Selección

Contratar perfiles de datos e IA: qué evaluar de verdad

Publicado: 20 de noviembre de 2026 Por Equipo editorial de ONKLUB 8 min de lectura
Portada del artículo de ONKLUB «Contratar perfiles de datos e IA: qué evaluar de verdad», sobre selección. ONKLUB SELECCIÓN Contratar perfiles dedatos e IA: qué evaluarde verdad onklub.com · València
Portada del artículo de ONKLUB «Contratar perfiles de datos e IA: qué evaluar de verdad», sobre selección.
Respuesta directaContratar perfiles de datos e IA exige separar cuatro puestos: analista, ingeniero de datos, científico de datos e ingeniero de aprendizaje automático. La evaluación útil es una prueba con datos sucios reales, SQL sobre una tabla con duplicados y una conversación sobre modelos que fallaron en producción, no sobre proyectos de portafolio.

¿Qué perfil de datos necesitas antes de publicar la oferta?

Contratar perfiles de datos e IA sale mal casi siempre por el mismo motivo: se pide un científico de datos cuando lo que hace falta es que los datos existan, estén limpios y lleguen a tiempo. Son cuatro oficios distintos y conviene nombrarlos.

El analista de datos responde preguntas de negocio con SQL y una herramienta de visualización. Su valor está en entender el negocio y en hacer la pregunta correcta, no en la sofisticación del método. Es el perfil que más empresas necesitan primero y el que más se infravalora en las ofertas.

El ingeniero de datos construye la tubería: extrae de los sistemas de origen, orquesta procesos, modela el almacén y garantiza que el informe del lunes tenga los datos del domingo. Si tus informes se rehacen a mano cada mes, tu problema es de ingeniería de datos y ningún modelo lo va a arreglar.

El científico de datos modela: predicción, segmentación, series temporales, experimentación. Necesita datos ya ordenados para aportar algo. Y el ingeniero de aprendizaje automático pone modelos en producción y los mantiene vivos: despliegue, monitorización, reentrenamiento, coste. Con la irrupción de los modelos generativos ha aparecido una variante que trabaja con recuperación de información, evaluación de respuestas y control de coste por consulta.

La regla práctica: si nadie en tu empresa puede decirte con seguridad cuánto facturaste el trimestre pasado por línea de producto, no contrates ciencia de datos todavía.

¿Cómo se evalúa a alguien de datos sin ser de datos?

Con una prueba corta sobre datos sucios y con preguntas sobre decisiones, no sobre herramientas. La lista de tecnologías del currículum es la parte menos informativa de una candidatura de datos, porque todas se aprenden en semanas y todas aparecen en todos los currículums.

Una prueba que funciona: entrégale un extracto real de tu sistema, anonimizado, con los defectos que tiene de verdad. Fechas en tres formatos, clientes duplicados con el nombre escrito distinto, importes negativos que son devoluciones y una tabla con la granularidad mal documentada. Pídele una respuesta a una pregunta de negocio concreta y que explique los supuestos que ha tenido que asumir. Dos horas bastan.

Lo que se mira en esa prueba no es el resultado. Es si detectó los duplicados antes de sumar, si preguntó por la granularidad en lugar de adivinar, si escribió los supuestos y si el número final es defendible. Un candidato que entrega un número precioso sin avisar de que ha ignorado el diez por ciento de las filas es exactamente el que te va a costar dinero.

En ONKLUB evaluamos así de forma sistemática: un reto real del puesto en lugar de un cribado por currículum. En perfiles de datos es donde más se nota la diferencia, porque el currículum de alguien que ha hecho tres cursos y el de alguien que ha sostenido una tubería en producción son casi idénticos sobre el papel.

¿Qué preguntas delatan a quien no ha puesto nada en producción?

Las que piden un fracaso concreto y sus números. Estas seis funcionan y se pueden hacer aunque quien entrevista no sea técnico, porque la calidad de la respuesta se nota en el detalle:

  • Cuéntame un modelo con buenas métricas que no sirvió para nada en producción. Qué pasó y cómo lo supisteis.
  • Descríbeme una fuga de información entre entrenamiento y validación que se te coló. Cómo la detectaste y qué cambiaste.
  • Cuál era la granularidad de tu tabla de hechos principal y qué hiciste para no duplicar importes al unirla con otra.
  • Cuánto costaba al mes tu proceso de datos en la nube y qué hiciste concretamente para bajarlo.
  • Cuando el informe salió mal un lunes por la mañana, qué falló y cómo se enteró el equipo antes que el cliente interno.
  • Para perfiles de IA generativa: cómo mediste que las respuestas eran correctas, con qué conjunto de evaluación y quién lo revisó.

¿Qué hacer con las carteras de proyectos y los másteres?

Leerlas con criterio. Un portafolio con conjuntos de datos públicos muy conocidos indica formación, no experiencia: el problema ya venía limpio, la métrica ya estaba definida y no había nadie discutiendo el resultado. No descalifica a un junior, pero no debe puntuar como si fuera trabajo real.

Lo que sí distingue en un junior es el proyecto donde tuvo que conseguir los datos él mismo, decidir qué medir y aceptar que el resultado fuera decepcionante. Un trabajo pequeño y honesto sobre un problema propio predice mejor que uno grande sobre un problema resuelto mil veces.

Con los másteres de ciencia de datos conviene la misma prudencia. Hay programas excelentes y programas que son un recorrido por bibliotecas de software. La pregunta útil no es dónde estudió, es qué hizo en el trabajo final, con qué datos y qué haría distinto hoy.

Las certificaciones de nube de ingeniería de datos sí tienen valor cuando tu entorno es ese, porque acreditan familiaridad con los servicios que vas a pagar. Fuera de ese caso, señalan interés y poco más.

¿Con quién compites y por qué se van estos perfiles?

Compites con consultoras tecnológicas, que se llevan a los juniors en volumen y les dan proyectos variados; con empresas de producto, que ofrecen problemas más interesantes; y con el trabajo en remoto para el extranjero, que en este colectivo está normalizado y paga en otra escala.

La gente de datos se va por un motivo que se repite y que casi nunca es el salario: los proyectos no llegan a producción. Alguien contratado para modelar que pasa año y medio haciendo cuadros de mando de peticiones sueltas se marcha, y se marcha diciendo la verdad en las entrevistas siguientes, lo que te complica la próxima contratación en un mercado local pequeño.

El segundo motivo es la deuda de datos sin plan. Trabajar sobre fuentes que nadie mantiene, sin documentación y con reglas de negocio que solo conoce una persona de administración desgasta rápido. Si esa es tu situación, dilo en la entrevista y preséntalo como el trabajo a hacer: hay perfiles a los que eso les atrae, pero se enfadan si se lo ocultas.

Para medir tu propia realidad sin recurrir a datos de mercado, lleva tres indicadores: cuántos de los proyectos de datos iniciados en el último año están en uso hoy, cuánto tarda una petición de negocio en tener respuesta, y qué porcentaje del tiempo del equipo se va en arreglar procesos rotos. Ese tercer número es el que predice las bajas voluntarias.

¿Qué obligaciones hay que tener en cuenta al tratar datos?

Dos que afectan directamente al perfil que contratas. La primera es la protección de datos personales: si el puesto va a manejar datos de clientes o de empleados, hay que definir por escrito a qué accede, con qué base legitimadora y con qué medidas, y en tratamientos de alto riesgo la normativa europea exige una evaluación de impacto previa. Quien haya trabajado en un entorno regulado lo sabrá explicar sin que se lo preguntes.

La segunda es el marco europeo de inteligencia artificial, que clasifica los sistemas por nivel de riesgo e impone obligaciones distintas a proveedores y a quienes los usan, con exigencias reforzadas cuando el sistema interviene en decisiones sobre personas. Los plazos y el alcance concreto que te aplican los debe confirmar tu asesoría; lo que sí puedes hacer en la entrevista es preguntar si ha trabajado con documentación de sistemas, trazabilidad de decisiones y supervisión humana.

Hay un caso especialmente delicado: usar un sistema automatizado para cribar candidaturas en tus propios procesos de selección. Es un tratamiento sobre personas, con obligaciones de información y de supervisión humana. Antes de comprar una herramienta que puntúe currículums, consulta a tu asesoría laboral y jurídica.

Nada de esto exige un perfil legal en el equipo de datos. Exige que la persona contratada sepa que existe y no se sorprenda cuando aparezca en la conversación.

Por dónde empezar el lunes

Escribe en una frase qué pregunta de negocio quieres poder responder dentro de seis meses y qué falta hoy para responderla. Esa frase decide cuál de los cuatro puestos necesitas y evita la contratación equivocada más cara de este sector.

Prepara después el extracto de datos para la prueba. Anonimízalo, deja los defectos reales dentro y escribe la pregunta que quieres que responda el candidato en dos horas. Ese fichero te servirá para todos los procesos de datos que hagas durante el próximo año.

Si necesitas cubrirlo sin tener a nadie dentro que sepa evaluar, esa es exactamente nuestra parte: diseñamos el reto, lo corregimos con criterios escritos y te entregamos un Top 3 de finalistas en 20 días, con tarifa cerrada y garantía de 3 meses.

De dónde salen los datos de ONKLUB

Las cifras de operativa que aparecen en este artículo salen de los registros propios de ONKLUB, no de estimaciones de mercado. El proceso de referencia va de 248 perfiles evaluados a 3 decisiones entregadas, pasando por 80 señales válidas, 25 entrevistas en profundidad y 9 finalistas con valoración escrita, en un ciclo de 20 días naturales. Las cifras acumuladas de la agencia cubren de 2022 a 2026.

Qué NO demuestran estos datos: son la operativa de una agencia sobre sí misma, no una muestra representativa del mercado laboral español, y el embudo corresponde a un proceso de dificultad alta, no a la media de todos. No están auditados por un tercero independiente.

Metodología completa, desglose por fases y limitaciones en el Informe ONKLUB de talento joven, publicado bajo licencia CC BY 4.0: se puede citar y reproducir citando la fuente.

Preguntas frecuentes

¿Contrato antes un ingeniero de datos o un científico de datos?
Casi siempre antes al ingeniero. Sin datos accesibles, fiables y actualizados, un científico de datos dedica la mayor parte de su tiempo a tareas de ingeniería que no le gustan y para las que no le contrataste. La excepción es que ya tengas un almacén de datos ordenado y en uso.
¿Puede un analista de negocio convertirse en ingeniero de datos?
Ocurre con frecuencia y suele salir bien cuando la persona ya escribe SQL complejo y ha automatizado cosas por su cuenta. La transición exige formación en control de versiones, pruebas y orquestación, y unos meses de acompañamiento. Es una vía razonable cuando el mercado externo está tenso.
¿Cómo evito contratar a alguien que solo ha hecho cursos?
Con una prueba sobre datos sucios reales y con preguntas sobre fracasos concretos. Quien solo ha hecho cursos responde bien a las preguntas de método y se queda en blanco cuando le pides el detalle operativo de un proyecto que se rompió en producción.
¿Merece la pena un perfil especializado en IA generativa?
Solo si tienes un caso de uso definido, con datos propios y con alguien que pueda decidir si la respuesta es buena. Sin eso, el puesto se convierte en experimentación indefinida. Un ingeniero de datos sólido con curiosidad suele cubrir mejor los primeros meses de ese camino.
¿Qué tamaño mínimo de empresa justifica un equipo de datos?
Más que el tamaño, manda el volumen de decisiones repetidas que hoy se toman a ojo. Con una sola persona bien elegida y un almacén de datos sencillo ya se sostiene mucha empresa mediana. El error caro es contratar a tres a la vez sin tener claro qué van a atacar primero.
Agencia de talento joven · València

Somos ONKLUB, una agencia boutique de selección de talento joven con sede en València. Escribimos sobre lo que hacemos cada día: procesos de selección, eventos y hackathons. Lo que contamos sale de nuestros propios datos —más de 50 hackathons y eventos organizados y una red de +12.000 profesionales— no de la teoría.

Quiénes somos y por qué escribimos de esto →

¿Tienes una vacante abierta?

Si contratas: te entregamos 3 finalistas listos para contratar en 20 días, con garantía de 3 meses. Cuéntanos el puesto y en 24 h tienes propuesta.
Si buscas trabajo: únete a la red y te avisamos cuando salga tu vacante. Dos minutos, sin spam.