Fuentes de datos

Para estimar el número de desarrolladores en un país determinado, recopilamos datos de organizaciones laborales internacionales (como Eurostat) y utilizamos las estadísticas nacionales de ese país concreto (por ejemplo, utilizamos Statistics Canada para Canadá). Dado que los distintos países definen el término «programador» de manera diferente, recopilamos los datos más relevantes para el propósito de nuestro estudio. Por ejemplo, en EE. UU., las siguientes profesiones coinciden de forma muy cercana con la definición de «programador»:

  • 15-1131 Programadores informáticos
  • 15-1132 Desarrolladores de software, aplicaciones
  • 15-1133 Desarrolladores de software, software de sistemas
  • 15-1134 Desarrolladores web

Todos los años realizamos una encuesta sobre el ecosistema de los desarrolladores en la que nos ponemos en contacto con 30 000 desarrolladores de todo el mundo. Estos datos han sido fundamentales para crear nuestro modelo de investigación. Nos permite comprender de modo exhaustivo a la comunidad de desarrolladores, incluida información sobre los lenguajes de programación más populares, herramientas, tecnologías, preferencias de los desarrolladores y tendencias emergentes.

Nuestro modelo

Nos basamos en el tamaño de la población y el número de desarrolladores en un país específico (X) en un año determinado (T) para crear nuestro modelo. Utilizamos los últimos datos del país accesibles al público para identificar el año con la información más actualizada para nuestros cálculos. Esto nos permite calcular la densidad de desarrolladores en ese país durante ese año concreto.

DevDensity = DevNumber/Population

Para calcular el número de desarrolladores de años más recientes (T+1, T+2, ...) para el mismo país, suponemos que la densidad es constante y la aplicamos a las cifras de población recientes del país, según las estimaciones de las Naciones Unidas. Este modelo ha demostrado su eficacia basándose en análisis retrospectivos. Para calcular el número de desarrolladores de un país del que faltan datos, utilizamos los datos de otros países de la misma región (representados por «Y»). Para cada país Yᵢ calculamos la densidad media a lo largo de todos los años conocidos. A continuación, elegimos un cuantil del 10 % entre los valores medios resultantes. Esto se aproximará a la densidad de desarrolladores en el país X.

Una vez calculada la densidad de la población general de desarrolladores, podemos calcular el tamaño de una categoría concreta de desarrolladores dentro de esa comunidad. Conociendo la proporción de la categoría de interés en la muestra a partir de los datos de la encuesta sobre el Estado del ecosistema de los desarrolladores (por ejemplo, los programadores que utilizan Python entre todos los programadores), podemos calcular el tamaño de esta categoría específica del siguiente modo:

CategorySize = CategoryShare х DevPopulation

Supongamos que queremos estimar el número de desarrolladores que utilizarán Python en EE. UU. en 2023.

Disponemos de los datos del Estado del ecosistema de los desarrolladores 2023 y podemos confiar en las respuestas a las siguientes preguntas de la encuesta:

  • ¿Cuál es su país o región?
  • ¿Qué lenguajes de programación ha utilizado en los últimos 12 meses?

De todos los encuestados que respondieron «Estados Unidos» como su país o región, la proporción de desarrolladores en EE. UU. que utilizan Python se estimaría como la proporción ponderada de encuestados que respondieron «Python» como su lenguaje de programación.

La estimación sobre el número de desarrolladores que utilizan Python en EE. UU. en 2023 puede calcularse entonces del siguiente modo:

SizeUsaPython = ShareUsaPython х DevPopulationUSA

Sus limitaciones

Nuestra metodología tiene varias limitaciones:

Actualmente, nuestro modelo solo tiene en cuenta a los desarrolladores profesionales.No incluimos a los estudiantes ni a los aficionados, ya que nuestros datos y metodología no son suficientes para contabilizar a estas personas.

Cuando falta información para un año concreto, utilizamos los datos más recientes disponibles. En el caso de algunos países, faltan datos y es necesario sustituirlos o depurarlos.

Nuestro panel tiene opciones de filtro limitadas e incluye solo las opciones para las que disponemos de datos completos.

Las cifras solo reflejan el valor más probable (previsión media) y no deben tratarse como un valor exacto. Según las pruebas retrospectivas del modelo, por término medio, los valores reales se desvían de los previstos en un 14 % (Métrica MAPE). Esto nos da una idea de cuánto pueden desviarse los valores reales de las previsiones mostradas en el panel.

Calculadora de salarios

Nuestra calculadora de salarios se basa en los datos recogidos en nuestra Encuesta anual sobre el ecosistema de los desarrolladores. Los datos salariales se obtuvieron preguntando a los encuestados por su salario neto anual (después de impuestos) en USD, excluyendo cualquier bonificación.

La metodología de nuestra calculadora de salarios tiene varias limitaciones:

  • Se pide a los encuestados que faciliten su información salarial en forma de intervalos salariales en lugar de cifras salariales concretas. Esto significa que la calculadora de salarios solo puede proporcionar estimaciones dentro de estos rangos, y puede no ser capaz de proporcionar estimaciones precisas.
  • Los factores que influyen en un salario pueden variar en función del puesto de trabajo. Aunque tenemos respuestas de personas que desempeñan diversas funciones (diseñadores, jefes de proyecto, jefes de producto, etc.), el número de respuestas es insuficiente para ofrecer estimaciones salariales precisas para estas funciones.Por lo tanto, la calculadora de salarios solo muestra las estimaciones para los profesionales de la programación (encuestados con empleo a tiempo completo que tienen alguna experiencia profesional en programación).
  • Cuando falta información para un año concreto, utilizamos los datos más recientes disponibles.
  • La calculadora de salarios dispone de opciones de filtrado limitadas por países y lenguajes de programación, ya que solo disponemos de datos de encuestas representativas para estas opciones. Por ejemplo, la lista de países no incluye a Austria porque no disponemos de suficientes puntos de datos para ofrecer estimaciones precisas.