Cómo calculamos las estimaciones salariales

No tenemos acceso a bases de datos salariales de empresas en tiempo real, plataformas de RRHH propietarias ni datos de ofertas de empleo en directo. Queremos ser transparentes al respecto.

Nuestras estimaciones salariales se construyen a partir de encuestas oficiales de salarios y plataformas de compensación de la comunidad, normalizadas en un único pipeline estructurado:

• Encuestas oficiales de salarios — INE EES (España), Eurostat SES (UE), Destatis VSE (Alemania) y ONS ASHE (Reino Unido). Son las fuentes estadísticamente más fiables disponibles: muestras grandes, metodología consistente y publicadas bajo licencias de datos abiertos.
• Datos de compensación de Levels.fyi — curados manualmente a partir de rangos salariales visibles públicamente en la plataforma, usados como señal direccional para roles tecnológicos en grandes ciudades. Datos autodeclarados con sesgo al alza conocido: se tratan como señal del mercado alto, no como mediana.
• Modelado estructurado — para combinaciones de rol/ciudad donde no tenemos datos directos, recurrimos a un modelo calibrado con multiplicadores de ubicación y experiencia derivados de las encuestas anteriores.

Todos los registros se normalizan en un esquema unificado y se etiquetan explícitamente con su fuente, ámbito geográfico, nivel de seniority y antigüedad. Las estimaciones solo se producen a partir de este pipeline; no usamos datos sintéticos.

Cuando consultas un rol y una ciudad, ejecutamos una búsqueda geográfica de 3 niveles sobre nuestro conjunto de registros normalizados:

1. Registros a nivel de ciudad — los más específicos y con mayor peso. Por ejemplo, datos regionales del INE para Madrid o registros de Levels.fyi para Barcelona.
2. Registros a nivel de país — datos de encuestas nacionales (p. ej. INE nacional para España, Destatis VSE nacional para Alemania).
3. Datos europeos de respaldo — datos agregados de Eurostat SES, usados solo cuando no existen registros específicos del país para una combinación.

Cada registro se pondera por cuatro factores: fiabilidad de la fuente (las encuestas gubernamentales tienen el mayor peso), actualidad de los datos (decrecimiento de ~15% por año), especificidad geográfica (ciudad > país > Europa) y confianza en la normalización del rol (qué tan bien encaja el código de ocupación en nuestra definición de rol).

Si los registros disponibles no coinciden exactamente con el seniority consultado, aplicamos una curva de experiencia — una función no lineal suave (spline de Hermite) calibrada a partir de datos observados del mercado tecnológico europeo. El nivel inicial es aproximadamente el 58% del mercado medio; 15 años de experiencia equivalen a aproximadamente el 148%.

El resultado es un rango bajo / mediano / alto (P25/P50/P75 ponderados entre los registros que contribuyen) y una estimación del percentil en el que se sitúa tu salario.

Aplicamos una asignación estricta de país a fuente. Los datos del Reino Unido nunca se usan para estimar salarios de la UE, y viceversa.

• Estimaciones para España se calibran a partir de la Encuesta de Estructura Salarial del INE (encuesta gubernamental española). Los datos de Eurostat no se usan para estas ubicaciones.
• Estimaciones para el resto de Europa continental (Alemania, Francia, Países Bajos, Irlanda) se calibran a partir de la Encuesta de Estructura Salarial de Eurostat. Los datos del INE no se usan para estas ubicaciones.
• Estimaciones para roles tecnológicos en grandes ciudades (Madrid, Barcelona, Berlín, Ámsterdam, París, Dublín) se cruzan adicionalmente con datos de compensación de Levels.fyi, que tiene buena cobertura del mercado tecnológico europeo.
• Los datos salariales de Glassdoor se usan solo como verificación secundaria de dirección, no como entrada principal. Se aplican por país con un peso de 0,55× frente a 0,80–0,90× para fuentes gubernamentales. Indeed no está integrado actualmente.

Este mapeo se mantiene explícitamente en nuestra capa de datos y se valida en el momento de compilación para evitar mezclas accidentales entre países.

Nuestro pipeline salarial utiliza las siguientes fuentes disponibles públicamente, cada una etiquetada con su ámbito geográfico y método de ingesta:

• INE Encuesta de Estructura Salarial 2024 (ine-ees) — Encuesta nacional de estructura salarial de España. Códigos de ocupación CNO-11. Incluye desglose regional de la Comunidad de Madrid y Cataluña (usado para Madrid y Barcelona). Se requiere atribución al INE. Solo España.
• Eurostat Structure of Earnings Survey 2022 (eurostat-ses) — Datos de ingresos por estados miembros de la UE por ocupación ISCO-08, tamaño de empresa y país. Cubre DE, NL, ES, FR, IE y otros. Se publica cada 4 años; próxima edición 2026. Mercados europeos continentales.
• Destatis Verdienststrukturerhebung 2024 (destatis-vse) — Encuesta de estructura salarial nacional de Alemania. Códigos de ocupación KldB 2010. Incluye desglose del estado federal de Berlín. Solo Alemania.
• UK ONS ASHE 2025 (ons-uk) — Annual Survey of Hours and Earnings. Códigos de ocupación SOC 2020. Cubre el pago bruto anual nacional del Reino Unido y regional de Londres. Solo ubicaciones del Reino Unido.
• CBS Arbeidsrekening 2024 (cbs-nl) — Estadísticas del mercado laboral de los Países Bajos. Cubre ingresos brutos por ocupación y sector. Solo Países Bajos.
• CSO Earnings and Labour Costs 2024 (cso-ie) — Encuesta de ingresos de la Oficina Central de Estadística de Irlanda. Cubre ingresos brutos anuales por ocupación. Solo Irlanda.
• INSEE DADS 2024 (insee-fr) — Declaración Anual de Datos Sociales de Francia. Cubre el salario bruto anual por ocupación y región. Solo Francia.
• BFS Lohnstrukturerhebung 2024 (bfs-ch) — Encuesta de estructura salarial de la Oficina Federal de Estadística de Suiza. Solo Suiza.
• SCB Lönestrukturstatistik 2024 (scb-se) — Encuesta de ingresos de Statistics Sweden. Solo Suecia.
• Istat Indagine Retribuzioni 2024 (istat-it) — Encuesta de ingresos laborales del Instituto Nacional de Estadística de Italia. Solo Italia.
• GUS Struktura Wynagrodzeń 2024 (gus-pl) — Encuesta de estructura salarial de la Oficina Central de Estadística de Polonia. Solo Polonia.
• Levels.fyi 2024 (levels-fyi) — Curado manualmente a partir de rangos salariales visibles públicamente. Representativo de empresas tecnológicas más grandes y empleadores por encima de la mediana del mercado. Los datos autodeclarados tienen un sesgo al alza conocido — se usan como señal del mercado alto para roles de ingeniería, producto y datos. No se usa para roles no tecnológicos.

Las encuestas gubernamentales tienen el mayor peso en nuestro pipeline. Levels.fyi tiene un peso de aproximadamente 0,65× frente a 0,80–0,90× para fuentes de estadísticas nacionales. Los datos salariales de Glassdoor se usan como verificación secundaria de dirección con un peso de 0,55× y no son un factor principal.

Asignamos un nivel de fiabilidad — Alta, Media o Baja — a cada estimación, calculado directamente a partir de los datos del pipeline usados para producirla. No es una etiqueta heurística; se deriva de seis factores medidos:

• Diversidad de fuentes — cuántas fuentes distintas contribuyeron. Una sola fuente = media como máximo.
• Número de registros — cuántos registros normalizados coincidieron con la consulta. Menos registros = menor fiabilidad.
• Actualidad — qué tan recientes son los datos. Las encuestas gubernamentales se realizan cada 4 años; la actualidad decrece un 15% por año desde la fecha de publicación.
• Especificidad geográfica — los datos a nivel de ciudad tienen la puntuación más alta; el respaldo europeo, la más baja.
• Coincidencia de seniority — si existen registros para el seniority exacto consultado o si tuvimos que interpolar usando la curva de experiencia.
• Profundidad de respaldo — si llegamos al nivel de respaldo europeo, lo que significa que no había datos específicos del país disponibles.

La fiabilidad alta requiere una puntuación compuesta ≥ 0,75 en estos factores. Media es 0,45–0,74. Fiabilidad baja significa que la estimación se basa en datos escasos o indirectos — úsala solo como referencia aproximada.

Creemos que la transparencia aquí es importante. Hay limitaciones reales que debes tener en cuenta:

• No todos los sectores están bien representados. Nuestras estimaciones son más sólidas para roles de tecnología, producto, marketing, ventas y operaciones. Los roles legales, ejecutivos, de asesoría financiera y altamente especializados no están bien modelados.
• No tenemos en cuenta el tamaño o etapa de la empresa. Un ingeniero senior en una startup en fase inicial y uno en una gran empresa no cobran lo mismo. Nuestras estimaciones reflejan una media amplia del mercado, no un tipo de empresa específico.
• No incluimos equity, bonus ni beneficios. La compensación total puede ser significativamente mayor que el salario base, especialmente en tecnología. Nuestra herramienta solo estima el salario bruto anual base.
• Los datos no son en tiempo real. Actualizamos el modelo periódicamente, pero los salarios pueden cambiar rápidamente en mercados en movimiento.
• Los valores de divisa no son tipos de cambio en directo. Las estimaciones del Reino Unido están en GBP; las europeas en EUR. No aplicamos tipos de cambio en tiempo real entre ellas.

A pesar de estas limitaciones, comparar tu salario es genuinamente útil, incluso con estimaciones modeladas.

La mayoría de las personas no tienen ninguna referencia externa sobre su salario. Aceptaron una oferta, recibieron incrementos anuales y no saben si están en el percentil 30 o en el 80 para su rol. Esa asimetría favorece a los empleadores.

Nuestra herramienta te da una señal direccional. Si nuestro modelo sitúa tu salario actual en el 25% inferior para tu rol y ciudad, ese es un dato relevante, aunque la mediana exacta difiera en unos miles de euros. Te indica que hay una conversación que merece la pena tener.

Para una visión más precisa, te recomendamos combinar nuestra estimación con:

• Ofertas de trabajo para roles similares en tu ciudad
• Conversaciones con recruiters que puedan compartir tarifas de mercado actuales
• Debates salariales en tu red profesional
• Datos de encuestas salariales publicados por organismos gubernamentales

Nuestro objetivo es darte suficiente señal para iniciar la conversación, con tu manager, un recruiter o contigo mismo.