Imagina la siguiente situación. Un director de marketing abre su dashboard un lunes por la mañana. Ve que las conversiones han caído un 23 % la semana anterior. Convoca una reunión urgente. Durante dos horas, diez personas debaten sobre las posibles causas: el presupuesto publicitario, la estacionalidad, el nuevo competidor, el tiempo. Nadie mira realmente los datos. Nadie sabe bien cómo hacerlo.
Esta escena se repite cada semana en miles de empresas españolas. No falta información: en 2025 el volumen mundial de datos alcanzó 181 zettabytes, con un crecimiento del 23 % anual según IDC. Lo que falta son profesionales capaces de leer esos datos, interrogarlos y convertirlos en algo útil.
Esa carencia tiene nombre: data analyst. Y en 2026 es la profesión de datos más demandada en España, con un sueldo medio de 36.000 € anuales y más de 38.541 € según Indeed. En esta guía explicamos qué hace realmente un data analyst, por qué esta profesión resiste a la automatización, cuánto paga y cómo Ironhack te prepara en 9 semanas.
Por qué las empresas tienen más datos que nunca pero no saben aprovecharlos
Aquí hay algo que pocos artículos sobre datos se atreven a escribir: la mayoría de las empresas recopilan datos que no entienden realmente.
Tienen CRM repletos de historiales de clientes que nunca consultan de verdad. Dashboards de Google Analytics de los que leen únicamente las cifras superficiales, sin ir a buscar las causas. Pipelines de datos construidos por brillantes data engineers cuyos outputs solo sirven para alimentar reuniones donde nadie sabe qué hacer con ellos.
No es un problema de tecnología. Las herramientas están, los datos están. Es un problema de traducción: entre lo que dicen los números y lo que la empresa necesita decidir.
Eso es exactamente lo que hace un data analyst. No "analizar datos" en abstracto. Transformar una señal débil en un conjunto de datos en una decisión concreta que el director comercial puede ejecutar a la mañana siguiente.
Lo que hace realmente un data analyst en su día a día
La imagen popular del data analyst es la de un friki solitario frente a pantallas llenas de código. La realidad es casi lo contrario.
Un data analyst pasa la mitad de su tiempo entendiendo problemas de negocio, no programando. Escucha, pregunta, reformula. "Quieres saber por qué bajan las ventas, pero en realidad quieres saber si debes cambiar tu estrategia de precios o tu segmentación publicitaria: son dos problemas muy diferentes." Plantear la pregunta correcta antes del análisis suele ser el 80 % del trabajo.
La otra mitad es exploración: cruzar fuentes de datos, identificar patrones, testear hipótesis. Python y SQL son las herramientas del oficio, no la finalidad. El entregable final es raramente un informe de 50 páginas. Es un gráfico que hace cambiar de opinión a una dirección. Una recomendación en tres puntos. Una respuesta clara a una pregunta vaga.
Las herramientas reales del oficio en 2026
Los recruiters españoles solicitan principalmente Python, SQL, Tableau, Pandas, NumPy, Jupyter y plataformas cloud como AWS, Azure y GCP. Lo que destaca en las ofertas del primer trimestre de 2026 es la irrupción de dos competencias que hace cinco años nadie enseñaba: la capacidad de trabajar con modelos de IA generativa como ChatGPT para acelerar el análisis, y la data governance: saber de dónde vienen los datos, en qué estado están y si se puede confiar en ellos.
¿Va a reemplazar la IA a los data analysts?
Es la objeción que encuentran todos los que están pensando en reconvertirse al mundo de los datos. Dejemos que respondan los números.
Entre 2025 y 2030, el número de puestos de data analyst y data scientist en el mundo aumentará un 41 %. Los data engineers, citados a menudo como los perfiles "más automatizables", ven crecer sus puestos un 81 %. Los especialistas en machine learning, un 82 %.
¿Por qué? Porque la IA produce más datos, más rápido, con más complejidad. Aumenta la cantidad de cosas que hay que analizar, no la capacidad de las empresas para analizarlas. Cada nuevo modelo de IA desplegado en una empresa genera outputs que hay que medir, sesgos que hay que detectar y rendimiento que hay que monitorizar. Alguien debe hacer eso. Ese alguien es el data analyst.
Hacia 2028, el 50 % de los data analysts también desempeñarán tareas de data science, no porque se les haya obligado, sino porque las herramientas de IA generativa habrán hecho accesibles estas técnicas a perfiles que hoy no podrían dominarlas sin años de formación adicional.
La IA no es el fin del data analyst. Es su potente actualización.
¿Hay que ser bueno en matemáticas para ser data analyst?
Aquí está lo que raramente te dicen: el 67 % de los data analysts activos tienen menos de 5 años de experiencia en este rol. La mayoría no procede de carreras científicas de alto nivel.
Lo que realmente importa es el rigor lógico, no los integrales. La capacidad de descomponer un problema complejo en pasos simples. La curiosidad por entender qué significa realmente un número en su contexto. Estas cualidades se encuentran en perfiles muy variados: exjuristas, responsables de marketing, jefes de proyecto, contables, enfermeros, comerciales.
Los datos no son una torre de marfil reservada a ingenieros. Es precisamente por eso que los recruiters, ante la escasez de perfiles, se han abierto masivamente a las reconversiones. Las regiones de España donde los analistas de datos cobran más son Baleares, Navarra, Cataluña, País Vasco y Madrid, con salarios medios de entre 2.900 y 3.000 € brutos al mes, lo que demuestra el atractivo del mercado en todo el territorio.
Sueldo de data analyst en España en 2026: las cifras reales
Hablemos de sueldos sin rodeos.
En España, el sueldo medio de un data analyst es de 36.000 € anuales, con una horquilla típica de 28.000 € a 47.000 € (datos de 1.536 sueldos anónimos en Glassdoor, abril 2026). Indeed sitúa el salario medio en 38.541 € (140 salarios publicados, mayo 2026). El top 10 % supera los 55.713 € anuales.
En Barcelona, el sueldo medio sube a 38.450 €, con una horquilla de 30.000 € a 50.000 € (623 respuestas, abril 2026). Un junior data analyst en Barcelona parte de 28.000 € de media, con una horquilla de 24.200 € a 36.500 € .
Los profesionales que dominan Python además de Power BI y Tableau acceden a sueldos más altos, entre 35.000 y 40.000 € brutos al año, frente a los 29.950 a 34.985 € de quienes solo manejan herramientas de visualización.
El sector financiero y el de consultoría son los que mejor pagan, con sueldos que superan los 50.000 € para perfiles con experiencia. Tecnología, telecomunicaciones y e-commerce también ofrecen remuneraciones competitivas. La verdadera particularidad de este oficio es que contrata en prácticamente todos los sectores de la economía española: cualquier empresa que recopile datos sobre sus clientes o sus operaciones necesita potencialmente un data analyst.
Data analyst, data scientist, data engineer: las diferencias y por dónde empezar
La confusión entre estos tres roles es una de las fuentes más frecuentes de duda en quienes están pensando en una reconversión al mundo de los datos.
El data analyst responde preguntas sobre el pasado y el presente. "¿Por qué perdimos clientes este trimestre?" "¿Qué productos se venden mejor según la región?" Trabaja principalmente con datos existentes y estructurados, elabora informes y dashboards, y su interlocutor principal es el equipo de negocio. Es el punto de entrada más natural y accesible al sector de los datos.
El data scientist responde preguntas sobre el futuro. "¿Qué clientes van a abandonarnos en los próximos 90 días?" "¿Qué precio maximiza nuestro margen en este segmento?" Construye modelos predictivos y trabaja con machine learning. Requiere un mayor nivel de competencias matemáticas y estadísticas: es una evolución natural del perfil de data analyst tras algunos años de experiencia.
El data engineer construye la infraestructura para que los otros dos puedan trabajar. Pipelines de datos, bases de datos, sistemas de almacenamiento. Un perfil más cercano al desarrollador, de acceso más difícil para una reconversión sin base técnica.
Si vienes de un sector no técnico y te planteas el mundo de los datos, el data analyst es la opción más inteligente para empezar. Nada te impide evolucionar después hacia la data science: las competencias se acumulan.
Reconvertirse en data analyst sin título técnico: por qué tu perfil es una ventaja
La reconversión hacia data analyst es fundamentalmente diferente a otras reconversiones tech.
En una reconversión hacia desarrollo web, diseño UX o ciberseguridad, empiezas casi desde cero. Aprendes un nuevo lenguaje de pensamiento.
La reconversión hacia data analyst construye sobre lo que ya sabes. Un excontable conoce la lógica financiera que da sentido a los datos de rentabilidad. Un responsable de marketing conoce los retos de captación y fidelización que el data analyst debe medir. Un médico entiende las variables clínicas que va a analizar en una startup healthtech.
Este conocimiento sectorial que has construido durante años se convierte en un valor añadido real en el mercado de datos. Los recruiters pagan por un data analyst que entienda su sector, no solo por alguien que sepa ejecutar un script de Python.
La formación, en este caso, no parte de cero. Viene a completar lo que tienes con las herramientas técnicas que te faltan. Reconvertirse a los 30, 40 o 50 años hacia el sector tech no solo es posible: en el mundo de los datos puede ser una ventaja competitiva real.
Bootcamp de Data Analytics de Ironhack España: listo para trabajar en 9 semanas
Ironhack ofrece un Bootcamp de Data Analytics diseñado exactamente para perfiles en reconversión que quieren avanzar rápido sin sacrificar la profundidad. Sin requisitos técnicos estrictos, pero con una exigencia real de rigor y motivación.
Precio y formatos
Tiempo completo: 9 semanas, de lunes a viernes de 09:00 a 18:00 (CEST), 100 % online o en los campus de Madrid y Barcelona. Tiempo parcial: 24 semanas, martes y jueves de 18:30 a 21:30, y sábados de 10:00 a 17:00. Disponible en inglés . Próximas cohortes: 15 de junio, 20 de julio, 14 de septiembre y 12 de octubre de 2026.
El prework: por qué es una ventaja decisiva
Una vez te inscribas como estudiante oficial de Ironhack, tendrás acceso a 60 horas de contenido de formación en línea sobre líneas de comandos, Git, Python, MySQL y análisis estadístico. También aprenderás a utilizar herramientas como ChatGPT para potenciar tu aprendizaje y capacidad de resolución de problemas. Esto te permite llegar al bootcamp con las bases ya puestas y dedicar las 9 semanas a la profundidad, independientemente de tu nivel técnico inicial.
Lo que aprendes módulo a módulo
Módulo 1: Introducción a Python. Conoces al equipo de Ironhack, a tus instructores y compañeros. Configuras tu entorno de desarrollo y repasas el prework. Aprendes sobre limpieza y transformación de datos, APIs y web scraping, y desarrollas habilidades en Git, SQL y Python. Primer proyecto: creas un conjunto de datos completamente nuevo y lo compartes con tus compañeros guardándolo en una base de datos SQL.
Módulo 2: Análisis Avanzados. Profundizas en las matemáticas del Data Analytics. Utilizas Python para entender la estadística inferencial y la probabilidad, así como los principios de la inteligencia empresarial. Aprendes técnicas de storytelling con Tableau, NumPy y Jupyter Notebook para visualizar tus datos. Segundo proyecto: un análisis completo de datasets reales que habrás procesado, limpiado y visualizado.
Módulo 3: Fundamentos del Machine Learning. Descubres los aspectos básicos del ML: flujo de trabajo, aprendizaje supervisado y no supervisado, y los algoritmos más populares con la librería scikit-learn. Exploras plataformas cloud (GCP, IBM, Amazon, Azure y OpenAI) y herramientas de IA como ChatGPT y otros LLMs. Proyecto final: el más complejo de todos, con el que compites junto a tus compañeros en el Hackshow y que añades directamente a tu portafolio.
Ironhack+: certificaciones incluidas
A través de Ironhack+, puedes examinarte gratuitamente (valor superior a 200 €) de una certificación reconocida en el sector. Para Data Analytics, las opciones son:
Tableau Certified Data Analyst: emitida por Salesforce-Tableau, muy demandada por las empresas españolas que usan Tableau en su estrategia de BI.
W3Schools SQL Certificate: certificación práctica de SQL, una de las competencias más solicitadas en todas las ofertas de data analyst en España.
Además, el bootcamp incluye acceso a los Programas Intensivos de IA de 40 horas creados por expertos de Microsoft, Telefónica y BBVA, un diferencial exclusivo del mercado español que te prepara para los entornos de trabajo actuales.
Apoyo profesional hasta un año después de graduarte
El equipo de Apoyo Profesional de Ironhack te acompaña más allá del bootcamp: coaching de CV, preparación de entrevistas, conexión directa con recruiters del ecosistema y acceso a la comunidad global de más de 15.000 alumni.
Cómo financiar el bootcamp de Data Analytics de Ironhack en España
Ironhack España ofrece varias opciones para que el coste no sea un obstáculo:
FUNDAE (Fundación Estatal para la Formación en el Empleo): si eres trabajador por cuenta ajena, tu empresa puede bonificar parte o la totalidad del coste a través de su crédito de formación FUNDAE. Habla con tu departamento de RRHH antes de empezar el bootcamp.
SEPE (Servicio Público de Empleo Estatal): si estás en situación de desempleo, consulta las ayudas disponibles en tu oficina de empleo o en el portal del SEPE.
ISA Bcas (Income Share Agreement): Bcas adelanta el importe de tu matrícula y tú solo empiezas a pagar cuando terminas la formación, empiezas a trabajar y superas un umbral mínimo de ingresos. El pago consiste en un pequeño porcentaje fijo de tu salario bruto mensual. Disponible con al menos 1 año de residencia legal en España.
Pago a plazos Bcas: elige entre 6, 9, 12, 18 o hasta 24 cuotas, con una comisión del 0,67 % por cuota. Sin comisión de apertura ni intereses ocultos. Disponible únicamente en España.
Beca Fundación ONCE: si tienes una discapacidad reconocida, la Fundación ONCE puede financiar hasta el 70 % del coste, Ironhack cubre un 10 % adicional y tú solo aportas el 20 % restante.
Alma: divide el pago en hasta 4 cuotas sin intereses, con aprobación 100 % digital.
SeQura: fracciona en hasta 12 mensualidades. Disponible para residentes en España.
El equipo de Ironhack España te ayuda a identificar la opción más adecuada para tu situación.
FAQ: las preguntas reales antes de lanzarte a los datos
"Vengo de marketing, finanzas o RRHH: ¿funciona de verdad?" Sí, y tu experiencia sectorial es a menudo lo que marca la diferencia frente a perfiles más técnicos. Los recruiters de datos buscan cada vez más perfiles que entiendan los retos de negocio, no solo la técnica.
"¿Bastan 9 semanas para ser empleable?" Para un primer puesto como junior data analyst: sí, siempre que te impliques en serio, completes el prework y construyas un portafolio real durante la formación. Las 9 semanas no te convierten en experto en todo: te hacen empleable, y la experiencia hace el resto.
"¿Debo elegir ya entre data analyst y data scientist?" No. Empieza como data analyst: es el punto de entrada más accesible y más contratado. La evolución hacia data science se produce de forma natural con la experiencia y con las herramientas de IA que democratizan el acceso a técnicas avanzadas.
"¿Qué me espera concretamente el primer día en un puesto de data analyst?" En la mayoría de las empresas: una infraestructura de datos mal documentada, dashboards parcialmente desactualizados y una dirección que te pide que averigües por qué las cifras del mes pasado no cuadran con las del año anterior. La capacidad de orientarte, hacer las preguntas correctas y entregar algo claro en el caos: eso es el oficio real. Exactamente eso es lo que entrena el bootcamp de Ironhack, con proyectos sobre datos reales desde el primer día.
"¿Y si no me gusta una vez que empiece?" La pregunta merece hacerse antes de invertir tiempo y dinero. Prueba antes del bootcamp: pasa unas horas en Kaggle con un dataset que te interese, sigue un tutorial básico de Python en YouTube, abre un dashboard de Google Analytics y trata de entender de verdad lo que dice. Si sientes curiosidad en lugar de frustración, es buena señal.
El mercado de los datos no busca personas técnicamente perfectas. Busca personas capaces de transformar la complejidad en claridad. Si esa es una competencia que quieres desarrollar, los datos y las empresas que los necesitan te están esperando.
