Analista de datos vs científico de datos vs ingeniero de datos: diferencias reales

El analista de datos responde preguntas de negocio con datos que ya existen (SQL, Excel y Power BI); el científico de datos construye modelos que predicen o clasifican (Python, estadística y machine learning); y el ingeniero de datos diseña las tuberías y los almacenes que alimentan a los otros dos. Para empezar, el rol más accesible es el de analista: en Indeed México acumula 1,200 sueldos publicados en 36 meses, frente a 100 de científico de datos y 138 de ingeniero de datos. Los otros dos pagan más en promedio, pero tienen muchas menos vacantes de entrada.

Respuesta corta: qué hace cada rol

• Analista de datos: Microsoft lo describe como quien perfila, limpia y transforma los datos, diseña modelos de datos y crea informes con herramientas de visualización para convertir datos sin procesar en conclusiones útiles. Su pregunta típica: ¿qué pasó y por qué?
• Científico de datos: explora datos, entrena modelos de machine learning, crea pipelines y despliega y monitorea esos modelos, según la descripción del rol en Microsoft Learn. Su pregunta típica: ¿qué va a pasar y qué conviene hacer?
• Ingeniero de datos: integra, transforma y consolida datos de distintos sistemas, y diseña y mantiene canalizaciones y almacenes de datos confiables. Su pregunta típica: ¿cómo llegan los datos correctos, limpios y a tiempo?

En equipos pequeños es común que una sola persona cubra parte de los tres trabajos; en equipos grandes los roles se separan y colaboran en el mismo flujo: el ingeniero mueve los datos, el analista los explica y el científico los usa para predecir.

Tabla de roles: tareas, herramientas, matemáticas y sueldo

Cómo leer los sueldos: los de Indeed son promedios de sueldo base en anuncios de los últimos 36 meses (actualizados entre el 17 y el 27 de septiembre de 2026) y no indican si son brutos o netos. Los de Stack Overflow son medianas globales de compensación anual total antes de impuestos, muy influidas por Estados Unidos y Europa: sirven para ver la jerarquía entre roles, no para estimar un sueldo en México. El detalle para analistas, con más fuentes y por ciudad, está en cuánto gana un analista de datos en México.

Cuál es más accesible para empezar

Analista de datos, con diferencia. Hay muchas más vacantes de entrada, las herramientas se aprenden en meses y no necesitas un título en sistemas: la ruta para ser analista de datos estima de 6 a 9 meses de estudio desde cero. Además, es el mejor punto de partida para los otros dos roles, porque SQL y la limpieza de datos son la base de todo el trabajo con datos.

• Científico de datos exige más matemáticas y experiencia evaluando modelos. En Indeed México solo hay 100 sueldos publicados para el puesto en 36 meses, una señal de que las vacantes de entrada son pocas. Una formación en matemáticas ayuda: según el IMCO, Matemáticas fue la carrera mejor pagada del país en Compara Carreras 2026, con un ingreso promedio de 29,887 pesos al mes.
• Ingeniero de datos se parece más a un desarrollador backend que a un analista: programación, bases de datos, nube y automatización. Es un buen destino si ya programas o vienes de sistemas; Ciencias computacionales registró 24,983 pesos al mes en el mismo estudio del IMCO.

Mi recomendación como ingeniero: si dudas, empieza como analista. En uno o dos años sabrás si disfrutas más modelar y predecir (científico) o construir sistemas que mueven datos (ingeniero), y llegarás con experiencia real con datos de negocio, que es lo que más pesa en las entrevistas.

Ruta para cada rol

Analista de datos

1. Excel bien usado: fórmulas de búsqueda, tablas dinámicas y limpieza.
2. SQL: JOIN, agregaciones, subconsultas y funciones de ventana.
3. Power BI: Power Query, modelado y DAX.
4. Python con pandas para limpieza y análisis exploratorio.
5. Portafolio con tres análisis completos y, si quieres una señal formal, la PL-300.

Gratis: las rutas de Power BI de Microsoft Learn y los cursos de Python, pandas y SQL de Kaggle Learn, que son gratuitos y ahora dan certificado.

Científico de datos

1. Python sólido y SQL, como un analista.
2. Estadística y probabilidad; después, álgebra lineal y cálculo al nivel que pide el machine learning.
3. Machine learning clásico con scikit-learn: regresión, clasificación, validación y métricas.
4. Deep learning con TensorFlow o PyTorch, cuando ya sepas evaluar un modelo.
5. Proyectos completos: de la pregunta al modelo desplegado, con sus métricas.

Gratis: el Curso intensivo de aprendizaje automático de Google (con versión en español) y los cursos de machine learning, ingeniería de variables y series de tiempo de Kaggle Learn.

Ingeniero de datos

1. SQL avanzado y modelado de datos (por ejemplo, esquemas de estrella y copo de nieve).
2. Python para automatizar cargas y transformaciones.
3. Fundamentos de nube y bases de datos; la DP-900 ordena esos conceptos.
4. Procesamiento y orquestación: Spark, Airflow y dbt.
5. Una plataforma concreta, como Microsoft Fabric (certificación DP-700, en español) o la nube que use tu empresa objetivo.

Todavía no hemos reseñado cursos específicos de ingeniería de datos; para diseñar bases de datos con SQL, el curso de SQL con PostgreSQL es el más sólido de los que analizamos, y la ruta de cloud y DevOps cubre la parte de infraestructura. Más recursos sin costo en recursos gratis de datos y de bases de datos, y más cursos en la categoría de Datos y Machine Learning.

Preguntas frecuentes