
Dan Patiño
AI Strategy & Innovation en Coderhouse
Data
Qué hace un SQL Developer, cuánto gana y cómo entrar al rol desde analytics
Publicado el
Resumen ejecutivo
El SQL Developer se especializa en modelado, performance de queries, objetos de base (vistas, procedures) y a menudo ETL liviano.
No es “solo escribir SELECTs”: diseña esquemas, índices, estándares y colabora con BI y aplicaciones.
Desde analytics podés entrar si ya dominás SQL avanzado (window functions, CTEs) y sumás modelado y tuning.
Skills clave: DDL/DML, planes de ejecución, normalización vs denormalización, Git y colaboración con data/BI.
Si sos analista y tu día a día ya es SQL complejo, el rol de SQL Developer es el siguiente escalón técnico sin saltar de golpe a Data Engineer full. El ángulo es el puente concreto: modelado, performance y ETL liviano. ¿Por qué ahora? Hay demanda de búsqueda alrededor de “SQL developer” con poca cobertura local frente a warehouse y BI. Contrastá con BI Analyst y con roles de calidad como QA Tester para ubicar dónde encajás.
Qué hace un SQL Developer
Modelado: tablas, keys, constraints, naming conventions.
Performance: índices, planes de ejecución, reescritura de queries lentas.
Objetos: vistas, stored procedures, funciones, jobs.
ETL liviano: cargas batch, merges, validaciones de calidad.
Soporte a BI/apps: datasets confiables, documentación, ownership de capas SQL.
Cuánto se gana (orientación)
Los rangos varían por país, stack (SQL Server, Oracle, PostgreSQL, Snowflake) y si el rol es más DBA-adjacent o más analytics-engineering. En LATAM suele ubicarse entre un analista senior fuerte en SQL y un Data Engineer junior/mid: más que “solo reporting”, menos que pipelines Spark a full. Mirás bandejas en portales locales y remotos; el diferencial salarial viene de tuning + modelado en producción.
Skills y stack
SQL avanzado (window, CTEs, pivots, anti-joins).
Lectura de EXPLAIN / planes de ejecución.
Modelado dimensional vs 3NF según caso.
Control de versiones de scripts (Git) y code review de SQL.
Nociones de seguridad: roles, grants, PII.
Referencias: documentación oficial de PostgreSQL para planes e índices, y guías de modelado de dbt cuando el SQL Developer convive con analytics engineering.
Cómo entrar desde analytics
Pedí ownership de un datamart o de un conjunto de vistas críticas.
Documentá un caso de “query de 40s → 2s” con antes/después del plan.
Aprendé DDL real: crear tablas, constraints, migraciones.
Postulate a “SQL Developer”, “Database Developer”, “Analytics Engineer” junior.
Cursos recomendados de Coderhouse
El Curso de Data Analytics y Excel consolidan el pensamiento analítico; si querés subir a ingeniería de datos, explorá la oferta de Data Engineer / datos en cursos de Coderhouse.
CTA: esta semana tomá tu query más lenta, mirá el plan de ejecución y proponé un índice o reescritura. Formate en Data Analytics en Coderhouse para profesionalizar ese músculo.
Preguntas frecuentes
¿Es lo mismo que DBA? No. DBA opera la instancia (backup, HA, usuarios); SQL Developer construye lógica y modelos de datos.
¿Necesito saber un lenguaje además de SQL? Python o un ETL tool ayuda, pero el núcleo sigue siendo SQL + modelado.
¿Snowflake/BigQuery cuentan? Sí: el rol existe en warehouses cloud con otros nombres (analytics engineer).
¿Puente a Data Engineer? Natural: sumá orquestación (Airflow), streaming y calidad de pipelines.

Sobre el autor
Soy Dan Patiño, responsable de AI Strategy & Innovation en Coderhouse. Mi día a día consiste en fusionar la gestión táctica del e-commerce (CRO, Email Marketing y SEO) con el desarrollo de soluciones disruptivas. Me especializo en crear apps internas con IA para automatizar tareas y potenciar la innovación dentro del equipo. Creo fielmente que la tecnología es el mejor aliado de la estrategia. Para profundizar en mi recorrido profesional, te espero en mi perfil de LinkedIn.
Artículos destacados
Ver todos los artículos
Guía de Rol
Business Intelligence como carrera: qué hace un BI Analyst, cuánto gana y cómo entrar al sector
Publicado el
Tutorial: Guía Paso a Paso
APIs de IA para principiantes: cómo conectar GPT, Claude y Gemini a tus proyectos
Publicado el
Comparativa de Herramientas
Business Intelligence vs Data Analytics: diferencias clave, herramientas y qué aprender primero en Argentina
Publicado el
Uso de IA
Agentes de IA: qué son, para qué sirven y cómo empezar a usarlos en tu trabajo
Publicado el
Tutorial: Guía Paso a Paso
Claude Cowork vs. ChatGPT: ¿Cuál es la mejor herramienta?
Publicado el
Ruta de Aprendizaje
¿Cómo aprender inteligencia artificial desde cero? Guía Completa
Publicado el


