Qué es un analytics engineer y en qué se diferencia de un data engineer

Un analytics engineer es quien transforma los datos que ya están en el almacén para que el resto de la organización pueda usarlos sin pedir ayuda. No construye las tuberías que traen el dato ni escribe el informe final. Se ocupa del tramo intermedio: modelar, probar, versionar y documentar las tablas sobre las que después trabajan analistas y negocio.

Esa es la definición corta. La larga empieza por reconocer un problema que aparece en cuanto uno mira ofertas reales.

El rol se pide con el mismo título para dos trabajos distintos. En unas ofertas es un analista con SQL avanzado. En otras es un ingeniero de datos al que además se le exige criterio de negocio. Y quien recibe el currículum descubre demasiado tarde que el candidato entendió la otra mitad del anuncio.

Medimos cuánto pasa eso en España. De las 79 ofertas que llevan el rol en el título, solo 25 piden a la vez las dos mitades que definen el puesto.

Qué hace un analytics engineer y de dónde salió el rol

El trabajo cabe en cuatro verbos: transformar, probar, desplegar y documentar. La formulación es de dbt Labs, que en su página sobre analytics engineering lo separa del analista con una frase útil por lo tajante: mientras un data analyst dedica su tiempo a analizar datos, un analytics engineer lo dedica a transformarlos, probarlos, desplegarlos y documentarlos.

Conviene ser preciso con el origen, porque circula la idea de que dbt inventó el término. La propia empresa no lo dice así. Lo que afirma es que a partir de 2018 ellos y algunas personas de la comunidad Locally Optimistic empezaron a llamar analytics engineer a ese rol. Es una nomenclatura que se acordó en una comunidad, no una categoría que registrara un vendor.

El rol apareció porque cambió la herramienta. Cuando el almacén de datos se fue a la nube y el almacenamiento dejó de ser el recurso escaso que había ordenado dos décadas de decisiones de arquitectura, el cuello de botella se movió de sitio sin que casi nadie lo anunciara: ya no era meter el dato dentro, sino dejarlo en un estado en el que alguien de negocio se atreviera a construir una decisión encima. Ese trabajo intermedio no lo quería nadie. El ingeniero de datos lo veía demasiado cerca del negocio y el analista demasiado cerca de la infraestructura, así que durante unos años se quedó en el hueco entre los dos, haciéndose de noche y sin nombre.

Lo que distingue al puesto no es la herramienta, es de dónde toma prestada su disciplina. Un modelo de datos que se revisa antes de fusionarse, que tiene pruebas que fallan cuando alguien rompe un supuesto y que se despliega por una tubería automática es un modelo tratado como código. Ese traslado de prácticas es el rol entero.

79 ofertas españolas lo piden por su nombre, y una de cada tres pide el puesto completo

Hasta aquí la teoría, que está bien documentada en inglés. El hueco está en el mercado español, así que lo medimos con nuestro propio sistema de análisis del mercado laboral tech.

Sobre 22.515 ofertas activas en España entre el 14 de junio y el 21 de agosto de 2026, el término analytics engineer aparece en 158. De esas, 79 lo llevan en el título del puesto y las otras 79 solo lo mencionan de pasada. Censamos las 79 tituladas una por una.

La fila que importa es la de la negrita. Dos tercios de las ofertas piden una herramienta de visualización y algo más de la mitad pide prácticas de ingeniería, pero solo una de cada tres pide las dos cosas a la vez, que es exactamente la combinación que justifica que el puesto tenga un nombre propio en lugar de seguir llamándose analista o ingeniero según de qué lado del pasillo lo mire quien firma la oferta. El resto usa el título nuevo para describir un puesto viejo.

Diez ofertas no piden ninguna de las dos. Esas son las que más engañan.

Una advertencia sobre el método, que es la parte que casi nunca se publica. La búsqueda por texto libre devuelve 2.020 ofertas para data engineer, y la primera es un desarrollador full stack. Por eso el censo se hizo sobre el título normalizado y no sobre el texto completo, y por eso aquí no hay comparación entre el tamaño de los tres roles. No la tenemos con la precisión suficiente para publicarla.

El discriminador no es el título, son dbt y el control de versiones

Si hay que quedarse con una señal para leer una oferta o un currículum, es esta: dbt aparece en el 65,8 % de las ofertas tituladas, y las prácticas de ingeniería en el 51,9 %. La combinación de las dos es lo que separa este puesto de sus dos vecinos.

Un data analyst con SQL avanzado puede escribir la misma consulta. Lo que no suele tener es el hábito de dejarla con pruebas, en un repositorio y desplegada por una tubería que otra persona pueda revisar. Y un ingeniero de datos tiene ese hábito de sobra, pero rara vez ha discutido con el área de finanzas qué cuenta exactamente como cliente activo.

Hay una parte de esto que aprendimos por el camino equivocado. Durante bastante tiempo, al validar perfiles de datos, pesamos el repertorio de herramientas por encima de todo lo demás: cuántas conocía la persona, cuáles había tocado en producción de verdad y cuáles solo en un curso, como si la suma de logotipos en un currículum dijera algo fiable sobre el criterio de quien los había acumulado. Servía para descartar. No para acertar. La pregunta que de verdad discrimina es más incómoda y no se puede preparar: qué supuesto de negocio has escrito como prueba automática, y cuándo fue la última vez que esa prueba paró un despliegue.

Quien ha hecho el trabajo contesta con un caso concreto en segundos. Quien no, contesta hablando de la herramienta.

Qué mirar antes de abrir el puesto

La decisión previa no es de perfil, es de alcance. Y se resuelve con tres preguntas.

Quién es dueño de la definición de las métricas hoy. Si cada área calcula sus propios números y nadie sostiene la versión buena, el hueco es de modelado y la mitad de ingeniería del puesto es la que pesa. Si ya existe una capa semántica cuidada y lo que falta es que alguien la explote, el hueco está más cerca del análisis y este rol probablemente no es el que necesita.

Qué pasa hoy cuando alguien cambia una tabla. Si la respuesta es que se entera el lunes la persona a la que se le rompió el informe, falta la disciplina de despliegue antes que la herramienta. Ese es un problema de proceso, y un perfil nuevo sin permiso para cambiar el proceso no lo arregla.

Si el trabajo es montar la base o mantenerla. Montar la capa de modelado de cero es un proyecto con final. Mantenerla es una función permanente. Son dos necesidades distintas y aguantan estructuras de equipo distintas, y confundirlas es la causa habitual de que el puesto se quede vacío seis meses.

Nuestro trabajo aquí es la infraestructura que permite formar esos equipos con capacidad certificada, no acertar por ustedes en la pregunta de arriba. Cuando el alcance está decidido, incorporar el perfil es rápido. Cuando no, ninguna búsqueda lo resuelve. Si el hueco resulta ser de plataforma y no de modelado, lo tratamos aparte en cómo formar un equipo de data engineering.

Qué no es un analytics engineer

No es un data analyst con más SQL. La diferencia no está en el nivel de la consulta, está en qué se hace con ella después. Sobre el rol vecino escribimos en detalle en qué es un analista de datos.

No es un data engineer más barato. Quien construye la ingesta, la orquestación y el almacén resuelve un problema distinto, y las escalas salariales de ese perfil las recogemos en el salario de un data engineer en España.

No es un desarrollador de business intelligence con nombre nuevo, aunque el 67,1 % de las ofertas pida una herramienta de visualización. El entregable de este puesto es el modelo del que cuelga el panel, no el panel. La distinción se ve mejor con qué es business intelligence al lado.

Y no sustituye a la gobernanza del dato. Modelar bien mejora la calidad de las tablas y no decide quién puede ver qué, ni durante cuánto tiempo se conserva, ni quién responde si un dato sale mal. Eso es gobernanza de datos y necesita a alguien con autoridad, no con dbt.

Lo que cambiaríamos hoy respecto a hace un año es el orden. Antes definíamos el perfil y luego mirábamos el estado del almacén. Ahora medimos primero cuántas definiciones de la misma métrica conviven en la organización, porque ese número decide el alcance del puesto mejor que cualquier descripción.

Preguntas frecuentes sobre el analytics engineer

¿En qué se diferencia un analytics engineer de un data engineer?

El data engineer construye la infraestructura y las tuberías que llevan el dato al almacén. El analytics engineer trabaja con el dato que ya está dentro y lo transforma en tablas modeladas, probadas y documentadas que el resto de la organización consume. Uno resuelve cómo llega el dato, el otro en qué estado se puede usar.

¿Es lo mismo que un data analyst con SQL avanzado?

No. La consulta puede ser idéntica; el tratamiento no. Un analytics engineer deja el modelo versionado, con pruebas que fallan si alguien rompe un supuesto y desplegado por una tubería automática. En el censo de 79 ofertas españolas con el título, el 51,9 % pide precisamente esas prácticas de ingeniería.

¿Hace falta dbt para ser analytics engineer?

En la práctica española casi. Aparece en el 65,8 % de las ofertas tituladas, lo que la convierte en la herramienta más asociada al rol después de SQL. Aun así, lo que se evalúa es la disciplina que la herramienta impone: modelado por capas, pruebas y control de versiones. Quien la trae de otro entorno la sustituye rápido.

¿Qué se pide hoy en España en una oferta de analytics engineer?

Sobre 79 ofertas con el título exacto, medidas entre el 14 de junio y el 21 de agosto de 2026: SQL en el 88,6 %, Python y alguna herramienta de visualización en el 67,1 % cada uno, dbt en el 65,8 %, prácticas de ingeniería en el 51,9 %, Airflow en el 31,6 % y Snowflake en el 27,8 %.

¿Por qué las ofertas de este rol son tan distintas entre sí?

Porque el título llegó antes que el consenso. Solo el 31,6 % de las ofertas españolas tituladas pide a la vez visualización y prácticas de ingeniería, que son las dos mitades del puesto. El resto usa el nombre nuevo para describir un analista o un ingeniero de datos, así que hay que leer el cuerpo de la oferta y no el encabezado.