Metodología

El dataset, hoy

De dónde salen las empresas

La fuente automática de empresas, por ahora, son las organizaciones de GitHub que declaran estar en España. Buscamos por «Spain», «España» y unos setenta nombres de ciudades y comunidades, y nos quedamos con las que tienen una web propia en su perfil.

De ahí descartamos universidades, grupos de investigación, comunidades, centros de formación y perfiles cuya web es una red social o una página personal. Después visitamos la web de cada una en busca de un código postal español y de un CIF. Entran las que podemos situar en el mapa: por el código postal de su web o, si no lo publica, por el municipio de su perfil de GitHub. El CIF ya no es obligatorio para entrar, pero cada ficha indica si lo tiene comprobado.

Cómo sabemos que es una empresa

La señal principal es el CIF. En España, el aviso legal de una web debe identificar a su titular, así que leemos la portada, el aviso legal y la página de contacto en busca de un CIF y comprobamos su dígito de control.

• Un mismo CIF en dos dominios se trata como una sola empresa: suele ser su web y la de un producto suyo.
• Los CIF de administraciones, organismos públicos y entidades religiosas (letras P, Q, R y S) quedan fuera.
• Asociaciones y fundaciones (letra G) sí entran, porque entre ellas hay centros tecnológicos con equipo tech.
• 2.045 fichas no tienen CIF comprobado. Muchas son empresas reales cuya web lo publica donde no sabemos leerlo; en la muestra que revisamos, unas tres de cada cuatro lo eran. Van marcadas en la ficha y en el mapa, y se pueden ocultar con un filtro.
• Sin CIF somos más estrictos: quedan fuera los dominios .org, los de administraciones y universidades, las páginas alojadas en sitios gratuitos y los nombres propios de asociaciones, centros educativos o proyectos personales.

Ubicación

La ubicación sale del código postal que la empresa publica en su web, casi siempre en el aviso legal. Lo traducimos a municipio, provincia y comunidad con la tabla de códigos postales de GeoNames.

Cuando la ubicación sale del perfil de GitHub en lugar de la web, la ficha lo indica y el punto va al centro del municipio. Lo demás tiene dos consecuencias. Hay una sola ubicación por empresa, que suele ser el domicilio social y no necesariamente donde trabaja el equipo. Y el punto del mapa se coloca en el centro del municipio, desplazado unos cientos de metros para que no se pisen: no es la dirección exacta.

Stack

El stack de una ficha sale de dos sitios:

• Repositorios públicos: los lenguajes principales de los repos de la organización en GitHub, solo si han tenido actividad desde octubre de 2024. No contamos HTML, CSS ni scripts de shell.
• Ofertas de empleo: las tecnologías que aparecen en el texto de sus ofertas tech abiertas, buscadas contra una lista cerrada de unas cuarenta.

Es un retrato parcial. Lo que una empresa publica en abierto no siempre es lo que usa por dentro, y la mayoría no publica nada: por eso muchas fichas no tienen stack.

Ofertas de empleo

Buscamos en la web de cada empresa un enlace a su página de empleo. Si esa página usa uno de los sistemas de ofertas con datos públicos (Greenhouse, Lever, Ashby, Personio, Workable, Teamtailor, Recruitee o SmartRecruiters), leemos sus ofertas abiertas.

Contamos como «oferta tech en España» la que tiene un título de perfil técnico y está ubicada en España, en remoto o sin ubicación. Es un filtro por palabras clave, así que se escapan casos. El dato es una foto del día en que miramos, no un histórico.

Lo que nos envía la gente

Cualquiera puede sugerir una empresa que falta o proponer cambios en una ficha desde la propia web, sin registrarse. Cada propuesta la revisa una persona antes de aceptarla, y nada se publica sin esa revisión.

Si quien la envía dice trabajar en la empresa, sus datos entran como «declarado». Si es un tercero, entran como observados, con la fuente «comunidad». El correo de contacto es opcional, solo se usa para resolver dudas sobre la propuesta y no se publica.

Declarado y observado

Cada dato de una ficha indica su origen. «Observado» es lo que hemos visto nosotros desde fuera, con su fuente y su fecha. «Declarado» es lo que la empresa dice de sí misma al reclamar su ficha.

Una empresa puede añadir y corregir lo declarado, pero no borrar lo observado. Hoy casi todo es observado.

Lo que no hacemos

• No extraemos datos de LinkedIn ni de ningún sitio que lo prohíba en sus condiciones.
• No recogemos datos de personas: ni empleados, ni perfiles, ni correos.
• No compramos bases de datos: todo lo publicado se puede redistribuir con licencia abierta.

Límites que conocemos

• Sesgo de origen: solo aparecen empresas con organización en GitHub. Faltan casi todas las grandes empresas no tecnológicas con equipo tech (banca, energía, distribución).
• Ninguna ficha se ha revisado a mano. Calculamos que una parte no son empresas en sentido estricto, o ya no están activas.
• No tenemos todavía el número de personas tech por oficina: ese dato solo llegará de las propias empresas.
• No sabemos aún si cada empresa es de producto, consultora o de otro sector.
• Una empresa con varias oficinas aparece solo en una.

Registro de cambios

• 12 de octubre de 2026El CIF deja de ser obligatorio para entrar: se añaden las empresas con código postal en su web aunque no le hayamos encontrado CIF, y las que solo podemos situar por el municipio de su perfil de GitHub. Cada ficha indica si tiene el CIF comprobado. Se endurecen los filtros para las que no lo tienen y se unifican los nombres de algunas ciudades.
• 12 de octubre de 2026Formularios para sugerir empresas y para corregir o completar fichas. Todas las propuestas se revisan a mano antes de publicarse.
• 9 de octubre de 2026Primera carga. Rastreo de organizaciones de GitHub en España, ubicación y CIF desde la web de cada empresa, stack desde repositorios públicos y primera lectura de ofertas de empleo.