De Data Scientist a Senior DS y Lead: Un Mapa de 18 a 36 Meses

Usted lleva dos o tres años como Data Scientist. Sus notebooks están limpios. Su AUC ha subido. Desplegó el modelo de predicción de abandono que el VP de Growth todavía menciona en las QBRs. En el último ciclo, dos colegas fueron promovidos y la retroalimentación que recibió fue algo como "mayor impacto" o "más ownership". Llegó a casa y releyó el rubric. No decía nada nuevo.

Esto es lo que está ocurriendo en realidad: usted es dueño de un modelo en una empresa que necesita dueños de resultados de negocio, y la brecha entre esos dos trabajos es más amplia de lo que la mayoría de las escalas salariales dejan ver. Las personas que suben de nivel en 18 a 36 meses lo entendieron. Las que se estancan siguen optimizando lo que las llevó al nivel medio (mejores modelos, código más limpio, gráficos más precisos) y se preguntan por qué el rubric nunca parece aplicarles.

Esta guía es el mapa que me hubiera gustado tener cuando estaba atascado en DS. Qué cambia en Senior. Qué cambia en Lead. Qué capacidades necesita desarrollar realmente entre bandas. Y los rangos de compensación, porque fingir que el dinero no es parte de esto es una de las mentiras más molestas de la industria.

Por qué esto importa ahora (y por qué esperar es costoso)

La brecha de compensación entre bandas es real, y es mayor que hace tres años. El salto de DS a Senior DS suele representar entre $40,000 y $60,000 USD en compensación total. De Senior a Lead, otros $50,000 a $90,000 USD. Calculado a lo largo del resto de su carrera, el costo de estancarse 18 meses adicionales en una banda está entre "el enganche de una casa" y "el enganche de dos".

Lo otro que es costoso: esperar a que la promoción le llegue. La narrativa de "haga un trabajo excelente y lo notarán" es, en mi experiencia, principalmente un mecanismo de defensa de quienes no quieren hacer el trabajo político de pedirlo. La promoción es un proceso. Los procesos tienen entradas. La mayoría de las empresas no va a iniciar ese proceso por usted, porque el manager que se beneficia de que usted permanezca en nivel medio es el mismo que escribe su evaluación.

Los DSes que ascienden rápido no son necesariamente más inteligentes. Han descifrado qué recompensa cada banda y apuntan hacia allá con intención.

Qué cambia en Senior DS

El trabajo de DS es "desplegar modelos según tickets". El trabajo de Senior DS es "ser el punto de contacto de ML para un dominio de negocio".

En concreto, esto es lo que cambia:

Usted es dueño de un área de dominio. Precios. Abandono. Matching en marketplaces. Fraude. Forecasting. Elige uno (o uno lo elige a usted) y en seis meses debería conocer su métrica de negocio tan bien como lo hace el GM. Si usted es el DS de precios y no puede decirme cuál fue la realización neta de precios del trimestre pasado, aún no es el DS de precios: es simplemente un DS que trabaja en tickets de precios.

Hace mentoring de al menos un IC. No "responder preguntas en Slack". Mentoring real. Acompañe a un DS junior en un proyecto de principio a fin, incluidas las partes difíciles de documentar: cuándo rechazar la propuesta de un PM, cómo saber si un modelo es demasiado complejo para valer la pena, cómo leer la sala con una parte interesada.

Participa en la planificación del PM, no solo recibe tickets. Los Senior DSes aparecen en las reuniones de roadmap. Argumentan a favor de proyectos de ML, en contra de proyectos de ML, y a favor de soluciones sin ML cuando ML es la herramienta equivocada. Si su trabajo de ML se está definiendo sin que usted esté en la sala, está operando a nivel DS sin importar cuál sea su título.

Usted escribe la especificación, no solo el código. Una especificación de modelo responde las preguntas que un PM y un VP harán antes de que el modelo exista: cuál es la métrica de negocio, cuáles son los criterios de cancelación, cuál es la peor decisión que el modelo podría tomar, cuál es el plan de reversión. Usted la escribe. La defiende. La revisa. El código viene después.

Cuando pasé de DS a Senior, lo primero que se rompió fueron mis actualizaciones en el standup. Seguían siendo sobre métricas del modelo. Mi nuevo manager me llamó aparte y me dijo, con calma: "No necesito escuchar sobre AUC. Cuéntame qué cambió para el negocio esta semana." Esa fue toda la promoción resumida en una frase.

Qué cambia en Lead DS

El trabajo de Senior DS es "ser dueño de un dominio". El trabajo de Lead DS es, en su mayor parte, no hacer modelado. Esta es la parte que nadie le dice, y es donde muchos Senior DSes sólidos o rebotan del rol o se agotan fingiendo que pueden hacer ambas cosas.

Usted es dueño de un roadmap de ML de 6 a 12 meses. Resultados trimestrales, apuestas priorizadas, fechas de cancelación. Usted lo escribe, lo vende al VP y asume la responsabilidad de las apuestas que fracasan. Defenderá proyectos fallidos ante finanzas. Acostúmbrese.

Gestiona entre 2 y 4 DSes. 1:1s semanales, evaluaciones de desempeño, PIPs cuando corresponden, ciclos de contratación. La primera vez que tenga que dar a un Senior DS una calificación de "necesita mejorar", entenderá por qué la gestión no es simplemente trabajo de IC más reuniones adicionales.

Defiende headcount y presupuesto de herramientas. Pasará tardes enteras frente a un socio de finanzas explicando por qué el equipo necesita otro DS, por qué el almacén de características no puede ser una tabla de Postgres, por qué la factura de GPU subió. Perderá algunos de estos argumentos. Su equipo observará cómo acepta la derrota.

Traduce la estrategia ejecutiva en apuestas de ML. Cuando el CEO dice "necesitamos ser AI-first para el Q3", eso es una declaración, no un plan. Usted lo convierte en tres apuestas concretas, cada una con criterios de cancelación, cada una con un Senior DS que la posee. Luego protege esas apuestas de las docenas de solicitudes improvisadas que llegarán a su equipo de aquí al Q3.

La verdad honesta: cuando pasé de Senior a Lead, lo primero que se rompió fue mi laptop, porque dejé de abrir mi IDE y la cola de actualizaciones se acumuló durante tres semanas. Si llegó a la ciencia de datos porque ama el modelado, el trabajo de Lead se sentirá como un cambio de reglas a mitad del partido. Si llegó porque le encanta ver cómo los datos mueven un negocio, el trabajo de Lead es donde realmente puede hacer eso.

Las cuatro capacidades que desarrolla entre bandas

Los títulos son un resultado. La entrada son las capacidades. Estas cuatro son las que, en mi experiencia, todo comité de promoción evalúa realmente, aunque el rubric no las liste con tanta claridad.

1. Encuadre del problema

Convertir "queremos usar ML para X" en un proyecto medible, acotado y cancelable. Esto incluye la habilidad más importante de todas: saber cuándo no usar ML. Un Senior DS que le dice al VP "no necesitamos un modelo para esto, un dashboard ordenado resuelve el 80% de forma gratuita" será recordado. Un Senior DS que construye el modelo de todas formas porque estaba en el roadmap, no lo será.

El artefacto: un documento de una página con la métrica de negocio, la línea base, el objetivo, los criterios de cancelación y una sección de "qué no estamos resolviendo explícitamente".

2. Productización

Desplegar un modelo que sobreviva un año en producción. Esto significa monitoreo del modelo, disparadores de reentrenamiento, detección de deriva del modelo, una rotación de guardia que lo incluya a usted, un camino de reversión y una plantilla de análisis posterior que haya usado en la práctica. Un modelo que gana fuera de línea pero muere en producción no es un entregable de Senior DS: es un proyecto de feria de ciencias.

El artefacto: un documento de "modelo en producción" que un ingeniero de guardia que no está en su equipo pueda usar a las 2 a.m. para decidir si hacer reversión.

3. Narrativa ejecutiva

Explicar el impacto en el negocio de un modelo a un VP no técnico en tres diapositivas, con un número en el que confíen. El número es la parte difícil. "Vimos un incremento del 4%" no es confiable. "Vimos un incremento del 4% en este segmento, aquí está el conjunto de retención, aquí está el valor en dólares al volumen actual, aquí está el supuesto que estamos haciendo sobre la canibalización" sí lo es. La narrativa ejecutiva es donde la mayoría de los Senior DSes sólidos empiezan a parecer Lead DSes antes de tiempo.

El artefacto: una plantilla de tres diapositivas (qué hicimos, qué cambió, qué recomendamos a continuación) que pueda completar para cualquier proyecto en 30 minutos.

4. Contratación

Escribir una descripción de puesto, conducir un ciclo de entrevistas, calibrar un panel, cerrar a un candidato frente a una oferta competidora. No necesita gestionar para hacer esto. Los Senior DSes que pueden conducir un ciclo de contratación son notados; los que no pueden, se estancan. Para cuando compita por Lead, ya debería haber cerrado al menos a un candidato. (Si necesita un punto de partida para la descripción de puesto, la Plantilla de Descripción de Puesto para Data Scientist es el complemento de esta guía.)

El artefacto: un documento de debriefing desde el cual pueda operar, con rubrics calibrados para cada etapa de entrevista y una pregunta de "qué cambiaría mi opinión" para la ronda final.

La realidad de la compensación (EE. UU., rangos 2026)

Números reales, no "compensación competitiva" sin detalles. Estos reflejan empleadores medianos a grandes en tecnología en EE. UU., base más bono más equity de nueva contratación, con vesting anual.

Algunos factores que mueven estos números:

• Empresas públicas FAANG: agregue entre 30 y 40% en equity en Senior y superior. Un Lead DS en una de esas puede superar $500,000 en compensación total en un buen año bursátil.
• Startups Serie B/C: generalmente 10-15% menos en base; el equity es el boleto de lotería. No tome el boleto de lotería como efectivo. Calcúlelo en cero y decida si el efectivo solo es aceptable.
• Geografía: estos son puntos de referencia para SF/NYC/Seattle. La mayoría de las ciudades principales de EE. UU. están ahora dentro del 5-10% de estos valores. Las empresas completamente remotas tienden a anclar en un promedio nacional que está entre 10-15% por debajo.
• Movimiento desde 2024: los rangos subieron entre 8 y 12% en general. Si su último punto de referencia fue levels.fyi de 2024, su número está desactualizado.

Si está comparando frente a una oferta ahora mismo, la brecha entre el fondo de la banda Senior y el tope de la banda DS es la zona de negociación. La mayoría de las empresas peleará con usted. La mayoría de los candidatos cede. No ceda.

La trampa del perfeccionismo técnico

Esta es la razón más común por la que los DSes de nivel medio se estancan, y vale la pena nombrarla directamente porque los síntomas son sutiles.

Usted está en la trampa si:

• Sus actualizaciones en el standup son sobre métricas del modelo, no sobre métricas de negocio.
• Su manager reenvía preguntas ejecutivas a usted en lugar de confiar en su respuesta directa.
• No ha hablado con un PM por iniciativa propia en el último mes.
• Puede nombrar el AUC de su modelo pero no el valor en dólares de un incremento del 1% en la métrica que sirve.
• Pasa las noches leyendo papers pero no recuerda la última vez que leyó un memo financiero de su CFO.
• La frase "pero el modelo es mejor" aparece en la autoevaluación de su desempeño.

Salir de la trampa es sencillo, aunque no fácil:

1. Elija una métrica de negocio. Solo una. Retención neta de ingresos, margen bruto, tasa de participación, ratio de deuda incobrable. Elija la más cercana a su trabajo actual.
2. Pase dos semanas hablando con las personas que la poseen. PM, GM, socio de finanzas. Pregunte qué la mueve, qué se ha intentado antes, qué darían por moverla.
3. Escriba un documento de una página con criterios de cancelación que proponga qué podría desplegar su equipo contra esa métrica y qué significaría que no funcionó.
4. Preséntelo a su skip-level. No a su manager. A su skip-level. (Informe a su manager primero. No lo tome por sorpresa.)
5. Despliéguelo.

La primera vez que haga esto, se sentirá como si se saltara la fila. No es así. Simplemente está haciendo el trabajo que la siguiente banda siempre le iba a pedir.

El plan de 18 a 36 meses

Una línea de tiempo real, no una fantasía. Comprima donde pueda; no pretenda que está comprimiendo cuando en realidad está omitiendo pasos.

Meses 0-6: Elija su dominio. Domíne su métrica de negocio. Lea cada análisis posterior y documento de proyecto vinculado a él. Deje de ofrecerse para trabajo de modelado "interesante" fuera de su dominio. Es la forma más costosa de distracción en esta banda.

Meses 6-12: Sea dueño de un modelo en producción de principio a fin. Desde la especificación hasta el monitoreo y el análisis posterior cuando falle (y fallará). Haga mentoring a un DS nuevo durante su primer despliegue. (Primer Modelo de ML en Producción: Una Guía de Supervivencia es un complemento útil aquí.)

Meses 12-18: Conduzca un ciclo de contratación. Presente los resultados del modelo a un VP sin que su manager lo acompañe. Luego solicite el título de Senior DS con evidencia: la especificación, el modelo en producción, la promoción del mentee, el deck para el VP.

Meses 18-24: Como Senior DS, escriba la propuesta de roadmap del equipo aunque nadie lo haya pedido. La primera vez será editada o ignorada. Escriba la siguiente de todas formas. Escribir el roadmap es la señal de trayectoria Lead más visible en esta banda.

Meses 24-36: Gestione uno o dos DSes de manera informal y luego formal. Defienda una línea de presupuesto. Tome el título de Lead y, si su empresa no lo tiene, el siguiente movimiento es irse a una que sí lo tenga, con una oferta limpia de Lead, no una promesa de "Senior DS pero consideraremos Lead más adelante".

Errores comunes

Tratar Lead DS como "Senior DS más dos años". Es un trabajo diferente. Mayormente sin código. Si no quiere ese trabajo, eso es información, no fracaso.

Perseguir el track de IC en empresas que en realidad no lo tienen. Muchas empresas le dirán que tienen un track de Principal/Staff DS. Muy pocas han promovido realmente a alguien en los últimos 18 meses. Pida ejemplos con nombres. Si no pueden darle ninguno, ese track no existe para usted.

Quedarse en una empresa que topa DS en Senior para evitar la carga de gestión. Este es un patrón real en startups Serie B. La frase "ya veremos cómo crear un rol de Lead cuando lo necesitemos" significa que no hay ninguno. Puede esperar, o puede irse.

Comparar compensación contra los datos del año pasado en levels.fyi. Los rangos subieron entre 8 y 12% desde 2024. Su número es más antiguo de lo que cree.

Confundir habilidad de modelado con seniority. Conozco Senior DSes que son peores modeladores que los DSes que gestionan. Fueron promovidos porque encuadraban mejor los problemas, desplegaban con más consistencia y documentaban las cosas. Esas son las entradas que el rubric realmente recompensa.

Una nota sobre el track de IC

Si ama el modelado y es bueno en él, el movimiento de carrera más honesto puede ser quedarse como Senior DS en una empresa con una escala IC real, y eso es una estrategia, no un fracaso. Los roles de Lead, Staff, Principal y Distinguished DS existen en empresas que se toman ML en serio, y la compensación en la cima de esas escalas iguala o supera el track de gestión. La trampa es quedarse como Senior en una empresa que silenciosamente lo topa ahí, no el track de IC en sí. Elija primero la empresa, el título en segundo lugar.

Cómo medir el progreso

Usted va por buen camino cuando:

• Puede nombrar la métrica de negocio que mueve su trabajo y el valor en dólares de un incremento del 1%.
• Su PM le trae problemas antes de soluciones, no tickets después de haberlas definido.
• Ha hecho mentoring de al menos un DS a través de un despliegue real en los últimos seis meses.
• Ha participado en un ciclo de contratación en el último trimestre.
• Su skip-level conoce su nombre y en qué está trabajando sin que su manager lo indique.

Si la mayoría de esos puntos son verdaderos, ya está operando en la siguiente banda. El título es solo el papeleo.

Aprenda más

• Plantilla de Descripción de Puesto para Data Scientist: la descripción de puesto complementaria para el rol al que está creciendo
• Cómo Encuadrar un Problema de ML que Realmente se Despliega
• El Primer Modelo de ML en Producción: Una Guía de Supervivencia
• Contratar a su Primer Data Scientist