Analizamos 764 ofertas publicadas en Colombia y contamos qué herramientas nombraba cada texto. Las del segundo periodo mencionan menos, y no son las mismas. Sobre el salario, con esta muestra no lo sabemos.
Analizamos 764 ofertas de trabajo de datos publicadas en Colombia y contamos cuántas habilidades técnicas nombraba el texto de cada una. Comparamos las publicadas entre noviembre de 2025 y marzo de 2026 con las publicadas entre abril de 2026 y julio de 2026.
Los datos muestran dos cosas. Las ofertas del segundo periodo mencionan menos herramientas que las del primero, y no son las mismas.
Una precisión que vale para todo el artículo: lo que medimos son menciones en el texto de la oferta, no lo que una empresa necesita. Que una herramienta aparezca menos significa que se nombra menos en los avisos; no demuestra que se use menos ni que importe menos. Y como el periodo termina el 27 de julio de 2026, «el segundo periodo» no quiere decir esta semana.
En el conjunto aparecen 317 habilidades técnicas distintas. Sumando lo que ganaron las que subieron y lo que perdieron las que bajaron, el saldo es negativo: por cada cien ofertas se registran 77 menciones menos en el segundo periodo que en el primero.
Las habilidades de análisis pierden presencia en los textos; las de infraestructura la ganan
Cada fila es una habilidad técnica. El punto sin rellenar marca en qué porcentaje de ofertas aparecía en el primer periodo; el relleno, en qué porcentaje aparece en el segundo. La barra que los une es el cambio.
Ordenadas de la que más subió a la que más bajó. Son las 17 que más se movieron de las 317 que aparecen en los textos; las otras 300 cambiaron menos y se dejaron fuera para que el cuadro se pueda leer. 9 suben, 7 bajan y 1 se queda igual. Una oferta puede mencionar varias habilidades, así que las cifras no suman cien.
No es un ranking de herramientas de moda: es la misma medición repetida a seis meses de distancia, sobre la misma fuente y con el mismo método.
Cuántas herramientas nombra una oferta
El promedio de habilidades nombradas por oferta pasó de 6,07 a 5,30, un 13% menos, sobre 272 ofertas del primer periodo y 492 del segundo.
Un promedio puede moverse porque cambió todo el conjunto o porque cambiaron unos pocos casos extremos, así que conviene mirar también la mediana — la oferta que queda justo en la mitad si las ordenamos de menos a más habilidades. Esa fue de 5,0 a 5,0. No cambió. Es decir: la oferta típica sigue nombrando las mismas, y lo que se redujo fue el grupo de las que nombraban muchas.
Profesión por profesión se ve mejor, y de una manera poco habitual: cada punto de los cuadros de abajo es un aviso, colocado según cuántas habilidades técnicas menciona. Los huecos son los del primer tramo; los rellenos, los de ahora.
En cinco de las seis profesiones, la distribución se desplaza hacia menos herramientas
Cada punto es una oferta, situada de izquierda a derecha según cuántas herramientas menciona su texto. La altura de cada columna es cuántas ofertas nombran ese mismo número. Los puntos sin rellenar, sobre la línea, corresponden al primer periodo; los rellenos, bajo la línea, al segundo.
Las dos líneas de rayas marcan el promedio de cada época —la gris arriba, la de antes; la naranja abajo, la de ahora—. Una oferta menciona siempre un número entero de herramientas, pero el promedio puede caer entre dos: es una posición sobre la regla, no un montón de cosas.
5 de las 6 profesiones con muestra suficiente bajaron. La más brusca es Data Scientist, que reduce en 42% sus menciones sobre 59 avisos antes y 48 después. La más quieta es Data Analyst: pasó de mencionar 4,25 a 4,42 menciones, una diferencia tan pequeña que en la práctica se quedó donde estaba.
Antes de seguir, una limitación que cambia cómo se lee todo lo demás: el 77% de las ofertas del segundo periodo se publicaron en un solo mes (julio de 2026). Más que un periodo de cuatro meses, es en la práctica una fotografía de ese mes. Si julio de 2026 fue atípico —por temporada de contratación o por cualquier otra razón que estos datos no capturan—, el cambio que describimos podría ser menor de lo que parece.
La explicación cómoda sería que entraron más ofertas para principiantes, que suelen nombrar menos herramientas. Con estos datos no se sostiene, y por dos motivos.
El primero es que los avisos de principiante no aumentaron: bajaron, del 21,0% al 14,6% del total. Si la mezcla hubiera hecho algo, sería empujar el recuento hacia arriba, no hacia abajo.
El segundo es que la caída aparece también dentro de cada nivel medido por separado: Semi-Senior pasa de 6,1 a 4,9, Senior pasa de 7,3 a 6,1 y Junior pasa de 5,5 a 4,6. El único que se mueve al revés es Lead/Manager, que sube de 4,7 a 5,0, y es también el que menos avisos tiene detrás.
3 de 4 niveles bajan. Lo que cambió no es quién publica: es lo que escribe.
Lo que salió, y lo que entró en su lugar
Hay una frontera entre las que suben y las que bajan, y no es de dificultad: es de para qué sirve cada una. Las que suben sirven para construir y mover los datos. Las que bajan, para mirarlos.
Las que más suben, en cristiano:
- AWS — servicio de Amazon que alquila capacidad de cómputo y almacenamiento por horas, en vez de que la empresa compre servidores propios.
- ETL/ELT — procesos que llevan los datos desde donde se generan hasta donde se almacenan o analizan, y transformándolos en el trayecto.
- CI/CD — automatización que revisa el código y lo pone en funcionamiento sin intervención manual.
- Databricks — plataforma alquilada para procesar y analizar volúmenes de datos que exceden la capacidad de una sola máquina.
- Airflow — programa que ejecuta procesos de datos en un orden y a una hora definidos, de forma automática y repetida.
Las que más bajan:
- Power BI — herramienta de Microsoft para construir tableros y visualizaciones a partir de datos.
- R — lenguaje de programación orientado al análisis estadístico.
- Tableau — herramienta de visualización de datos, competencia directa de Power BI.
- Scikit-learn — biblioteca de Python para entrenar modelos de aprendizaje automático.
- Excel — la hoja de cálculo de Microsoft.
En la lista que baja hay además un segundo bloque que conviene separar: las de aprendizaje automático —los programas que aprenden solos a partir de ejemplos— también ceden terreno. Es un descenso aparte, con causas propias, y estos datos no lo explican.
Una lectura posible: la parte del trabajo dedicada a explorar los datos y reportar resultados aparece con menos frecuencia en los textos, y la dedicada a construir y mantener los sistemas que los mueven aparece con más. Los datos muestran el cambio de vocabulario; no permiten determinar si las tareas cambiaron en la misma proporción.
¿Y lo que no se movió?
Python (64,3% → 64,4%). En el cuadro es la línea horizontal: mientras todo lo demás rotaba, no se movió.
Para quien está decidiendo qué estudiar, ese es probablemente el dato más tranquilizador de todo el artículo.
Dónde se aprende cada una
Compara las dos listas otra vez, pero preguntándote otra cosa: ¿dónde se aprende cada una?
Las que bajan se practican solas. Una hoja de cálculo, un tablero o un lenguaje de análisis se aprenden en un computador prestado, con datos públicos que cualquiera descarga, sin pedirle permiso a nadie.
Las que suben también se pueden montar en casa, conviene decirlo: casi todas tienen versión gratuita. Un programa que decide en qué orden y a qué hora se ejecuta cada paso de un proceso de datos —eso es un orquestador— se instala en un portátil en una tarde. Un almacén de datos alquilado a Amazon o a Google se abre con una tarjeta. Un sistema que sube el código a producción solo, sin que nadie apriete un botón, viene incluido en cualquier repositorio.
La diferencia está en cómo se acredita cada una. Las que bajan se pueden demostrar con un proyecto propio y datos públicos. Las que suben se pueden estudiar en casa, pero acreditarlas suele exigir haberlas operado en una organización, con datos y usuarios reales — y eso no depende de estudiar más.
Eso último es una lectura nuestra, no un resultado: la base registra qué habilidades se nombran en las ofertas, no dónde las aprendió nadie.
El sueldo: no lo sabemos
Queda la pregunta obvia: si el salario acompañó ese cambio. Lo intentamos y la respuesta es que no podemos contestarla; y por qué no podemos dice más del mercado que cualquier cifra que hubiéramos publicado.
Sabemos lo que paga una vacante de dos maneras. O lo escribe la empresa en el aviso, o lo estima un modelo leyendo el texto — que es lo que toca hacer cuando no lo escribe, y casi nadie lo escribe. Abajo están las dos, sin elegir. Cada punto es una oferta: arriba, en hueco, las estimadas; abajo, en relleno, las que puso la empresa.
Los salarios que publica la empresa son demasiado pocos para sostener una conclusión
Cada punto es una oferta y su salario, en pesos colombianos mensuales, ordenados de menor a mayor hacia la derecha. La altura no representa ninguna variable: es solo separación para que los puntos no se superpongan. Las líneas verticales marcan la mediana de cada grupo: el valor que deja la mitad de las ofertas por debajo y la mitad por encima.
Desliza el cuadro hacia el lado si no lo ves completo.
Las columnas verticales no son un error: los sueldos se amontonan en cifras redondas. Muchas ofertas indican exactamente cinco, siete o diez millones, y por eso los puntos se apilan justo ahí.
Las dos nubes tienen el mismo aspecto salvo en una cosa: una tiene 456 puntos y la otra 30.
| Sueldo | Antes | Ahora | Variación | Cuántas ofertas |
|---|---|---|---|---|
| Estimado por el modelo | $7.0M | $7.9M | +12,9%+9,5% sin la inflación | 219 → 456🟢 muestra sólida |
| Publicado por la empresa | $5.1M | $7.4M | +44% | 52 → 30🟡 muestra media |
La fila de salarios publicados es la única con autoridad —la escribió quien va a pagar— y es también la más escasa: 52 ofertas en el primer periodo y 30 en el segundo. Con esa muestra, unas pocas vacantes bien pagadas mueven la mediana entera, y por eso no defendemos esa variación como un dato del mercado. La otra fila tiene volumen, pero no es una cifra del empleador: es una estimación nuestra hecha con inteligencia artificial.
Tampoco se pueden comparar entre sí. Las empresas que publican el salario no son una muestra al azar de las que no lo publican, así que la distancia entre las dos medianas no mide el error de la estimación: refleja que son dos grupos distintos de empresas.
Un dato que sí observamos, y que explica la escasez: la proporción de ofertas con salario escrito cayó del 19,5% al 6,7% entre los dos periodos. No podemos determinar la causa con este conjunto de datos. Lo que sí podemos concluir es que con esta muestra no sabemos si los salarios ofrecidos subieron o bajaron. Como referencia, la inflación colombiana en ese lapso fue del 3,1% (DANE IPC may-2026).
Cuéntalas en tu hoja de vida
Aquí están las dos listas, para que no tengas que volver a subir.
Suben: AWS, ETL/ELT, CI/CD, Databricks, Airflow.
Bajan: Power BI, R, Tableau, Scikit-learn, Excel.
Cuenta cuántas de cada lado aparecen escritas —escritas, no solo sabidas— en tu hoja de vida, y resta.
Si te sale negativo, no significa que sepas menos. Significa que tu hoja está escrita con las palabras de los avisos de hace medio año. Y hay algo que puedes hacer esta semana que no es estudiar nada: revisar si algo que ya hiciste encaja en alguno de esos términos. Casi siempre cabe alguna, y casi nadie la escribe.
Lo que no aparece en ninguna de las dos listas —Python, que se quedó exactamente donde estaba— no hace falta contarlo. Ahí no hay nada que decidir.
Glosario
En la base cada oferta guarda una lista de habilidades técnicas, y ahí caben tres cosas distintas: lenguajes de programación (Python, R, SQL), herramientasconcretas (Power BI, Airflow, Snowflake) y prácticas de trabajo (CI/CD, ETL/ELT). El artículo las trata a todas como una sola familia porque así aparecen en el texto de las ofertas, pero no son lo mismo: un lenguaje se aprende, una práctica se adopta.
Estas son las que aparecen en el cuadro, en el orden en que salen ahí.
- AWS
- servicio de Amazon que alquila capacidad de cómputo y almacenamiento por horas, en vez de que la empresa compre servidores propios.
- ETL/ELT
- procesos que llevan los datos desde donde se generan hasta donde se almacenan o analizan, y transformándolos en el trayecto.
- CI/CD
- automatización que revisa el código y lo pone en funcionamiento sin intervención manual.
- Databricks
- plataforma alquilada para procesar y analizar volúmenes de datos que exceden la capacidad de una sola máquina.
- Airflow
- programa que ejecuta procesos de datos en un orden y a una hora definidos, de forma automática y repetida.
- dbt
- herramienta para escribir las transformaciones de datos como código, con control de versiones y pruebas.
- Snowflake
- almacén de datos alquilado donde una organización centraliza la información que ha recogido.
- Spark / PySpark
- motor de cálculo distribuido: reparte el trabajo entre varias máquinas para procesar datos que no caben en una.
- Git
- sistema de control de versiones: registra cada cambio en el código, quién lo hizo y cuándo.
- Python
- el lenguaje de programación más extendido en el trabajo con datos.
- Pandas
- biblioteca de Python para manipular tablas de datos.
- TensorFlow
- biblioteca de Google para construir y entrenar redes neuronales.
- Excel
- la hoja de cálculo de Microsoft.
- Scikit-learn
- biblioteca de Python para entrenar modelos de aprendizaje automático.
- Tableau
- herramienta de visualización de datos, competencia directa de Power BI.
- R
- lenguaje de programación orientado al análisis estadístico.
- Power BI
- herramienta de Microsoft para construir tableros y visualizaciones a partir de datos.
Cómo está medido
Contar herramientas por mes sobre todo lo que recogemos no mide el mercado; mide nuestra propia recolección. El número de habilidades por oferta varía casi al doble según de dónde venga el aviso y con qué se haya procesado, y las dos cosas cambiaron mucho en estos meses. Por eso esta comparación deja fijos los cuatro: una sola fuente sostenida en el tiempo, un solo procesador, solo vacantes de datos y solo Colombia. Se pierden filas y se gana una comparación que significa algo: 272 avisos entre noviembre de 2025 y marzo de 2026, contra 492 entre abril de 2026 y julio de 2026.
Cinco límites, y el primero es el que más pesa: los dos tramos no duran lo mismo. El primero cubre cinco meses con 272 avisos y el segundo cuatro con 492, así que en el segundo entraron más del doble por mes. Eso es que recogemos más, no que se publique más — y significa que la temporada no está controlada: la contratación de fin de año cae dentro del primer tramo y no del segundo. Segundo: 8 meses entre las dos fotos no son un año, así que esto es un movimiento y no una tendencia. Tercero: una profesión entra al cuadro con quince avisos o más en cada tramo, y varias se quedan fuera. Cuarto: 77% del segundo tramo se concentra en un solo mes (julio de 2026), así que más que una ventana es una foto de ese mes. Y quinto: la fecha de publicación más reciente que tenemos es de julio de 2026, así que «ahora» quiere decir hasta ahí.
"Datos frescos cada semana. Si esto te sirvió, el Pulso te llega gratis cada lunes." — Pascal
