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 →

Arquitecto de datos: mercado

Datos a 19 de noviembre de 2026: ofertas abiertas de Arquitecto de datos — 620, el 38% en remoto entre las ofertas que indican la modalidad; salario mediano anunciado $10.507/mes (de 81 ofertas que indican salario). Fuente: Zorky, actualizado a diario.

Data Architect: especialización de arquitectura responsable de diseñar el panorama de datos de una organización: modelos de datos, flujos de datos, estrategia de almacenamiento, gobierno de datos, integración entre sistemas. A diferencia del Data Engineer (que construye pipelines con sus manos), el Data Architect diseña la estructura: cómo se modelan los datos, dónde se almacenan, cómo fluyen, quién es su dueño, cómo funciona el gobierno. Familia de roles: Data Architect (general: responsable de la arquitectura de datos de un sistema / dominio), Senior / Principal Data Architect (arquitectura de datos de toda la empresa + estrategia), Data Warehouse Architect (centrado en DWH / analítica), Data Platform Architect (diseño de plataformas de datos modernas / lakehouse), Data Modeler (enfoque en el modelado de datos, más estrecho), Master Data Architect (especialidad MDM), Information Architect (solapamiento: gobierno de datos + gestión de la información). Stack 2026: Modelado de datos: habilidad central: modelos conceptuales / lógicos / físicos, modelado dimensional (Kimball: esquemas en estrella / copo de nieve, hechos + dimensiones), 3NF / Inmon (DWH empresarial normalizado), Data Vault 2.0 (hubs + links + satélites: para DWH empresariales ágiles, popular en 2026), One Big Table (OBT) / tablas anchas (tendencia moderna en analítica). Herramientas: erwin Data Modeler (clásico empresarial), SqlDBM, dbdiagram.io, dbt (modelos semánticos + lineage: se convirtió en la capa de modelado de facto en 2026). Almacenamiento / plataformas: data warehouses en la nube, Databricks (Lakehouse: Delta Lake), data lakes (S3 / ADLS / GCS + formatos de tabla abiertos: Apache Iceberg / Delta Lake / Apache Hudi), ClickHouse (analítica en tiempo real: popular en Rusia, de origen Yandex). Rusos: Arenadata (basado en Greenplum: líder de DWH en Rusia tras la salida de Teradata / Oracle), Yandex.Cloud DataLens. Patrones de arquitectura de datos: data warehouse (analítica estructurada), data lake (datos en bruto + schema-on-read), lakehouse (convergencia warehouse + lake: opción recomendada por defecto en 2026: Databricks / Snowflake), data mesh (descentralizado: productos de datos propiedad de cada dominio, Zhamak Dehghani, para grandes organizaciones), data fabric (capa de acceso unificada basada en metadatos). Integración de datos: ETL frente a ELT (ELT domina en 2026), CDC (Change Data Capture: Debezium), streaming de datos (Kafka: ver también data engineer), unificación de batch + streaming. Orquestación: Airflow / Dagster / Prefect (a nivel de arquitectura, no de implementación). Gobierno de datos: catálogo de datos (Collibra / Alation / Atlan / DataHub open source / OpenMetadata), data lineage, marcos de calidad de datos (Great Expectations / Soda), master data management (MDM) (Informatica MDM / Reltio), clasificación de datos + privacidad de datos (tratamiento de datos personales / GDPR / ley federal 152-FZ), data contracts (en auge desde 2024+: formalizan los acuerdos productor-consumidor). Capa semántica: dbt Semantic Layer / Cube / capa de métricas: única fuente de verdad para las métricas. Notación de modelado: diagramas ER, ArchiMate (para el contexto empresarial), diagramas de flujo de datos. Transversal: el Data Architect trabaja en la intersección con Data Engineering (implementación), Analytics / BI (consumidores), Enterprise Architecture (nivel organizativo) y Security (protección de datos). Según Zorky, 620 vacantes activas con alcance explícito de data-architect (nicho senior estrecho — el pool real es más amplio por el solapamiento con Senior Data Engineer / Data Platform Engineer). Stack principal: cloud, aws, azure, enterprise architect, sql. Entre las vacantes con modalidad de trabajo indicada, el 38% es remoto.

Datos al:

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

620
empleos abiertos — por título del puesto, republicaciones fusionadas
$10.507
mediana $/mes
38%
remoto

El mercado de Arquitecto de datos tiene ahora 620 puestos abiertos, 531 de ellos observados recientemente. Median salary $10.507/mo.

Entre las vacantes con modalidad de trabajo indicada, el 38% es remoto. El trabajo de arquitectura de datos (modelado + diseño + plataformas en la nube) es compatible con el remoto. Empresas de outsourcing: casi siempre en remoto. Bancos rusos: híbrido (gobernanza de datos: perímetro de gestión). Rol transversal → el híbrido suele ser lo óptimo. Empresas tecnológicas internacionales + proveedores de datos en la nube: remoto total como estándar.

⚠ salario conocido en 81 de 620 empleos; cuota de remoto a partir de 509 con formato indicado; 531 contados como observaciones recientes; no se muestran la tendencia ni la dificultad de contratación

Cronología: ofertas y fuentes

Cuántas ofertas de Arquitecto de datos 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
2026-06-0121
2026-06-0826
2026-06-1532
2026-06-2270
2026-06-2943
2026-07-0665
2026-07-1366
2026-07-2063
2026-07-2731
2026-08-0345
2026-08-1033
2026-08-1747
2026-08-2450
2026-08-3136
2026-09-0743
2026-09-1464
2026-09-21105
2026-09-28102
2026-10-05112
2026-10-12288
2026-10-19116
2026-10-26151
2026-11-02134
2026-11-09120

Fuentes activas por semana

Fuentes en el periodo: 104. ▲ — 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
2026-06-015
2026-06-084
2026-06-154
2026-06-2213
2026-06-2914
2026-07-0621
2026-07-1321
2026-07-2021
2026-07-2717
2026-08-0323
2026-08-1014
2026-08-1717
2026-08-2411
2026-08-3110
2026-09-0714
2026-09-1415
2026-09-2130
2026-09-2828
2026-10-0526
2026-10-1229
2026-10-1931
2026-10-2631
2026-11-0237
2026-11-0938
Nuevas fuentes conectadas: 22 jun +10 · 6 jul +11 · todas las semanas (21) en la tabla
SemanaFuentes nuevasOfertas nuevas
8 jun+126
15 jun+232
22 jun+1070
29 jun+543
6 jul+1165
13 jul+666
20 jul+863
27 jul+631
3 ago+345
10 ago+333
17 ago+547
31 ago+236
7 sept+243
21 sept+7105
28 sept+2102
5 oct+2112
12 oct+4288
19 oct+5116
26 oct+2151
2 nov+5134
9 nov+8120

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 — Arquitecto de datos. 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
2026-06-01215
2026-06-08264
2026-06-15324
2026-06-227013
2026-06-294314
2026-07-066521
2026-07-136621
2026-07-206321
2026-07-273117
2026-08-034523
2026-08-103314
2026-08-174717
2026-08-245011
2026-08-313610
2026-09-074314
2026-09-146415
2026-09-2110530
2026-09-2810228
2026-10-0511226
2026-10-1228829
2026-10-1911631
2026-10-2615131
2026-11-0213437
2026-11-0912038

Salarios a lo largo del tiempo

Salario mediano de Arquitecto de datos por semana, USD al mes.

Salario mediano, USD al mes

Datos del gráfico
Salario mediano, USD al mes. Tabla de datos del bloque. Un valor ausente no es cero; las unidades y la muestra se indican en la descripción del indicador.
PeriodoMedianaOfertas con salario por semana (n)
2026-09-28998214
2026-10-0510.50715
2026-10-1210.41621
2026-10-1911.07716
2026-10-2611.58432
2026-11-02983724
2026-11-09827420

La serie empieza el 28 sept: antes no hay datos.

Ofertas con salario por semana (n)

Solo ofertas con salario en USD y periodo conocido (mes o año), de 500 a 50 000 $ al mes. Las semanas con menos de 10 ofertas así quedan en blanco: significa sin datos, no cero.

Datos del gráfico
Salarios a lo largo del tiempo — Arquitecto de datos. Tabla de datos del bloque. Un valor ausente no es cero; las unidades y la muestra se indican en la descripción del indicador.
SemanaMediana
2026-06-01—
2026-06-08—
2026-06-15—
2026-06-22—
2026-06-29—
2026-07-06—
2026-07-13—
2026-07-20—
2026-07-27—
2026-08-03—
2026-08-10—
2026-08-17—
2026-08-24—
2026-08-31—
2026-09-07—
2026-09-14—
2026-09-21—
2026-09-289982
2026-10-0510.507
2026-10-1210.416
2026-10-1911.077
2026-10-2611.584
2026-11-029837
2026-11-098274

El trabajo remoto a lo largo del tiempo

Proporción de ofertas de Arquitecto de datos 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
2026-06-0183,3
2026-06-0880
2026-06-1575
2026-06-2262,1
2026-06-2964,7
2026-07-0648,9
2026-07-1335,5
2026-07-2036,6
2026-07-2747,8
2026-08-0322,2
2026-08-1034,4
2026-08-1728,9
2026-08-2425,5
2026-08-3115,6
2026-09-0710,3
2026-09-1411,1
2026-09-2132,6
2026-09-2851,1
2026-10-0538,6
2026-10-1233,8
2026-10-1934,3
2026-10-2643,3
2026-11-0226,8
2026-11-0938,7

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 — Arquitecto de datos. Tabla de datos del bloque. Un valor ausente no es cero; las unidades y la muestra se indican en la descripción del indicador.
SemanaRemoto
2026-06-0183,3
2026-06-0880
2026-06-1575
2026-06-2262,1
2026-06-2964,7
2026-07-0648,9
2026-07-1335,5
2026-07-2036,6
2026-07-2747,8
2026-08-0322,2
2026-08-1034,4
2026-08-1728,9
2026-08-2425,5
2026-08-3115,6
2026-09-0710,3
2026-09-1411,1
2026-09-2132,6
2026-09-2851,1
2026-10-0538,6
2026-10-1233,8
2026-10-1934,3
2026-10-2643,3
2026-11-0226,8
2026-11-0938,7

Tecnologías a lo largo del tiempo

Cómo cambió la proporción de ofertas de Arquitecto de datos 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.
PeriodocloudAzureAWS
2026-08-1734,642,315,4
2026-08-2426,126,113
2026-08-31———
2026-09-0728,61914,3
2026-09-1414,761,852,9
2026-09-2147,533,922
2026-09-2869,452,831,9
2026-10-055932,547
2026-10-1250,830,730,2
2026-10-1960,548,826,7
2026-10-2660,536,337,9
2026-11-0266,735,332,4
2026-11-0948,234,136,5

La serie empieza el 17 ago: 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 — Arquitecto de datos. Tabla de datos del bloque. Un valor ausente no es cero; las unidades y la muestra se indican en la descripción del indicador.
SemanacloudAzureDatabricksAWSSQL
2026-08-10—————
2026-08-1734,642,323,115,419,2
2026-08-2426,126,126,11313
2026-08-31—————
2026-09-0728,6191914,314,3
2026-09-1414,761,814,752,92,9
2026-09-2147,533,923,72216,9
2026-09-2869,452,834,731,937,5
2026-10-055932,531,34733,7
2026-10-1250,830,727,530,229,1
2026-10-1960,548,839,526,750
2026-10-2660,536,335,537,937,1
2026-11-0266,735,335,332,436,3
2026-11-0948,234,141,236,542,4

Países a lo largo del tiempo

Cómo cambió por semana la proporción de ofertas de Arquitecto de datos 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.
PeriodoReino UnidoPoloniaEE. UU.
2026-06-019,571,419
2026-06-083,865,419,2
2026-06-153,2713,2
2026-06-22066,77,2
2026-06-292,55015
2026-07-067,321,820
2026-07-132,217,822,2
2026-07-2044,420,413
2026-07-2730,826,93,8
2026-08-0336,87,918,4
2026-08-1051,76,93,4
2026-08-1752,6010,5
2026-08-2471,12,24,4
2026-08-3172,706,1
2026-09-0768,402,6
2026-09-1450218
2026-09-21201021,1
2026-09-2831,916,516,5
2026-10-0529,619,413,3
2026-10-1219,715,822,2
2026-10-19231420
2026-10-262115,921,7
2026-11-0224,311,324,3
2026-11-0932,65,328,4
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 — Arquitecto de datos. Tabla de datos del bloque. Un valor ausente no es cero; las unidades y la muestra se indican en la descripción del indicador.
SemanaReino UnidoPoloniaEE. UU.IndiaAlemania
2026-06-019,571,41900
2026-06-083,865,419,23,80
2026-06-153,2713,26,50
2026-06-22066,77,27,20
2026-06-292,550157,52,5
2026-07-067,321,82014,51,8
2026-07-132,217,822,226,76,7
2026-07-2044,420,4135,61,9
2026-07-2730,826,93,815,40
2026-08-0336,87,918,410,55,3
2026-08-1051,76,93,46,93,4
2026-08-1752,6010,55,30
2026-08-2471,12,24,48,92,2
2026-08-3172,706,112,10
2026-09-0768,402,613,20
2026-09-145021864
2026-09-21201021,17,83,3
2026-09-2831,916,516,54,42,2
2026-10-0529,619,413,37,19,2
2026-10-1219,715,822,26,43
2026-10-19231420115
2026-10-262115,921,76,55,1
2026-11-0224,311,324,31,710,4
2026-11-0932,65,328,47,41,1

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 Arquitecto de datos.

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 — Arquitecto de datos. 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 Arquitecto de datos 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 abierta620
Demanda abierta620
Oferta observada— no publicado

Data Architect es un nicho senior estrecho con demanda creciente. Motores 2026: la migración a plataformas de datos en la nube (DWH heredado → Snowflake / Databricks), la adopción del lakehouse (convergencia de almacén + lago), data mesh para grandes organizaciones, la presión del gobierno de datos (GDPR / ley federal 152 / contratos de datos), la IA/ML impulsa la demanda de calidad de datos (los buenos modelos necesitan buenos datos). Dominan los bancos rusos + grandes empresas de producto + retail + telecomunicaciones. Los proveedores de datos rusos (Arenadata) crecen con la sustitución de importaciones. Los proveedores de datos cloud (Snowflake / Databricks): canal premium.

⚠ 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 Arquitecto de datos, en dólares estadounidenses al mes.

Distribución de salarios

P25 $7333 · P50 $10.507 · P75 $14.200
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
$1–2k2
$2–3k0
$3–4k1
$4–5k3
$5–6k4
$6–7k6
$7–8k8
$8–9k9
$9–10k5
$10–12k15
$12–15k10
$15–20k13
$20k+5
Salario en las ofertas: base 620
  • apto para el cálculo: 81 (13,1%)
  • indicado, pero no convertido a USD/mes: 91 (14,7%)
  • no indicado: 448 (72,3%)

Una de cada diez ofertas paga menos de $5692 y una de cada diez más de $18.440. La mitad de las ofertas ofrece entre $7333 y $14.200. Muestra: 81.

Rol de nivel senior. Los grados bajos del histograma: puestos mal titulados, no representativos.

Datos del gráfico
Distribución de salarios — Arquitecto de datos. 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
$1–2k100020002
$2–3k200030000
$3–4k300040001
$4–5k400050003
$5–6k500060004
$6–7k600070006
$7–8k700080008
$8–9k800090009
$9–10k900010.0005
$10–12k10.00012.00015
$12–15k12.00015.00010
$15–20k15.00020.00013
$20k+20.000—5

En qué países hay más ofertas abiertas de Arquitecto de datos.

Geografía de la demanda

paísempleosproporción
Estados Unidos12925,1%
Reino Unido9418,3%
Polonia7715%
India418%
Alemania265,1%
Canadá142,7%
Francia122,3%
Brasil112,1%
Filipinas71,4%
Colombia71,4%
Otros países9618,7%

El líder por número de vacantes de Data Architect es EE. UU. (129 vacantes). Rusia — dominan los bancos + las grandes empresas de producto + retail + telecom + los outsourcers. Polonia — hub de la UE Data-Architect-friendly. Alemania — datos enterprise. Remoto internacional vía vendors de datos cloud (Snowflake / Databricks / Confluent) + outsourcing estilo EPAM.

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

Datos del gráfico
Geografía de la demanda — Arquitecto de datos. Tabla de datos del bloque. Un valor ausente no es cero; las unidades y la muestra se indican en la descripción del indicador.
PaísOfertas
US129
GB94
PL77
IN41
DE26
CA14
FR12
BR11
PH7
CO7

Qué tecnologías se piden con más frecuencia en la misma oferta que Arquitecto de datos.

Se usa junto con

cloud
28245,5%
azure
19231%
aws
17027,4%
sql
15525%
python
10416,8%
snowflake
10016,1%
gcp
7512,1%
spark
619,8%
dbt
558,9%

Cuota: cuántas de las 620 ofertas del mercado Arquitecto de datos 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 Data Architect 2026: modelado de datos (modelado dimensional Kimball + 3NF/Inmon + Data Vault 2.0 + One Big Table; herramientas erwin / SqlDBM / dbdiagram / dbt), data warehouses cloud (Snowflake líder + BigQuery + Redshift + Azure Synapse + Databricks Lakehouse + ClickHouse popular en Rusia + Arenadata ruso), data lakes (S3/ADLS/GCS + formatos de tabla abiertos Iceberg/Delta Lake/Hudi), patrones de arquitectura de datos (warehouse / lake / lakehouse por defecto 2026 / data mesh / data fabric), integración de datos (ETL frente a ELT-dominante + CDC Debezium + Kafka streaming), orquestación (Airflow / Dagster / Prefect), data governance (catálogos de datos Collibra/Alation/Atlan/DataHub/OpenMetadata + data lineage + data quality Great Expectations/Soda + MDM Informatica/Reltio + data contracts), capa semántica (dbt Semantic Layer / Cube), dominio de SQL, notación de modelado (diagramas ER + ArchiMate + diagramas de flujo de datos).

Parejas habituales: Snowflake + dbt + Airflow (el clásico del modern data stack), Databricks + Delta Lake + Spark (stack lakehouse), Data Vault 2.0 + Snowflake + dbt (DWH enterprise ágil), modelado dimensional de Kimball + DWH en la nube + BI (orientado a la analítica), ClickHouse + Kafka (analítica en tiempo real, popular en Rusia), Arenadata Greenplum + dbt (stack de datos ruso de sustitución de importaciones), Iceberg + S3 + Trino (lakehouse abierto). Hoja de ruta de aprendizaje: llega a Senior Data Engineer (5+ años, requisito previo) → dominio del modelado de datos (Kimball + Data Vault) → SQL a fondo → plataforma de datos en la nube (Snowflake / Databricks) → modern data stack (dbt + orquestación) → patrones de arquitectura de datos → data mesh (libro de Dehghani) → gobierno de datos → formatos de tabla abiertos → capa semántica → habilidades blandas.

Datos del gráfico
Se usa junto con — Arquitecto de datos. Tabla de datos del bloque. Un valor ausente no es cero; las unidades y la muestra se indican en la descripción del indicador.
NombreCantidad
cloud282
azure192
databricks180
aws170
sql155
python104
snowflake100
gcp75
spark61
dbt55
bigquery53
kafka52

Cuántas ofertas de Arquitecto de datos hay en cada nivel, de junior a principal.

Demanda por nivel

nivelempleos
principal212
senior185
lead45
middle14
junior4

Rol de nivel senior (los grados bajos = títulos mal puestos; realistas: Senior / Lead). Trayectoria: Senior Data Engineer (5+ años de práctica) → Data Architect (vía modelado de datos + diseño de plataformas + gobierno) → Senior / Principal Data Architect → o bien Chief Data Architect / Head of Data Architecture, líder de Data Platform, Enterprise Architect (dominio de datos), o la vía de Chief Data Officer (CDO).

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

Datos del gráfico
Demanda por nivel — Arquitecto de datos. Tabla de datos del bloque. Un valor ausente no es cero; las unidades y la muestra se indican en la descripción del indicador.
NivelCantidad
principal212
senior185
lead45
middle14
junior4

Quién contrata más en Arquitecto de datos y cuánto se concentra la demanda en las empresas más grandes.

Empleadores

La demanda se reparte entre 468 empleadores. El mayor concentra el 1.7%, los diez primeros el 10.0%; el 90.0% restante es cola larga.

el mayor 1,7%2.º–3.º 2,8%4.º–10.º 5,5%el resto 90%
proporciónvalor
top-11.7%
top-34.5%
top-1010.0%
cola larga90.0%

⚠ 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 Arquitecto de datos.

Dónde ve Zorky este mercado

Observado en 59 fuentes; la mayor concentra el 9.5%: este mercado no depende de un solo canal.

Datos del gráfico
Dónde ve Zorky este mercado — Arquitecto de datos. 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 empresas3740,6032
boardджоб-борды и агрегаторыportales de empleo y agregadores2270,3661
telegramTelegramTelegram190,0306

Las ofertas de Arquitecto de datos más recientes de las webs de empleo de las empresas.

Vacantes recientes

Todos los empleos →

Últimas vacantes abiertas de Data Architect: las posiciones más recientes de la muestra (nicho senior estrecho; el mercado real es más amplio por el solapamiento con Senior Data Engineer). La lista completa está en nuestro CRM o en el enlace «ver todas» de abajo. Para una visión más amplia, consulta las páginas de data-engineer + solutions architect.

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: Arquitectura

Especializaciones relacionadas

Dentro de Data Architect: Data Architect (general: responsable de la arquitectura de datos de un sistema / dominio), Senior / Principal Data Architect (toda la empresa + estrategia), Data Warehouse Architect (centrado en DWH / analítica), Data Platform Architect (diseño de plataforma de datos moderna / lakehouse), Data Modeler (foco en el modelado de datos: más estrecho), Master Data Architect (especialidad MDM), Information Architect (gobierno de datos + gestión de la información). La comparación con arquitectos solutions/software/enterprise/security/integration está en la barra de abajo.

Arquitecto empresarialArquitecto de integraciónArquitecto de seguridadArquitecto de softwareArquitecto de soluciones

Preguntas frecuentes

Las respuestas se recalculan automáticamente.

¿Cuánto gana un Data Architect Junior, Middle, Senior o Lead?

Data Architect es un rol de nivel senior («Junior Data Architect» casi no existe; los grados bajos son puestos mal titulados: las referencias realistas están en Senior / Lead). Trayectoria: Senior Data Engineer (5+ años de práctica con pipelines de datos + trabajo con almacenes) → Data Architect (demostrando experiencia en modelado de datos + diseño de plataformas + gobierno) → Senior / Principal Data Architect → luego Chief Data Architect / Head of Data Architecture, líder de Data Platform, Enterprise Architect (del dominio de datos a una EA más amplia) o la vía de Chief Data Officer (CDO). Entrada alternativa: Database Administrator Senior + profundidad en modelado de datos → Data Architect.

¿Qué stack y skills se exigen con más frecuencia a un Data Architect?

Stack / skills principales: cloud, aws, azure, enterprise architect, sql. Modelado de datos, el núcleo: modelos conceptual / lógico / físico, modelado dimensional (Kimball, esquemas estrella / copo de nieve + hechos/dimensiones), 3FN / Inmon (DWH enterprise normalizado), Data Vault 2.0 (hubs + links + satellites, DWH enterprise ágil, popular 2026), One Big Table / tablas anchas (analítica moderna). Herramientas: erwin Data Modeler (clásico enterprise), SqlDBM, dbdiagram.io, dbt (modelos semánticos + lineage, capa de modelado de facto 2026). ClickHouse (analítica en tiempo real, popular en Rusia, origen Yandex). Ruso: Arenadata (basado en Greenplum, líder de DWH en Rusia tras la salida de Teradata / Oracle). Data lakes: S3 / ADLS / GCS + formatos de tabla abiertos (Apache Iceberg, en auge 2026 / Delta Lake / Apache Hudi). Patrones de arquitectura de datos: data warehouse / data lake / lakehouse (recomendado por defecto 2026) / data mesh (descentralizado, propiedad de dominios, Zhamak Dehghani) / data fabric (acceso unificado metadata-driven). Integración de datos: ETL vs ELT (ELT domina 2026), CDC (Change Data Capture, Debezium), data streaming (Kafka), unificación batch + streaming. Orquestación: Airflow / Dagster / Prefect (decisiones a nivel de arquitectura). Data governance: data catalog (Collibra / Alation / Atlan / DataHub open-source / OpenMetadata), data lineage, data quality (Great Expectations / Soda), master data management MDM (Informatica MDM / Reltio), clasificación de datos + privacidad (PII / GDPR / 152-FZ), data contracts (en auge 2024+). Capa semántica: dbt Semantic Layer / Cube, única fuente de verdad para las métricas. Dominio de SQL, obligatorio (el Data Architect debe entender los patrones de consulta + el rendimiento). Soft skills: gestión de stakeholders (los datos son cross-funcionales), comunicación de la estrategia de datos, facilitación del gobierno.

Data Architect frente a Data Engineer frente a Enterprise Architect frente a DBA: ¿cuál es la diferencia?

Data Engineer: construye con sus manos los pipelines de datos (ingesta + transformación + orquestación), implementa lo que diseñó el Data Architect. Ver Data Engineer (general). Data Architect (esta página): diseña el panorama de datos: modelos de datos + estrategia de almacenamiento + flujos de datos + gobierno. A nivel de diseño, no de programación de pipelines. Database Administrator (DBA): opera bases de datos concretas (ajuste de rendimiento + copias de seguridad + replicación + seguridad). Operativo. Ver Database Administrator (DBA) (cuando la página esté publicada). Enterprise Architect: panorama tecnológico de toda la organización (Data Architecture es uno de los 4 dominios de TOGAF; el Data Architect a menudo = Domain Architect dentro de EA). Ver Enterprise Architect. Trayectoria: Data Engineer Senior → Data Architect: el camino natural. Data Architect → Enterprise Architect (dominio de datos) o Chief Data Officer. Elección de carrera: Data Engineer si te gusta construir pipelines con tus manos; Data Architect si te gustan el diseño + el modelado + el gobierno + la estrategia; DBA si te gusta la operación de bases de datos en profundidad; Enterprise Architect si quieres amplitud a nivel organizativo más allá de los datos.

Patrones de arquitectura de datos 2026: ¿data warehouse, data lake, lakehouse, data mesh o data fabric?

Árbol de decisión para el patrón de arquitectura de datos 2026: 1) Data Warehouse: estructurado, schema-on-write, optimizado para analítica / BI. DWH en la nube: Snowflake / BigQuery / Redshift / Synapse. Pros: analítica SQL rápida, herramientas maduras, calidad de datos garantizada. Contras: solo datos estructurados, ETL previo, más caro para datos en bruto / no estructurados. Caso de uso: BI / informes / analítica estructurada: sigue siendo central en 2026. 2) Data Lake: almacenamiento en bruto, schema-on-read, cualquier formato (estructurado + no estructurado). S3 / ADLS / GCS. Pros: almacenamiento barato, flexible, lo guarda todo. Contras: riesgo de «pantano de datos» (sin gobierno, caos), sin rendimiento SQL, sin ACID. Caso de uso: zona de aterrizaje de datos en bruto, datos de entrenamiento de ML, archivo. Como solución independiente es raro en 2026. 3) Lakehouse: la opción recomendada por defecto en 2026. Convergencia warehouse + lake: almacenamiento de data lake (S3 + formato de tabla abierto: Delta Lake / Iceberg / Hudi) + funcionalidades tipo warehouse (transacciones ACID + rendimiento SQL + validación de esquema + time travel). Databricks (Delta Lake) / Snowflake (soporte de Iceberg). Pros: una sola capa de almacenamiento para BI + ML + streaming, más barato que un DWH puro, sin duplicación de datos. Contras: ecosistema más joven, hace falta la estrategia correcta de formato de tabla. Caso de uso: nuevas plataformas de datos en 2026: la elección por defecto (evita duplicar warehouse + lake). 4) Data Mesh: patrón organizativo / sociotécnico, no tecnológico. Concepto de Zhamak Dehghani. 4 principios: propiedad orientada al dominio (los datos son de los equipos de dominio, no de un equipo central de datos), los datos como producto (cada dataset es un producto con SLA / documentación / calidad), plataforma de datos de autoservicio, gobierno computacional federado. Pros: escala a nivel organizativo (el equipo central de datos es un cuello de botella en organizaciones grandes), conocimiento del dominio en la propiedad de los datos. Contras: requiere madurez organizativa, caro de implantar, excesivo para organizaciones pequeñas. Caso de uso: grandes organizaciones (muchos dominios, el equipo central de datos no da abasto); NO para pequeñas / medianas (la sobrecarga organizativa lo matará). A menudo se aplica en exceso. 5) Data Fabric: capa de acceso a datos unificada basada en metadatos sobre fuentes heterogéneas (frente a data mesh, que es un patrón organizativo; data fabric es un enfoque tecnológico / de integración). Metadatos activos + grafo de conocimiento + integración de datos automatizada. Concepto impulsado por Gartner. Caso de uso: organizaciones con muchos silos de datos legacy que necesitan acceso unificado sin migrarlo todo. Recomendaciones por defecto 2026: Nueva plataforma de datos → Lakehouse (Databricks o Snowflake + Iceberg). BI / analítica estructurada → DWH en la nube (si el lakehouse es excesivo). Datos en bruto / de ML → data lake como parte del lakehouse (no independiente). Gran organización, el equipo central de datos es el cuello de botella → Data Mesh (cambio organizativo, no tecnológico). Muchos silos legacy → Data Fabric (capa de acceso unificada). Principio principal: el patrón sigue a la realidad organizativa + la escala, no al culto de «data mesh porque está de moda».

¿Qué proporción de vacantes ofrece trabajo remoto?

Entre las vacantes con modalidad de trabajo indicada, el 38% es remoto. Las vacantes sin modalidad indicada se excluyen del denominador; el trabajo híbrido no se cuenta como remoto.

¿En qué se diferencia Data Platform Architect de Data Architect?

Data Architect (general): enfoque en modelos de datos + flujos de datos + gobierno + estrategia de almacenamiento (nivel lógico / conceptual: «cómo se estructuran y fluyen los datos»). Data Platform Architect: enfoque en la plataforma técnica que aloja los datos (nivel de infraestructura / herramientas: «sobre qué viven los datos»): diseño de plataformas de datos en la nube (configuración de Databricks / Snowflake), arquitectura de cómputo / almacenamiento, herramientas de la plataforma de datos (stack de ingesta + orquestación + transformación + catálogo), escalabilidad de la plataforma + optimización de costes, plataforma de datos de autoservicio (para data mesh). Más solapamiento con DevOps / Platform Engineering. Data Warehouse Architect: especialidad más estrecha: enfoque específico en el diseño de DWH (modelado dimensional en profundidad, ETL/ELT para el almacén, habilitación del BI). Data Modeler: el rol más estrecho: enfoque solo en el modelado de datos (modelos conceptuales / lógicos / físicos, diagramas ER); a menudo de nivel mid, no un arquitecto completo. Master Data Architect: especialidad MDM (master data management: única fuente de verdad para las entidades clave: cliente / producto / etc.). Information Architect: solapamiento: gobierno de datos + ciclo de vida de la información + taxonomía + metadatos. Realidad 2026: en organizaciones pequeñas / medianas un solo Data Architect lo hace todo. En las grandes, hay especialización (Data Platform Architect + Data Warehouse Architect + Data Modeler + Master Data Architect: roles separados). Elección de carrera: Data Architect general para amplitud; Data Platform Architect si te gustan la infraestructura / las herramientas en profundidad; Data Warehouse Architect si te gustan el modelado dimensional + la analítica; Master Data Architect si te gustan el gobierno / MDM.

¿Por dónde empezar el camino hacia Data Architect en 2026?

Hoja de ruta (Data Architect es un puesto de nivel senior; el camino pasa por Senior Data Engineer): 1) Conviértete en un Senior Data Engineer sólido: requisito previo. 5+ años de práctica: pipelines de datos, trabajo con almacenes, dominio de SQL, comprensión práctica de las herramientas de datos. 2) Dominio del modelado de datos: es la habilidad central del Data Architect. Modelado dimensional (Kimball: "The Data Warehouse Toolkit" de Ralph Kimball, canónico), el enfoque 3FN de Inmon, Data Vault 2.0 ("Building a Scalable Data Warehouse with Data Vault 2.0" de Dan Linstedt). Modelado conceptual / lógico / físico. 3) SQL a fondo: un Data Architect debe entender a fondo los patrones de consulta + el rendimiento + la optimización. 4) Plataformas de datos en la nube: elige una a fondo: Snowflake (líder: certificaciones de Snowflake), Databricks (lakehouse: certificaciones de Databricks) o BigQuery. Experiencia práctica de diseño + construcción. 5) Modern data stack: dbt (la capa de transformación + modelado de facto en 2026: certificación de dbt), orquestación de datos (Airflow / Dagster), patrones ELT, CDC (Debezium). 6) Patrones de arquitectura de datos: entiende a fondo warehouse frente a lake frente a lakehouse frente a data mesh frente a data fabric (cuándo cada uno). "Fundamentals of Data Engineering" de Joe Reis / Matt Housley (canónico en 2026, lectura obligada, cubre la arquitectura). 7) Data mesh: "Data Mesh" de Zhamak Dehghani (si trabajas o vas a trabajar en una organización grande). 8) Gobierno de datos: catálogos de datos (Collibra / Alation / DataHub / OpenMetadata), linaje de datos, calidad de datos (Great Expectations / Soda), conceptos de MDM, contratos de datos (en auge desde 2024), privacidad de datos (GDPR / ley federal 152). 9) Formatos de tabla abiertos: Apache Iceberg (en auge en 2026) / Delta Lake / Apache Hudi: críticos para el lakehouse. 10) Capa semántica: dbt Semantic Layer / Cube: coherencia de las métricas. 11) Habilidades blandas: los datos son transversales (ingenieros + analistas + negocio + seguridad); hace falta gestión de stakeholders + comunicación de la estrategia de datos + facilitación del gobierno. 12) Practica en tu rol actual: como Senior Data Engineer, asume tareas de nivel de arquitectura: diseño de modelos de datos, selección de plataforma, implantación del gobierno. Cursos rusos: Otus "Data Architect" / "DWH Analyst", Karpov.Courses (Data Engineering: se solapa), escuelas de datos corporativas, formación de Arenadata. Internacional (EN): "The Data Warehouse Toolkit" de Kimball (modelado dimensional canónico), "Fundamentals of Data Engineering" de Reis / Housley (lectura obligada en 2026), "Data Mesh" de Dehghani, certificaciones + formación oficiales de Snowflake / Databricks, dbt Learn (gratis), itinerarios de ingeniería de datos de DataCamp / Coursera. Senior Data Engineer (5+ años) + dominio del modelado de datos + experiencia en plataformas de datos en la nube → Data Architect.

¿Cuántas vacantes abiertas contiene esta muestra?

La muestra publicada contiene 620 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 Data Architect?

Un Senior Data Architect es responsable del ciclo completo de arquitectura de datos + liderazgo técnico. Dominio del modelado de datos: modelado dimensional (Kimball: esquemas en estrella / copo de nieve + hechos/dimensiones a fondo), 3NF / DWH empresarial de Inmon, Data Vault 2.0 (hubs / links / satellites: DWH ágil), modelado conceptual / lógico / físico, modelado ER. Dominio profundo de SQL: consultas complejas, optimización de consultas, comprensión de los planes de ejecución: un Data Architect debe entender a fondo cómo se consultan los datos. Dominio de una plataforma de datos cloud: una de Snowflake / Databricks / BigQuery a fondo: diseño de arquitectura, optimización del rendimiento, optimización de costes (las plataformas de datos son caras: la arquitectura de costes es crítica). Patrones de arquitectura de datos: warehouse / lake / lakehouse / data mesh / data fabric: conocer los compromisos + cuándo aplicarlos (no por culto cargo). Diseño de lakehouse (formatos de tabla abiertos: Iceberg / Delta Lake / Hudi). Modern data stack: dbt (transformación + modelado + capa semántica), orquestación (Airflow / Dagster), patrones ELT, CDC (Debezium), streaming (Kafka) a nivel de arquitectura. Arquitectura de integración de datos: unificación de batch + streaming, estrategia de ingesta de datos, mapeo de origen a destino. Dominio del gobierno de datos: estrategia de catálogo de datos (Collibra / Alation / DataHub / OpenMetadata), linaje de datos, marcos de calidad de datos (Great Expectations / Soda), gestión de datos maestros (MDM), clasificación de datos + privacidad (cumplimiento de PII / GDPR / ley federal 152-FZ en la arquitectura de datos), data contracts (formalizar acuerdos productor-consumidor: en auge en 2024+). Capa semántica: coherencia de las métricas (dbt Semantic Layer / Cube: fuente única de verdad). Estrategia de datos: hoja de ruta de la plataforma de datos, build-vs-buy para herramientas de datos, modelo operativo del equipo de datos (centralizado frente a data mesh descentralizado). Diseño de sistemas para datos: diseñar en pizarra una plataforma de datos a escala (datos a escala de PB, 1000s de tablas, tiempo real + batch), planificación de capacidad, compromisos entre rendimiento y coste. Conocimiento transversal: comprensión de Data Engineering (la realidad de la implementación), Analytics / BI (necesidades de los consumidores), Seguridad (protección de datos), Enterprise Architecture (contexto a nivel de organización). Soft skills: gestión de stakeholders (los datos son transversales: ingenieros + analistas + negocio + seguridad + cumplimiento), comunicación de la estrategia de datos a la dirección, facilitación del gobierno de datos, mentoría a Data Engineers. Inglés para Senior+ IMPRESCINDIBLE: la documentación de las plataformas de datos cloud + la comunidad de datos + la comunicación en equipos internacionales son en inglés. Extra opcional: certificaciones de plataformas de datos cloud (Snowflake / Databricks), certificación de dbt, charlas en conferencias (conferencias de datos), experiencia implantando data mesh: aumentan notablemente el valor de mercado para roles de Principal / Chief Data Architect.

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.