Científico de datos: 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

Junior DS es la entrada más accesible al área ML/IA (camino típico: Analyst 1-2 años → Junior DS). El salto de Junior a Middle: tras el primer modelo en producción + la primera prueba A/B independiente. De Middle a Senior: responsabilidad sobre varios proyectos + responsabilidad sobre el impacto de negocio (mejora documentada de ingresos / retención / conversión). De Senior a Lead / Principal: estrategia de DS para un área de producto + contratar 3-7 DS + mentoría. Trayectoria: Data Analyst (1-2 años) → Junior DS (1-2 años) → Middle (2-3 años) → Senior → luego Lead / Principal DS (en profundidad), giro a ML Engineer (vía más técnica), giro a Product Manager o fundador.

Principales 5: python, sql, cloud, aws, llm. Python, monopolio (R casi ha desaparecido de las vacantes nuevas 2026, se mantiene en legacy de healthcare/biostats). Dominio de SQL, obligatorio: consultas complejas con window functions + CTEs + dominio de JOIN + optimización de consultas (el DS lee planes de ejecución). Manipulación de datos: pandas (núcleo), NumPy (numérico), Polars (moderno, en auge, 10-100× más rápido para big data), PyArrow. ML clásico, el arsenal central: scikit-learn (model selection / preprocesado / pipelines / métricas), XGBoost + LightGBM + CatBoost (gradient boosting, el caballo de batalla para datos tabulares), statsmodels (regresión + series temporales + tests estadísticos). Estadística: scipy.stats, statsmodels, inferencia causal (DoWhy, EconML, un plus de Senior). Visualización: matplotlib + seaborn + plotly (en notebook), Tableau / Looker / Power BI / Apache Superset / Metabase (para stakeholders). A/B testing: scipy.stats / statsmodels para el análisis, plataformas internas o Statsig / Eppo / Optimizely / GrowthBook. Comprensión de power analysis, cálculo de tamaño de muestra, corrección de múltiples tests, sequential testing. Deep Learning (un plus, no obligatorio): PyTorch / TensorFlow para tareas de DS de CV / NLP. Experiment tracking: MLflow o Weights & Biases. Herramientas de BI / dashboards: Tableau / Looker / Apache Superset / Metabase / Mode / Hex. Notebooks: Jupyter + VS Code (el mercado 2026 migra de Jupyter puro a híbrido). Workbenches de DS en cloud: AWS SageMaker Studio / GCP Vertex AI Workbench / Databricks / Snowflake Snowpark. Extras de Senior: inferencia causal (DoWhy / EconML / CausalImpact), uplift modelling, modelado bayesiano (PyMC / Stan), series temporales (Prophet / NeuralProphet / statsforecast).

Data Analyst: enfoque en informes + dashboards + análisis ad hoc. SQL + Excel + Tableau / Looker / Power BI. Menos carga de ML. Adecuado para entrar en la dirección de datos. Data Scientist (esta página): enfoque en el planteamiento de problemas de negocio + modelado estadístico + pruebas A/B + comunicación de insights. SQL en profundidad + Python + sklearn + XGBoost + statsmodels + visualización. Hace ML, pero no es responsable de la infraestructura de producción (despliegue / serving / monitorización: eso es el ML Engineer). ML Engineer: enfoque en pipelines de ML en producción + despliegue + escalado + infraestructura LLM/RAG. Stack de DS + Docker / K8s + MLflow + Airflow + ML gestionado en la nube. Ver ML Engineer. Trayectoria: Analyst → DS Junior → DS Middle/Senior. Cambio DS ↔ ML Engineer en 3-6 meses (aprender MLOps + Docker / K8s + ML en la nube). Cambio DS ↔ Product Manager en 2-4 meses (el DS ya domina el pensamiento de producto + pruebas A/B; hay que sumar planificación de roadmap + gestión de stakeholders). DS → Research Engineer / Scientist: requiere un PhD o 3+ años de especialización profunda.

Árbol de decisión para elegir el kit de herramientas de DS en 2026: 1) Datos tabulares, clasificación/regresión, <1M filas → scikit-learn (LogisticRegression / RandomForest / GradientBoosting). Pipelines + preprocesamiento: sklearn gana por la facilidad de integración. 2) Datos tabulares, >100K filas, el rendimiento es crítico → XGBoost / LightGBM / CatBoost. El caballo de batalla estándar en 2026 para tareas tabulares: scoring crediticio, predicción de abandono, conversión, detección de fraude, previsión de demanda. LightGBM: el más rápido; XGBoost: el ecosistema más maduro; CatBoost: el mejor para variables categóricas sin preprocesamiento. 3) Series temporales → Prophet / NeuralProphet (Facebook) o statsforecast (Nixtla: lo último en métodos clásicos) o un enfoque de ML (LightGBM sobre series temporales con feature engineering: a menudo supera a las bibliotecas especializadas). 4) NLP / clasificación de texto → Hugging Face Transformers (fine-tuning de un BERT/DeBERTa/RoBERTa pequeño) o TF-IDF de scikit-learn + LogisticRegression si hay <10K documentos (una base más simple). 5) Visión artificial → PyTorch + torchvision (clasificación / detección / segmentación de imágenes). Para producción: vLLM / TGI. 7) Sistemas de recomendación → LightGBM / XGBoost sobre usuarios × ítems con feature engineering (el caballo de batalla en 2026), implicit / LightFM (clásicos de filtrado colaborativo), recsys profundos en PyTorch (NeuMF / Two-Tower / Transformer4Rec). 8) Inferencia causal / uplift modelling → DoWhy / EconML / CausalML. 9) Modelado bayesiano (cuando importa cuantificar la incertidumbre: medicina / finanzas) → PyMC / Stan / NumPyro. 10) Detección de anomalías → PyOD + Isolation Forest + enfoques basados en LightGBM. Por defecto en 2026: el 80% de las tareas tabulares se resuelven con LightGBM / XGBoost / CatBoost; el deep learning, para CV / NLP / recsys.

Sí, el 27% de los empleos de DS son full-remote o híbridos. El trabajo de DS — Jupyter + data warehouse cloud (Snowflake / BigQuery / Databricks / Redshift) + dashboards. Outsourcers — casi siempre remotos en proyectos de EE. UU. Las empresas de producto rusas — híbrido o remoto tras el periodo de prueba. Los bancos rusos — híbrido/oficina por el compliance de seguridad de datos. Las empresas tecnológicas internacionales — full-remote estándar. Hubs de relocación: Polonia (Varsovia/Cracovia — DS-friendly), Alemania (Berlín / Múnich), Canadá (Toronto / Vancouver), Serbia, Georgia, EAU. Inglés para el remoto internacional de DS — obligatorio (prima +25-40%, y los roles de DS requieren comunicación con stakeholders — inglés oral).

Product Data Scientist: un DS con un enfoque profundo en producto + responsabilidad sobre los experimentos de growth + modelado de la retención + análisis del impacto de funcionalidades. Trabaja de cerca con PM e ingeniería. El stack es el mismo, pero el enfoque: dominio de las pruebas A/B (experimentos multivariante, pruebas secuenciales, corrección por comparaciones múltiples, análisis de potencia), métricas de growth (DAU/MAU/curvas de retención/análisis de embudos), inferencia causal para datos observacionales. Retribución comparable a la de un Senior DS (mediana), pero en las startups de producto de EE. UU. el Product DS suele superar al DS Senior general por la responsabilidad sobre el impacto en el negocio. Data Scientist general: puede estar en cualquier dominio (riesgo bancario, demanda en retail, calidad en fabricación). Research DS (o simplemente «DS» en un contexto de investigación): enfoque en nuevos enfoques de modelado + papers (a menudo vía doctorado). Ver también Research Engineer / Scientist. Elección de carrera: Product DS si te interesa el impacto en el producto y disfrutas comunicándote con stakeholders, DS general para tener flexibilidad de dominio, Research DS para investigar nuevas metodologías. Las tres son vías legítimas para Senior+.

Hoja de ruta: 1) Dominio de SQL: imprescindible (funciones de ventana / CTE / estrategia de JOIN / optimización de consultas). Libro "SQL for Data Scientists" de Tanimura. Curso "Mode SQL Tutorial" (gratis). 2) Python para DS: dominio de pandas + NumPy, no solo la sintaxis sino los patrones de rendimiento (vectorización, trampas de .apply). Libro "Python for Data Analysis" de McKinney. 3) Estadística: descriptiva + inferencial + contraste de hipótesis + ANOVA + regresión lineal a fondo. Curso "Statistical Learning" de Hastie / Tibshirani (StanfordOnline, gratis). Libro "Practical Statistics for Data Scientists" de Bruce. 4) ML clásico: dominio de scikit-learn (pipelines / validación cruzada / compromisos entre métricas / calibración), XGBoost / LightGBM / CatBoost (los caballos de batalla del gradient boosting). "Machine Learning Specialization" de Andrew Ng (Coursera) + "Introduction to Statistical Learning" de Hastie (ISL, PDF gratuito). 5) Dominio de las pruebas A/B: análisis de potencia, tamaño de muestra, pruebas secuenciales, corrección por comparaciones múltiples, reducción de varianza con CUPED. Libros: "Trustworthy Online Controlled Experiments" de Kohavi (lectura obligada), "Statistical Methods in Online A/B Testing" de Georgi. 6) Visualización y storytelling: matplotlib + seaborn + plotly para notebooks + Tableau / Looker / Power BI / Apache Superset para los stakeholders. Libros: "Storytelling with Data" de Knaflic, "The Visual Display of Quantitative Information" de Tufte (un clásico). 7) Especialización en un dominio: elige uno entre fintech / sanidad / retail / telecomunicaciones / e-commerce y estudia sus retos específicos. 8) Deep learning como extra: nociones de PyTorch para tareas de DS de CV / NLP. 9) Inferencia causal (extra para Senior): "The Effect" de Huntington-Klein (libro de texto gratuito en línea), librerías DoWhy / EconML. 10) Proyecto personal: proyecto de DS de extremo a extremo en Kaggle (exploración de datos → ingeniería de features → selección del modelo → calibración → presentación al negocio) + 1 proyecto de simulación de prueba A/B. Internacional (EN): DeepLearning.AI (Andrew Ng), fast.ai, Coursera IBM Data Science Professional. De analista a Junior DS: 6-12 meses. De Backend Middle a Junior DS: 8-14 meses (hueco de matemáticas + estadística).

3027 active open DS positions. Geography: the US, the UK, Singapore. The real market is broader thanks to a huge international remote segment. Time to close a Senior DS role — 4-10 weeks (faster than ML Engineer thanks to broader entry pool).

Un Senior DS es responsable del ciclo completo, desde el problema de negocio hasta el modelo en producción + liderazgo técnico. Dominio de SQL: funciones de ventana / CTEs / JOINs complejos / optimización de consultas / lectura de planes de ejecución. Python para DS: patrones de rendimiento con pandas / NumPy / Polars, vectorización, optimización guiada por profiling. Dominio de la estadística: contraste de hipótesis a fondo, pensamiento bayesiano, inferencia causal (DoWhy / EconML), nociones de modelado bayesiano (PyMC). Dominio del ML clásico: feature engineering a fondo, justificación de la elección de modelos, calibración, métricas alineadas con el negocio, dominio de los hiperparámetros de gradient boosting (XGBoost / LightGBM / CatBoost). Dominio de las pruebas A/B: análisis de potencia, pruebas secuenciales, corrección por comparaciones múltiples, reducción de varianza con CUPED, manejo de efectos de red, efectos de novedad/primacía, experimentos switchback para marketplaces, geoexperimentos. «Trustworthy Online Controlled Experiments» de Kohavi: el libro de cabecera. Deep Learning (extra): PyTorch para tareas de DS de CV / NLP. DS con conocimiento de LLM: prompt engineering, nociones de RAG, LLM-as-judge para la evaluación, aplicaciones de LLM en el flujo de DS (exploración de datos / datos sintéticos / ayuda al etiquetado). Visualización y comunicación: dominio del storytelling con datos: convertir los resultados en decisiones de negocio para stakeholders no técnicos. DS en la nube: una de AWS SageMaker / GCP Vertex AI / Databricks / Snowflake a fondo. Soft: gestión de stakeholders (producto / negocio / ingeniería), redacción técnica (documentos de análisis, informes tras experimentos, memorandos de decisión), mentoría a DS Middle, contratación (entrevistar a candidatos de DS), comunicación ejecutiva. Experiencia en el dominio: comprensión profunda de uno o dos dominios (fintech / salud / retail / telecomunicaciones / e-commerce): el principal motor de la prima para Senior+. Inglés para Senior+ IMPRESCINDIBLE: los roles de DS tratan intensamente con stakeholders, y la mayoría de los materiales, papers y la comunidad están en inglés.