Confianza por datos
Metodología
Cómo construimos los sueldos que ves. Sin caja negra. Si algo no te cuadra, escríbenos.
Fuentes de datos
Combinamos dos cosas: los aportes anónimos de trabajadores y datos públicos para sembrar el arranque.
- DataMéxico (ENOE)
- Indeed MX
- Computrabajo MX
- Talent.com MX
- Glassdoor MX
- Jobted MX
- CONASAMI (salario mínimo Zona Libre Frontera Norte)
El corpus inicial se ancla a las medianas públicas por ocupación y se afina con cada aporte real. La distribución en vivo se construye con lo que reporta la gente.
Umbrales de agregación
No mostramos un número con poca evidencia. Las reglas:
- Mínimo 3 reportes para mostrar una mediana de empresa.
- Mínimo 5 reportes para mostrar la distribución (p25 / p75).
- Abajo del umbral te decimos claramente que el dato es preliminar.
Frescura de los datos
Los sueldos en México se mueven rápido. Por eso pesamos por qué tan reciente es cada reporte:
- 0 a 6 meses: peso 1.0
- 6 a 12 meses: peso 0.7
- 12 a 24 meses: peso 0.4
- Más de 24 meses: se guarda para tendencia, pero sale de la mediana en vivo.
Outliers y verificación
Marcamos para revisión los reportes que se alejan demasiado de la distribución del puesto y ciudad. Los aportes verificados por correo de empresa pesan el doble en la mediana, y los reconoces por su palomita color menta.
Anonimato
No pedimos tu nombre ni tu correo para aportar. No guardamos datos personales. El aporte es el dato, no tú. Aviso de privacidad conforme a la LFPDPPP. Cualquier aporte se puede borrar a solicitud desde contacto.
Inspiración y crédito
Metodología adaptada del análisis público en R de @Viri_Rios para No es normal: selección de variables de la ENOE, reglas de agregación geográfica y deflación.
Limitaciones
El sector informal está subrepresentado. Los datos de portales de empleo tienden a sesgar hacia vacantes formales de tiempo completo. La ENOE captura a toda la población ocupada, incluida la informal y de medio tiempo, por eso suele dar medianas más bajas. Mostramos rangos, no promesas.