos), ingeniero de Data Warehouse (Snowflake/BigQuery), Streaming Engineer (Kafka). Cada nicho tiene su propia banda salarial y sus herramientas: haz clic en una tarjeta para ver el detalle.
Preguntas frecuentes
Las preguntas más frecuentes sobre el mercado de Data Engineer: salarios por nivel, stack (Spark frente a Airflow frente a Kafka), trabajo remoto, comparación con Data Scientist y Analyst, por dónde empezar la carrera. Las respuestas se recalculan automáticamente a partir de los datos actuales.
¿Qué stack se exige con más frecuencia a un Data Engineer?
Principales 5 tecnologías en vacantes de Data Engineer en la CEI y Europa: sql, python, cloud, aws, azure. Skills base requeridos: Python (avanzado) y SQL (window functions, optimización). El orquestador principal es Apache Airflow (el estándar de la industria) o Dagster en equipos más nuevos. Para procesamiento distribuido: Apache Spark (PySpark) o Flink. Streaming: Apache Kafka. Warehouses: ClickHouse (popular en la FR), Snowflake, BigQuery, Redshift. Transformaciones: dbt (una tendencia en crecimiento). Una plataforma cloud, una de AWS, GCP o Azure, es obligatoria en Senior. Docker, Kubernetes, Git, CI/CD son skills transversales.
¿Quién gana más — un especialista en Spark, Airflow o Kafka?
Lo más probable es un especialista con experiencia en LAS TRES: normalmente no se elige una. Los Data Engineers más valiosos del mercado trabajan con Spark (procesamiento por lotes de grandes volúmenes), Airflow (orquestación de pipelines) y Kafka (flujos en tiempo real). Los especialistas en ClickHouse se valoran especialmente en los equipos de Rusia.
¿Pueden los Data Engineers trabajar en remoto?
En parte: el 32% de las vacantes de Data Engineer son en remoto total. Menos que Backend o Frontend, porque bancos y fintech suelen exigir híbrido u oficina por el cumplimiento normativo al trabajar con datos personales y de pagos: hace falta presencia física en un perímetro protegido. Marketplaces: más a menudo híbrido. Equipos de producto internacionales: casi siempre en remoto. Startups y equipos ágiles: el remoto total es lo estándar. El salario en remoto suele ser mayor gracias al grupo internacional de candidatos. Hay pocas vacantes Junior en remoto: aprender con datos reales es difícil sin la mentoría presencial.
¿En qué se diferencia un Data Engineer de un Data Scientist y un Data Analyst?
A Data Engineer builds the infrastructure: ETL pipelines, warehouses, data streams. The goal is to make data collected, clean, and available at the right moment. Stack: Python, SQL, Spark, Airflow, Kafka. A Data Scientist analyses data and builds models: statistics, ML, A/B tests. Stack: Python, scikit-learn, PyTorch, Jupyter. A Data Analyst answers business questions through dashboards and reports. Stack: SQL, Excel, Tableau, Power BI, Looker. Career flow: often Analyst → Data Engineer, or Analyst → Data Scientist via 1–2 years of reskilling.
¿Cuántas vacantes de Data Engineer hay en la CEI y Europa?
As of the latest data refresh, the Zorky sample contains 16753 active open Data Engineer positions across CIS and Eastern Europe. These are postings published in the last 90 days — companies actually hiring. Geography is distributed; the leaders are US, PL, GB. Data is collected from 105 job boards and 16 669 company career sites: vacancy Telegram channels (an exclusive stream, especially for data startups), specialised job sites (HH, Habr Career, Djinni, DOU, NoFluffJobs, JustJoin.it, Pracuj.pl), and career pages of major fintech and marketplaces. Duplicates are filtered by description and URL. Seasonality: hiring usually peaks in February–March and September–October.
¿Dónde ganan más los Data Engineers — en Rusia o en Europa?
El motor principal de la brecha es la moneda del contrato y el tipo de empresa. Los bancos rusos locales con contratos en rublos han cerrado la brecha con el mercado polaco para los Senior en 2 años. Georgia atrae a muchos relocant remotos.
¿Qué skills necesita un Senior Data Engineer?
Un Senior Data Engineer es responsable del stack completo de infraestructura de datos. Base: Python (avanzado, async, optimización), SQL (funciones de ventana, optimización, lectura de planes), una nube (AWS S3/EMR, GCP BigQuery/Dataflow, Azure Data Lake). Orquestación: Apache Airflow o Dagster (DAGs, sensores, operadores personalizados). Procesamiento distribuido: Apache Spark (PySpark, optimización, Catalyst). Streaming: Apache Kafka (productores, consumidores, conectores). Almacenes: uno de Snowflake, BigQuery, ClickHouse, Redshift. Transformaciones: dbt. Patrones de arquitectura: lambda/kappa, data mesh, data lakehouse, slowly changing dimensions. Transversal: Docker, Kubernetes, observabilidad (Datadog, Prometheus), CI/CD.
Dejar una solicitud
Describe la tarea y deja un contacto: la solicitud llega a nuestro CRM y respondemos al contacto que indiques.