Un Data Engineer que sabe moverse en Google Cloud (BigQuery, Dataflow, Pub/Sub) no gana lo mismo en todos lados, y la diferencia no es poca. En Perú las ofertas con GCP en el requisito rondan entre S/ 25,000 y S/ 35,000 mensuales para perfiles con experiencia real en el stack, según postulaciones activas en JobLeads y portales similares; en Colombia, los rangos van de 4.5 a 9 millones de pesos mensuales en empresas locales, y hasta 9-15 millones en startups regionales tipo Rappi o Globant que ya tienen equipo de datos maduro.
Por qué el stack específico importa más que el título
'Data Engineer' a secas es un título genérico que cualquiera pone en LinkedIn. Lo que de verdad filtra en las entrevistas y mueve el sueldo es si puedes nombrar, con ejemplos concretos, cómo armaste un pipeline real. En Google Cloud, eso significa poder hablar con propiedad de:
- ▸BigQuery como data warehouse — particionado, clustering y control de costo por consulta, no solo 'hacer un SELECT'.
- ▸Dataflow para pipelines batch y streaming sobre Apache Beam.
- ▸Dataproc cuando el equipo ya tiene código Spark y migra desde on-premise.
- ▸Cloud Composer (Airflow gestionado) para orquestar todo lo anterior sin scripts sueltos corriendo por cron.
- ▸Pub/Sub y Cloud Functions para los casos de streaming en tiempo real (eventos, IoT, logs).
En Estados Unidos, donde la mayoría de empresas que contratan remoto en LATAM fijan su banda salarial, Payscale y ZipRecruiter ubican al Data Engineer con skills de GCP entre 114 y 136 mil dólares al año en posiciones activas — y ese es el techo que te acerca el trabajo remoto para afuera, no el mercado local.
¿Para quién es este camino?
Le sirve al analista de datos que ya escribe SQL todos los días y quiere pasar al lado de ingeniería (construir el pipeline, no solo consumir la tabla ya lista). Le sirve también al desarrollador backend que quiere moverse a datos sin empezar de cero, porque ya sabe programar y lo que le falta es el stack específico de nube. Y le sirve al Data Engineer que ya trabaja con otra nube (AWS o Azure) y necesita sumar GCP porque su empresa migró o porque el cliente nuevo corre todo en BigQuery.
Dónde se nota si el candidato solo vio tutoriales
La pregunta que filtra en la entrevista casi siempre es la misma: '¿cómo evitarías que una consulta de BigQuery te cueste 200 dólares por accidente?'. Si nunca armaste un pipeline con datos de verdad, esa pregunta te agarra en blanco — particionar tablas y poner límites de bytes escaneados no sale en un video de 10 minutos.
Lo que distingue a un candidato de nivel junior de uno que ya puede pedir el rango alto no es memorizar comandos; es haber decidido, con un proyecto real por delante, cuándo usar Dataflow en vez de Dataproc, o cuándo conviene streaming con Pub/Sub en vez de procesar en lotes cada hora. Ese criterio solo se construye con proyectos, no con documentación leída.
Antes de anotarte a cualquier bootcamp de datos en la nube conviene tener claro el punto de partida: SQL intermedio (joins, agregaciones, subconsultas) y nociones básicas de Python son la base mínima. No necesitas haber tocado GCP antes — de hecho, la mayoría de quienes entran a este tipo de programa vienen de SQL Server, AWS o directamente de análisis de datos en Excel y nunca abrieron la consola de Google Cloud.
Cómo construir ese criterio sin tres años de prueba y error
DataPath tiene el Bootcamp Google Cloud Platform Data Engineer, 8 sesiones en vivo con proyectos reales que recorren todo el stack de arriba: fundamentos de cloud, BigQuery y Cloud Storage, procesamiento con Dataproc, pipelines en Dataflow, orquestación con Cloud Composer y streaming con Pub/Sub, cerrando con mentoría de certificación y presentación final de proyecto ante el resto del grupo. Da certificado de DataPath al terminar.
Lo que distingue a este formato de un curso autodidacta es la presentación final: defender un pipeline completo frente al resto del grupo y recibir preguntas tipo entrevista técnica es justo el ensayo que la mayoría nunca hace antes de ir a una entrevista real, y es la diferencia entre decir 'hice un curso de GCP' y poder explicar, con un proyecto propio de por medio, por qué elegiste Dataflow sobre Dataproc para un caso específico.
Si además quieres respaldar ese conocimiento con una certificación oficial de arquitectura (útil cuando ya no solo construyes pipelines, sino que decides cómo se conecta todo el proyecto de datos), el siguiente paso natural es la Preparación Google Cloud Professional Cloud Architect. Y si tu empresa corre en AWS en paralelo, el Bootcamp AWS Data Engineer te da el mismo criterio del lado de Amazon.
El sueldo sube cuando el criterio es tuyo, no prestado de un tutorial. Ese es el salto real entre 'tomé un curso de GCP' y 'armé un pipeline de GCP que alguien más puede revisar'.
