Guía de CV para ingeniero de datos (2026): ejemplos, palabras clave ATS, resumen, salario

Un CV de ingeniero de datos en 2026 se juzga por una pregunta antes que cualquier otra: ¿los pipelines que construiste corren en producción, y qué ocurre aguas abajo cuando fallan? Los títulos son ruidosos. El mismo trabajo se publica como data engineer, analytics engineer, data platform engineer, desarrollador ETL o software engineer, data, y el sistema de seguimiento de candidatos (ATS) que lo filtra cruza las palabras de tus logros, no las de tu título. Esta guía muestra qué demostrar, cómo redactarlo para que lo vean tanto un parser como el responsable de contratación, qué palabras clave van en la página, cómo revisar el archivo antes de enviarlo, qué certificaciones todavía significan algo y cuánto paga el puesto según fuentes que puedes verificar.

Puntos clave

• Empieza por los pipelines en producción y sus números: volumen (eventos por día, terabytes por mes), frescura (minutos de retraso respecto a la fuente), fiabilidad (SLA cumplido, incidentes por trimestre) y costo (gasto en warehouse antes y después).
• Nombra el stack con precisión. Los parsers cruzan cadenas literales: escribe "Apache Spark", "Airflow", "dbt", "Snowflake", "Apache Iceberg", no "modern data stack".
• Separa cuatro capas en tu sección de habilidades: procesamiento y orquestación, almacenamiento y warehousing, modelado y calidad, infraestructura y lenguajes. Los responsables de contratación las leen como cuatro competencias distintas.
• Cuantifica lo aburrido. Filas rellenadas en backfills, tasa de ejecuciones fallidas, latencia p95 de consultas, costo por terabyte escaneado y tablas bajo pruebas son los números que consiguen llamadas.
• El salario en 2026 abarca una banda amplia: una mediana de $126,760 para la ocupación federal más cercana, un promedio total de $150,234 en las empresas que reportan a Built In y una mediana total de $171,000 para ingenieros de software enfocados en datos en Levels.fyi.

¿Qué tiene que demostrar un CV de ingeniero de datos en 2026?

Cinco cosas, en este orden.

Eres dueño de pipelines que corren. No pipelines en los que "participaste". Indica la carga: fuentes ingeridas, eventos por día, terabytes por mes, DAGs o jobs, consumidores aguas abajo. Indica qué pasó cuando fallaron y qué hiciste al respecto.

Modelas datos para quienes los usan. Analistas, científicos de datos, ingenieros de ML y finanzas leen tus tablas. Demuestra que diseñaste esquemas a propósito: modelos dimensionales, slowly changing dimensions, una capa semántica, granularidad documentada. "Reconstruí el mart de pedidos como un esquema en estrella con una dimensión de cliente SCD tipo 2; reduje el tiempo de consulta de los analistas de 40 s a 3 s y retiré 14 reportes duplicados" es una frase que se lee dos veces.

Controlas costo y rendimiento. Los warehouses facturan por segundo y por byte. Quien puede decir "reduje el gasto de cómputo en Snowflake un 34% agrupando (clustering) las tres tablas más grandes, redimensionando warehouses y moviendo los backfills nocturnos a una instancia más pequeña" está describiendo una habilidad que la mayoría de los postulantes no tiene.

Tratas la calidad de datos como ingeniería. Pruebas, contratos, linaje, alertas, guardias (on-call). Un CV sin historia de calidad se lee como el CV de alguien cuyos pipelines los revisa el analista que nota que el dashboard está mal.

Puedes trabajar a través de la frontera. Los ingenieros de datos se sitúan entre los equipos de aplicación dueños de las fuentes, los equipos de plataforma dueños de la infraestructura, y los analistas e ingenieros de ML que consumen la salida. Demuestra que negociaste un cambio de esquema con un equipo de backend, escribiste el Terraform de tu propio clúster o dirigiste la revisión de la migración, no solo que escribiste el SQL.

Lo que el CV no necesita demostrar: que puedes explicar el teorema CAP o escribir una función de ventana de memoria. Eso lo evalúan las entrevistas. El CV te consigue la entrevista.

¿Cómo debe leerse el resumen profesional en cada nivel?

Tres o cuatro líneas. Título, años, el stack, una prueba con un número y el tipo de problema que quieres a continuación. Sin adjetivos sobre ti.

Nivel inicial (0 a 2 años, o un cambio desde analítica)

Ingeniero de datos con experiencia en analítica y 18 meses construyendo pipelines batch en producción. A cargo de 40 DAGs de Airflow y un proyecto dbt de 210 modelos en BigQuery que alimentan los reportes de finanzas y producto de una empresa de 300 personas; agregué pruebas dbt a cada mart y reduje los tickets de calidad de datos de 11 al mes a 2. Python, SQL, dbt, Airflow, BigQuery, Terraform. Busco un equipo donde el warehouse se trate como un producto.

Nivel intermedio (3 a 6 años)

Ingeniero de datos, 5 años, especializado en ingesta en streaming y diseño de lakehouse. En un marketplace de 1,200 personas, lideré el paso del batch nocturno a Kafka y Spark Structured Streaming en Databricks con Delta Lake, llevando los datos de pedidos de 24 horas de retraso respecto a la fuente a menos de 5 minutos y reduciendo la factura mensual de cómputo un 28%. Construí la capa de contratos de datos y Great Expectations que cubre 180 tablas. Python, Scala, Spark, Kafka, Delta Lake, Airflow, AWS.

Senior y staff (7+ años)

Staff data engineer con 10 años en warehousing, streaming y plataforma. A cargo de la plataforma de datos de una empresa que procesa 9 mil millones de eventos al día: Kafka, Flink, Iceberg sobre S3, Snowflake, Airflow y el Terraform detrás de todo. Lideré la migración de un clúster Hadoop heredado al lakehouse, ahorrando $1.8M al año y retirando 600 jobs. Gestiono cuatro ingenieros; defino los estándares de guardias, SLA y gobernanza de datos de la organización.

Fíjate en lo que hace cada uno: un número de carga, un número de antes y después y un stack con nombre. El parser obtiene sus palabras clave; el responsable de contratación, una razón para seguir leyendo.

¿Cómo son los logros sólidos en un CV de ingeniero de datos?

Usa el patrón: verbo, qué construiste, el stack, el resultado medido. Los números de abajo son ilustrativos; reemplázalos con los tuyos y conserva solo los que puedas defender en una entrevista.

• Construí un pipeline de change data capture (Debezium, Kafka, Spark Structured Streaming) que replica 140 tablas de PostgreSQL en Delta Lake con latencia de extremo a extremo inferior a 90 segundos, reemplazando un batch nocturno que tardaba 6 horas.
• Diseñé y entregué un modelo dimensional para el dominio de ingresos (12 tablas de hechos, 31 dimensiones, SCD tipo 2 en cliente y producto) en dbt sobre Snowflake; finanzas cerró el mes dos días más rápido.
• Reduje el gasto de cómputo en Snowflake un 34% ($410K al año) agrupando las cinco tablas más grandes, redimensionando warehouses y sacando los backfills del warehouse de producción.
• Migré 1.2 PB de un clúster Hadoop on-premises a Apache Iceberg sobre S3 con AWS Glue y Athena; desmantelé 38 nodos y reduje el costo de almacenamiento por terabyte un 71%.
• Introduje contratos de datos y suites de Great Expectations en 180 tablas fuente; los incidentes por cambios de esquema que llegaban a los dashboards bajaron de 9 por trimestre a 1.
• Reconstruí la capa de orquestación de cron y scripts de shell a Airflow (310 DAGs, reintentos a nivel de tarea, alertas de SLA); la tasa de ejecuciones fallidas cayó de 4.2% a 0.3%.
• Construí el job de Flink que calcula features de fraude en tiempo real a partir de 9 mil millones de eventos al día con semántica exactly-once; latencia p99 de extremo a extremo de 800 ms.
• Me hice cargo del proyecto dbt (640 modelos, 2,100 pruebas, CI en cada pull request); reduje el tiempo de ejecución mediano por modelo un 46% refactorizando la lógica incremental y eliminando 112 modelos sin uso.
• Hice backfill de 4 años de clickstream (38 mil millones de filas) en BigQuery usando tablas particionadas y agrupadas y un pipeline de Beam reanudable; completado en 11 días con cero filas duplicadas en la conciliación.
• Escribí los módulos de Terraform de la plataforma de datos (EMR, MSK, catálogo de Glue, IAM) para tres entornos; el aprovisionamiento de un entorno nuevo pasó de dos semanas a 40 minutos.
• Lideré el pipeline de borrado por GDPR en 22 datasets con linaje desde el catálogo de datos; cada solicitud de borrado se completó dentro de la ventana de 30 días durante ocho trimestres consecutivos.
• Mentoricé a tres analistas hasta roles de analytics engineering; dos son hoy dueños de dominios dbt en producción.

Tres reglas. Empieza con el verbo que describe tu contribución (construí, lideré, me hice cargo, diseñé, migré), no con "ayudé" o "participé". Pon el número en la primera cláusula cuando puedas. Nombra las herramientas dentro de la frase, porque ahí es donde el parser las encuentra. Para el método completo, consulta cómo escribir logros de CV que cuantifiquen el impacto.

¿Qué palabras clave ATS van en un CV de ingeniero de datos?

Un ATS no infiere. Si la oferta dice "ELT" y tu CV dice "integración de datos", la mayoría de los sistemas no los conectará. Lee la oferta, refleja sus términos exactos donde sean ciertos para ti y cubre la lista de abajo donde aplique.

Entre treinta y cuarenta de estas en todo el CV es normal para un candidato senior. Ponlas donde sean ciertas: una sección de habilidades para el stack, los logros para los métodos. No pegues la tabla; una palabra clave sin una frase alrededor no le dice nada al lector, y algunos parsers penalizan los bloques de términos separados por comas.

Cuatro grafías que conviene estandarizar: "extract, transform, load (ETL)" una vez, y luego "ETL"; "change data capture (CDC)" una vez, y luego "CDC"; "Amazon Web Services (AWS)" una vez, y luego "AWS"; "Apache Spark" una vez, y luego "Spark". Las ofertas usan cualquiera de las dos formas y los sistemas de coincidencia exacta las tratan como tokens distintos.

Una ambigüedad que resolver: "data lake" y "lakehouse" no son sinónimos para un responsable de contratación. Usa el que describa lo que operaste.

¿Cómo compruebas que un CV de ingeniero de datos está listo para el ATS?

Diez comprobaciones, en el orden en que un parser las encuentra. Pasa el archivo por un verificador ATS cuando termines; detecta la mayoría de los problemas de formato de abajo.

1. Formato de archivo. PDF o DOCX, una sola columna, sin tablas de maquetación, cuadros de texto ni contenido en encabezado o pie de página que necesites que se parsee. Un diseño a dos columnas intercala tus habilidades con tu historial laboral cuando un parser lo lee de arriba abajo.
2. Encabezados estándar. "Experiencia", "Habilidades", "Educación", "Certificaciones". Los parsers asignan las secciones por el texto del encabezado; "Donde he dejado huella" no se asigna a nada.
3. Coincidencia de título. La familia de títulos de la oferta aparece en tu línea de resumen y, cuando sea honesto, en tu puesto más reciente. Si tu título interno era "Member of Technical Staff", escribe "Member of Technical Staff (Data Engineering)" y deja que el paréntesis haga el trabajo.
4. Herramientas requeridas textualmente. Cada herramienta bajo "requisitos" en la oferta aparece al menos una vez, escrita como en la oferta, dentro de una frase que demuestre que la usaste.
5. Formas larga y corta. ETL y extract, transform, load; CDC y change data capture; AWS y Amazon Web Services. Ambas formas, cada una al menos una vez.
6. Números en al menos la mitad de los logros. Volumen, latencia, costo, fiabilidad o personas. Un parser no puede puntuar números; el reclutador que abre los CV mejor clasificados, sí.
7. Fechas consistentes. "Mes AAAA – Mes AAAA" en cada puesto. Los parsers calculan la antigüedad a partir de las fechas; los formatos mezclados producen antigüedades erróneas o un puesto perdido.
8. Habilidades agrupadas, no un muro. Cuatro líneas etiquetadas (ver la siguiente sección). Algunos parsers penalizan los bloques de cuarenta términos separados por comas, y todos los humanos lo hacen.
9. Nada oculto. Sin palabras clave en texto blanco, sin habilidades dentro de iconos o imágenes, sin gráficos de barras de habilidad. Los parsers omiten las imágenes; los reclutadores que encuentran relleno en texto blanco rechazan el archivo.
10. Bloque de contacto en texto plano. Nombre, ciudad y estado, teléfono, correo y URL de LinkedIn como texto, no como iconos con hipervínculo. Nombra el archivo Nombre-Apellido-Data-Engineer.pdf; es lo primero que un reclutador lee en una carpeta de descargas.

¿Cómo debe organizarse la sección de habilidades?

Cuatro líneas etiquetadas, no una sopa de letras.

Procesamiento y orquestación: Apache Spark (PySpark, Structured Streaming), Apache Kafka, Apache Flink, Apache Airflow, dbt Almacenamiento y warehousing: Snowflake, BigQuery, Databricks, Delta Lake, Apache Iceberg, Amazon S3, Redshift Modelado y calidad: modelado dimensional, SCD tipo 2, contratos de datos, Great Expectations, pruebas dbt, linaje de datos Infraestructura y lenguajes: Python, SQL, Scala, Terraform, Kubernetes, Docker, GitHub Actions, AWS, Google Cloud

Un responsable de contratación lee esto en cuatro segundos y sabe si eres un ingeniero de warehouse y modelado que puede operar infraestructura o un ingeniero de streaming y plataforma que puede modelar. Ambos son contratables. Fingir ser una tercera cosa, un ingeniero de machine learning, cuando tus logros dicen otra cosa, es lo que hace que un CV se deje de lado.

Requerido frente a deseable, tal como suelen aparecer en las ofertas de 2026:

¿Qué certificaciones todavía cuentan en un CV de ingeniero de datos?

Más que en la mayoría de los roles de software, porque los proveedores que dominan el stack administran los exámenes y los responsables de contratación los reconocen. La evidencia de producción sigue pesando más que cualquier certificado. Todo lo de abajo se verificó en la página del proveedor en octubre de 2026.

• Google Cloud Professional Data Engineer. Examen de dos horas, de 40 a 50 preguntas de opción múltiple y selección múltiple, $200 más impuestos donde apliquen. Google recomienda tres o más años de experiencia en la industria, incluido al menos un año diseñando y gestionando soluciones en Google Cloud; no hay prerrequisitos. Válida por dos años; el examen de renovación dura una hora, 20 preguntas, $100. Relevante si la oferta menciona BigQuery, Dataflow o Pub/Sub.
• AWS Certified Data Engineer – Associate. 130 minutos, 65 preguntas, $150, opción múltiple y respuesta múltiple. AWS describe al candidato ideal como alguien con el equivalente a dos o tres años en ingeniería o arquitectura de datos y uno o dos años de práctica con servicios de AWS. Válida por tres años. Relevante si la oferta menciona Glue, Redshift, EMR, Kinesis o Athena.
• Databricks Certified Data Engineer Associate. 45 preguntas puntuadas, 90 minutos, $200, opción múltiple, válida dos años, sin prerrequisitos. El examen pondera transformación y modelado de datos al 22%, ingesta y carga de datos al 21%, Lakeflow Jobs al 16% y gobernanza y seguridad al 15%. Relevante para cualquier oferta que mencione Databricks o Delta Lake.
• Databricks Certified Data Engineer Professional. 59 preguntas puntuadas, 120 minutos, $200, opción múltiple, válida dos años. Inclinada hacia el desarrollo de código de procesamiento de datos en Python y SQL (22%) y la optimización de costo y rendimiento (13%). Vale la pena listarla para roles senior de lakehouse; la Associate por sí sola no mueve un CV senior.
• SnowPro Core Certification (COF-C03). $175 por intento de examen. Snowflake recomienda seis o más meses de experiencia usando Snowflake. El punto de entrada a la ruta de Snowflake; relevante si la oferta menciona Snowflake como warehouse.
• SnowPro Advanced: Data Engineer (DEA-C02). $375 por intento de examen. Snowflake recomienda dos o más años de experiencia práctica como ingeniero de datos en un entorno de producción. Esta es la que distingue a un candidato senior en Snowflake.

Elige la que coincida con la plataforma de la oferta. Tener las seis señala que estudias para exámenes; tener la que usa tu empresa objetivo señala que puedes empezar el lunes. Lista el nombre completo tal como lo escribe el proveedor más el año de obtención; los reclutadores buscan el nombre exacto. Los certificados de cursos (bootcamps, MOOC) van en una sola línea al final o en ninguna parte; no mueven el CV de un candidato con experiencia y diluyen el de uno junior.

¿Cuánto gana un ingeniero de datos en 2026?

Tres fuentes, tres poblaciones distintas. Usa la que coincida con las empresas a las que postulas.

Por qué administradores y arquitectos de bases de datos para la fila federal: el Occupational Outlook Handbook no tiene entrada para ingeniero de datos, y las dos ocupaciones más cercanas son esta y desarrolladores de software. La mediana de desarrolladores de software del mismo manual es $134,040 (mayo de 2025) sobre 1,905,400 empleos, con un crecimiento proyectado del 10% de 2025 a 2035; si tu título es "Software Engineer, Data" en una empresa tecnológica, esa es la comparación más cercana. La fila de arquitectos está en la tabla porque su rango del percentil 10 al 90, de $86,240 a $204,000, coincide con lo que ofrecen las vacantes de ingeniería de datos fuera de las grandes tecnológicas.

Cómo leer la brecha: el BLS cubre toda la economía, incluidos gobierno, universidades, aseguradoras y hospitales; Built In se inclina hacia tecnológicas con capital de riesgo y de mercado medio, y que su mediana de $120,000 esté por debajo de su promedio de $150,234 significa una cola derecha larga; Levels.fyi se inclina hacia las grandes tecnológicas, donde las acciones son una parte significativa del pago total. La división por experiencia de Built In también merece atención: de menos de un año ($97,540) a siete o más años ($141,418) hay una brecha de alrededor del 45%, y por eso los candidatos con experiencia buscan títulos de platform, staff o arquitecto en lugar de otro escalón con el mismo nombre.

Cómo usar esto en tu CV: no pongas una cifra de salario en la página. Úsala para decidir en qué banda compites y para asegurarte de que tus logros llevan la prueba que esa banda espera. Una oferta de $237,000, el percentil 75 de Levels.fyi, casi nunca se hace a un CV sin un número de volumen, costo o fiabilidad.

¿Qué errores hacen que rechacen un CV de ingeniero de datos?

Listar herramientas, no pipelines. "Experiencia con Spark, Airflow, Snowflake, dbt" es una línea que cualquier postulante puede escribir. Describe el pipeline: fuentes, volumen, cadencia, consumidores, qué se rompió, qué arreglaste.

"Responsable de ETL". La responsabilidad no es un logro. Di qué movía el ETL, con qué frecuencia, a qué velocidad y cuánto costaba antes y después de que lo tocaras.

Enfoque de analista para un rol de ingeniería. Dashboards construidos, reportes entregados y stakeholders atendidos pertenecen a un CV de analista. Para un rol de ingeniero de datos, el dashboard es el consumidor; tu logro es la tabla que hay debajo y su SLA de frescura.

Describir la plataforma, no tu parte en ella. "Trabajé en una plataforma que procesa 10 mil millones de eventos al día" le dice al lector la escala de la empresa, no la tuya. ¿Qué componente era tuyo y qué hicieron sus números mientras lo tuviste a cargo?

Problemas de formato ocultos. Los diseños a dos columnas, el texto en imágenes y los gráficos de barras de habilidad rompen los parsers. Comprueba cómo se parsea tu CV antes de enviarlo; la corrección suele llevar cinco minutos. Para saber qué pasa con el archivo después de subirlo, consulta cómo funcionan los sistemas de seguimiento de candidatos en 2026.

Enterrar el SQL. Algunos candidatos dejan fuera SQL porque les parece básico. Todas las ofertas lo listan, todos los reclutadores lo buscan y un CV sin la palabra pierde la coincidencia.

Logros de migración sin "desde". "Migré el warehouse a Snowflake" es media frase. Desde qué, cuántos datos, cuánto tardó, qué se retiró y qué ahorró. En el "desde" vivía la dificultad, y el lector lo sabe.

¿Cómo debe cambiar el CV según el tipo de empresa?

Startups (de seed a serie B). Amplitud y velocidad. Demuestra que montaste tú mismo el warehouse, el orquestador, la capa de transformación y las primeras pruebas de calidad, y que tomaste decisiones de costo desde el principio. Un logro sobre elegir la herramienta más simple y ahorrarle a la empresa un contrato con un proveedor funciona bien.

Tecnológicas a escala. Profundidad en una capa y rigor en la fiabilidad. Muestra el SLA, la rotación de guardias, las revisiones de incidentes y las negociaciones de esquema entre equipos. Indica la escala en eventos por día, petabytes almacenados o tablas servidas, y nombra tu componente.

Grandes corporaciones (finanzas, salud, seguros, retail). Gobernanza y linaje. Menciona el catálogo de datos, los controles de acceso, el manejo de PII, los pipelines de retención y borrado, las pistas de auditoría y cualquier experiencia con datos regulados (HIPAA, SOX, GDPR). La experiencia migrando de sistemas on-premises a warehouses en la nube es una señal fuerte aquí.

Consultoría y agencias. Rango a través de los stacks de los clientes y un historial de entregas a tiempo. Nombra las industrias, las plataformas y el resultado por proyecto. Las certificaciones pesan más en este segmento porque los clientes las piden por nombre.

Proveedores de plataformas de datos y sus partners. La profundidad en esa plataforma y su ruta de certificación es la mayor parte del CV; las contribuciones a la comunidad, las charlas y el trabajo open source en ese ecosistema van cerca del inicio.

¿Qué extensión debe tener un CV de ingeniero de datos y cómo debe ordenarse?

Una página hasta unos seis años de experiencia; dos páginas a partir de ahí. Orden: resumen, habilidades (cuatro líneas), experiencia (cronología inversa, de tres a seis logros por puesto), proyectos seleccionados u open source solo si aportan evidencia, educación y certificaciones al final. La educación sube solo para recién graduados; las certificaciones, solo cuando la oferta lista una como requisito.

En la sección de experiencia, el primer logro bajo cada puesto debe ser el que tenga el número más grande. Los reclutadores leen el primer logro y ojean el resto; haz que el primero cargue con el puesto.

Mantén tu perfil de LinkedIn consistente con el CV: mismos títulos, mismas fechas, mismo stack en el titular. Los reclutadores que te encuentran en el ATS revisan LinkedIn antes de llamar; consulta la guía de optimización del perfil de LinkedIn.

Preguntas frecuentes

¿Cuál es la diferencia entre un CV de ingeniero de datos y uno de analytics engineer?

En 2026 los títulos se solapan y el ATS cruza habilidades, no títulos. Las ofertas de analytics engineer se centran en la capa de transformación (dbt, modelado SQL, capas semánticas, pruebas) y están más cerca de los analistas; las de ingeniero de datos añaden ingesta, streaming, orquestación e infraestructura. Si tu trabajo cubre ambas, dilo en el resumen y empieza con logros de ingesta e infraestructura para roles de ingeniero de datos, y de modelado y pruebas para roles de analytics engineer.

¿Debe un ingeniero de datos incluir un enlace a GitHub o a un portafolio?

Sí, si contiene algo que un revisor pueda leer en cinco minutos: un repositorio de pipeline documentado, un proyecto dbt con pruebas o una contribución a Airflow, dbt, Spark, Iceberg u otro proyecto del ecosistema. No, si es una carpeta de notebooks de un curso. Un enlace sólido vale más que un perfil con cuarenta repositorios.

¿Cuántas palabras clave necesita un CV de ingeniero de datos para pasar el ATS?

No hay un número mágico. Cubre las habilidades requeridas en la oferta con términos exactos, usa las formas larga y corta (ETL y extract, transform, load; CDC y change data capture) y asegúrate de que cada palabra clave aparezca en una frase que demuestre que la usaste. La mayoría de los sistemas clasifican por calidad de coincidencia y recencia, y los reclutadores que buscan dentro del ATS escriben cadenas exactas; consulta cómo buscan los reclutadores dentro de un ATS.

¿Necesito un título en informática para que me contraten como ingeniero de datos?

No. La ocupación federal más cercana al rol lista una licenciatura como formación típica de entrada, y las ofertas de 2026 aceptan de forma rutinaria cualquier título cuantitativo más experiencia en producción, o solo experiencia para roles intermedios. Muchos ingenieros de datos llegaron desde analítica, administración de bases de datos o desarrollo backend; el CV se decide por los pipelines entregados, no por la línea del título.

¿Cómo demuestro experiencia en streaming si mi empresa solo trabajaba en batch?

No la inventes. Muestra las habilidades adyacentes: modelos incrementales, change data capture, reprocesamiento idempotente, manejo de datos que llegan tarde y SLA de frescura son los mismos problemas que resuelven los equipos de streaming. Si construiste una prueba de concepto con Kafka o Flink, lístala como proyecto con su alcance indicado, no como experiencia en producción.

¿Debo listar trabajo con IA o LLM en un CV de ingeniero de datos?

Sí, cuando es real: pipelines de features para modelos, embeddings generados y almacenados, corpus de recuperación construidos y actualizados, o datasets de evaluación de los que eres dueño. Eso es trabajo de ingeniería de datos. Preséntalos como pipelines con números de volumen y frescura, no como "trabajé con IA". Si el rol que quieres está del lado del modelo, la guía de CV para ingeniero de IA cubre lo que cambia.

Guías relacionadas

• Cómo funcionan los sistemas de seguimiento de candidatos en 2026
• Cómo escribir logros de CV que cuantifiquen el impacto
• Cómo buscan los reclutadores dentro de un ATS
• Guía de optimización del perfil de LinkedIn para 2026
• Guía de CV para ingeniero de IA

Fuentes

1. U.S. Bureau of Labor Statistics, Occupational Outlook Handbook: Database Administrators and Architects — salario mediano $126,760 (mayo de 2025), 144,500 empleos en 2025 (69,500 arquitectos), salarios de arquitectos de bases de datos en los percentiles 10 y 90, crecimiento proyectado del 4% 2025–35, formación típica de entrada.
2. U.S. Bureau of Labor Statistics, Occupational Outlook Handbook: Software Developers, Quality Assurance Analysts, and Testers — salario mediano $134,040 (mayo de 2025), 1,905,400 empleos en 2025, crecimiento proyectado del 10% 2025–35.
3. Levels.fyi: Data Software Engineer salaries, United States — mediana de compensación total $171,000; percentiles 25, 75 y 90; 3,070 envíos (actualizado el 11 de octubre de 2026).
4. Built In: Data Engineer salary in the US — base promedio $125,983, efectivo adicional $24,251, total $150,234, mediana $120,000; desglose por experiencia (2026).
5. Google Cloud: Professional Data Engineer certification — duración del examen, número de preguntas, precio, experiencia recomendada, validez, detalles del examen de renovación.
6. AWS Certified Data Engineer – Associate — 130 minutos, 65 preguntas, $150, experiencia recomendada, validez de tres años.
7. Databricks Certified Data Engineer Associate — 45 preguntas, 90 minutos, $200, validez de dos años, ponderación por dominio.
8. Databricks Certified Data Engineer Professional — 59 preguntas, 120 minutos, $200, validez de dos años, ponderación por dominio.
9. Snowflake: SnowPro Core Certification (COF-C03) — $175 por intento de examen, seis o más meses de experiencia recomendada en Snowflake.
10. Snowflake: SnowPro Advanced: Data Engineer (DEA-C02) — $375 por intento de examen, dos o más años de experiencia recomendada en ingeniería de datos en producción.