Salario de un Data Science / Data Engineer en Argentina

Explora el salario promedio de un Data Science / Data Engineer según seniority y Skills. Usa la calculadora para resultados más acordes a tu búsqueda.

map

Calcula el salario según habilidades y experiencia

Salario basado en Seniority

En Argentina, los Data Science / Data Engineer con perfil junior tienen un salario promedio de 1120 dólares al mes. Los perfiles senior, con mayor experiencia, pueden alcanzar salarios de hasta 2405 dólares.

Salario en:

🧑‍💻
Min
Medio
Max
junior
$ 1120.00
$ 1300.00
$ 1480.00
mid
$ 1400.00
$ 1625.00
$ 1850.00
senior
$ 1820.00
$ 2112.50
$ 2405.00

*La última actualización de los datos de este informe es del 2026. Provenientes de fuentes internas, descubre como funciona Talently Aquí.

¿Hay algún problema con esta data?

Ofertas de trabajo para Data Science / Data Engineer

Ponemos todas las ofertas de internet a tu disposición, filtradas y curadas en base a tu perfil.

Preguntas frecuentes sobre Data Science / Data Engineer en Argentina

Debido a la alta inflación y la fluctuación cambiaria, los salarios en pesos argentinos (ARS) se devalúan rápidamente. Esto ha impulsado a la mayoría de los profesionales senior a buscar empleo remoto dolarizado, forzando a las empresas locales a ajustar sus salarios frecuentemente o implementar esquemas de pago mixto (pesos y dólares).

Sí, es sumamente común en la modalidad de trabajo remoto para empresas del extranjero (especialmente de EE. UU. y Europa). Los profesionales suelen recibir pagos en dólares estadounidenses (USD) o stablecoins (como USDT/USDC) a través de billeteras virtuales para resguardar su poder adquisitivo.

Buenos Aires (CABA y GBA) concentra la mayor parte de las empresas y startups tech. Sin embargo, Córdoba, Rosario, Mendoza y Tandil son hubs de gran relevancia con sólidas comunidades de desarrolladores y presencia de multinacionales.

Este perfil trabaja con datos desde dos frentes: construcción de pipelines, modelos y plataformas de datos, y análisis avanzado para predicción, segmentación o automatización. Puede colaborar con producto, negocio, ingeniería y áreas de analytics.

Es común usar Python, SQL, Spark, Airflow, dbt, notebooks, data warehouses cloud, herramientas de machine learning, APIs y servicios de almacenamiento. Para ingeniería de datos también se valoran Kafka, Docker, Kubernetes y CI/CD.

Modelado estadístico, MLOps, arquitectura de datos, gobernanza, optimización de pipelines, comunicación con negocio y capacidad para poner modelos en producción aumentan de forma importante su valor.

Encuentra todas las ofertas de trabajo para perfiles digitales en un solo lugar