Skip to content
🔬 Ciencia e investigación

📊Científico de datos

Encuentra patrones y construye modelos predictivos a partir de datos: un título laboral de 2008 asentado sobre tres siglos de contar, contrastar y visualizar evidencia.

También llamado: Científico aplicado · Científico de aprendizaje automático

Revisado 2026-08·Créditos de medios

Visualización abstracta de puntos de datos interconectados y gráficos
Courtesy NASA/JPL-Caltech. · Public domain
Compartir esta página

Datos clave

2008, LinkedIn/FBTítulo acuñado
HBR, oct. 2012Artículo 'trabajo más sexy'
2001, ClevelandCampo nombrado en academia
~$108k/añoSalario medio (EE. UU., 2023)
~20%Mujeres en el campo (EE. UU.)
Python, SQL, RKit de herramientas central

Un científico de datos extrae patrones, predicciones y recomendaciones a partir de datos usando estadística, programación y conocimiento del dominio, y convierte el resultado en algo sobre lo que una empresa, un organismo público o un equipo de investigación puede actuar. El trabajo abarca escribir SQL para sacar datos de un almacén, limpiarlos y reestructurarlos, ajustar un modelo estadístico o de aprendizaje automático, y explicar qué respalda el resultado y qué no.

El título laboral es mucho más joven que el oficio que hay detrás. 'Data scientist' data de alrededor de 2008, cuando DJ Patil y Jeff Hammerbacher lo adoptaron de forma independiente al montar equipos de datos en LinkedIn y Facebook, y el estadístico William S. Cleveland propuso 'data science' como campo académico recién en 2001. La disciplina subyacente tiene siglos: pasa por el impulso de John Tukey en los años 1960–70 hacia el análisis exploratorio de datos, vuelve a la estadística de Ronald Fisher en los años 1920 y al estudio de John Graunt de 1662 sobre los registros de mortalidad de Londres.

Un artículo de Harvard Business Review de 2012 que lo llamó 'el trabajo más sexy del siglo XXI' desencadenó una década de contrataciones corporativas y cientos de nuevos programas universitarios. Ese auge ha madurado: el título generalista se ha dividido en ingeniería de analítica, ingeniería de aprendizaje automático y analítica de producto, y las herramientas de IA ya hacen una parte creciente de las consultas, limpiezas y gráficos rutinarios que el puesto original asumía que haría una persona a mano.

El perfil

387455607866
  • Resiste a la IA38
  • Sueldo74
  • Barrera de entrada55
  • Autonomía60
  • Demanda78
  • Impacto66

¿Cuán expuesto está a la IA?

62 / 100

High

Una parte significativa del trabajo rutinario de ciencia de datos —consultas SQL, gráficos exploratorios, ajustar un modelo estándar con AutoML, escribir código de pipeline repetitivo— ya es automatizable o asistida por IA hoy, y esa parte crece rápido. Lo que resiste a la automatización es enmarcar un problema de negocio ambiguo como una pregunta contrastable, juzgar si un resultado es real o un artefacto estadístico, y rendir cuentas cuando la decisión en el mundo real de un modelo resulta ser errónea.

IA y el futuro →

Siete formas de ver esta profesión

Preguntas frecuentes

¿Qué hace realmente un científico de datos día a día?
Contrariamente a la imagen de 'construir modelos de IA', la mayoría de los días se reparte entre escribir consultas SQL y código Python para sacar y limpiar datos, ejecutar pruebas estadísticas o entrenar modelos, y traducir resultados a un gráfico o un memorándum sobre el que un interlocutor no técnico pueda actuar. Las encuestas a profesionales sitúan de forma consistente la limpieza y preparación de datos en aproximadamente la mitad o más del tiempo de trabajo.
¿Se necesita un doctorado para ser científico de datos?
No. A diferencia de la medicina o el derecho, no hay licencia ni un único título obligatorio; una licenciatura o un máster en estadística, informática, matemáticas o un campo cuantitativo afín es la vía más habitual, y un portafolio sólido de proyectos reales suele importar más a los empleadores que la credencial exacta. Los doctorados son más comunes en puestos de investigación o de aprendizaje automático aplicado.
¿Es la ciencia de datos solo estadística con otro nombre?
No del todo. Se apoya mucho en la estadística —el diseño experimental de Fisher, el análisis exploratorio de Tukey— pero añade programación, ingeniería de bases de datos y aprendizaje automático que los departamentos clásicos de estadística rara vez enseñaban. William S. Cleveland propuso el término en 2001 precisamente para describir esta versión ampliada y muy computacional del campo, construida sobre la estadística en lugar de sustituirla.
¿Está la ciencia de datos en riesgo por la IA?
El extremo rutinario ya está expuesto: las herramientas AutoML pueden ajustar y afinar modelos estándar, y los asistentes de IA pueden escribir consultas SQL, primeros borradores de gráficos exploratorios y código de pipelines repetitivo más rápido que una persona. Lo que no se ha automatizado es formular la pregunta correcta, juzgar si un patrón es significativo o espurio, y asumir la responsabilidad de una decisión basada en el resultado.
¿Cuánto ganan los científicos de datos?
Varía mucho según el país y la antigüedad. La Oficina de Estadísticas Laborales de EE. UU. situó el salario anual medio de la ocupación Data Scientists en torno a 108 000 dólares en 2023, mientras que los analistas junior suelen empezar cerca de 70 000–95 000 dólares y los científicos de datos senior o principales en grandes tecnológicas pueden ganar 200 000–400 000 dólares o más en compensación total con equity.
¿Cuál es la diferencia entre científico de datos, analista de datos e ingeniero de aprendizaje automático?
Un analista de datos suele responder preguntas de negocio definidas con datos y paneles ya existentes; un científico de datos construye nuevos modelos estadísticos y análisis predictivos, a menudo a partir de datos más desordenados; un ingeniero de aprendizaje automático saca un modelo de un cuaderno y lo hace funcionar de forma fiable, a escala, en producción. Las fronteras se difuminan a menudo, y mucha gente se mueve entre los tres a lo largo de la carrera.
¿Qué herramientas y lenguajes de programación usa la ciencia de datos?
Python domina, normalmente junto a bibliotecas como pandas y scikit-learn, y SQL para consultar bases de datos. R sigue siendo común en entornos académicos y de bioestadística. Los cuadernos Jupyter son el entorno estándar para el trabajo exploratorio, y plataformas de almacén de datos en la nube como Snowflake, BigQuery o Databricks ahora guardan los datos que la mayoría de los científicos de datos consultan de verdad.
¿Por qué se llamó a 'data scientist' el 'trabajo más sexy del siglo XXI'?
Thomas Davenport y DJ Patil usaron esa frase como título de su artículo de octubre de 2012 en Harvard Business Review, argumentando que la rara combinación de habilidad estadística, capacidad de programar y juicio de negocio que el puesto exigía lo hacía a la vez escaso y muy buscado. La frase cuajó y ayudó a desencadenar una década de contrataciones corporativas y docenas de nuevos programas universitarios.

Insertar este ranking

Pega este código en tu blog o web; el ranking se mantiene actualizado.

Comparar con…

Profesiones similares

Vecinos más cercanos en el perfil de seis puntuaciones, no solo el mismo campo.

Seguir explorando

Más en Ciencia e investigación