sueldos.openqube.io Open in urlscan Pro
2606:4700:10::ac43:5e6  Public Scan

Form analysis
0 forms found in the DOM

Text Content

You need to enable JavaScript to run this app.
/Lo que no te cuentan en la entrevista
 * 
 * 
 * 


RESULTADOS DE LA
ENCUESTA DE SUELDOS 2023.01
DICIEMBRE - FEBRERO

 * Introducción
 * Perfil de participantes
   * Regiones
   * Roles
   * Experiencia
   * Educación
   * Demografía
 * Salarios
   * Progresión histórica
   * Según Puesto
   * Según Educación
   * Según Tecnología
   * Según Contrato
 * Género
   * Identidad de género
   * Brecha salarial de género
   * Progresión histórica
   * Formación
   * Experiencia
   * Ajuste salarial
   * Posiciones de liderazgo
 * Tecnología
   * Tecnologías más populares
 * Trabajo
   * Tipos de contrato
   * Compensación
   * Características de las Empresas
 * Metodología


INTRODUCCIÓN

En OpenQube trabajamos para proporcionar información actualizada sobre empleos
en el campo de tecnología de la información para que puedas acceder a ella
fácilmente. ¿Cómo lo logramos? A través de nuestra plataforma colaborativa, en
la que podés evaluar las empresas en las que trabajaste y ayudar a otros a tomar
decisiones informadas sobre su carrera.

Desde 2014, llevamos a cabo encuestas salariales dentro de la comunidad
tecnológica y publicamos los resultados en el blog de Sysarmy.

En 2019, comenzamos a analizar los resultados de estas encuestas. Nuestros
informes pasados están acá:

 * 2019.01
 * 2019.02
 * 2020.01
 * 2020.02
 * 2021.01
 * 2021.02
 * 2022.01



Con la intención de ofrecer a nuestra comunidad los resultados de una manera más
accesible, seleccionamos algunos datos estadísticos que consideramos de
relevancia. Para tener una mayor comprensión sobre estos, recomendamos leer el
apartado de metodología.

A continuación te mostramos los resultados del nuevo análisis para dicembre 2022
- febrero 2023.


El presente informe fue realizado para openqube por Lara López Calvo y Juan
Manuel Benítez.



--------------------------------------------------------------------------------



(basado en los trabajos previos de Nadia Kazlauskas, Pablo Fernandez, Luciana
Castro, Gerardo Bort, Pablo Casas, Leonardo Genzano y Nico Quiroz)


PERFIL DE PARTICIPANTES

6712 fueron las respuestas totales en la República Argentina.

5767 respuestas fueron consideradas en el presente análisis, es decir un 85.92%
del total.


REGIONES

PORCENTAJE DE PARTICIPANTES POR REGIÓN DE LA ARGENTINA

 * Geografía
 * Nivel de participación

Seleccione una provincia



Mapa de participación en la encuesta por regiones del país.
La intensidad del color es solo representativa.


ROLES

PORCENTAJE DE PARTICIPANTES POR TIPO DE ROL

ver más
0.05%0.1%0.3%0.6%1%3%6%10%30%DeveloperSysAdmin / DevOps / SRETechnical LeaderQA
/ TesterManager / DirectorBI Analyst / Data AnalystHelpDeskProject ManagerData
EngineerData ScientistOtros


Porcentaje de personas encuestadas por rol, presentadas en escala logarítmica.




EXPERIENCIA

AÑOS DE EXPERIENCIA

0%4%8%14.7%0-1234-56-89-1314-2122-3435-55

Porcentaje de personas encuestadas por años de experiencia en la profesión.

En esta sección, los datos fueron agrupados por rangos de años, en conjuntos
arbitrarios.
Se observa un aumento de personas con entre 0 y 3 años con respecto a la
encuesta anterior.

AÑOS EN LA COMPAÑÍA ACTUAL

0%5.5%11%21%0-1234-56-89-1314-2122-34

Porcentaje de personas encuestadas por años de antigüedad en su compañía actual

Aproximadamente el 40% de las personas encuestadas tiene 3 o menos años en su
compañía actual. Comparado con el 37% de la encuesta anterior la rotación entre
empresas no paece estar aumentando significativamente.

AÑOS EN EL PUESTO ACTUAL

0%7%14%26.1%0-1234-56-89-1314-2122-34

Porcentaje de personas encuestadas por años de antigüedad en su puesto actual.

Aproximadamente el 50% de las personas que respondieron la encuesta trabaja hace
menos de 3 años en su puesto actual.


EDUCACIÓN

NIVEL DE ESTUDIOS ALCANZADO Y ESTADO ACTUAL

0%8%16%31.3%UniversitarioTerciarioSecundarioPosgrado/EspecializaciónMaestríaDoctoradoPosdoctorado
 * Completo
 * En curso
 * Incompleto


Este gráfico nos permite ver para nuestra población qué porcentaje de personas
encuestadas alcanzó cada nivel de estudios. A su vez, por cada una, podemos
apreciar el grado de completitud o estado de sus carreras.

Con el objetivo de no distorsionar el análisis, aquí se utiliza la escala de
representación lineal.

Aproximadamente el 30% de las personas encuestadas no ha finalizado sus estudios
universitarios.
La tendenciase mantiene respecto de la encuesta anterior.

¿CUÁLES SON LAS CARRERAS MÁS ESTUDIADAS?

 * Carreras
 * Carreras y estado

ver más
0.1%0.3%0.6%1%2%4%6%10%30%Ingeniería en Sistemas deInformaciónIngeniería en
InformáticaAnalista de SistemasLicenciatura en Sistemasde
InformaciónLicenciatura en Ciencias dela ComputaciónIngeniería
ElectrónicaLicenciatura en InformáticaTecnicatura enProgramaciónTecnicatura
Superior enProgramaciónOtros



Algunos nombres de carreras fueron normalizados para la elaboración de este
gráfico.
Para más información, ver la metodología.

¿CUÁLES SON LAS UNIVERSIDADES MÁS CONCURRIDAS?

 * Universidades
 * Universidades y estado de las carreras

ver más
0.1%0.3%0.6%1%2%4%6%10%30%UTN - UniversidadTecnológica NacionalUBA - Universidad
deBuenos AiresUNLaM - UniversidadNacional de La MatanzaUNLP -
UniversidadNacional de La PlataUADE - UniversidadArgentina De la EmpresaUNC -
UniversidadNacional de CórdobaUAI - Universidad AbiertaInteramericanaORTUP -
Universidad dePalermoUniversidad Siglo 21Otros


Los nombres de las casas de estudio fueron normalizados para la elaboración de
este gráfico.
Para más información, ver la metodología.




DEMOGRAFÍA

IDENTIDAD DE GÉNERO

 * Porcentaje
 * Absoluto

0%20%40%77.9%Hombre CisMujer CisPrefiero No DecirNo BinarieAgéneroHombre
TransMujer Trans



Para mayor detalle sobre este tópico, recomendamos ver el apartado de Género.

Si te preguntás por qué no hay tantas mujeres, tal vez esta investigación de
Chicas En Tecnología te pueda dar una respuesta.


SALARIOS

Todos los valores de salarios aquí expresados tanto en moneda local, como en
dólares, refieren a salario bruto: previo a cargas sociales e impuestos.


PROGRESIÓN HISTÓRICA

Gracias a que contamos con resultados de encuestas anteriores podemos medir la
evolución de ciertos indicadores a través del tiempo.

Para el caso de los salarios en Argentina, es de particular interés conocer su
evolución, debido a las continuas fluctuaciones de la moneda y la inflación.

En los siguientes gráficos podremos ver cómo fueron cambiando las medianas
salariales y contrastarlas a su vez con su correspondiente valor en dólares
según la cotización a cada período.

MEDIANA SALARIAL EN ARGENTINA

 * Salarios en AR$
 * Salarios en US$ (oficial)
 * Salarios en US$ (ahorro)
 * Salarios en US$ (Blue)

2016-08-012017-09-012018-09-042019-08-152020-08-152021-08-232023-01-03$
0$90,000$180,000$345,000
 * Pesos Argentinos



Serie histórica de salarios basada en encuestas anteriores de sysarmy.

Observando la tendencia histórica es inevitable notar el drástico aumento en la
pendiente de la curva de salarios a partir del año 2021.

Este fenómeno se debe únicamente al aumento en la inflación y tristemente no se
ve acompañado por una mejora en el poder adquisitivo, tal como se puede ver en
las pestañas que ajustan contra el dólar.


SEGÚN PUESTO

SALARIOS SEGÚN ROL Y EXPERIENCIA

ver más
$ 0.00$ 200,000.00$ 400,000.00$ 716,500.00Manager / DirectorProduct
ManagerArchitectTechnical LeaderData ScientistData EngineerScrum
MasterInfosecDeveloperProject ManagerSysAdmin / DevOps / SREBI Analyst / Data
AnalystDBAMiddlewareBusiness AnalystUX DesignerConsultantVP / C-LevelSales /
Pre-SalesRecruiter / HR
 * Junior
 * Semi-Senior
 * Senior


Mediana salarial por rol y años de experiencia en el puesto.

El seniority aquí mencionado refiere a años de experiencia en el rol. Para más
detalle ver metodología.

Las medianas en GRIS contienen menos de 5 muestras para cada categoría y deben
ser tomadas con cuidado.


SEGÚN EDUCACIÓN

SALARIOS SEGÚN NIVEL DE EDUCACIÓN

ver más
$ 0.00$ 150,000.00$ 300,000.00$
530,000.00MaestríaPosgrado/EspecializaciónDoctoradoUniversitarioTerciarioSecundario

Mediana salarial por nivel de educación formal alcanzado.
Se excluyen por defecto aquellos niveles de estudio que no cuentan con
suficiente representación sobre la muestra.

SALARIOS SEGÚN CARRERA Y EXPERIENCIA

 * Recibidos por experiencia
 * Por carrera y estado

ver más
$ 0.00$ 200,000.00$ 400,000.00$ 700,000.00Licenciatura en
InformáticaLicenciatura en Ciencias dela ComputaciónIngeniería en
InformáticaLicenciatura enAdministración deEmpresasIngeniería
ElectrónicaIngeniería en Sistemas deInformaciónTecnicatura
enProgramaciónLicenciatura en Sistemasde InformaciónAnalista de Sistemas
 * Junior
 * Semi-Senior
 * Senior


Mediana salarial por carrera y años de experiencia.

En este gráfico hemos incluído únicamente las personas que completaron sus
estudios universitarios, y también hemos aplicado un umbral mínimo de muestras
requeridas, del 0,5% sobre las 30 más frecuentes. Aquellas carreras que no
cuenten con dicho mínimo de respuestas, consideraremos que tienen datos
insuficientes y solo se mostrarán al clickear "ver más" en color grisado.

Más sobre la representatividad de la muestra en el apartado Metodología.


SEGÚN TECNOLOGÍA

PLATAFORMAS

ver más
$ 0.00$ 200,000.00$ 400,000.00$ 605,570.00Amazon Web
ServicesKubernetesServerlessFirebaseDockerMainframeGoogle Cloud
PlatformAzureOpenShiftSAPLinuxIBM Cloud / WatsonArduino o similarWindows
ServerVMWareMicrocontroladores
 * Junior
 * Semi-Senior
 * Senior


Mediana salarial según plataformas y años de experiencia.
Se muestra por defecto las plataformas más utilizadas, cuya cantidad de
menciones supere el umbral de 0,5%.

LENGUAJES DE PROGRAMACIÓN

ver más
$ 0.00$ 200,000.00$ 400,000.00$
790,000.00GoGroovyTypeScriptJavascriptJavaPythonRBash/Shell.NETHTMLC++C#CSSSQLPHPCVBA
 * Junior
 * Semi-Senior
 * Senior


Mediana salarial según lenguaje de programación años de experiencia.

Se muestra por defecto los lenguajes de programación más utilizados, cuya
cantidad de menciones esté por encima del umbral de 0,5%.
Para más detalle sobre esta división por seniority referirse a la metodología.


SEGÚN CONTRATO

SUELDOS DOLARIZADOS VS. EN PESOS ARGENTINOS

$ 0.00$ 200,000.00$ 400,000.00$ 687,523.00Sueldo no dolarizadoSueldo dolarizado
 * Junior
 * Semi-Senior
 * Senior


Mediana salarial según sueldos dolarizados y experiencia.

En este gráfico puede verse el porcentaje de personas que gozan de este
beneficio.


GÉNERO

En esta edición la pregunta sobre identidad de género consta de un listado de
opciones fijas (que incluye “prefiero no responder”) y la posibilidad de
ingresar texto libre. Esta modalidad visibiliza la pluralidad de identidades, no
replicando categorías hegemónicas históricamente sostenidas. Por otra parte, se
puede lograr un análisis más aproximado a las diferentes vivencias individuales
en el cruce de variables.

Si bien en este apartado mantuvimos la lógica general del informe de no incluir
dentro de los gráficos los conjuntos que tuvieron una representación menor al
0,5% de la muestra, mencionamos aquellas identidades de género que están
subrepresentadas en esta encuesta, hecho que refleja inequidades por múltiples
barreras e injusticias sociales.

Porcentajes de identidades de género menores al 0,5%:

 * No binarie 0,4%
 * Agénero 0,3%
 * Hombre trans 0,2%
 * Mujer trans 0,2%

Como es de esperar, las inequidades históricas y sistemáticas por género, se
sostienen.

ALGUNOS DATOS

 1. De las personas que participaron de la encuesta y respondieron este ítem, el
    ~78% son hombres cis, mientras que el ~16,5% son mujeres cis y el 0,4%
    personas no binaries.
 2. Se observa un incremento de participación de ~0,5% de mujeres cis con
    respecto al período anterior.
 3. Según los datos recabados, la brecha salarial entre hombres cis y mujeres
    cis se acentúa a medida que aumentan los años de experiencia de la población
    encuestada, que es donde se encuentra el mayor porcentaje de participación.
 4. Es relevante observar que a pesar de encabezar méritos académicos en el
    conjunto de personas identificadas como mujeres cis la brecha salarial se
    sostenga en todos los niveles.


IDENTIDAD DE GÉNERO

 * Porcentaje
 * Absoluto

0%20%40%77.9%Hombre CisMujer CisPrefiero No DecirNo BinarieAgéneroHombre
TransMujer Trans



Para mayor detalle sobre este tópico, recomendamos ver el apartado de Género.

Si te preguntás por qué no hay tantas mujeres, tal vez esta investigación de
Chicas En Tecnología te pueda dar una respuesta.


BRECHA SALARIAL DE GÉNERO

0.00150,000.00300,000.00560,184.63Hombre CisMujer Cis
 * Junior
 * Semi-Senior
 * Senior



Media salarial por género y seniority.
Consideramos, para calcular la brecha salarial, sólo los hombres y mujeres cis,
ya que son los únicos géneros con información suficiente.


PROGRESIÓN HISTÓRICA

HISTÓRICO DE NIVEL DE PARTICIPACIÓN

2017-02-012018-03-012019-02-152020-02-022021-02-152023-01-030%30%60%100.1%
 * Hombre Cis
 * Mujer Cis
 * Otros
 * Prefiero No Decir
 * No Binarie



Serie de tiempo de porcentaje de participación por género basada en encuestas
anteriores.


HISTÓRICO DE SALARIOS POR GÉNERO

 * Salarios en ARS
 * Salarios en USD (Oficial)
 * Salarios en USD (Blue)

2016-08-012017-09-012018-09-042019-08-152020-08-152021-08-232023-01-03$
0$90,000$180,000$350,000
 * Hombre Cis
 * Mujer Cis
 * Otros
 * Prefiero No Decir
 * No Binarie


Serie histórica de salarios en ARS basada en encuestas anteriores.
Observamos la brecha salarial por género en pesos argentinos.



El gráfico nos muestra que por cada peso que gana un hombre cis, una mujer cis
gana 86 centavos.

Tener en cuenta, al analizar el gráfico, que las personas de géneros no binaries
representan el 0,4% de la muestra. Este valor esta por debajo del umbral mínimo,
pero optamos por incluirlas en las visualizaciones históricas para conservar la
trazabilidad.

HISTÓRICO DE CONFORMIDAD

2016-08-012017-09-012018-09-042019-08-152020-08-152021-08-232023-01-030123
 * Hombre Cis
 * Mujer Cis
 * Otros
 * Prefiero No Decir
 * No Binarie


Serie histórica del nivel de conformidad con los salarios basada en encuestas
anteriores.
Medido en escala de 1 (poco conforme) a 4 (muy conforme)


FORMACIÓN

En este apartado segmentamos los niveles de educación formal alcanzados y el
grado de completitud de cada uno, por género. Cabe aclarar que excepto para
mujeres cis y hombres cis, tal como se puede ver en el apartado Demografía, el
número de muestras es extremadamente reducido, y es muy posible que lo detallado
aquí no sea representativo.

NIVEL DE ESTUDIOS ALCANZADOS Y COMPLETITUD

 * Hombres Cis
 * Mujeres Cis
 * Prefiero No Decir
 * No Binarie

0%8%16%31.4%UniversitarioTerciarioSecundarioPosgrado/EspecializaciónMaestríaDoctoradoPosdoctorado
 * Completo
 * En curso
 * Incompleto


¿Cuál es el mayor nivel de estudios alcanzado de los hombres cis, y cuál es su
estado actual?
Los valores porcentuales de cada segmento son sobre el total de los hombres
encuestados.


EXPERIENCIA

SALARIO POR GÉNERO SEGÚN AÑOS DE EXPERIENCIA

0-1234-56-89-1314-2122-55$ 0$150,000$300,000$500,000
 * Hombre Cis
 * Mujer Cis
 * Prefiero No Decir


Mediana salarial por género, según años de experiencia.
Tener en cuenta, al observar el gráfico, que la representación de géneros no
binaries es muy baja
y por eso se observan las fluctiaciones. Es decir, no tenemos personas de género
no binarie con 3, 6 a 8 y 14 a 21 años de experiencia en la encuesta.

PARTICIPACIÓN POR GÉNERO SEGÚN AÑOS DE EXPERIENCIA

0-1234-56-89-1314-2122-550%30%60%100.1%
 * Hombre Cis
 * Mujer Cis
 * Prefiero No Decir



Nivel de participación por género, según años de experiencia.
Se observa una mayor participación de hombres cis a medida que aumentan los años
de experiencia.

CONFORMIDAD

0-1234-56-89-1314-2122-550113
 * Hombre Cis
 * Mujer Cis
 * Prefiero No Decir


Conformidad con los salarios por género según años de experiencia.
Medido en escala de 1 (poco conforme) a 4 (muy conforme).


AJUSTE SALARIAL

AJUSTES POR INFLACIÓN 2022

0%15%30%45%60%Hombre Cis Prefiero No Decir Mujer Cis

Mediana de porcentaje de ajustes por inflación acumulados en el 2022 por género.

Como contraste, la inflación publicada por el INDEC en su último reporte fue de
94,8%.

Aquellas personas que se identifican como hombres cis tuvieron un 18% más de
ajuste que las mujeres cis y un 25% por sobre persona de géneros no binaries.


POSICIONES DE LIDERAZGO

POSICIONES DE LIDERAZGO ABIERTO POR IDENTIDAD DE GÉNERO

0%20%40%78.1%NoSí
 * Hombre Cis
 * Mujer Cis
 * Prefiero No Decir



Se define posición de liderazgo (Si) la que tiene al menos 1 persona a su cargo.
Dejamos expresados los porcentajes de las personas que se reconocen como no
binarie y que prefieren no responder.


TECNOLOGÍA


TECNOLOGÍAS MÁS POPULARES

PLATAFORMAS

ver más
0.05%0.1%0.2%0.5%1%3%6%10%30%LinuxDockerAmazon Web ServicesWindows
ServerAzureGoogle Cloud PlatformKubernetesVMWareServerlessFirebaseOtros

Plataformas más utilizadas entre los participantes
Las plataformas no son excluyentes, es decir puede haber más de una por persona
relevada. Los valores son porcentuales sobre el total de participantes.

LENGUAJES DE PROGRAMACIÓN

ver más
0.1%0.3%0.6%1%2%4%6%10%20%40%SQLJavascriptHTMLPythonCSSJavaTypeScriptBash/Shell.NETPHPOtros

Lenguajes de programación más utilizadas entre los participantes
Los lenguajes de programación no son excluyentes, es decir puede haber más de
uno por persona relevada. Los valores son porcentuales sobre el total de
participantes.

FRAMEWORKS, HERRAMIENTAS Y LIBRERÍAS

ver más
0.05%0.1%0.3%0.6%1%2%4%6%10%React.jsNode.jsBootstrap.NET
CorejQueryAngularSpringNext.jsWordPressHibernateOtros

Frameworks, Herramientas y Librerías más utilizadas entre los participantes
Los mismos no son excluyentes, es decir puede haber más de uno por persona
relevada. Los valores son porcentuales sobre el total de participantes.

BASES DE DATOS

ver más
0.1%0.3%0.6%1%2%4%6%10%30%MySQLMicrosoft SQL
ServerPostgreSQLMongoDBOracleMariaDBRedisElasticSearchAmazon DynamoDBMicrosoft
AzureOtros

Bases de datos más utilizadas entre los participantes
Las bases de datos no son excluyentes, es decir puede haber más de una por
persona relevada. Los valores son porcentuales sobre el total de participantes.

QA / TESTING

ver más
0.05%0.1%0.3%0.6%1%2%4%6%10%PostmanJUnitJestSeleniumCypressSoapUIVisual Studio
Coded UICucumberPHPUnitMochaOtros

Herramientas de QA / Testing más utilizadas entre los participantes

Las mismas no son excluyentes, es decir puede haber más de una por persona
relevada. Los valores son porcentuales sobre el total de participantes.


TRABAJO


TIPOS DE CONTRATO

1%2%3%5%7%10%20%40%70%Staff (planta permanente)Remoto (empresa de
otropaís)Tercerizado (trabajo através de consultora
oagencia)FreelanceParticipación societaria enuna cooperativa

Porcentaje de tipos de contrato de trabajo en escala logarítimica.


¿QUÉ PORCENTAJE TIENE SU SUELDO DOLARIZADO?

No dolarizado: 74%Parcialmente dolarizado: 11%100% dolarizado: 10%Dolarizado
pero cobra en ARS: 5%


Porcentaje de personas que tienen su sueldo dolarizado, ya sea de forma parcial
o completa, y quienes no lo tienen.

El 26% de las personas tiene su sueldo dolarizado, al menos de manera parcial.

¿QUÉ PORCENTAJE REALIZA GUARDIAS?

Sin guardias: 64%Guardias pasivas: 29%Guardias activas: 7%


Porcentaje de personas que realizan guardias y de qué tipo.

Nótese que esta pregunta es opcional en la encuesta y sólo la respondió el 30%
de las personas.

DISTRIBUCIÓN DEL TOP 10 MEJOR PAGO

0.00350,000.00700,000.001,300,000.00Data EngineerInfosecData
ScientistDeveloperBI Analyst / Data AnalystManager / DirectorTechnical
LeaderConsultantSysAdmin / DevOps / SREProduct ManagerArchitectQA / TesterVP /
C-LevelProject ManagerUX Designer
 * Cantidad
 * Promedio
 * Mediana
 * Porcentaje de dolarizados


Para este análisis nos quedamos con el top 10% de los salarios más altos. Esto
responde la pregunta de ¿Cuánto ganan los que más ganan por rol?, los valores de
la mediana son expresados en Pesos Argentinos
Se abre por cada rol la cantidad de casos encontrados en la encuesta, tomando
como mínimo 5, y mostrando el porcentaje de personas que tienen el sueldo
dolarizado (% dolarizado en el grafico).


COMPENSACIÓN

¿RECIBÍS ALGÚN TIPO DE BONO?

1%2%3%5%7%10%20%30%50%NoDe uno a tres sueldosMenos de un sueldoUn sueldo3+
sueldos


Porcentaje de participantes que han recibido o no, bonos como parte de la
compensación, en escala logarítimica, el 45.5 % de quienes respondieron la
encuesta reciben algún tipo de bono



¿TENÉS BENEFICIOS EXTRA?

ver más
0%15%30%56.8%CapacitacionesHorarios flexiblesVacaciones extendidas Clases de
idiomasGimnasioAbono de InternetCrédito en billeterasvirtualesLicencias
extendidasAbono de celularDescuentos variosOtros

Aquí se enumera los beneficios más comunes entre los reportados.
Los beneficios no son excluyentes, por lo que los valores indican qué
porcentajes de participantes cuentan con los mismos.

PORCENTAJES DE AJUSTE POR INFLACIÓN A LA FECHA (2022)

0%6%12%23.7%0-1234-56-89-1314-2122-3435-5556-8990-144


Los rangos (eje vertical) representan el porcentaje de ajuste o aumento por
inflación recibido en el año. La longitud de las barras representa el porcentaje
de personas que recibieron ajustes dentro de ese rango.

El 15% de participantes no tuvo ajuste salarial en los últimos 6 meses.
Inflación acumulada en 2022: 94,8%.

Es importante tomar este numero con ciudado ya que en muchos casos no es posible
distinguir si el sueldo está o no dolarizado y posiblemente existan casos donde,
por tratarse de un sueldo dolarizado, no hubo ajustes por inflación.


CARACTERÍSTICAS DE LAS EMPRESAS

CANTIDAD DE PERSONAS

0%4.5%9%16.7%De 11 a 50 personasDe 201 a 500 personasMás de 10000 personasDe 51
a 100 personasDe 101 a 200 personasDe 501 a 1000 personasDe 1001 a 2000
personasDe 2001a 5000 personasDe 2 a 10 personasDe 5001 a 10000 personas1
(solamente yo)



Tamaño de las empresas donde trabajan las personas encuestadas.

Aproximadamente el 45% de las personas trabaja en empresas con menos de 200
empleados.

MODALIDAD DE TRABAJO

Remoto: 58%Híbrido: 34%Presencial: 8%



El 58% de las personas encuestadas no volvió a la oficina luego de la pandemia y
el 34% lo hizo en un esquema híbrido.

¿CUÁNTA GENTE RECOMIENDA SU LUGAR DE TRABAJO?

0%15%41.7%PromotoresPasivosDetractores


Datos porcentuales, por clase según indicador Net Promoter Score.

¿CUÁNTAS PERSONAS ESTÁN BUSCANDO UN CAMBIO LABORAL?

Escuchando propuestas: 67%En búsqueda activa: 17%No busca: 16%



Sólo el 16% de quienes respondieron la encuesta está muy conforme con su empleo
y no busca un cambio.
El 17% se encuentra en búsqueda activa y el resto, abierto a escuchar ofertas.


METODOLOGÍA

Para poder comprender mejor los resultados aquí expuestos, es importante hacer
ciertas aclaraciones respecto del enfoque y la metodología utilizada.

> - ¿Quieren decir que existe subjetividad en este reporte?

> - Así es. Aunque hicimos todo lo posible para minimizarla.

Si bien los resultados aquí expuestos son números, hay ciertos procedimientos
manuales que ayudaron a seleccionarlos, agruparlos y haberles dado relevancia
respecto de otros. Más abajo mencionamos los más importantes:

REPRESENTATIVIDAD DE LA MUESTRA

Para todos los segmentos sobre los cuales se ha hecho rankings de algún tipo (de
salarios, conformidad, etc.), hemos tenido en cuenta principalmente el tamaño de
la muestra por sobre otros factores. Debido a la multidimensionalidad de los
datos, no creímos conveniente utilizar la homogeneidad para determinar la
representatividad, ya que por ejemplo, para una misma región la dispersión de
salarios puede ser muy grande debido a otros factores tales como la antiguedad,
el nivel de estudios o la tecnología.

En prácticamente todos los rankings de salarios (gráficos de barras
horizontales), no quisimos dejar ningún valor fuera del análisis. Pero para
evitar inducir a interpretaciones erróneas, hemos marcado como con datos
insuficientes a aquellos elementos que no lleguen superar el umbral del 0,5% de
muestras sobre el total.

Para otros segmentos, simplemente hicimos un corte sobre los resultados más
frecuentes (rankings). Con esto aseguramos también que los datos presentados
sean relevantes para un análisis.

SALARIOS

Para los valores de los salarios aquí expuestos, ya sea por período, por género,
experiencia, etc. utilizamos la mediana del salario bruto. Este valor, si bien
se aproxima al promedio de una muestra, no es exactamente eso. La mediana
salarial, nos sirve mejor para entender mejor cual es el valor típico de una
muestra.

La mediana de los salarios, para los datos de la encuesta, suele estar levemente
por debajo del valor promedio.

VALORES ATÍPICOS

Muchos salarios ingresados no se corresponden necesariamente con datos reales.
Esto puede ser debido a errores de tipeo, no entendimiento de la pregunta, o
simplemente intencionales. Para evitar que estos valores distorsionen los
resultados, aplicamos el método del Rango Intercuartílico con un coeficiente de
3.5. Es muy posible que existan salarios reales que hayan quedado fuera del
análisis, por ser estos realmente outliers.

Adicionalmente, y dado que el método anteriormente mencionado resulta en cotas
inferiores negativas, para evitar distorsiones debido a valores demasiado bajos,
hemos eliminado todas aquellas entradas cuyo salario sea menor a medio salario
mínimo. Tanto para la más reciente encuesta como para las anteriores.

COTIZACIÓN DEL DÓLAR

Para el cálculo de salarios dolarizados, tomamos la cotización intradiaria
promedio de Bloomberg y tomamos la mediana del valor del día de publicación con
un delta de 5 días.

EXPERIENCIA

Para los gráficos en los cuales mencionamos experiencia o seniority, hemos
agrupado los datos relevados en tres grandes grupos:

 1. Junior: de 0 hasta 2 años.
 2. Semi-Senior: de 2 años inclusive hasta 5 años.
 3. Senior: desde 5 años inclusive.

Si bien esta forma de agrupar puede ser discutible, ayuda mucho a la hora de
visualizar los datos y reducir la dimensionalidad.

NORMALIZACIÓN DE ENTRADAS DE TEXTO LIBRE

En la encuesta algunos campos tales como nombre de la carrera universitaria,
nombre de la Universidad y rol, además de presentar opciones predefinidas,
también permiten texto libre (otros). Esto conlleva a una mayor dispersión de
valores, dado que cada participante contesta de maneras distintas:

 * en mayúsculas
 * en minúsculas
 * con abreviaciones
 * sin abreviaciones
 * con errores de ortografía
 * sin errores de ortografía
 * con increíbles errores de ortografía
 * todas las combinaciones posibles de las anteriores
 * etc.

De existir amplia dispersión, es impracticable poder obtener por ejemplo, una
noción del salario típico de un Analista Programador que no completó sus
estudios.

Para abordar este problema, quienes preparamos este informe escribimos una serie
de reglas basadas en expresiones regulares para normalizar los valores y también
reducir la dimensionalidad.

SERIES TEMPORALES

SALARIOS

Para los valores presentados de Progresión Histórica, tanto en el apartado de
Salarios como de Género, también hemos aplicado reglas de normalización de
valores y remoción de valores atípicos.

Por ejemplo, para los datasets de entre 2016 a 2018, los salarios podrían estar
dados en valores brutos o netos según cada respuesta. En ese caso, lo que se
hizo fue convertir los valores netos a brutos, sumándoles el procentaje
correspondiente a las cargas sociales. Por supuesto que existe cierto grado de
error, puesto que no consideramos el distorsivo Impuesto a las Ganancias, ya que
sería impracticable dado la complijidad de su cálculo y la falta de información
sobre posibles deducciones.

REPRESENTACIONES GRÁFICAS

ESCALAS

Para visualizaciones en las cuales el espectro de valores es demasiado amplio, y
a veces distante entre valores de una misma muestra, utilizamos la escala
logarítmica. Este recurso nos permite apreciar los datos de una manera más
clara, por ejemplo cuando existen valores cercanos a cero y otros de uno o más
órdenes de magnitud.

DATOS INSUFICIENTES

En muchas ocasiones, dado el nivel granularidad de ciertos gráficos, la cantidad
escasa de datapoints en algunos segmentos, pueden inducir a conclusiones
erróneas. Para advertir al lector de estos casos, hemos grisado en todos los
gráficos posibles aquellos segmentos cuya representatividad no supere el umbral
de 0,5%, tanto gráficos de barras horizontales como series históricas.

REPOSITORIOS

Acá encontraran toda la información para recrear los análisis, los google colab
de Python utilizados, y los datos tanto los originales como los limpios para que
puedan replicar y realizar nuevos análisis.

ANÁLISIS PREVIOS

 * Resultados de la encuesta de sueldos 2019.01
 * Resultados de la encuesta de sueldos 2019.02
 * Resultados de la encuesta de sueldos 2020.01
 * Resultados de la encuesta de sueldos 2020.02
 * Resultados de la encuesta de sueldos 2021.01
 * Resultados de la encuesta de sueldos 2021.02
 * Resultados de la encuesta de sueldos 2022.01

--------------------------------------------------------------------------------


Esta obra está bajo una Licencia Creative Commons
Atribución-NoComercial-CompartirIgual 4.0 Internacional.


Calificá tu empresa

openqube.io es una plataforma colaborativa en la que empleados y ex empleados
pueden calificar y escribir reseñas anónimas para brindar información de calidad
sobre las empresas


INFORMACIÓN

Contacto

© openqube, 2023 Todos los derechos reservados.

Promotores