Perfil profesional

Científico de datos/científica de datos

Descripción general

Los científicos de datos detectan e interpretan fuentes de datos ricas, gestionan grandes cantidades de datos, fusionan fuentes de datos, garantizan la coherencia de los conjuntos de datos y crean visualizaciones a fin de ayudar a la comprensión de los datos. Se basan en modelos matemáticos que utilizan datos, presentan y comunican información y conclusiones sobre datos a especialistas y científicos en su equipo y, si fuera necesario, a un público no especializado, y recomiendan formas de aplicar los datos.

Mercado laboral
Escasez en Austria y 8 países más
ELA/EURES 2025
Industria
Tecnología digital
Educación
Grado o equivalente
34%
Resiliencia Puntuación · 2026 (Cuanto más alto, mejor)
Grado o equivalente 58% Exposición a IA · 2026
Mercado laboral

Dónde se demanda esta ocupación

Escasez y excedente de mano de obra notificados, por año. Se publica para grupos ocupacionales, no para puestos concretos.

Las cifras cubren Profesionales de tecnología de la información y las comunicaciones — 75 ocupaciones, incluida esta.

10 de 14 con escasez2025Los 30 en crecimiento3.7Mvacantes hasta 2035

Con escasez: Austria, Bulgaria, Bélgica, Chequia y 6 más.

Escasez más prolongada: Austria, 3 años.

Selecciona un territorio en el mapa para ver sus cifras.

Sobre esta fuente›

Fuente: ELA/EURES, escasez y excedente de mano de obra. Los datos se publican a nivel de grupo ocupacional y cubren Europa. Las ediciones difieren en la estructura del anexo y en los países incluidos, de modo que un cambio entre años no siempre significa que el mercado laboral haya cambiado. Los países en gris no se notificaron, lo cual no equivale a estar en equilibrio.

Qué significan estas palabras

Las cuatro cosas que se indican en esta sección

Demanda notificada
Si los empleadores informan de que necesitan personas para este trabajo: una valoración publicada por un organismo nacional o de la UE, no un recuento.
Hacia dónde va
Hacia dónde va el empleo en este trabajo durante los próximos años, según una proyección oficial.
Vacantes
Aproximadamente cuántas Vacantes surgen, tanto por el crecimiento como por las personas que dejan este trabajo.
Retribución habitual
Lo que suelen ganar las personas en este trabajo cuando la fuente publica ese dato. Que esté en blanco no significa que no se pague; significa que nadie publica ese dato para ese lugar.

Una medida se omite cuando nadie publica ese dato para ese lugar, en vez de mostrarla como cero.

Hacia dónde se inclina el mercado para ti

A tu favor
Hay más vacantes que personas buscando: las empresas compiten por los candidatos.
Equilibrado
Las vacantes y las personas que buscan están más o menos igualadas.
Competitivo
Hay más personas buscando que vacantes: cuenta con competencia.
Datos contradictorios
Las fuentes no coinciden, o el mismo grupo profesional tiene escasez en una zona y exceso en otra.

Cada fuente se expresa mediante uno de estos cuatro términos, por lo que hay un único vocabulario que aprender. Lo que cambia son las pruebas que hay detrás, que aparecen debajo de cada valoración: una proporción medida entre Vacantes y personas que buscan empleo, o una valoración publicada por un organismo nacional.

Cómo se compara este trabajo con otros trabajos del mismo país

Fuerte
Entre las más fuertes de that country
Buena
Más fuerte que la mayoría de profesiones de that country
Mixta
Más o menos lo habitual en that country
Débil
Más débil que la mayoría de profesiones de that country

Es una clasificación dentro de un solo país, no una puntuación que puedas trasladar entre fronteras: los registros en los que se basan dos países cuentan a personas diferentes, por lo que el mismo número significa cosas distintas en cada uno. Por eso un trabajo puede estar entre los más fuertes de un país y aun así aparecer como Competitivo: encabeza la clasificación en un mercado que, en conjunto, está muy competido.

De dónde proceden estos datos

Cada cifra la publica una oficina nacional de estadística, un servicio público de empleo o un organismo de la UE, y cada ficha indica su fuente y el periodo que abarca. En algunos lugares se hace un recuento mensual y en otros una evaluación una o dos veces al año, por lo que dos lugares del mismo mapa pueden describir momentos diferentes; la fecha siempre aparece.

Nada de esto predice las posibilidades de una persona. Describe un mercado.

Demanda notificada · Retribución habitual · Hacia dónde va (España, Portugal, Francia, Italia, Alemania, Estados Unidos)
Demanda notificada · Retribución habitual · Hacia dónde va
Demanda notificada Retribución habitual Hacia dónde va
España No notificado — +19,5% 2023–2035 · Cedefop 2026 *
Portugal Excedente notificado ELA/EURES 2025 * — +68,3% 2023–2035 · Cedefop 2026 *
Francia No notificado — +34,8% 2023–2035 · Cedefop 2026 *
Italia No notificado — +40% 2023–2035 · Cedefop 2026 *
Alemania Escasez notificada ELA/EURES 2024 * — +15,6% 2023–2035 · Cedefop 2026 *
Estados Unidos No notificado 120.230 US$ 2025-05 +33,5% 2024–2034 · BLS 2024-2034

* Se publica para grupos ocupacionales, no para puestos concretos.

U.S. Bureau of Labor Statistics (OEWS)

¿Brinda orientación profesional a estudiantes, clientes o empleados? Utilice estos datos ocupacionales en su organización.

NexFuture™

Perspectiva futura para científico de datos/científica de datos

The outlook for científico de datos/científica de datos reflects a balanced mix of automation exposure and durable, human-led work.

¿Cómo se calculan estas puntuaciones?

El Índice de Resiliencia (0–100) estima cuán estructuralmente protegida está esta ocupación frente a la automatización y la disrupción de IA, basándose en análisis a nivel de tareas. Puntuaciones más altas significan más tareas intensivas en juicio humano. La Exposición a IA muestra el porcentaje estimado de horas de trabajo que las capacidades de IA actuales podrían afectar. Estos son indicadores estructurales derivados del modelo, no predicciones sobre la seguridad laboral individual.

Juega el futuro
¿Cómo podría cambiar científico de datos/científica de datos a medida que crece la adopción de la IA?

Varias áreas de tareas pueden cambiar hacia flujos de trabajo asistidos por IA, por lo que la recapacitación se vuelve más importante.

Se estima una transformación significativa a nivel de tareas en 11 $. (alrededor de 2037) bajo el escenario „esperado“ seleccionado.
~30%
Resiliencia
Riesgo de automatización
EXP~60%
ventaja humana
MOAT~35%

Escenario ilustrativo basado en la automatización de tareas — no es una previsión. Los valores se redondean cuanto más adelante se mira.

2026
2032
2042
Velocidad de adopción de IA:

Estimación basada en modelos. Úselo como una señal de planificación, no como una garantía.

Cómo la IA puede cambiar este papel

Una interpretación determinista y basada en modelos de las señales de roles actuales, no es una garantía de reemplazo.

34% Propiedad humana

Lo que todavía depende de la gente.

  • Interactuar de manera profesional en entornos de investigación y profesionales
  • evaluar actividades de investigación
  • gestionar derechos de propiedad intelectual
La ventaja humana Para mantenerse adelante en este rol, enfóquese en categorización de la información y extracción de datos. Estas habilidades centradas en el ser humano son las más difíciles de replicar para la IA en los próximos 20 años.
27% ayudar

Donde la IA puede convertirse en copiloto

  • gestionar publicaciones abiertas
  • demostrar conocimientos especializados sobre una disciplina
  • gestionar datos localizables, accesibles, interoperables y reutilizables
58% Automatizar

Tareas más expuestas a la automatización

  • manejar muestras de datos
  • reunir datos de TIC
  • sintetizar información
Análisis detallado

Signos vitales y vectores de IA

Vectores de exposición a la IA

0-100%
IA/aprendizaje automático 27%

Exposición a análisis asistido por IA, reconocimiento de patrones y tareas de modelado predictivo

IA generativa 9%

Exposición a generación de contenido, aumento creativo y herramientas de grandes modelos de lenguaje

Software cognitivo 1%

Exposición a automatización de flujo de trabajo, software de apoyo a decisiones y digitalización de procesos

Automatización física y robótica 0%

Exposición a automatización física, robótica y desplazamiento de tareas impulsado por sensores

Detalles técnicos
Metodología: NexFuture v3.0 Fuentes: O*NET® 30.3, ESCO v1.2.1 Actualizado: oct 2026

NexFuture v3.0 estima la exposición a la automatización directamente a partir de los grupos de competencias esenciales de ESCO, ponderada por la masa de competencias y calibrada con anclas de expertos. Las puntuaciones son estimaciones probabilísticas, no garantías. Consulte el Libro Blanco de Metodología de NexFuture para más detalles.

Mide la exposición a la automatización. No mide el salario, la demanda ni cuántos empleos hay cerca de ti.

Un día en la vida

Lo que las personas en este rol suelen hacer

Tecnología digital

dia en la vida

Un día típico como científico de datos/científica de datos

09
09:00 · mañana
compilar sistemas de recomendación
Compilar sistemas de recomendación basados en grandes conjuntos de datos utilizando lenguajes de programación o herramientas informáticas para crear una subclase de sistema de filtrado de información que persiga predecir la calificación o preferencia que un usuario otorga a un elemento.
10
10:30 · media mañana
desarrollar aplicaciones de procesamiento de datos
Crear un software personalizado para el procesamiento de datos, seleccionando y utilizando el lenguaje de programación informático adecuado para que un sistema de TIC produzca los datos solicitados sobre la base de las entradas esperadas.
12
12:00 · mediodía
desarrollar software de fuente abierta
Utilizar y producir software de fuente abierta. Estar familiarizado con los principales modelos de fuente abierta, los sistemas de concesión de licencias y las prácticas de codificación comúnmente adoptadas para la producción de software de fuente abierta.
14
14:00 · tarde
diseñar esquema de base de datos
Redactar un sistema de bases de datos mediante las normas del sistema de gestión de las bases de datos (RDBMS), a fin de crear un grupo de objetos dispuestos lógicamente, como tablas, columnas y procesos.
15
15:30 · A última hora de la tarde
establecer procesos de datos
Utilizar herramientas de TIC para aplicar procesos de manipulación de datos matemáticos, algorítmicos o de otro tipo, con el fin de crear información.
17
17:00 · Resumen
gestionar derechos de propiedad intelectual
Gestionar los derechos jurídicos que protegen a los productos intelectuales frente a una vulneración ilícita.

El orden de las tareas es ilustrativo. Los días individuales varían.

Habilidades y conocimientos

Lo que necesita para hacer este trabajo

Las habilidades, los conocimientos y las herramientas que requiere esta función, así como los rasgos y las recompensas que la acompañan.

Habilidades esenciales
realizar estudios académicos o de mercado
  • gestionar datos localizables, accesibles, interoperables y reutilizables

    Producir, describir, almacenar, conservar y (re)utilizar datos científicos partiendo de los principios de localización, accesibilidad, interoperabilidad y reutilización, haciendo que los datos sean lo más abiertos posible y todo lo cerrados que sea necesario.

  • llevar a cabo investigaciones científicas

    Participar en la concepción o creación de nuevos conocimientos mediante la formulación de preguntas de investigación, la investigación, la mejora o el desarrollo de conceptos, teorías, modelos, técnicas, instrumentación, software o métodos operativos, y la utilización de métodos y técnicas científicos.

  • aplicar la ética de investigación y los principios de integridad científica a las actividades de investigación

    Aplicar principios éticos fundamentales y la legislación a la investigación científica, en particular las cuestiones de integridad en la investigación. Realizar y revisar las investigaciones o informar sobre ellas evitando conductas indebidas, como la mentira, la falsificación y el plagio.

  • promover la innovación abierta en la investigación

    Promover colaboraciones integradas en las que diversas partes interesadas creen de manera conjunta innovaciones de valor común.

  • integrar la dimensión de género en la investigació

    Tener en cuenta durante todo el proceso de investigación las características biológicas y los rasgos sociales y culturales en evolución de los hombres y las mujeres (el género).

  • llevar a cabo investigaciones multidisciplinarias

    Llevar a cabo investigaciones más allá de los límites interdisciplinares y funcionales.

  • promover la participación del público en la investigación

    Interactuar con el público para el diseño, la realización y la difusión de investigaciones.

gestionar, recopilar y almacenar datos digitales
  • normalizar datos

    Reducir los datos a su forma fundamental precisa (formularios normales) para lograr resultados como la minimización de la dependencia, la eliminación de la redundancia y el aumento de la coherencia.

  • utilizar técnicas de tratamiento de datos

    Recopilar, procesar y analizar los datos y la información pertinentes, almacenar adecuadamente y actualizar los datos y represente cifras y datos mediante gráficos y diagramas estadísticos.

  • establecer procesos de datos

    Utilizar herramientas de TIC para aplicar procesos de manipulación de datos matemáticos, algorítmicos o de otro tipo, con el fin de crear información.

  • utilizar bases de datos

    Utilizar herramientas de software para gestionar y organizar datos en un entorno estructurado que consta de atributos, tablas y relaciones para consultar y modificar los datos almacenados.

  • realizar una limpieza de datos

    Detectar y corregir los registros corruptos de los conjuntos de datos, y asegurarse de que los datos se conviertan y mantengan estructurados conforme a las directrices.

  • aplicar procesos de calidad de datos

    Aplicar técnicas de análisis de calidad, validación y verificación de calidad de los datos para comprobar la integridad de la calidad de los datos.

escritura técnica o académica
  • redactar artículos científicos o académicos y documentos técnicos

    Redactar y editar textos científicos, académicos o técnicos sobre diversos temas.

  • difundir resultados entre la comunidad científica

    Divulgar públicamente resultados científicos a través de medios apropiados para ello, como conferencias, seminarios, coloquios o publicaciones científicas.

  • publicar investigaciones académicas

    Llevar a cabo investigaciones académicas en el ámbito de especialización correspondiente, en una universidad o instituto o por cuenta propia, y publicarlas en libros o revistas académicas con el fin de contribuir a dicho ámbito y obtener una acreditación académica personal.

  • escribir publicaciones científicas

    Presentar las hipótesis, hallazgos y conclusiones de su investigación científica en su ámbito de especialización en una publicación profesional.

programar sistemas informáticos
  • desarrollar software de fuente abierta

    Utilizar y producir software de fuente abierta. Estar familiarizado con los principales modelos de fuente abierta, los sistemas de concesión de licencias y las prácticas de codificación comúnmente adoptadas para la producción de software de fuente abierta.

  • compilar sistemas de recomendación

    Compilar sistemas de recomendación basados en grandes conjuntos de datos utilizando lenguajes de programación o herramientas informáticas para crear una subclase de sistema de filtrado de información que persiga predecir la calificación o preferencia que un usuario otorga a un elemento.

  • desarrollar aplicaciones de procesamiento de datos

    Crear un software personalizado para el procesamiento de datos, seleccionando y utilizando el lenguaje de programación informático adecuado para que un sistema de TIC produzca los datos solicitados sobre la base de las entradas esperadas.

recopilar información procedente de fuentes físicas o electrónicas
  • manejar muestras de datos

    Recopilar y seleccionar un conjunto de datos de una población mediante un procedimiento estadístico u otro procedimiento definido.

  • reunir datos de TIC

    Recopilar datos mediante el diseño y aplicación de métodos de búsqueda y muestreo.

  • sintetizar información

    Leer, interpretar y resumir de manera crítica información nueva y compleja procedente de diversas fuentes.

gestionar información
  • gestionar datos de investigación

    Producir y analizar datos científicos procedentes de métodos de investigación cualitativos y cuantitativos. Almacenar y mantener los datos en bases de datos de investigación. Apoyar la reutilización de datos científicos y estar familiarizado con principios de gestión de datos abiertos.

  • gestionar sistemas de recopilación de datos

    Desarrollar y gestionar los métodos y estrategias utilizados para maximizar la calidad de los datos y la eficiencia estadística en la recopilación de datos, a fin de garantizar que los datos recabados estén optimizados para su posterior tratamiento.

presentar investigación o información técnica
  • proporcionar presentaciones visuales de datos

    Crear representaciones visuales de datos, como gráficos o diagramas, que faciliten su comprensión.

  • comunicar hallazgos científicos

    Compartir hallazgos recientes y el entusiasmo por la ciencia con el público general, aumentar los conocimientos, la apreciación y el entendimiento del público en lo relativo a la ciencia y promover el uso de resultados científicos para la formación de opiniones.

realizar seguimiento de avances en el ámbito de especialización
  • interpretar datos actuales

    Analizar los datos recopilados a partir de fuentes como los datos de mercado, los documentos científicos, los requisitos de los clientes y los cuestionarios actuales y actualizados, con el fin de evaluar el desarrollo y la innovación en ámbitos de especialización.

trabajar con otros
  • Interactuar de manera profesional en entornos de investigación y profesionales

    Mostrar consideración y compañerismo hacia los demás. Escuchar, realizar y recibir observaciones y responder a los demás de manera perspicaz, lo que también incluye la supervisión del personal y el liderazgo en un entorno profesional.

utilizar lenguas extranjeras
  • Hablar diferentes idiomas

    Dominar idiomas extranjeros para comunicarse en una o más lenguas extranjeras.

Áreas de conocimiento & Software y tecnologías
Áreas de conocimiento
  • categorización de la información

    El proceso de clasificación de la información en categorías y de la indicación de la relación que guardan entre sí los datos para algunos fines claramente definidos.

  • extracción de datos

    Los métodos de inteligencia artificial, aprendizaje automático, estadísticas y bases de datos utilizados para extraer contenido de un conjunto de datos.

  • extracción de información

    Las técnicas y los métodos utilizados para obtener y extraer información de documentos y fuentes digitales no estructurados o semiestructurados.

  • lenguaje de consulta del sistema de descripción de recursos

    Los lenguajes de consulta, como SPARQL, que se utilizan para extraer y manipular datos almacenados en el formato Marco de Descripción de Recursos (RDF).

  • lenguajes de consulta

    El campo de los lenguajes informáticos normalizados para la recuperación de información de una base de datos y de documentos que contengan la información necesaria.

  • modelos de datos

    Las técnicas y sistemas existentes utilizados para estructurar los datos y mostrar las relaciones entre ellos, así como los métodos para interpretar las estructuras y las relaciones de los datos.

  • procesamiento analítico en línea

    Las herramientas en línea que analizan, agregan y presentan datos multidimensionales que permiten a los usuarios extraer y visualizar datos de manera interactiva y selectiva, y ver los datos desde puntos de vista específicos.

  • técnicas de modelación estadística

    Enfoques para aplicar el análisis estadístico a un conjunto de datos en el ámbito de la ciencia de datos. Su objetivo es formular predicciones de la realidad a través de modelos estadísticos e hipótesis explícitas.

  • técnicas de presentación visual

    Las técnicas de representación visual e interacción, como los histogramas, los gráficos de dispersión, gráficos de superficie, diagramas de árbol y gráficos de coordenadas paralelas, que pueden utilizarse para presentar datos numéricos y no numéricos, con el fin de reforzar la comprensión humana de esta información.

Habilidades intersectoriales
  • análisis cuantitativo
  • análisis empírico
  • bibliografía científica
Software y tecnologías
Structured query language SQLSASPythonRMicrosoft SQL ServerThe MathWorks MATLABIBM SPSS StatisticsC++TableauOracle JavaJavaScriptTeradata DatabaseCAtlassian JIRAPerlAmazon Web Services AWS softwareMicrosoft Azure softwareC#Atlassian ConfluenceApache HadoopGitSplunk EnterpriseApache HiveGitHubApache CassandraRubyNoSQLAmazon RedshiftPostgreSQLElasticsearchMongoDBApache KafkaGoDockerJavaScript Object Notation JSONAmazon Elastic Compute Cloud EC2Microsoft Power BIScalaApache SparkJenkins CI
Rasgos clave que necesitas
Pensamiento analítico Integridad Reconocimiento Confiabilidad Cooperación Logro Logro/Esfuerzo Variedad Adaptabilidad/Flexibilidad Tolerancia al estrés Autocontrol Independencia Innovación Liderazgo Preocupación por los demás Orientación social
Recompensas clave que puede esperar
LogroCondiciones de…ReconocimientoRelacionesApoyoIndependencia
Cómo calificar

Científico de datos: cómo cualificarse y dónde estudiar

Lo que normalmente se necesita para calificar: nivel educativo, dónde es una profesión regulada y dónde estudiar.

Nivel educativo típico

Grado o equivalente

Dónde estudiar

2030 programas de estudios en 30 países enseñan las competencias esenciales de esta profesión. Además, 446 cursos cortos que desarrollan una sola competencia cada uno.

Algunos ejemplos, impartidos en el idioma de esta página:

Grado

INGENIERIA CIVIL EN MODELAMIENTO MATEMATICO DE DATOS

UNIVERSIDAD DE O'HIGGINS · Chile

Vocacional

INGENIERIA EN CIENCIA DE DATOS

IP IPG · Chile

Grado

ESPECIALISTA EN BIG DATA E INTELIGENCIA DE NEGOCIOS

Colombia

Grado

INGENIERIA EN DATA SCIENCE

UNIVERSIDAD AUTONOMA DE CHILE · Chile

Vocacional

INGENIERIA EN CIENCIAS DE DATOS

IP ESCUELA DE COMERCIO DE SANTIAGO · Chile

Curso corto

DIPLOMADO EN MANAGEMENT ANALYTICS

PONTIFICIA UNIVERSIDAD CATOLICA DE CHILE · Chile

Fuentes
  1. 1. Fuente: Servicio de Información de Educación Superior (SIES), Subsecretaría de Educación Superior (mifuturo.cl).
  2. 2. Source: Ministerio de Educación Nacional (MinEducación), Colombia, SNIES — dataset "MEN_PROGRAMAS_DE_EDUCACION_SUPERIOR" (https://www.datos.gov.co/d/upr9-nkiz), licensed under Creative Commons Attribution-ShareAlike 4.0 International (https://creativecommons.org/licenses/by-sa/4.0/). Changes by NexPath: registrations of the same programme offering grouped into one record, statuses and levels mapped, descriptions composed from the record's own fields. Not endorsed by the Ministerio de Educación Nacional.
Progresión profesional

Rutas de crecimiento y roles similares

Explore trayectorias de carrera típicas, habilidades adyacentes y roles similares para planificar su próxima transición.

Panorama profesional

¿Dónde encaja científico de datos/científica de datos?

este papel
científico de datos/científica de datos este papel
Caminos de crecimiento

Puntuaciones de similitud basadas en la superposición de habilidades de los datos de la ESCO.

Para organizaciones

Los datos de esta página, al servicio de sus estudiantes, clientes y empleados.

Preguntas comunes

Preguntas frecuentes

¿Qué habilidades blandas son cruciales para un científico/a de datos?
Más allá de las habilidades técnicas, es fundamental tener una gran capacidad de comunicación, pensamiento analítico y resolución de problemas. La capacidad de explicar conceptos complejos de forma clara y persuasiva a diferentes audiencias es esencial.
¿Cómo puedo asegurarme de que los conjuntos de datos que manejo sean fiables?
La coherencia de los datos es primordial. Esto implica implementar procesos de validación, limpieza y transformación de datos, así como establecer mecanismos de control de calidad para garantizar la integridad de la información.
¿Qué tipo de proyectos puedo esperar liderar como científico/a de datos en este nivel?
En un rol de liderazgo y estrategia, podrías liderar proyectos de análisis predictivo, optimización de procesos, desarrollo de modelos de machine learning para la toma de decisiones, o la creación de dashboards interactivos para el seguimiento de KPIs clave.
Científico De Datos/Científica De Datos — ¿cuánto se cobra en Estados Unidos?
112.590 dólares al año en la mediana, a 2025-05. Las medianas estatales van de 69.490 a 163.350 dólares. Fuente: Oficina de Estadísticas Laborales de EE. UU. La cifra corresponde a Estados Unidos y no es una proyección para Europa.

Fuentes: ESCO O*NET ELA/EURES Cedefop BLS Datos actualizados 3 de octubre de 2026 Acerca de nuestros datos