Data Warehouse: mercado

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

Las vacantes Junior de DWH escasean: el mercado espera SQL avanzado + práctica real con un DWH (a menudo tras ser Analyst Senior con dominio de SQL o Data Engineer Middle). El salto de Junior a Middle: dominar un DWH a fondo + dbt + pipelines de ingesta. Un Senior es responsable de la arquitectura de modelado del DWH (estrella/copo de nieve/Data Vault). Lead: gestión del equipo de modelado + diseño de la arquitectura de datos enterprise. Trayectoria: Analyst Senior / Data Engineer Middle → DWH Middle → Senior → luego Data Warehouse Architect o Head of Data.

Principales 5: snowflake, cloud, sql, python, dbt. SQL a nivel de dominio (window functions, CTE recursivos, optimización de consultas, partition pruning). Uno de los DWH cloud: Snowflake (premium cloud, Tasks/Streams/Time Travel/micro-partitions/Snowpipe), BigQuery (GCP, slot pricing/BQML), ClickHouse (dominante OLAP en la CEI, ReplicatedMergeTree/distributed/vistas materializadas), Redshift (AWS legacy, distkey/sortkey). Greenplum en enterprise de la CEI (Sber). dbt, obligatorio (estándar de la capa de transformación, models + tests + macros + packages). Apache Airflow para ingesta. Apache Iceberg/Delta Lake, formatos de tabla lakehouse (en crecimiento). Apache Kafka + Debezium para CDC. BI: Looker/Mode/Metabase/Superset/Yandex DataLens. Conocimiento de modelado Kimball (esquemas estrella/copo de nieve, slowly changing dimensions) o Data Vault, obligatorio para Senior.

Snowflake: el DWH en la nube dominante en los proyectos internacionales. Multi-cloud (AWS/Azure/GCP), separación de almacenamiento/cómputo, Time Travel, Snowpipe para streaming. Precio premium, pero la mejor DX. Un Senior Snowflake es premium en el remoto internacional. BigQuery: nativo de Google Cloud. Precio por slots (o on-demand), BQML para machine learning dentro de la BD. Dominante en las empresas GCP. ClickHouse: el dominante OLAP de código abierto en la CEI. El OLAP más rápido sobre almacenamiento columnar. Un Senior ClickHouse es una necesidad de mercado en las empresas de producto de la CEI. Redshift: legado de AWS, migraciones a Snowflake o BigQuery. Menos proyectos nuevos. Estrategia: ClickHouse si estás en un equipo de producto de la CEI, Snowflake para el remoto internacional, BigQuery si trabajas en el stack de GCP, Redshift solo para mantener proyectos AWS heredados.

No son competidores, sino complementos. Airflow: orquestación (cuándo ejecutar qué, dependencias entre tareas). dbt: capa de transformación (modelos SQL + pruebas + documentación + linaje). Pipeline clásico del modern data stack: Airflow lanza la ingesta (scripts de Python/Spark) → dbt se ejecuta en Airflow como BashOperator o DbtRunOperator (vía el provider astronomer-dbt) → dbt ejecuta las transformaciones SQL en el DWH (Snowflake/BigQuery/ClickHouse) → la capa de BI (Looker/Metabase) lee los modelos finales de dbt. Un Senior DWH Engineer domina ambos. Airflow para orquestación + ingesta, dbt para transformaciones + pruebas. Conocer los módulos de dbt (sources/models/tests/macros/snapshots/seeds) + las buenas prácticas de dbt es imprescindible para un Senior en 2026.

Sí, el 43% de los empleos de DWH son remotos o híbridos. El trabajo es totalmente cloud (Snowflake/BigQuery/ClickHouse Cloud). Las empresas de producto rusas — híbrido o remoto tras el periodo de prueba. Sber — más a menudo oficina por la residencia de datos. El SaaS de DWH internacional — full-remote: Snowflake, BigQuery (Google), dbt Labs, Databricks. Hubs de relocación: Berlín, Ámsterdam, Zúrich (UE data-friendly), Dubái, Chipre, Lisboa. Inglés — obligatorio para el remoto internacional con una prima +25-40%.

DWH Engineer (this page) — focus on cloud DWH (Snowflake/BigQuery/ClickHouse/Redshift) + modelling. SQL mastery + one DWH deeply. Data Engineer (general) — broader scope: pipelines + DWH + streaming + Spark. Analytics Engineer — focus on dbt + transform layer. Sits between Data Engineer and Data Analyst. SQL + dbt + one DWH (often Snowflake/BigQuery), but WITHOUT Spark and streaming. Career switch DWH Engineer → Analytics Engineer — 1-2 months (same stack, focus on dbt). DWH Engineer → Data Engineer (general) — 3-6 months (+ Spark + Airflow deeper).

Hoja de ruta (se da por supuesta experiencia como SQL Middle o Data Analyst): 1) SQL avanzado: funciones de ventana a fondo, CTE recursivas, optimización de consultas, EXPLAIN ANALYZE, índices, partition pruning. PostgreSQL + un OLAP (se recomienda ClickHouse: el más usado en la CEI). 2) Un DWH en la nube: ClickHouse (recomendado para una carrera en la CEI: código abierto, gratis), Snowflake (para el remoto internacional: prueba gratuita de 30 días) o BigQuery (nivel gratuito de GCP). Domina las funciones específicas del motor (ClickHouse: ReplicatedMergeTree + distribuido + vistas materializadas; Snowflake: Tasks + Streams + Time Travel + microparticiones). 3) dbt: el tutorial oficial de getdbt.com + el proyecto personal Jaffle Shop. Domina models + tests + macros + sources + snapshots. 4) Modelado de Kimball: esquema en estrella, esquema en copo de nieve, dimensiones lentamente cambiantes (SCD). Libro "The Data Warehouse Toolkit" de Kimball. 5) Nociones de Airflow: orquestación de la ingesta. 6) Apache Iceberg o Delta Lake: nociones de lakehouse. 7) Una herramienta de BI: Metabase/Superset/Yandex DataLens (gratis) o Looker (premium). 8) Proyecto personal de extremo a extremo: ingesta (script de Python + Airflow) → DWH (ClickHouse o BigQuery) → modelos dbt → dashboard de BI en Metabase. Cursos: Karpov.Courses "Data Engineer" (incluye DWH), OTUS "Data Engineer", Yandex.Practicum "Data Engineer", DataCamp "Data Engineer with dbt", Snowflake University (EN, gratis, el mejor recurso sobre Snowflake), ClickHouse Academy (EN, gratis). Libros: "The Data Warehouse Toolkit" de Kimball (lectura obligada), "Analytics Engineering with dbt" (guía del modern data stack). Tiempo hasta Junior DWH: 6-10 meses (más rápido que Data Engineer general gracias a un alcance más acotado).

350 active open Data Warehouse Engineer positions. Geography: Poland, the US, India. The real market is broader thanks to the huge international remote (Snowflake/dbt Labs/Databricks — all full-remote-friendly). Time to close a Senior DWH role — 4-6 weeks.

Un Senior DWH es responsable del ciclo completo del DWH en la nube. Dominio de SQL: funciones de ventana a fondo, CTE recursivas, planes de consulta (EXPLAIN ANALYZE), partition pruning, índices, vistas materializadas, patrones de optimización de consultas. Un DWH cloud a fondo: Snowflake (Tasks/Streams/Time Travel/micro-partitions/Snowpipe/optimización de costes mediante el dimensionado de warehouses) o BigQuery (gestión de slots/BQML/tablas particionadas) o ClickHouse (ReplicatedMergeTree/motores distribuidos/vistas materializadas/codecs/diccionarios). Modelado: dominio de Kimball (esquema en estrella/copo de nieve, dimensiones conformadas, SCD de tipos 1-6), nociones de Data Vault, arquitectura lakehouse (evolución de particiones en Iceberg/Delta, time travel, evolución de esquema). dbt: dominio (models/sources/tests/macros/snapshots/seeds/exposures), buenas prácticas (modelos incrementales, estrategias de materialización, particularidades de los adaptadores dbt-snowflake/dbt-bigquery). Rendimiento: patrones de optimización de consultas para cada motor de DWH, gestión de costes (consumo de créditos en Snowflake / slots en BigQuery / dimensionado de clústeres de ClickHouse). Ingesta: Kafka + Debezium para CDC, Airflow para la ingesta por lotes, Snowpipe / Snowflake Streams / vistas materializadas. Calidad de datos: dbt tests + Great Expectations + Soda. Integración con BI: uno de Looker/Mode/Metabase/Superset/Yandex DataLens a nivel de diseño de la capa semántica. Soft: code review (SQL + dbt), mentoría a Middle, comunicación con los equipos de Analistas/Negocio. Inglés para Senior+ imprescindible: la documentación de DWH está mayoritariamente en inglés.