Competencias en Datos: un Análisis Cuantitativo de las Demandas del Mercado a Través de Minería de Texto en Linkedin

Diego Garcia Acedo; Daniela Cristina Silva Oliveira

DOI: 10.22167/2675-6528-202602845

Artículo derivado de Trabajo de Fin de Curso (TCC), con contenido basado en el trabajo original del estudiante y adaptado al formato editorial de la Revista E&S con el apoyo de la herramienta ResumeAI, una solución de inteligencia artificial desarrollada por el Instituto Pecege para la síntesis y organización textual.

Resumen

El avance de la digitalización y el crecimiento exponencial de la producción de datos han transformado el mercado laboral, ampliando la demanda de profesionales de las áreas de Ingeniería de Datos, Ciencia de Datos e Inteligencia de Negocios, cuyas atribuciones y competencias presentaban fronteras poco definidas. En este contexto, el estudio tuvo como objetivo identificar y analizar las competencias técnicas y conductuales más demandadas en ofertas de trabajo en datos publicadas en la plataforma LinkedIn, buscando mapear patrones, características recurrentes y diferencias entre perfiles ocupacionales y niveles de senioridad. Se adoptó un enfoque cuantitativo y descriptivo, utilizando técnicas de web scraping para la recopilación automatizada de información pública de las ofertas. Posteriormente, se organizaron, categorizaron y analizaron los datos mediante estadística descriptiva y minería de texto, con énfasis en el análisis de n-grams. Los resultados revelaron que SQL (47%), Python (42%), computación en la nube (40%) y comunicación (38%) fueron las competencias más recurrentes. Se observó que el perfil de Data Engineer se concentró en infraestructura y procesamiento de datos, Data Scientist en competencias analíticas, estadísticas y computacionales, y Business Intelligence en visualización, análisis descriptivo e interfaz con el negocio. La complejidad de las habilidades y la senioridad exigida variaron significativamente entre los perfiles. Se concluyó que los hallazgos contribuyen a la comprensión de las transformaciones del trabajo en el área de datos, ofreciendo subsidios para la formación profesional y la alineación de las prácticas de reclutamiento y desarrollo de talentos a las demandas efectivas del mercado.

Palabras clave: Competencias profesionales; Habilidades técnicas y de comportamiento; Mercado laboral en datos; Minería de texto; Web scraping.

1. Introducción

El avance de la digitalización y el crecimiento exponencial de la producción de datos han transformado el escenario global, generando una cantidad de información sin precedentes. En este contexto, la capacidad de gestionar y procesar estos datos de forma estratégica se ha convertido en un factor crucial para la ventaja competitiva en el entorno corporativo (VICARIO; COLEMAN, 2019).

Este proceso impulsó una profunda transformación en el mundo del trabajo, con la creciente demanda de profesionales en las áreas de tecnología y datos. Sin embargo, surgieron nuevas ocupaciones cuyas definiciones y fronteras aún son ambiguas. Se observa una dificultad recurrente en delimitar las funciones y responsabilidades de estos especialistas, con algunos enfocándose en aprendizaje automático, otros en ingeniería de infraestructura de datos y una tercera vertiente actuando de forma más estratégica, cercana a la gestión y a la inteligencia de negocios (Davenport y Patil, 2012; Fayyad y Hamutcu, 2020; WING, 2021).

Para comprender estas dinámicas, es fundamental distinguir los conceptos de trabajo, ocupación y empleo, que, aunque relacionados, poseen significados distintos en los análisis económicos y sociológicos (ANTUNES, 2009; CASTEL, 1998; POCHMANN, 2012). El trabajo se refiere a la actividad humana de producción de bienes, servicios y conocimiento (MARX, 2013; ANTUNES, 2009). La ocupación, por su parte, designa el tipo de actividad ejercida, como científico de datos o ingeniero de datos (MENEGASSO, 2000). El empleo, en cambio, representa la forma institucionalizada de las relaciones laborales, que, según Castel (1998), ha visto sus modalidades de inserción profesional ampliarse, combinando flexibilidad y especialización técnica (POCHMANN, 2012). Esta comprensión es esencial para analizar la configuración de las ocupaciones en el sector de datos y la evolución de las competencias exigidas (ANTUNES, 2018; CASTEL, 2009).

El mercado laboral tecnológico en Brasil demostró un crecimiento significativo del 95% entre 2012 y 2022, según datos de la Relación Anual de Información Social (RAIS) analizados por la Federación de Comercio de Bienes, Servicios y Turismo del Estado de São Paulo (FecomercioSP) (AGÊNCIA BRASIL, 2024). Este período estuvo marcado por profundas transformaciones tecnológicas, como la expansión de internet, la evolución de la computación en la nube, la inteligencia artificial y el uso intensivo de big data, que redefinieron modelos de negocio e impulsaron la creación de nuevas ocupaciones digitales (DAVENPORT; HARRIS, 2017; FAYYAD; HAMUTCU, 2020). A pesar de las oscilaciones económicas y de la pandemia de COVID-19 (ANTUNES, 2020), el crecimiento acumulado evidencia la consolidación de este campo como vector estratégico para la competitividad y la innovación.

Con la inserción de internet y los dispositivos digitales en diversos sectores, los profesionales del área de datos necesitan demostrar no solo pericia en competencias técnicas, sino también un conjunto diversificado de habilidades interpersonales y cognitivas para lidiar con la complejidad del análisis de datos moderno. La naturaleza interdisciplinaria de la ciencia de datos exige la integración de conocimientos en estadística, programación, aprendizaje automático y gestión de datos, combinados con competencias socioemocionales como comunicación, pensamiento crítico, colaboración y adaptabilidad (DUBEY; GUNASEKARAN, 2015; CIMATTI, 2016; FAYYAD; HAMUTCU, 2020). Las competencias técnicas, o hard skills, corresponden a conocimientos prácticos y específicos, mientras que las competencias socioemocionales, o soft skills, abarcan aspectos comportamentales e interpersonales (OECD, 2019; WORLD ECONOMIC FORUM, 2020; LAKER; POWELL, 2011; CIMATTI, 2016). La valoración de estas competencias interpersonales ha sido reforzada en diversos estudios, especialmente en las áreas de educación y negocios (ANDREWS; HIGSON, 2008; SUCCI; CANOVI, 2020).

La competencia técnica es un factor esencial para el rendimiento en ciencia de datos, que requiere el dominio de lenguajes de programación como Python y R, además de técnicas de modelado estadístico, manipulación y visualización de datos (SMITH et al., 2018). Python, un lenguaje de alto nivel, es valorado por su sintaxis simple y bibliotecas para manipulación de datos y aprendizaje automático (MCKINNEY, 2018; VAN ROSSUM; DRAKE, 2009). R, por su parte, está concebido para análisis estadístico y visualización, con un ecosistema de paquetes para modelado y regresión (WICKHAM; GROLEMUND, 2017). Ambas son herramientas fundamentales para científicos y analistas de datos, siendo prerrequisitos para el rendimiento técnico en estas ocupaciones (SMITH et al., 2018; FAYYAD; HAMUTCU, 2020; ZAHARIA et al., 2016).

La ambigüedad en el mercado de datos no se limita solo a qué habilidades debe poseer un profesional, sino también al nivel de conocimiento exigido para cada función. Esta discusión sobre la necesidad de títulos avanzados o certificaciones especializadas, y la propia definición de un “científico senior”, refuerza la importancia de comprender cómo las competencias técnicas y socioemocionales se distribuyen y valoran en las diversas ocupaciones de datos (FAYYAD; HAMUTCU, 2020). Ante esta brecha, este estudio se justifica por la necesidad de ofrecer subsidios para la formación profesional y para el alineamiento de las prácticas de reclutamiento y desarrollo de talentos a las demandas efectivas del mercado, y tiene como objetivo identificar y analizar las competencias técnicas y comportamentales más demandadas en las vacantes de trabajo en datos publicadas en la plataforma LinkedIn, buscando mapear patrones, características recurrentes y diferencias entre perfiles ocupacionales y niveles de senioridad.

2. Material y Métodos

La investigación adoptó un enfoque cuantitativo y descriptivo, con el objetivo de identificar y analizar las competencias técnicas y conductuales demandadas en ofertas de trabajo en el área de datos. Para ello, se emplearon cuatro procedimientos metodológicos principales: web scraping para la recolección de datos, análisis descriptivo, evaluación de la asociación entre habilidades y minería de texto.

La unidad de análisis consistió en 2.621 anuncios de empleo en datos, publicados en la plataforma LinkedIn Jobs. La recopilación de datos se realizó en la última semana de marzo de 2026, centrándose en oportunidades para los perfiles de Ingeniero de Datos, Científico de Datos e Inteligencia de Negocios, con filtro de ubicación para Brasil.

La extracción de datos se realizó mediante la técnica de web scraping, que consiste en la recopilación automatizada de información pública de internet (BOEGERSHAUSEN, 2022). Para ello, se desarrolló un script en Python, configurado para navegar página por página y extraer información como el nombre de la vacante, la empresa, la ubicación y la modalidad de trabajo (presencial, remoto o híbrido).

El entorno de desarrollo se configuró utilizando la distribución Anaconda, garantizando la ejecución reproducible del código. Las bibliotecas de Python empleadas incluyeron Selenium, para la automatización de la navegación web, Chromedriver-autoinstaller, para gestionar el driver del navegador, y BeautifulSoup (bs4), para convertir el contenido HTML de las descripciones de las vacantes en texto estructurado.

Adicionalmente, la biblioteca Pandas se utilizó para estructurar los datos recolectados en formato tabular y para la exportación a archivos Excel. Bibliotecas auxiliares como re, urllib.parse, pickle, datetime, time y random se emplearon para el tratamiento de texto, la manipulación de URLs y el control de pausas aleatorias, integrando automatización web, procesamiento textual y organización de datos.

La lógica del script implicó la autenticación en la plataforma LinkedIn con persistencia de sesión a través de cookies y la construcción dinámica de URLs de búsqueda. Los resultados se cargaron de forma incremental, simulando el desplazamiento de la página para mostrar nuevas vacantes. Cada vacante identificada se accedió individualmente para la extracción de información estructural y de la descripción completa, que se convirtió de HTML a texto y se segmentó.

Para sortear las limitaciones de la plataforma LinkedIn, como la carga dinámica y la detección de automatización, se implementaron pausas aleatorias entre las acciones del script. También se utilizaron múltiples selectores alternativos para localizar elementos de la página, manejo de excepciones para fallas de carga y puntos de control periódicos para guardar los datos recopilados, asegurando la robustez del proceso.

El análisis descriptivo de los datos se realizó para organizar, sintetizar y comparar los conjuntos de datos recopilados (REIS; REIS, 2002). Esta etapa permitió observar la distribución de las vacantes por ubicación, empresas y cualificaciones, además de identificar patrones en diferentes vacantes de un mismo término.

La delimitación del conjunto de habilidades a considerar en el análisis tuvo como objetivo identificar las competencias más recurrentes en las descripciones de las vacantes. Estas competencias se organizaron en categorías temáticas, incluyendo Base de datos, Visualización e Informes, Big Data, Programación, Estadística y Modelado, Computación en la Nube y Competencias Conductuales (Soft Skills).

La minería de texto (text mining) se aplicó para interpretar el contenido textual e identificar términos y expresiones recurrentes en las descripciones de las vacantes. Este enfoque transformó el contenido textual en variables cuantitativas, que fueron analizadas mediante métodos estadísticos y computacionales, destacando el análisis de n-gramas (SCHONLAU et al., 2017).

Durante el desarrollo del trabajo, la Inteligencia Artificial (IA) se utilizó como herramienta de apoyo para la organización, revisión textual y mejora lingüística del contenido. El asistente de lenguaje ChatGPT (versión GPT-5, OpenAI, 2025) se empleó exclusivamente para revisión bibliográfica y textual, estandarización del lenguaje y formato de citas, además de apoyar en la elaboración de códigos Python para la extracción y tratamiento de datos. El uso de la IA se realizó bajo supervisión y validación del autor, conforme al Manual de Buenas Prácticas para el Uso de Inteligencia Artificial de la USP/ESALQ (2024), preservando la autoría intelectual y la responsabilidad integral del investigador.

3. Resultados y Discusión

El análisis de los resultados se realizó a partir de una muestra de 2.621 vacantes relacionadas con las áreas de Ingeniería de Datos, Ciencia de Datos e Inteligencia de Negocios, recopiladas en la plataforma LinkedIn. El tratamiento inicial de los datos incluyó la estandarización textual, la eliminación de términos irrelevantes y la normalización de expresiones, con el objetivo de reducir el ruido y garantizar una mayor consistencia analítica. Este proceso permitió una caracterización detallada de las demandas del mercado laboral en datos, alineándose al objetivo de identificar las competencias más requeridas.

La distribución de los términos profesionales en la muestra reveló un equilibrio notable entre los perfiles analizados. Aproximadamente el 35% de las vacantes se concentraron en el perfil de Científico de Datos, el 33% correspondió a posiciones de Business Intelligence y el 32% al perfil de Ingeniero de Datos. Esta distribución homogénea sugiere que el mercado laboral en datos en Brasil demanda igualmente los tres ejes profesionales, indicando una diversidad de funciones y especializaciones dentro del ecosistema de datos.

La información geográfica, tras su estandarización y asociación a las unidades federativas, evidenció una fuerte concentración de vacantes en el estado de São Paulo, que representó aproximadamente el 55% de la muestra. Esta centralidad de São Paulo en el mercado de datos brasileño refleja su posición como polo económico y tecnológico. Adicionalmente, el análisis incorporó vacantes clasificadas como “Brasil (Remoto)” y “América Latina (Remoto)”, que, aunque no vinculadas a una localidad específica, ampliaron significativamente el volumen de oportunidades, con cerca de 875 vacantes para Brasil remoto y 69 para América Latina remota, destacando la relevancia del trabajo remoto en el sector.

Al analizar la distribución geográfica por municipio, sin considerar las vacantes totalmente remotas, se observó una concentración de oportunidades en grandes centros urbanos. São Paulo se destacó con 1.247 vacantes, muy por encima de las demás ciudades. Le siguieron Barueri con 72 vacantes, Osasco con 69, Rio de Janeiro con 63, Campinas con 44 y Belo Horizonte con 41. Este patrón refuerza la centralidad de la capital paulista y su entorno inmediato en el ecosistema de datos, al mismo tiempo que revela la presencia de otros centros relevantes en diferentes estados brasileños.

La distribución de las modalidades de trabajo por ciudad reveló patrones distintos. En São Paulo, el modelo híbrido predominó, seguido por el presencial, con una participación menor del remoto. En ciudades como Barueri, Osasco, Campinas y Río de Janeiro, la concentración en vacantes híbridas y presenciales fue aún más acentuada, sugiriendo que, fuera de la capital, las empresas tienden a exigir mayor interacción física. Este comportamiento puede estar asociado a estructuras corporativas más centralizadas o dependientes de operación local.

En contraste, ciudades como Belo Horizonte, Recife, Curitiba, Salvador, Guarulhos y Joinville, aunque con menor volumen de vacantes, presentaron una distribución más heterogénea entre las modalidades de trabajo. Esta flexibilidad o etapa de desarrollo menos homogénea en el ecosistema de datos sugiere que, en estos mercados, no hay un patrón dominante consolidado. La diversidad de formatos de trabajo en estos centros puede indicar una mayor adaptabilidad de las empresas o una fase de transición en las prácticas de contratación.

La frecuencia general de competencias reveló que SQL fue la más recurrente, presente en aproximadamente el 47% de las vacantes, consolidándose como una habilidad técnica transversal fundamental para la extracción, manipulación y consulta de datos. Python apareció en alrededor del 42% de las vacantes, reforzando su papel como base para la automatización, modelado y análisis. Conocimientos en computación en la nube (cloud computing) surgieron en aproximadamente el 40% de las vacantes, evidenciando la creciente relevancia de infraestructuras escalables y entornos distribuidos.

La competencia comunicacional también presentó alta incidencia, siendo mencionada en cerca del 38% de las vacantes. Esto evidencia que, incluso en funciones predominantemente técnicas, hay una fuerte valorización de la capacidad de traducir análisis en insights comprensibles y de interactuar con áreas de negocio. Competencias como organización (25%), AWS (22%) y Power BI (21%) indicaron la importancia de habilidades relacionadas con la estructuración del trabajo y la aplicación práctica de herramientas en el contexto corporativo.

En niveles intermedios de frecuencia, destacaron R, Azure, Git y Excel, situadas en el rango de aproximadamente 15% a 20%. Aunque relevantes, estas habilidades no son universalmente exigidas, variando según el perfil del puesto. Tecnologías más específicas, como Databricks, GCP y Airflow, presentaron una menor incidencia relativa, en torno al 10% o menos, lo que indica que el mercado tiende a priorizar competencias ampliamente aplicables y transferibles antes de demandar especializaciones tecnológicas más avanzadas.

En términos generales, los resultados evidenciaron un patrón en el que el mercado de datos valora simultáneamente fundamentos técnicos consolidados, como SQL y Python, infraestructura moderna, como la computación en la nube, y competencias conductuales, como comunicación y organización. Esta combinación refleja la naturaleza interdisciplinaria y aplicada de las funciones analizadas, según lo discutido por Cimatti (2016) y Fayyad y Hamutcu (2020), quienes resaltan la integración de hard y soft skills.

En la muestra de Científico de Datos, las competencias técnicas asumieron un papel central, con Python presente en aproximadamente el 52% de las vacantes, consolidándose como la principal herramienta para análisis, modelado y desarrollo de soluciones basadas en datos. SQL apareció en alrededor del 47%, reforzando su importancia en la extracción y manipulación de datos de diferentes fuentes. Conocimientos en computación en la nube surgieron en aproximadamente el 38%, evidenciando la necesidad de operar en entornos escalables y distribuidos.

En el campo de las competencias conductuales para Científico de Datos, la comunicación presentó una alta incidencia, cercana al 37%, lo que indica el papel relevante del profesional en la traducción de análisis complejos en insights comprensibles para el negocio. La organización apareció en aproximadamente el 27%, lo que sugiere la importancia de la estructuración de proyectos analíticos, la gestión de experimentos y la reproducibilidad de los procesos, según la visión de Dubey y Gunasekaran (2015) sobre la necesidad de habilidades analíticas y estratégicas.

En niveles intermedios para Científico de Datos, destacaron AWS y R con un 21%, además de Power BI con un 19% y Azure con un 18%, indicando la diversidad de entornos y tecnologías utilizadas. Habilidades como liderazgo, Excel, Git y autonomía se situaron en el rango de aproximadamente 14% a 17%, reflejando competencias complementarias que, aunque relevantes, no son universalmente exigidas. Relaciones interpersonales (10%) y trabajo en equipo (7%) presentaron menor incidencia relativa, lo que no necesariamente indica baja importancia, sino una menor explicitación en los anuncios de vacantes.

Para Ingeniero de Datos, las competencias se concentraron fuertemente en infraestructura e ingeniería de datos, destacando la computación en la nube, presente en aproximadamente el 68% de las vacantes, configurándose como el principal requisito técnico. Este resultado evidencia que el rol del ingeniero de datos está profundamente asociado a la construcción y operación de entornos escalables y distribuidos, como señalan Vicario y Coleman (2019) sobre la importancia de la gestión estratégica de datos.

SQL (53%) y Python (52%) aparecieron con frecuencias muy cercanas para Ingenieros de Datos, reforzando su papel fundamental en la manipulación, transformación y procesamiento de datos a gran escala. AWS (40%) destacó como principal plataforma de nube específica, seguida por Azure (31%) y GCP (20%), indicando la relevancia del dominio de proveedores de nube en el desarrollo de arquitecturas modernas de datos. Estas competencias son cruciales para la construcción de pipelines y arquitecturas de datos eficaces (Zaharia et al., 2016).

Entre las herramientas y prácticas de ingeniería, se observó la presencia relevante de Git (35%), CI/CD (30%), Spark (26%) y ETL (25%), evidenciando la importancia del versionamiento, la automatización de pipelines y el procesamiento distribuido. Tecnologías como Databricks, Airflow, Data Lake y ELT, situadas en el rango de aproximadamente 15% a 20%, reforzaron el enfoque del Ingeniero de Datos en la orquestación, el almacenamiento y la estructuración de datos en entornos complejos.

En el campo de las competencias conductuales para Ingeniero de Datos, la comunicación apareció en aproximadamente el 32% de las vacantes. Aunque el enfoque es predominantemente técnico, esta incidencia demuestra la necesidad de interacción con otras áreas, como ciencia de datos y analítica, especialmente en contextos de integración de sistemas y entrega de soluciones. Los resultados indican que el mercado para ingenieros de datos está fuertemente orientado por competencias técnicas ligadas a la infraestructura, cloud y ingeniería de pipelines, con menor énfasis relativo en habilidades conductuales cuando se compara con el perfil de Científico de Datos, reflejando la naturaleza más operativa y arquitectónica de la función.

En la muestra de Business Intelligence, las competencias conductuales y de interfaz con el negocio asumieron un papel central, destacando la comunicación, presente en aproximadamente el 45% de las vacantes. Esta fue la principal habilidad demandada, reforzando el papel del profesional de BI como nexo entre datos y toma de decisiones, responsable de traducir información analítica en insights comprensibles para áreas de negocio, según lo destacado por Davenport y Harris (2017).

SQL (41%) apareció como la principal competencia técnica para Business Intelligence, evidenciando la necesidad de manipulación y consulta de datos para la construcción de análisis e informes. Complementariamente, herramientas de visualización y análisis descriptivo, como Power BI (33%) y Excel (31%), presentaron una elevada incidencia, confirmando la centralidad de estas tecnologías en el desarrollo de dashboards y seguimiento de indicadores, conforme a la literatura sobre la importancia de la visualización de datos (Wickham y Grolemund, 2017).

Aún en el ámbito de las competencias organizacionales, la organización (30%) surgió como una de las habilidades más relevantes para Business Intelligence, reflejando la importancia de la estructuración de métricas, la gobernanza de datos y la consistencia en la producción de informes. En niveles intermedios, se destacaron Python (24%) y R (21%), indicando que, aunque no sean el enfoque principal del perfil, las competencias analíticas más avanzadas comienzan a ganar espacio dentro del contexto de BI.

Las competencias relacionadas con la infraestructura y la ingeniería, como cloud (17%) y ETL (7%), presentaron una menor incidencia relativa para Business Intelligence en comparación con los perfiles de Científico de Datos e Ingeniero de Datos, lo que sugiere que estas habilidades son menos centrales para el rol. Por el contrario, habilidades como liderazgo (18%), autonomía (16%), relaciones interpersonales (15%) y trabajo en equipo (9%) reforzaron el carácter colaborativo y orientado al negocio de la función, alineándose con la visión de Cimatti (2016) sobre las soft skills.

En términos generales, los resultados indican que el mercado laboral para profesionales de Business Intelligence está fuertemente orientado por competencias de comunicación, organización y dominio de herramientas de visualización, con menor énfasis relativo en infraestructura técnica. Esto refleja la naturaleza del rol como soporte directo a la toma de decisiones y generación de valor para el negocio, exigiendo una fuerte capacidad de interfaz y traducción de datos para stakeholders no técnicos.

La distribución de antigüedad por perfil reveló que, en Ingeniero de Datos, hubo una fuerte concentración en los niveles más altos, con predominancia de posiciones senior y de liderazgo, que juntas representaron la mayor parte de las vacantes. Este patrón indica que la función está fuertemente asociada a actividades de mayor complejidad técnica y responsabilidad, como la construcción y gestión de arquitecturas de datos, exigiendo profesionales más experimentados.

Para Cientista de Dados, la distribución de senioridad se presentó más equilibrada, aunque todavía con un peso relevante en niveles intermedios y avanzados. Se notó una participación significativa de posiciones junior y pleno, acompañadas por una presencia expresiva de niveles senior y liderazgo. Esto sugiere un mercado que combina tanto oportunidades de desarrollo como demanda por profesionales más consolidados, reflejando la diversidad de caminos de entrada en el área.

En Business Intelligence, se observó una concentración aún más acentuada en posiciones de liderazgo, que representaron la mayor parte de las vacantes en este grupo, seguidas por los niveles senior y pleno. Este comportamiento sugiere que el rol de BI está frecuentemente asociado a funciones estratégicas dentro de las organizaciones, con fuerte involucramiento en la gestión de indicadores, soporte a la decisión e interfaz con áreas de negocio, lo que demanda experiencia y visión estratégica.

En términos generales, los resultados evidenciaron que las tres áreas presentan estructuras de senioridad distintas. Mientras que Ingeniero de Datos y Business Intelligence están más orientadas a perfiles experimentados y estratégicos, Científico de Datos presenta una distribución más balanceada, reflejando diferentes niveles de madurez y caminos de entrada dentro del ecosistema de datos. Esta diferenciación es crucial para comprender las expectativas del mercado en cada especialidad.

El análisis de la cantidad de skills por término, utilizando boxplots, reveló que las vacantes de Ingeniero de Datos presentaron la mayor mediana y la mayor variabilidad en la cantidad de skills requeridas. Esto indica que este perfil demanda un conjunto más amplio y diversificado de competencias técnicas, frecuentemente asociadas a la construcción de pipelines, arquitecturas de datos y entornos de procesamiento distribuido, lo que refuerza la complejidad inherente a la función.

En contraste, las vacantes de Científico de Datos presentaron una mediana significativamente menor, concentrándose en un número más reducido de competencias, aunque con la presencia de diversos valores extremos. Esto sugiere la existencia de posiciones que exigen un alto grado de especialización técnica, coexistiendo con vacantes de perfil más enfocado. Por su parte, las posiciones de Business Intelligence presentaron una distribución más concentrada, con menor dispersión y mediana intermedia, indicando un perfil de competencias más estandarizado, fuertemente orientado al uso de herramientas específicas de análisis y visualización de datos.

La distribución de la cantidad de skills por senioridad, también mediante boxplots, mostró que los niveles junior, pleno y senior presentaron medianas bastante cercanas, en torno a 4 skills por vacante. Esto indica una relativa estabilidad en la cantidad típica de competencias exigidas entre estos niveles. Sin embargo, la dispersión aumentó a medida que la senioridad evolucionó, especialmente en los niveles pleno y senior, con intervalos intercuartílicos más amplios y una presencia más significativa de valores extremos.

Este comportamiento sugiere que, aunque el número medio de skills no aumenta de forma expresiva con la senioridad, la variabilidad de las exigencias crece, reflejando mayor diversidad de roles y responsabilidades en niveles más altos. En el caso de las posiciones de liderazgo, se observó una mediana inferior, próxima a 3 skills, acompañada de una distribución más concentrada. Esto indica que vacantes de este nivel tienden a exigir un conjunto más reducido de competencias explícitamente descritas, posiblemente porque hay mayor énfasis en habilidades estratégicas, de gestión y toma de decisiones, que no siempre se detallan de la misma forma que las competencias técnicas en los anuncios.

El análisis por empresas evidenció la concentración de vacantes en organizaciones de mayor tamaño y presencia digital. Mercado Livre (68 vacantes), Itaú Unibanco (58) y Shopee (53) se destacaron, seguidas por Life (52) y Tata Consultancy Services (48). Este volumen más elevado sugiere mayor intensidad de contratación y madurez en datos en estas empresas, lo que se refleja directamente en la complejidad y especificidad de las demandas por competencias.

La distribución de la antigüedad por empresa mostró un claro predominio de perfiles más experimentados. Empresas como BairesDev presentaron el 97,6% de las vacantes en niveles de liderazgo, mientras que Tata Consultancy Services (85,7%) y Vivo (Telefônica Brasil) (73,7%) siguieron la misma tendencia. Por otro lado, organizaciones como EY presentaron un mayor equilibrio, con el 63,0% en nivel pleno y el 25,9% senior. Este patrón indica que, independientemente del volumen de vacantes, el mercado analizado tiende a demandar profesionales con mayor experiencia, lo que se conecta con la complejidad de los stacks identificados.

La especialización por empresa también se observó en la distribución de los términos. BairesDev concentró el 60,0% de las vacantes en Ingeniero de Datos, mientras que EY tuvo predominancia en Cientista de Datos (55,3%). Ya Vivo (Telefônica Brasil) presentó un mayor enfoque en Business Intelligence (55,2%). Empresas como Foursys (61,8% Ingeniero de Datos) y Bradesco (45,5% BI) reforzaron esta segmentación, evidenciando que el volumen de vacantes está directamente asociado al tipo de especialización demandada por cada organización.

El diagrama de caja de la cantidad de habilidades por empresa complementó este análisis, evidenciando la complejidad técnica de las vacantes. Empresas como Vivo (Telefônica Brasil) presentaron la mayor media de habilidades (7,07) y también la mayor variabilidad (máximo de 21), indicando vacantes más exigentes y heterogéneas. En contraste, BairesDev presentó una media más baja (2,73), sugiriendo un mayor enfoque o especialización. Empresas como EY (media 6,94) y Tata Consultancy Services (6,25) mostraron un patrón intermedio, reforzando la relación entre alta senioridad y un mayor número de competencias exigidas.

El mapa de calor de promedio de skills por empresa por término sintetizó estas relaciones, evidenciando diferencias claras entre perfiles. Vivo (Telefônica Brasil) se destacó en Ingeniero de Datos con un promedio de 10,25 skills, muy por encima de las demás, mientras que EY presentó un mayor promedio en Cientista de Datos (7,73). En el campo de Business Intelligence, empresas como Foursys (6,60) y Vivo (Telefônica Brasil) (6,44) se destacaron. Estos resultados refuerzan que no solo la cantidad de vacantes, sino también el nivel de senioridad y el tipo de término están directamente asociados a la complejidad y profundidad de las competencias exigidas, evidenciando la existencia de diferentes estrategias de contratación y madurez analítica entre las empresas analizadas.

El mapa SVD1 vs SVD2 (habilidades x términos) presentó la proyección bidimensional obtenida a partir de la aplicación de la Descomposición en Valores Singulares (SVD) sobre la matriz de asociación entre habilidades y términos profesionales. Se observó que Ingeniero de Datos ocupa una posición más aislada en el extremo positivo de SVD1 y negativo de SVD2, sugiriendo un conjunto de competencias relativamente distinto. Próximas a este perfil aparecieron habilidades como SQL, Python, AWS, Azure, Spark, Airflow y Databricks, indicando una fuerte asociación con tecnologías ligadas a la infraestructura, procesamiento distribuido, cloud y ingeniería de pipelines. Este posicionamiento refuerza el carácter más técnico y arquitectural del término, con énfasis en competencias orientadas a la sustentación y operacionalización del ecosistema de datos.

Business Intelligence presentó una posición más aislada en el cuadrante superior, principalmente en relación con el eje SVD2. Aunque competencias como Excel y Power BI se encontraban en la misma dirección relativa de esta dimensión, la distancia observada indica que el perfil de Business Intelligence no se explica por la proximidad con una única competencia, sino por una combinación específica de habilidades. Este posicionamiento refuerza su diferenciación en relación con los demás perfiles, especialmente por la mayor presencia relativa de herramientas de visualización, análisis descriptivo y competencias orientadas al negocio, según la literatura sobre Business Intelligence (Davenport y Harris, 2017).

El Científico de Datos ocupó una posición intermedia entre los dos polos, aunque más cercana al eje técnico que al eje de visualización. Su ubicación sugiere un perfil híbrido, que comparte competencias con la ingeniería de datos, como Python y SQL, pero sin el mismo énfasis en las tecnologías infraestructurales. Al mismo tiempo, no se acercó tanto a las herramientas más típicas de BI, lo que refuerza su posición intermedia entre modelado analítico, programación y aplicación práctica de los datos, conforme a la descripción de Fayyad y Hamutcu (2020) sobre la versatilidad del científico de datos.

En términos generales, el mapa confirmó empíricamente la diferenciación entre los tres términos analizados. Aunque existe un núcleo común de competencias compartidas, la distribución espacial de las skills y de los términos evidenció que Ingeniero de Datos se asocia más fuertemente a la infraestructura y la ingeniería, Business Intelligence a la visualización y el soporte al negocio, y Científico de Datos a una posición intermedia, combinando competencias analíticas y técnicas dentro del ecosistema de datos. Esta segmentación funcional es un hallazgo central del estudio.

Los gráficos de asociación entre skills (MCC/Phi) revelaron la formación de un bloque técnico fuertemente interrelacionado, compuesto principalmente por competencias ligadas a la infraestructura, cloud y ingeniería de datos. Entre las asociaciones más intensas destacaron Cloud-AWS (0,660), Cloud-Azure (0,583), AWS–GCP (0,483), Azure–GCP (0,480) y Cloud–GCP (0,470), indicando que estas tecnologías aparecen con frecuencia en conjunto, reflejando un patrón de vacantes más orientado a la construcción de pipelines, integración y operación de entornos escalables.

De manera similar, la asociación entre Spark–Databricks (0,464), Spark–Airflow (0,418), ELT–Data Lake (0,451) y CI/CD–Docker (0,403) refuerza la existencia de un núcleo ligado a la ingeniería de datos moderna, en el cual procesamiento distribuido, orquestación, automatización y almacenamiento aparecen como competencias complementariamente demandadas. Estas asociaciones evidencian la complejidad y la interdependencia de las herramientas y plataformas en el entorno de datos, conforme a la literatura sobre big data (Zaharia et al., 2016).

También se observaron asociaciones relevantes entre competencias más transversales. El par SQL-Python (0,418) sugiere que estas dos habilidades funcionan como base técnica conjunta en gran parte de las vacantes, articulando manipulación de datos y programación. De la misma manera, Power BI-Tableau (0,418) indica proximidad entre herramientas de visualización y análisis aplicado, aunque este bloque se muestre menos conectado al núcleo más infraestructural. En contraste, habilidades como Comunicación, Organización, Liderazgo y Autonomía presentaron asociaciones más difusas y, en general, de menor intensidad, sugiriendo que, aunque aparecen con frecuencia en las vacantes, no se vinculan de forma tan rígida a combinaciones técnicas específicas.

En términos generales, la matriz de asociación mostró que el mercado laboral en datos no demanda competencias de forma aislada, sino en combinaciones recurrentes, organizadas en subconjuntos relativamente coherentes. El principal de ellos es el clúster de ingeniería/cloud, mientras que un segundo agrupamiento involucra herramientas de análisis y visualización. Este resultado refuerza la interpretación de que la formación profesional en datos tiende a estructurarse en ecosistemas de competencias, en los cuales determinadas skills ganan valor precisamente por su capacidad de operar en conjunto con otras tecnologías y prácticas.

Los gráficos de log-odds, que miden la especificidad relativa de una habilidad para un determinado perfil, destacaron en Ingeniero de Datos competencias fuertemente asociadas a la ingeniería de infraestructura y a la operación de entornos técnicos robustos, como Java, Kubernetes, Kafka, .NET, Pig, Docker, Scala, CI/CD, dbt, C# y Git. Este conjunto evidencia un perfil orientado a la construcción y sustentación de pipelines, integración de sistemas, automatización de despliegue, procesamiento distribuido y arquitectura de datos. Aunque SQL, Python y cloud son relevantes, no aparecen entre las más específicas por ser ampliamente demandadas en otros términos, lo que reduce su capacidad discriminante.

En el caso de Científico de Datos, las habilidades más específicas se concentraron en competencias de carácter estadístico, analítico y metodológico, destacando MATLAB, Probabilidad, Matplotlib, Bayes, Stata, SPSS, Plotly, Inferencia, Regresión, SAS, Metabase y Business Objects. Este resultado refuerza la identidad de la Ciencia de Datos como campo más fuertemente asociado a la modelización analítica, la inferencia estadística y la exploración de métodos cuantitativos. La presencia de bibliotecas y herramientas analíticas sugiere que el diferencial de este perfil reside menos en la infraestructura y más en la capacidad de construir, interpretar y comunicar modelos y análisis, según la visión de Smith et al. (2018).

Ya en Business Intelligence, los mayores valores de log-odds recayeron sobre competencias ligadas a la visualización, análisis descriptivo e interfaz con el negocio, destacando Excel, Power BI, QuickSight, Relacionamiento, Data Studio, Business Objects, D3, Looker, Qlik, Presentación, Trabajo en equipo y Comunicación. Este conjunto muestra que el perfil de BI está marcado por la capacidad de transformar datos en informes, dashboards e indicadores útiles para la toma de decisiones, combinando herramientas de visualización con competencias interpersonales y organizacionales. La presencia de habilidades como comunicación, relacionamiento, presentación y trabajo en equipo entre las más específicas refuerza que el profesional de BI actúa de manera más intensa en la mediación entre datos y negocio, difiriendo de los demás perfiles por su orientación a la interpretación, diseminación y uso gerencial de la información.

En resumen, los resultados de esta investigación revelaron que el mercado laboral en datos en Brasil, aunque comparte un núcleo común de competencias como SQL, Python y comunicación, presenta una clara segmentación funcional entre los perfiles de Ingeniero de Datos, Cientista de Datos y Business Intelligence. Cada perfil posee un conjunto de competencias técnicas y conductuales específicas, niveles de senioridad distintos y patrones de demanda que reflejan sus atribuciones particulares en el ecosistema de datos, proporcionando subsidios valiosos para la formación profesional y el alineamiento de las prácticas de reclutamiento.

4. Conclusión

El presente estudio tuvo como objetivo identificar y analizar las competencias técnicas y conductuales más demandadas en ofertas de trabajo en datos, buscando mapear patrones y diferencias entre perfiles ocupacionales y niveles de senioridad, según anuncios publicados en la plataforma LinkedIn. Se verificó que SQL (47%), Python (42%), computación en la nube (40%) y comunicación (38%) fueron las competencias más recurrentes en general. Se observó una clara segmentación funcional entre los perfiles de Ingeniero de Datos, Científico de Datos y Business Intelligence. El Ingeniero de Datos se concentró en infraestructura y procesamiento de datos, con alta demanda por cloud computing, SQL y Python, y predominancia de posiciones senior y de liderazgo. El Científico de Datos presentó un perfil más equilibrado, con foco en competencias analíticas, estadísticas y computacionales, como Python y SQL. Por su parte, el profesional de Business Intelligence destacó por la demanda de habilidades de comunicación, visualización y análisis descriptivo, con fuerte presencia de herramientas como Power BI y Excel, y una concentración en posiciones de liderazgo. Los resultados indicaron que las competencias son valorizadas en ecosistemas interrelacionados, y la complejidad de las exigencias varía conforme el perfil y la senioridad.

La principal contribución de este estudio reside en ofrecer subsidios concretos para la formación profesional y la alineación de las prácticas de reclutamiento y desarrollo de talentos a las demandas efectivas del mercado de datos en Brasil, al detallar las especificidades de cada perfil. Sin embargo, el estudio posee limitaciones inherentes a la utilización de una única plataforma de reclutamiento y a posibles sesgos asociados a la muestra analizada. Para investigaciones futuras, se recomienda la ampliación de la base de datos para incluir otras plataformas y la realización de análisis longitudinales, permitiendo acompañar la evolución de las demandas de competencias a lo largo del tiempo y profundizar la comprensión de las transformaciones del trabajo en el área de datos.

Referencias Bibliográficas

ANTUNES, R. Os sentidos do trabalho: ensaio sobre a afirmação e a negação do trabalho. 2. ed. São Paulo: Boitempo, 2009.

CASTEL, R. As metamorfoses da questão social: uma crônica do salário. Petrópolis: Vozes, 1998.

DAVENPORT, T. H.; PATIL, D. J. Data scientist: the sexiest job of the 21st century. Harvard Business Review, v. 90, n. 10, p. 70–76, 2012.

FAYYAD, U.; HAMUTCU, H. Toward foundations for data science and analytics: a knowledge framework for professional standards. Harvard Data Science Review, v. 2, n. 2, 2020.

MARX, K. O capital: crítica da economia política. Livro I. São Paulo: Boitempo, 2013.

MENEGASSO

POCHMANN, M. Nova classe média? O trabalho na base da pirâmide social brasileira. São Paulo: Boitempo, 2012.

VICARIO, E.; COLEMAN, C. Big data and analytics: driving business performance. 2019.

WING, J. M. The data life cycle. Harvard Data Science Review, v. 3, n. 1, p. 1–10, 2021.

Artículo originario del Trabajo de Conclusión de Curso de la Especialización en Data Science y Analytics del MBA USP/Esalq

Para saber más sobre el curso, haga clic aquí y acceda a la plataforma MBX Academy