Roadmap de Aprendizaje 2026
Un camino estructurado de 10 meses para pasar de no saber nada a tener el nivel necesario para conseguir tu primer rol como Data Engineer, o para consolidarte como Senior si ya estás en la industria.
Bases del Software y Datos
Antes de mover terabytes de datos, debes entender cómo funciona una computadora, la red y las bases de datos transaccionales.
- Linux & Terminal: Navegación de directorios,
grep,sed, permisos de archivos, SSH. - Git: Commits, branches, Pull Requests, merge conflicts.
- Bases de Datos Relacionales: Qué es PostgreSQL, cómo levantar uno con Docker, diferencias entre OLTP y OLAP.
- Data Warehouse Basics: Modelado Dimensional (Kimball), Star Schema.
SQL Avanzado y Python
El 90% de tu tiempo lo pasarás escribiendo código en estos dos lenguajes.
- SQL Nivel DE: Window Functions (
ROW_NUMBER(),RANK(),LEAD/LAG), CTEs, agregaciones avanzadas, optimización de queries (EXPLAIN). - Python para Datos: Estructuras de datos, OOP básico, APIs REST (
requests), manejo de JSON, Pandas y Polars. - Buenas Prácticas Python: Entornos virtuales (
venv,uv), type hinting, PEP8.
Herramientas Core
Aquí es donde construyes tus primeros pipelines ETL/ELT reales.
- Orquestación: Apache Airflow. Escribir DAGs, Operators y TaskGroups.
- Transformación: dbt (data build tool). Modelos, macros, tests.
- Almacenamiento: Amazon S3 o Google Cloud Storage. Parquet vs CSV.
- Data Warehouse Cloud: Snowflake o BigQuery. Levantar instancias de prueba y cargar datos.
Escalando el Procesamiento
Cuando Pandas ya no alcanza y los datos no caben en memoria, necesitas sistemas distribuidos.
- Apache Spark: Arquitectura (Driver/Worker), PySpark, DataFrames, Particionamiento, Lazy Evaluation.
- Lakehouse Architecture: Delta Lake, Apache Iceberg, Apache Hudi. Time travel y ACID en el Data Lake.
- Streaming (Opcional pero recomendado): Apache Kafka básico (Topics, Producers, Consumers).
DevOps, Calidad y Arquitectura
Lo que diferencia a un Junior de un Senior no es qué herramientas conoce, sino cómo diseña, despliega y mantiene sistemas robustos.
- Infrastructure as Code: Terraform básico.
- CI/CD: GitHub Actions para testear código dbt y DAGs de Airflow.
- Data Quality & Observability: Great Expectations, alertas en Slack, SLAs.
- System Design: Lambda, Kappa y Data Mesh. Diseño de arquitecturas tolerantes a fallos.
No intentes aprender todo a la vez (tutorial hell). Por cada mes de aprendizaje teórico, dedica dos semanas a construir un proyecto que integre lo aprendido. (Ver Capítulo 18: Portfolio de Proyectos).