Usamos cookies técnicas y el registro de visitas anonimizado de Zorky. Yandex Metrica (los datos se guardan en servidores en Rusia) solo se activa con tu consentimiento. Nunca vendemos datos. Más sobre cookies y estadísticas.
Zorky está en modo de prueba: todo es gratis. Los empleos y las páginas de empresas están abiertos a todos; los enlaces a las ofertas y tu selección personal se abren tras registrarte. Regístrate →

Analista de producto: mercado

Datos a 19 de noviembre de 2026: ofertas abiertas de Analista de producto — 199, el 40% en remoto entre las ofertas que indican la modalidad; salario mediano anunciado $6062/mes (de 15 ofertas que indican salario). Fuente: Zorky, actualizado a diario.

Product Analyst — analista integrado en un equipo de producto concreto: estudia cómo se comportan los usuarios en el producto, diseña y analiza experimentos A/B, calcula las métricas de producto y ayuda a los product managers a decidir qué y por qué cambiar en el producto. A diferencia de un Data Analyst de perfil general (que responde preguntas de negocio en varias direcciones), un Product Analyst está profundamente inmerso en un producto, es dueño de sus métricas y de su cultura de experimentos. A diferencia de un Product Manager — el PM decide qué construir, el product analyst mide e informa las decisiones con datos (ver /research/pm). Familia de roles: Product Analyst (general — métricas, experimentos, hipótesis de producto), Senior Product Analyst (diseño del sistema de métricas, investigación de comportamiento compleja), Growth Analyst (foco en el crecimiento — funnels, activación, monetización), Analytics Lead en el producto. Stack 2026: SQL (obligatorio), Python (pandas, estadística — requerido para Middle+), analítica de producto — Amplitude, Mixpanel, Yandex Metrika / AppMetrica, GA4, PostHog; A/B testing (diseño y análisis de experimentos — el núcleo de la profesión), estadística, data warehouses (ClickHouse — especialmente popular en la analítica de producto de la CEI, Snowflake, BigQuery), BI (dashboards — Tableau, Power BI, DataLens, Metabase), comprensión de las métricas de producto — retention, activation, conversion, funnels, cohortes, unit economics, LTV, North Star Metric, árbol de métricas. Top stack: bpmn, ci/cd, confluence, docker, gitlab. Entre las vacantes con modalidad de trabajo indicada, el 40% es remoto. Product Analyst — una de las especializaciones analíticas mejor pagadas y de más rápido crecimiento: las empresas de producto compiten por estos analistas, y el rol abre un camino hacia Analytics Lead y hacia el product management.

Datos al:

Las cifras clave del mercado de Analista de producto: ofertas abiertas, salario mediano, grupo de especialistas observado y proporción de remoto.

199
empleos abiertos — por título del puesto, republicaciones fusionadas
$6062
mediana $/mes
40%
remoto

El mercado de Analista de producto tiene ahora 199 puestos abiertos, 174 de ellos observados recientemente. Median salary $6062/mo.

Entre las vacantes con modalidad de trabajo indicada, el 40% es remoto. La analítica de producto se hace bien a distancia; matiz: el rol necesita un contacto estrecho con el equipo de producto, así que el híbrido le resulta especialmente natural.

⚠ salario conocido en 15 de 199 empleos; cuota de remoto a partir de 167 con formato indicado; 174 contados como observaciones recientes; no se muestran la tendencia ni la dificultad de contratación

Cronología: ofertas y fuentes

Cuántas ofertas de Analista de producto aparecieron cada semana desde el 1 jun y de cuántas fuentes. El gráfico inferior separa el crecimiento del mercado del crecimiento de nuestra cobertura: un salto en la semana en que se conectaron nuevas fuentes significa que empezamos a ver más, no que el mercado creció.

Nuevas ofertas por semana

Datos del gráfico
Nuevas ofertas por semana. Tabla de datos del bloque. Un valor ausente no es cero; las unidades y la muestra se indican en la descripción del indicador.
PeriodoNuevas ofertas por semana
2026-06-015
2026-06-083
2026-06-154
2026-06-2212
2026-06-2962
2026-07-0648
2026-07-1330
2026-07-2024
2026-07-2717
2026-08-0314
2026-08-1031
2026-08-1726
2026-08-2418
2026-08-3113
2026-09-0725
2026-09-1413
2026-09-2146
2026-09-2845
2026-10-0554
2026-10-1294
2026-10-1954
2026-10-2679
2026-11-0274
2026-11-0968

Fuentes activas por semana

Fuentes en el periodo: 122. ▲ — semana en la que se conectaron muchas fuentes nuevas.

Datos del gráfico
Fuentes activas por semana. Tabla de datos del bloque. Un valor ausente no es cero; las unidades y la muestra se indican en la descripción del indicador.
PeriodoFuentes activas
2026-06-014
2026-06-083
2026-06-154
2026-06-227
2026-06-2918
2026-07-0618
2026-07-1314
2026-07-2018
2026-07-2714
2026-08-0314
2026-08-1017
2026-08-1714
2026-08-249
2026-08-3111
2026-09-0715
2026-09-149
2026-09-2117
2026-09-2818
2026-10-0519
2026-10-1224
2026-10-1932
2026-10-2630
2026-11-0232
2026-11-0923
Nuevas fuentes conectadas: 29 jun +13 · 20 jul +11 · todas las semanas (22) en la tabla
SemanaFuentes nuevasOfertas nuevas
8 jun+13
15 jun+24
22 jun+512
29 jun+1362
6 jul+848
13 jul+530
20 jul+1124
27 jul+617
3 ago+614
10 ago+531
17 ago+326
31 ago+313
7 sept+125
14 sept+313
21 sept+746
28 sept+445
5 oct+654
12 oct+694
19 oct+754
26 oct+479
2 nov+874
9 nov+468

La semana actual aún no ha terminado y no se muestra: una semana incompleta parecería una caída.

Semana = fecha en que se detectó la oferta por primera vez, todos los estados; las ofertas se seleccionan con la misma regla que el contador de esta página. Las fuentes son canales de recopilación distintos; sus nombres no se publican.

Datos del gráfico
Cronología: ofertas y fuentes — Analista de producto. Tabla de datos del bloque. Un valor ausente no es cero; las unidades y la muestra se indican en la descripción del indicador.
SemanaNuevas ofertas por semanaFuentes activas
2026-06-0154
2026-06-0833
2026-06-1544
2026-06-22127
2026-06-296218
2026-07-064818
2026-07-133014
2026-07-202418
2026-07-271714
2026-08-031414
2026-08-103117
2026-08-172614
2026-08-24189
2026-08-311311
2026-09-072515
2026-09-14139
2026-09-214617
2026-09-284518
2026-10-055419
2026-10-129424
2026-10-195432
2026-10-267930
2026-11-027432
2026-11-096823

El trabajo remoto a lo largo del tiempo

Proporción de ofertas de Analista de producto con trabajo totalmente remoto, por semana.

Ofertas remotas, %

Datos del gráfico
Ofertas remotas, %. Tabla de datos del bloque. Un valor ausente no es cero; las unidades y la muestra se indican en la descripción del indicador.
PeriodoRemoto
2026-06-2240
2026-06-2962,8
2026-07-0671,8
2026-07-1360
2026-07-2050
2026-07-27—
2026-08-0341,7
2026-08-1048,1
2026-08-1750
2026-08-24—
2026-08-31—
2026-09-0714,3
2026-09-1430
2026-09-2125,6
2026-09-2835,9
2026-10-0561,2
2026-10-1246
2026-10-1942,2
2026-10-2641,9
2026-11-0235,9
2026-11-0927,5

La serie empieza el 22 jun: antes no hay datos.

La proporción se calcula entre las ofertas que indican la modalidad (remoto, híbrido, oficina). Las semanas con menos de 10 ofertas así quedan en blanco.

Datos del gráfico
El trabajo remoto a lo largo del tiempo — Analista de producto. Tabla de datos del bloque. Un valor ausente no es cero; las unidades y la muestra se indican en la descripción del indicador.
SemanaRemoto
2026-06-01—
2026-06-08—
2026-06-15—
2026-06-2240
2026-06-2962,8
2026-07-0671,8
2026-07-1360
2026-07-2050
2026-07-27—
2026-08-0341,7
2026-08-1048,1
2026-08-1750
2026-08-24—
2026-08-31—
2026-09-0714,3
2026-09-1430
2026-09-2125,6
2026-09-2835,9
2026-10-0561,2
2026-10-1246
2026-10-1942,2
2026-10-2641,9
2026-11-0235,9
2026-11-0927,5

Tecnologías a lo largo del tiempo

Cómo cambió la proporción de ofertas de Analista de producto que mencionan cada una de las principales tecnologías.

Ofertas que mencionan la tecnología, %

Datos del gráfico
Ofertas que mencionan la tecnología, %. Tabla de datos del bloque. Un valor ausente no es cero; las unidades y la muestra se indican en la descripción del indicador.
PeriodoSQLPythondbt
2026-09-21655015
2026-09-2865,646,915,6
2026-10-0566,751,512,1
2026-10-1269,658,98,9
2026-10-1974,357,15,7
2026-10-2671,446,412,5
2026-11-0270,453,77,4
2026-11-0978,358,717,4

La serie empieza el 21 sept: antes no hay datos.

Hasta 5 en el gráfico:

Proporción entre las ofertas con stack etiquetado; la serie empieza el 10 ago: antes las etiquetas de stack se asignaban de otra forma. Las semanas con menos de 20 ofertas etiquetadas quedan en blanco.

Datos del gráfico
Tecnologías a lo largo del tiempo — Analista de producto. Tabla de datos del bloque. Un valor ausente no es cero; las unidades y la muestra se indican en la descripción del indicador.
SemanaSQLPythondbtuser storiespandas
2026-08-10—————
2026-08-17—————
2026-08-24—————
2026-08-31—————
2026-09-07—————
2026-09-14—————
2026-09-21655015520
2026-09-2865,646,915,612,50
2026-10-0566,751,512,139,1
2026-10-1269,658,98,98,910,7
2026-10-1974,357,15,711,45,7
2026-10-2671,446,412,512,58,9
2026-11-0270,453,77,416,711,1
2026-11-0978,358,717,417,419,6

Países a lo largo del tiempo

Cómo cambió por semana la proporción de ofertas de Analista de producto en cada uno de los principales países.

Ofertas en el país, %

Datos del gráfico
Ofertas en el país, %. Tabla de datos del bloque. Un valor ausente no es cero; las unidades y la muestra se indican en la descripción del indicador.
PeriodoRusiaEE. UU.Reino Unido
2026-06-2929,110,95,5
2026-07-0630,2140
2026-07-1328,617,90
2026-07-2045,59,122,7
2026-07-27———
2026-08-03———
2026-08-1044,422,218,5
2026-08-1720,88,316,7
2026-08-24———
2026-08-31———
2026-09-0750033,3
2026-09-14———
2026-09-217,32222
2026-09-282,419,514,6
2026-10-0518146
2026-10-1211,2258,8
2026-10-19161212
2026-10-269,923,98,5
2026-11-0219,719,74,5
2026-11-0911,51824,6

La serie empieza el 29 jun: antes no hay datos.

Hasta 5 en el gráfico:

Proporción entre las ofertas con país conocido; el gráfico muestra los cinco países con más ofertas en seis meses. Las semanas con menos de 20 ofertas con país conocido quedan en blanco. Una proporción al alza puede deberse a una fuente recién conectada en ese país y no al crecimiento del mercado.

Datos del gráfico
Países a lo largo del tiempo — Analista de producto. Tabla de datos del bloque. Un valor ausente no es cero; las unidades y la muestra se indican en la descripción del indicador.
SemanaRusiaEE. UU.Reino UnidoPoloniaIndia
2026-06-01—————
2026-06-08—————
2026-06-15—————
2026-06-22—————
2026-06-2929,110,95,523,65,5
2026-07-0630,214030,29,3
2026-07-1328,617,9010,73,6
2026-07-2045,59,122,74,50
2026-07-27—————
2026-08-03—————
2026-08-1044,422,218,500
2026-08-1720,88,316,78,34,2
2026-08-24—————
2026-08-31—————
2026-09-0750033,304,2
2026-09-14—————
2026-09-217,322222,414,6
2026-09-282,419,514,67,312,2
2026-10-0518146164
2026-10-1211,2258,88,85
2026-10-191612121410
2026-10-269,923,98,55,68,5
2026-11-0219,719,74,59,16,1
2026-11-0911,51824,64,93,3

Mercado limpio: índice de contratación

Los mismos 7505 portales de empleo de empresas; el número de ofertas se toma del propio portal. Conectar nuevas fuentes no mueve este índice: muestra el mercado, no nuestra cobertura. Es todo el mercado del panel, no solo Analista de producto.

Índice de contratación, 16 oct = 100

Datos del gráfico
Índice de contratación, 16 oct = 100. Tabla de datos del bloque. Un valor ausente no es cero; las unidades y la muestra se indican en la descripción del indicador.
PeriodoÍndice de contratación
2026-10-16100
2026-10-17100,03
2026-10-1899,76
2026-10-1999,68
2026-10-2099,27
2026-10-2198,6
2026-10-2299,07
2026-10-2397,4
2026-10-2497,41
2026-10-2697,33
2026-10-2796,76
2026-10-2896,21
2026-10-2995,17
2026-10-3095,13
2026-10-3193,65
2026-11-0193,33
2026-11-0292,67
2026-11-0392,65
2026-11-0492,41
2026-11-0592,13
2026-11-0690,44
2026-11-0790,48
2026-11-0890,45
2026-11-1090,29
2026-11-1190,22
2026-11-1390,12
2026-11-1489,7
2026-11-1589,68
2026-11-1689,62
2026-11-1888,91
2026-11-1988,02

Índice encadenado: cada día compara solo los portales consultados ese día y el anterior; se excluyen los valores atípicos y las caídas de consulta de toda una plataforma. Los días sin pares comparables quedan en blanco.

Datos del gráfico
Mercado limpio: índice de contratación — Analista de producto. Tabla de datos del bloque. Un valor ausente no es cero; las unidades y la muestra se indican en la descripción del indicador.
DíaÍndice de contratación
2026-10-16100
2026-10-17100,03
2026-10-1899,76
2026-10-1999,68
2026-10-2099,27
2026-10-2198,6
2026-10-2299,07
2026-10-2397,4
2026-10-2497,41
2026-10-2697,33
2026-10-2796,76
2026-10-2896,21
2026-10-2995,17
2026-10-3095,13
2026-10-3193,65
2026-11-0193,33
2026-11-0292,67
2026-11-0392,65
2026-11-0492,41
2026-11-0592,13
2026-11-0690,44
2026-11-0790,48
2026-11-0890,45
2026-11-1090,29
2026-11-1190,22
2026-11-1390,12
2026-11-1489,7
2026-11-1589,68
2026-11-1689,62
2026-11-1888,91
2026-11-1988,02

Cuántas ofertas abiertas de Analista de producto hay y cuántos especialistas adecuados observa Zorky.

Demanda y oferta observada

Datos del gráfico
Tabla de datos del bloque. Un valor ausente no es cero; las unidades y la muestra se indican en la descripción del indicador.
IndicadorValor
Demanda abierta199
Demanda abierta199
Oferta observada— no publicado

Product Analyst es una de las especializaciones analíticas de crecimiento más rápido y mejor pagadas. Motor 2026: la expansión del desarrollo de producto y de la cultura de experimentación: cada vez más empresas toman decisiones mediante pruebas A/B y métricas, y la demanda de analistas de producto crece más rápido que la de analistas de perfil general.

⚠ los candidatos que encajan con una vacante aún no se cuentan: se muestran la demanda y el pool observado

Cómo se distribuyen los salarios en las ofertas de Analista de producto, en dólares estadounidenses al mes.

Distribución de salarios

P25 $5040 · P50 $6062 · P75 $8250
Datos del gráfico
Tabla de datos del bloque. Un valor ausente no es cero; las unidades y la muestra se indican en la descripción del indicador.
IndicadorValor
<$1k0
$1–2k1
$2–3k1
$3–4k0
$4–5k1
$5–6k4
$6–7k1
$7–8k3
$8–9k1
$9–10k0
$10–12k1
$12–15k2
$15–20k0
$20k+0
Salario en las ofertas: base 199
  • apto para el cálculo: 15 (7,5%)
  • indicado, pero no convertido a USD/mes: 30 (15,1%)
  • no indicado: 154 (77,4%)

Una de cada diez ofertas paga menos de $2500 y una de cada diez más de $12.991. La mitad de las ofertas ofrece entre $5040 y $8250. Muestra: 15.

⚠ percentiles a partir de 15 salarios de 199 empleos: una referencia sobre una muestra pequeña

Datos del gráfico
Distribución de salarios — Analista de producto. Tabla de datos del bloque. Un valor ausente no es cero; las unidades y la muestra se indican en la descripción del indicador.
IndicadorLímite inferiorLímite superiorCantidad
<$1k010000
$1–2k100020001
$2–3k200030001
$3–4k300040000
$4–5k400050001
$5–6k500060004
$6–7k600070001
$7–8k700080003
$8–9k800090001
$9–10k900010.0000
$10–12k10.00012.0001
$12–15k12.00015.0002
$15–20k15.00020.0000
$20k+20.000—0

En qué países hay más ofertas abiertas de Analista de producto.

Geografía de la demanda

paísempleosproporción
Estados Unidos3418,7%
Rusia3016,5%
Polonia179,3%
Reino Unido158,2%
India158,2%
Ucrania94,9%
Kazajistán84,4%
Canadá73,8%
Chipre52,7%
Alemania52,7%
Otros países3720,3%

El líder por número de vacantes de Product Analyst es EE. UU. (34 vacantes). La demanda se concentra en empresas de producto y tech, fintech, e-commerce, foodtech, edtech, gaming, servicios móviles. Las empresas internacionales contratan Senior Product Analysts rusohablantes en remoto total.

⚠ solo número de empleos: el salario por país no se publica

Datos del gráfico
Geografía de la demanda — Analista de producto. Tabla de datos del bloque. Un valor ausente no es cero; las unidades y la muestra se indican en la descripción del indicador.
PaísOfertas
US34
RU30
PL17
GB15
IN15
UA9
KZ8
CA7
CY5
DE5

Qué tecnologías se piden con más frecuencia en la misma oferta que Analista de producto.

Se usa junto con

sql
15879,4%
python
12864,3%
dbt
3316,6%
user stories
2713,6%
pandas
2613,1%
snowflake
2613,1%
backlog
2613,1%
airflow
2512,6%
bigquery
2110,6%
cloud
2110,6%

Cuota: cuántas de las 199 ofertas del mercado Analista de producto mencionan esta tecnología. Ordenado por número de ofertas, no por «fuerza de asociación». Términos genéricos como cloud no son una nube concreta (AWS, Azure).

Stack principal de Product Analyst 2026: SQL (obligatorio), Python (pandas, estadística, requerido para Middle+), analítica de producto (Amplitude, Mixpanel, Yandex Metrika / AppMetrica, GA4, PostHog), A/B testing (núcleo del rol), estadística, data warehouses (ClickHouse, popular en la analítica de producto de la CEI, Snowflake, BigQuery), BI (Tableau, Power BI, DataLens, Metabase), métricas de producto (retention, activation, funnels, cohortes, unit economics, LTV, North Star, árbol de métricas).

Parejas habituales: SQL + Python (estadística, A/B), Amplitude / Mixpanel + métricas de producto, pruebas A/B + estadística, ClickHouse + BI, embudos + cohortes. Hoja de ruta de aprendizaje: base de Data Analyst (SQL, Python, estadística) → profundizar en estadística y pruebas A/B → métricas de producto → herramientas de analítica de producto → pensamiento de producto → portfolio con análisis de producto → rol de Data / Product Analyst en una empresa de producto.

Datos del gráfico
Se usa junto con — Analista de producto. Tabla de datos del bloque. Un valor ausente no es cero; las unidades y la muestra se indican en la descripción del indicador.
NombreCantidad
sql158
python128
dbt33
user stories27
pandas26
snowflake26
backlog26
airflow25
bigquery21
cloud21
numpy16
llm16

Cuántas ofertas de Analista de producto hay en cada nivel, de junior a principal.

Demanda por nivel

nivelempleos
senior79
middle22
junior10
principal6
lead5

No hay muchas vacantes Junior puras: la gente llega a través de Data Analyst. Flujo de carrera: Data Analyst → Product Analyst → Senior Product Analyst → Analytics Lead / Head of Analytics, o la transición a Product Manager (una bifurcación lógica).

⚠ solo el lado de la demanda: el nivel del pool observado se desconoce en su mayor parte

Datos del gráfico
Demanda por nivel — Analista de producto. Tabla de datos del bloque. Un valor ausente no es cero; las unidades y la muestra se indican en la descripción del indicador.
NivelCantidad
senior79
middle22
junior10
principal6
lead5

Quién contrata más en Analista de producto y cuánto se concentra la demanda en las empresas más grandes.

Empleadores

La demanda se reparte entre 138 empleadores. El mayor concentra el 7.9%, los diez primeros el 23.0%; el 77.0% restante es cola larga.

el mayor 7,9%2.º–3.º 5,1%4.º–10.º 10,1%el resto 77%
proporciónvalor
top-17.9%
top-312.9%
top-1023.0%
cola larga77.0%

⚠ no se muestran nombres: el clasificador aún no distingue entre agencias de selección y empleadores finales

De qué webs de empresas y portales de empleo recoge Zorky las ofertas de Analista de producto.

Dónde ve Zorky este mercado

Observado en 45 fuentes; la mayor concentra el 20.1%: este mercado no depende de un solo canal.

Vacantes de Product Analyst: hh.ru («product analyst»), Habr Career, getmatch, LinkedIn, Telegram (comunidades de analistas de producto y canales de empleo). El mercado real es más amplio que la búsqueda exacta: parte de los puestos aparecen como «data analyst» con orientación a producto o «growth analyst». Nota: el área de Analyst / BI tuvo dificultades de clasificación automática: la cifra visible puede subestimar el mercado.

Datos del gráfico
Dónde ve Zorky este mercado — Analista de producto. Tabla de datos del bloque. Un valor ausente no es cero; las unidades y la muestra se indican en la descripción del indicador.
ClaseNombreNombre en inglésCantidadProporción
atsATS и карьерные сайтыATS y webs de empleo de empresas1240,6231
boardджоб-борды и агрегаторыportales de empleo y agregadores540,2714
telegramTelegramTelegram210,1055

Las ofertas de Analista de producto más recientes de las webs de empleo de las empresas.

Vacantes recientes

Todos los empleos →

Últimas vacantes abiertas de Product Analyst: las 10 posiciones más recientes con una descripción de calidad suficiente. La lista completa está en nuestro CRM o en el enlace «ver todas» de abajo.

Cómo se mide
Vacante
un empleo abierto que superó el filtro de calidad y menciona al menos dos tecnologías
Candidato observado
un candidato cuyo stack contiene esta tecnología; es un agregado: ni un solo registro sale del perímetro
Candidato emparejable
aún no contabilizado
Ventana
empleos abiertos en el momento en que se generó el snapshot

Sobre los datos

  • Algunos desgloses están ocultos: su cobertura de datos aún no es suficiente.
  • Las estadísticas se muestran solo donde la muestra supera un control de calidad.
  • Que falte un bloque no significa que el valor sea cero.

Desgloses ocultos actualmente: 8.

Área: Analista / BI

Especializaciones relacionadas

Dentro de Product Analyst: Product Analyst (general: métricas, experimentos, hipótesis de producto), Senior Product Analyst (diseño del sistema de métricas, investigación compleja del comportamiento), Growth Analyst (foco en crecimiento: embudos, activación, monetización), Analytics Lead del producto. La comparación con otras especializaciones de análisis está en la barra de abajo.

Desarrollador de BIAnalista de negocioAnalista financieroAnalista de sistemas

Preguntas frecuentes

Las preguntas más frecuentes sobre Product Analyst: salario, grados, herramientas y skills, Product Analyst frente a Data Analyst frente a Product Manager, por qué los A/B tests son el núcleo del rol, trabajo remoto, valor del rol para la carrera, empresas, cómo empezar, skills de Senior. Las respuestas se recalculan automáticamente.

¿Cuánto gana un Product Analyst Junior, Middle, Senior o Lead?

No hay muchas vacantes puras de Junior Product Analyst: la gente entra al rol más a menudo tras trabajar como Data Analyst o como becario de analítica de producto. Salto a Middle: diseño y análisis independiente de A/B tests, Python y estadística con soltura, ownership de las métricas de producto. El Senior diseña el sistema de métricas de producto, lidera investigaciones de comportamiento complejas, influye directamente en la estrategia de producto. Flujo de carrera: Data Analyst → Product Analyst → Senior Product Analyst → Analytics Lead / Head of Analytics, o la transición a Product Manager (una bifurcación común y lógica).

¿Qué herramientas y skills se exigen con más frecuencia a un Product Analyst?

Principales 5: bpmn, ci/cd, confluence, docker, gitlab. SQL — obligatorio, nivel experto. Python — obligatorio para Middle+: pandas, estadística, cálculo de experimentos, automatización. Analítica de producto: Amplitude, Mixpanel, Yandex Metrika / AppMetrica, GA4, PostHog — herramientas para analizar el comportamiento del usuario (eventos, funnels, curvas de retención, cohortes). A/B testing — núcleo del rol: diseño de experimentos (métrica, hipótesis, tamaño de muestra), análisis correcto, comprensión de las trampas (peeking, comparaciones múltiples, novelty). Estadística — sólida: contraste de hipótesis, intervalos de confianza, elección del test. Data warehouses: ClickHouse (especialmente popular en la analítica de producto de la CEI), Snowflake, BigQuery. BI: dashboards en Tableau / Power BI / DataLens / Metabase. Métricas de producto: comprensión profunda de retention, activation, conversion, funnels, cohortes, unit economics, LTV, North Star Metric, capacidad de construir un árbol de métricas. Soft skills: pensamiento de producto, capacidad de formular y probar hipótesis, transmitir conclusiones al PM y al equipo, influir en las decisiones. Conocimiento de diseño de producto y experiencia de dominio — una gran ventaja.

Product Analyst frente a Data Analyst frente a Product Manager: ¿cuál es la diferencia?

Data Analyst: analista de perfil general: responde a preguntas de negocio de distintas áreas de la empresa, métricas, dashboards, análisis ad hoc; alcance amplio, no ligado a un producto (ver /research/analyst/data-analyst). Product Analyst: analista integrado en un equipo de producto concreto: conoce a fondo el producto, es responsable de sus métricas, diseña y analiza experimentos A/B, investiga el comportamiento de los usuarios y ayuda al PM a tomar decisiones basadas en datos. A grandes rasgos: el Data Analyst, a lo ancho de la empresa; el Product Analyst, en profundidad en el producto, con énfasis en los experimentos. Product Manager: responsable del producto en su conjunto: decide qué construir, fija prioridades y responde del resultado del producto; el analista de producto es el socio de datos más cercano del PM: el PM decide, el PA mide, valida hipótesis e informa con números (ver /research/pm). Trayectoria: Data Analyst → Product Analyst, un paso habitual (especialización y aumento de ingresos); Product Analyst → Product Manager, una de las bifurcaciones de carrera más lógicas (un analista de producto ya piensa en términos de producto y de métricas); o Product Analyst → Analytics Lead / Head of Analytics.

¿Por qué los tests A/B y los experimentos son el núcleo del trabajo del Product Analyst?

Los equipos de producto cambian el producto constantemente: nuevas funcionalidades, cambios de interfaz, precios, mecánicas. La pregunta principal cada vez: ¿el cambio mejoró de verdad el producto o fue casualidad? La respuesta la da una prueba A/B (un experimento controlado): una parte de los usuarios ve la variante nueva, otra la antigua, y el analista las compara según una métrica elegida. Esto convierte el desarrollo de producto de «nos parece que es mejor» en decisiones verificables. Por eso el diseño y el análisis de experimentos son el núcleo del rol de Product Analyst. Qué incluye: diseño: elegir la métrica adecuada (una que refleje valor real, no una fácil de mover), formular la hipótesis, calcular el tamaño de muestra y la duración necesarios; ejecución: división correcta en grupos, control de la calidad de los datos; análisis: comprobar la significación estadística y los intervalos de confianza y, sobre todo, evitar los errores clásicos (mirar antes de tiempo, comparaciones múltiples, efecto novedad, grupos no representativos); interpretación: qué significa el resultado para el producto y si conviene desplegar el cambio. Una cultura de experimentación madura (validar hipótesis de forma sistemática, no desplegar «a ojo») es lo que distingue a las empresas de producto fuertes, y el Product Analyst es quien la sostiene. Además de las pruebas A/B, el analista trabaja con datos observacionales (embudos, cohortes, curvas de retención) donde no es posible experimentar.

¿Qué proporción de vacantes ofrece trabajo remoto?

Entre las vacantes con modalidad de trabajo indicada, el 40% es remoto. Las vacantes sin modalidad indicada se excluyen del denominador; el trabajo híbrido no se cuenta como remoto.

¿Por qué el Product Analyst es valioso para el equipo y es una buena elección de carrera?

Un Product Analyst es valioso porque convierte las decisiones del equipo de producto de suposiciones en hipótesis comprobables: responde a preguntas como «¿funciona la funcionalidad?», «¿dónde abandonan los usuarios?», «¿qué mueve la retención?», «¿vale la pena desplegar el cambio?», y así ahorra a la empresa recursos en retrabajo inútil y ayuda a encontrar crecimiento. Es una buena elección de carrera por varias razones: 1) Uno de los roles analíticos mejor pagados: las empresas de producto compiten por estas personas. 2) Demanda creciente: la cultura del desarrollo de producto y de los experimentos se extiende. 3) Excelentes bifurcaciones de carrera: Analytics Lead / Head of Analytics o el paso a Product Manager (un analista de producto ya piensa en métricas e hipótesis). 4) Un trabajo sustantivo e interesante: en la intersección de los datos, el producto y la psicología del usuario. A quién le encaja: a quien le interesan no solo los números, sino el producto y el comportamiento de las personas, a quien le gusta formular y validar hipótesis y está dispuesto a comunicarse mucho con el equipo. Advertencia honesta: no es el mejor primer rol: a Product Analyst se suele llegar tras dominar la base de Data Analyst (SQL, Python, estadística); es más sensato empezar la carrera como Data Analyst y crecer hacia la analítica de producto de forma consciente.

¿Cómo empezar una carrera de Product Analyst en 2026?

Product Analyst no suele ser el primer rol; el camino razonable es vía Data Analyst o unas prácticas de analítica de producto. Hoja de ruta: 1) Base de Data Analyst: SQL (con soltura), Python (pandas), una herramienta de BI, nociones de estadística; sin esta base no se entra en analítica de producto. 2) Estadística y experimentos: profundiza: contraste de hipótesis, pruebas A/B, errores típicos en los experimentos; es el núcleo del rol y lo que más se trabaja en las entrevistas. 3) Métricas de producto: aprende a calcular correctamente retención, activación, conversión, embudos, cohortes, economía unitaria, LTV, North Star Metric; entiende cómo construir un árbol de métricas. 4) Herramientas de analítica de producto: domina al menos una (Amplitude, Mixpanel, Yandex Metrika / AppMetrica), aprende a construir embudos y análisis de cohortes. 5) Pensamiento de producto: lee sobre gestión de producto, entiende cómo funciona un equipo de producto, qué es una hipótesis y cómo se valida. 6) Portfolio: analiza un producto (puede ser público) a través de métricas, describe hipótesis y cómo las validarías; proyecto personal con embudo y cohortes. Recursos: cursos de analítica de producto (Karpov.Courses, conocido por un programa fuerte de analítica y A/B; Yandex Practicum; ProductStar, etc.), libros y materiales sobre pruebas A/B y métricas de producto, comunidades de analistas de producto. Camino: domina la base de Data Analyst → consigue un rol de Data / Product Analyst en una empresa de producto → crece hacia la especialización de producto.

¿Cuántas vacantes abiertas contiene esta muestra?

La muestra publicada contiene 199 vacantes abiertas tras agrupar las republicaciones. Es la misma cifra del indicador principal. La sección geográfica describe la cobertura de la muestra; no es una estimación de todo el mercado.

¿Qué skills necesita un Senior Product Analyst?

Un Senior Product Analyst es un analista que influye en la estrategia de producto. Experimentos: diseño y análisis experto de pruebas A/B, elección de las métricas correctas, cálculo de potencia, temas avanzados (estratificación, CUPED para reducir la varianza, pruebas secuenciales, trabajo con comparaciones múltiples) y una comprensión sobria de cuándo se puede confiar en el resultado. Estadística: con soltura a nivel de practicante: contraste de hipótesis, intervalos de confianza, análisis causal cuando el experimento es imposible. SQL y Python: SQL experto, Python con soltura (pandas, librerías estadísticas), automatización. Diseño del sistema de métricas: diseñar el árbol de métricas del producto, elegir la North Star, evitar métricas que distorsionan o que se pueden manipular fácilmente. Analítica de comportamiento: análisis profundo de embudos, retención, cohortes, segmentos: entender por qué los usuarios se comportan así, no solo qué ocurre. Pensamiento de producto: entender el producto, el mercado y los usuarios no peor que el PM; ser capaz de generar tú mismo hipótesis de crecimiento, no solo validar las de otros. Influencia: transmitir las conclusiones de modo que cambien decisiones; trabajar con PM, diseño y desarrollo como socio; defender la postura con datos. Calidad de los datos: actitud crítica hacia los datos y el tracking de eventos, comprensión de cómo se recogen los datos. Mentoría: desarrollo de analistas Junior, estándares de experimentación en el equipo. Inglés: para el mercado internacional. El principal valor de un Senior: no «calcular la prueba», sino hacer avanzar el producto de forma sistemática mediante datos y experimentos.

Dejar una solicitud

Describe la tarea y deja un contacto: la solicitud llega a nuestro CRM y respondemos al contacto que indiques.

Al enviar, aceptas la política de privacidad.