Data Scientists

O*NET-SOC-Code: 15-2051.00

Develop and implement a set of techniques or analytics applications to transform raw data into meaningful information using data-oriented programming languages and visualization software. Apply data mining, data modeling, natural language processing, and machine learning to extract and analyze information from large structured and unstructured datasets. Visualize, interpret, and report data findings. May create dynamic data reports.

Datenquelle: BLSVeröffentlicht: 2026-08
Sehr hoch· relativ
NiedrigVier relative BänderSehr hoch
Wert auf Berufsgruppenebene
Skala, Bezugsmenge und Quelle
Vier relative Bänder (Niedrig / Mittel / Hoch / Sehr hoch)
831 detaillierte Berufe in der BLS-Beschäftigungsprojektionstabelle. Der Wert wird je Code der National Employment Matrix (NEM) vergeben, daher erhalten Berufe mit demselben NEM-Code dasselbe Band
Quelldatensatz (XLSX-Download)
Datenquelle: AnthropicVeröffentlicht: 2026-03
0.461
0.000Spannweite der hier geführten Werte0.745
Wert auf Berufsgruppenebene
Skala, Bezugsmenge und Quelle
Index der beobachteten Exposition, 0–1 wie veröffentlicht
Auf O*NET-Aufgaben abgebildet
Veröffentlicht je SOC-2018-Beruf; jeder O*NET-Beruf mit demselben SOC-2018-Code erhält diesen Wert
Quelldatensatz (CSV-Download)
Datenquelle: ILOVeröffentlicht: 2025
0.57
0.09Spannweite der hier geführten Werte0.70
Wert auf Berufsgruppenebene
Skala, Bezugsmenge und Quelle
Index der Exposition gegenüber generativer KI, 0–1 wie veröffentlicht
Veröffentlicht je ISCO-08-Berufsgattung. Mit diesem Beruf ganz oder teilweise verknüpft durch Anwendung der Umsteigeschlüssel des U.S. Bureau of Labor Statistics (ISCO-08 zu SOC 2010, SOC 2010 zu SOC 2018) in veröffentlichter Form
Quelldatensatz (PDF-Download)

Welche Art von Wert diese Quelle veröffentlicht

Die Kategorie von BLS ist ein relativer Rang und kein absolutes Niveau, und sie ist keine eigene Messung: Sie fasst die Perzentilränge des Berufs aus mehreren veröffentlichten Studien in vier Bänder zusammen. Sie ist weder eine Beschäftigungs- oder Lohnprognose noch eine Einführungswahrscheinlichkeit und unterscheidet nicht zwischen Automatisierung und Augmentierung.

Task-level exposure

7 ausgeblendete Aufgaben anzeigen

16 bewertete Aufgaben · 16 Aufgaben mit β ≥ 0,5 (100.0%)

β = direkte Exposition (E1) + 0,5 × Exposition bei verfügbaren Werkzeugen (E2), gemäß der Definition des Quell-Repositorys.

Quelleinheit: Aufgaben aus O*NET 27.2 → Berufscode aus O*NET 31.0
Alle bewerteten Aufgaben stehen in der Aufgabenliste von O*NET 31.0.

Quelle: OpenAI "GPTs are GPTs" exposure rubric
Ausgabe: gh-main-0471612
Lizenz: MIT License, Copyright (c) 2024 OpenAI

Task (O*NET 30.2)	Claude.aiRaw / share %	APIRaw / share %
Create graphs, charts, or other visualizations to convey the results of data analysis using specialized software. 15-2051.00	0.360058.1	0.060016.2
Write new functions or applications in programming languages to conduct analyses. 15-2051.00	0.120019.4	0.100027.0
Propose solutions in engineering, the sciences, and other fields using mathematical theories and techniques. 15-2051.00	0.04006.5	0.00000.0
Analyze, manipulate, or process large sets of data using statistical software. 15-2051.00	0.03004.8	0.120032.4
Identify solutions to business problems, such as budgeting, staffing, and marketing decisions, using the results of data analysis. 15-2051.00	0.02003.2	0.060016.2
Clean and manipulate raw data using statistical software. 15-2051.00	0.02003.2	—0
Identify relationships and trends or any factors that could affect the results of research. 15-2051.00	0.01001.6	0.02005.4
Test, validate, and reformulate models to ensure accurate prediction of outcomes of interest. 15-2051.00	0.01001.6	0.01002.7
Recommend data-driven solutions to key stakeholders. 15-2051.00	0.01001.6	0.00000.0

Values in this tab are predicted labels, not observations. Eloundou et al. (2023) published two rating regimes — human raters and GPT-4 — and the β shown here is derived from the GPT-4 rater basis alone; the same task can take a different value under the other regime. The unit and the meaning differ from the observed shares (%) in the other tabs, so do not place them on the same axis.

Task (O*NET 27.2)	βE1 + 0.5 × E2
Apply feature selection algorithms to models predicting outcomes of interest, such as sales, attrition, and healthcare use. O*NET Task ID 21824	1.0
Apply sampling techniques to determine groups to be surveyed or use complete enumeration methods. O*NET Task ID 21825	1.0
Clean and manipulate raw data using statistical software. O*NET Task ID 21826	1.0
Compare models using statistical performance metrics, such as loss functions or proportion of explained variance. O*NET Task ID 21827	1.0
Design surveys, opinion polls, or other instruments to collect data. O*NET Task ID 21830	1.0
Propose solutions in engineering, the sciences, and other fields using mathematical theories and techniques. O*NET Task ID 21834	1.0
Test, validate, and reformulate models to ensure accurate prediction of outcomes of interest. O*NET Task ID 21837	1.0
Write new functions or applications in programming languages to conduct analyses. O*NET Task ID 21838	1.0
Analyze, manipulate, or process large sets of data using statistical software. O*NET Task ID 21823	0.5
Create graphs, charts, or other visualizations to convey the results of data analysis using specialized software. O*NET Task ID 21828	0.5
Deliver oral or written presentations of the results of mathematical modeling and data analysis to management or other end users. O*NET Task ID 21829	0.5
Identify business problems or management objectives that can be addressed through data analysis. O*NET Task ID 21831	0.5
Identify relationships and trends or any factors that could affect the results of research. O*NET Task ID 21832	0.5
Identify solutions to business problems, such as budgeting, staffing, and marketing decisions, using the results of data analysis. O*NET Task ID 21833	0.5
Read scientific articles, conference papers, or other sources of research to identify emerging analytic trends and technologies. O*NET Task ID 21835	0.5
Recommend data-driven solutions to key stakeholders. O*NET Task ID 21836	0.5
6 weitere Aufgaben anzeigen ▾Weniger anzeigen ▴

β = E1 + 0.5 × E2 · E1 = tasks where direct LLM access alone cuts time by at least 50%, E2 = tasks where software built on top of an LLM cuts time by at least 50%. Values take only 0 / 0.5 / 1.0.

Data sources & licenses — O*NET®, Anthropic Economic Index, Eloundou et al. (2023): see full notices on the Credits page

Alle Aufgaben aus O*NET 31.0 (16)

Alle Aufgaben dieses Berufs aus O*NET 31.0 (englisch, wie veröffentlicht; Aufgabentyp Kern- oder Zusatzaufgabe). Expositionswerte stehen nicht in dieser Liste, sondern in der Tabelle oben, neben jeder Aufgabe im Wortlaut der O*NET-Version, die die jeweilige Quelle verwendet hat.

Aufgabe (O*NET 31.0)	Art
Analyze, manipulate, or process large sets of data using statistical software.	Kern
Apply feature selection algorithms to models predicting outcomes of interest, such as sales, attrition, and healthcare use.	Kern
Apply sampling techniques to determine groups to be surveyed or use complete enumeration methods.	Kern
Clean and manipulate raw data using statistical software.	Kern
Compare models using statistical performance metrics, such as loss functions or proportion of explained variance.	Kern
Create graphs, charts, or other visualizations to convey the results of data analysis using specialized software.	Kern
Deliver oral or written presentations of the results of mathematical modeling and data analysis to management or other end users.	Kern
Identify business problems or management objectives that can be addressed through data analysis.	Kern
Identify relationships and trends or any factors that could affect the results of research.	Kern
Identify solutions to business problems, such as budgeting, staffing, and marketing decisions, using the results of data analysis.	Kern
Propose solutions in engineering, the sciences, and other fields using mathematical theories and techniques.	Kern
Read scientific articles, conference papers, or other sources of research to identify emerging analytic trends and technologies.	Kern
Recommend data-driven solutions to key stakeholders.	Kern
Test, validate, and reformulate models to ensure accurate prediction of outcomes of interest.	Kern
Write new functions or applications in programming languages to conduct analyses.	Kern
Design surveys, opinion polls, or other instruments to collect data.	Ergänzend

Verknüpfungen mit der koreanischen Klassifikation (KSCO)

Verknüpfungen aus der aktuellen Ausgabe von Korea Occupation Direct Crosswalk v1.1, erstellt von AI Changing Work. Beziehungswerte sind von der O*NET-SOC-Seite aus zu lesen.

KSCO-Code	KSCO-Bezeichnung	Beziehung	Status
22420	데이터 분석가	Gleicher Umfang	bestätigt

Definitionen von Beziehung und Status(kr-direct v1.1)

ILO-Berufsbeschreibung

AI Changing Work verknüpft die unten aufgeführten ISCO-08-Berufsgattungen mit diesem Beruf, indem die Umsteigeschlüssel des U.S. Bureau of Labor Statistics (BLS) (SOC 2018 zu SOC 2010, SOC 2010 zu ISCO-08) so angewendet werden, wie sie veröffentlicht sind, ohne Auswahl im Einzelfall; jede Verknüpfung kann vollständig oder teilweise sein.

ISCO-08 3314Statistical, Mathematical and Related Associate Professionals
Nicht akademische statistische, mathematische und verwandte Fachkräfte

Quelle: European Commission, DG EMPL — ESCO API 2026-08-08 (bridge v1.2.1)

Lizenz: CC BY 4.0 (EU Reuse Notice)

Original ansehen

Die folgende Definition, die Aufgaben und die Beispiele sind die Beschreibung dieser Berufsgattung durch die ILO, nicht dieses Berufs.

Statistical, mathematical and related associate professionals assist in planning the collection, processing and presentation of statistical, mathematical or actuarial data and in carrying out these operations, usually working under the guidance of statisticians, mathematicians and actuaries.

Aufgaben

(a) assisting in planning and performing statistical, mathematical, actuarial and related calculations;
(b) preparing detailed estimates of quantities and costs of materials and labour required for statistical census and survey operations;
(c) performing technical tasks connected with establishing, maintaining and using registers and sampling frames for census and survey operations;
(d) performing technical tasks connected with data collection and quality control operations in censuses and surveys;
(e) using standard computer software packages to perform mathematical, actuarial, statistical, accounting and related calculations;
(f) preparing statistical, mathematical, actuarial, accounting and other results for presentation in graphical or tabular form;
(g) applying knowledge of statistical, mathematical, actuarial, accounting and related principles and practices in order to identify and solve problems arising in the course of their work;
(h) supervising the work of statistical clerks.

Beispielberufe

Actuarial assistant · Mathematical assistant · Statistical assistant

Sources: ILO ISCO-08 — details: Credits

ESCO-Berufsvokabular

Jeder Eintrag unten ist diesem Beruf im veröffentlichten ESCO-O*NET Crosswalk (Version 1, 2022) einzeln zugeordnet. Die Zuordnungsarten stammen aus diesem Crosswalk; die Formulierung stammt von AI Changing Work.

Datenwissenschaftler/DatenwissenschaftlerinESCO 2511.3Gleicher Umfang
Datenwissenschaftler finden und interpretieren reichhaltige Datenquellen, verwalten große Datenmengen, führen Datenquellen zusammen, sorgen für die Konsistenz der Datensätze und erstellen Visualisierungen, um die Daten zu veranschaulichen. Sie erstellen anhand der Daten mathematische Modelle, präsentieren und vermitteln datenbezogene Erkenntnisse an Experten und Wissenschaftler in ihrem Team sowie ggf. an eine nicht fachkundige Öffentlichkeit und geben Empfehlungen zur Verwendung der Daten ab.
Entwickler intelligenter IT-Systeme/Entwicklerin intelligenter IT-SystemeESCO 2511.10Dieser Beruf ist breiter
Entwickler intelligenter IT-Systeme wenden in den Bereichen Ingenieurwesen, Robotik und Informatik Methoden der künstlichen Intelligenz an, um Programme zu entwickeln, mit denen Intelligenz simuliert wird, z. B. Denkmodelle, kognitive und wissensbasierte Systeme sowie Systeme zur Problemlösung und Entscheidungsfindung. Außerdem überführen sie strukturiertes Wissen (Ontologien, Wissensdatenbanken) in Computersysteme , um komplexe Probleme zu lösen, die in der Regel ein hohes Maß an Humankompetenz oder künstlicher Intelligenz erfordern.
Datenanalytiker/DatenanalytikerinESCO 2511.2Überschneidend, nicht gleich
Datenanalytiker importieren, kontrollieren, bereinigen, konvertieren, validieren, modellieren oder interpretieren Daten im Hinblick auf die Geschäftsziele des Unternehmens. Sie stellen sicher, dass die Datenquellen und Datenspeicher kohärente und zuverlässige Daten enthalten. Je nach Ausgangslage oder vorliegenden Daten verwenden Datenanalytiker unterschiedliche Algorithmen und IT-Tools. Bisweilen erstellen sie auch Berichte in Form von Visualisierungen wie Grafiken, Schaubildern und Dashboards.
Statistiker/StatistikerinESCO 2120.6Überschneidend, nicht gleich
Statistiker/Statistikerin erheben, erfassen und analysieren vor allem quantitative Informationen aus einer Vielzahl von Bereichen. Sie analysieren statistische Studien zu Bereichen wie Gesundheit, Demografie, Finanzen, Wirtschaft und stützen sich dabei auf Muster und Analysen.
Wissensingenieur/WissensingenieurinESCO 2529.8Überschneidend, nicht gleich
Wissensingenieure integrieren strukturierte Kenntnisse (Wissensdatenbanken) in Computersysteme, um komplexe Probleme zu lösen, die in der Regel ein hohes Maß an Humankompetenz oder künstlicher Intelligenz erfordern. Außerdem gewinnen oder extrahieren sie Wissen aus Informationsquellen, verwalten dieses Wissen und stellen es für die Organisation oder die Nutzer bereit. Zu diesem Zweck beherrschen sie die Techniken, mit denen Wissen dargestellt und aufbereitet wird (Regeln, Rahmen, semantische Netze, Ontologien), und setzen Techniken und Tools für die Wissensgewinnung ein. Bisweilen konzipieren und entwickeln sie Expertensysteme oder Systeme der künstlichen Intelligenz, die auf dieses Wissen zugreifen.

Quelle: European Commission, DG EMPL — ESCO API 2026-08-08 (bridge v1.2.1)

Lizenz: CC BY 4.0 (EU Reuse Notice)

Original ansehen

ESCO reuse terms and the modification notice are in Credits.

Verknüpfungen mit der französischen Klassifikation (ROME)

Verknüpfungen zwischen diesem Beruf und ROME-4.0-Berufsprofilen, von AI Changing Work mithilfe von KI-Modellen beurteilt. Die Beziehungen sind aus Sicht dieses Berufs zu lesen. Als vorläufig markierte Verknüpfungen wurden allein auf der Grundlage der Beurteilungen zweier Prüfer derselben Modellfamilie (Claude) übernommen, oder nach einer vom Betreiber auf diese Beurteilungen angewandten Regel, und beruhen daher auf schwächeren Belegen als bestätigte Verknüpfungen.

ROME-Code	ROME-Bezeichnung (Französisch)	Beziehung
M1405	Data scientist	Gleicher Umfangvorläufig
G1211	Analyste de la performance sportive	Verwandt, keine Entsprechung
M1423	Chief Data Officer	Verwandt, keine Entsprechung
M1414	Ingénieur statisticien / Ingénieure statisticienne	Verwandt, keine Entsprechungvorläufig
M1419	Data analyst	Verwandt, keine Entsprechungvorläufig
M1811	Data engineer	Verwandt, keine Entsprechungvorläufig

Source: France Travail — Répertoire Opérationnel des Métiers et des Emplois (ROME 4.0), version 61, last updated 15 June 2026 (https://www.data.gouv.fr/datasets/repertoire-operationnel-des-metiers-et-des-emplois-rome). Licence Ouverte 2.0.

ROME codes and titles are reproduced unchanged; the links to O*NET-SOC occupations are AI Changing Work's own judgment and are not a France Travail correspondence.

(AI Changing Work link release: fr-direct v1)

Verknüpfungen mit der spanischen Klassifikation (CNO-11)

Verknüpfungen zwischen diesem Beruf und CNO-11-Berufen, von AI Changing Work mithilfe von KI-Modellen beurteilt. Die Beziehungen sind aus Sicht dieses Berufs zu lesen.

CNO-11-Code	CNO-11-Bezeichnung (Spanisch)	Beziehung
2416	Estadísticos	Verwandt, keine Entsprechungvorläufig
2729	Especialistas en bases de datos y en redes informáticas no clasificados bajo otros epígrafes	Verwandt, keine Entsprechungvorläufig

Source: Instituto Nacional de Estadística (INE), National Classification of Occupations 2011 (CNO-11, Royal Decree 1591/2010) — www.ine.es · Licensed CC BY 4.0. CNO-11 codes and Spanish titles are reproduced unchanged; the links to O*NET occupations are AI Changing Work's own judgment and are not an INE correspondence.

(AI Changing Work link release: es-direct v1)

Verknüpfungen mit der deutschen Klassifikation (KldB)

Verknüpfungen zwischen diesem Beruf und KldB-Berufen, von AI Changing Work mithilfe von KI-Modellen beurteilt. Die Beziehungen sind aus Sicht dieses Berufs zu lesen.

KldB-Code	KldB-Bezeichnung (Deutsch)	Beziehung
43104	Berufe in der Informatik (ohne Spezialisierung) - hoch komplexe Tätigkeiten	Dieser Beruf ist enger

Source: © Statistik der Bundesagentur für Arbeit — Klassifikation der Berufe 2010 – überarbeitete Fassung 2020, https://statistik.arbeitsagentur.de. KldB codes and titles are reproduced unchanged; the links to O*NET occupations are AI Changing Work's own mapping (eigene Zuordnung) and are not a Bundesagentur für Arbeit correspondence.

(AI Changing Work link release: de-direct v1)

Verknüpfungen mit der japanischen Klassifikation (JSCO)

Verknüpfungen zwischen diesem Beruf und JSCO-Berufen, von AI Changing Work mithilfe von KI-Modellen beurteilt. Die Beziehungen sind aus Sicht dieses Berufs zu lesen.

JSCO-Code	JSCO-Bezeichnung (Japanisch)	Beziehung
119	その他の技術者	Dieser Beruf ist enger
109	その他の情報処理・通信技術者	Verwandt, keine Entsprechung

Source: Ministry of Internal Affairs and Communications (MIC), Japan Standard Occupational Classification (Dec. 2009, MIC Notification No. 555). JSCO codes and Japanese titles are reproduced unchanged; the links to O*NET occupations are AI Changing Work's own judgment and are not a MIC correspondence.

(AI Changing Work link release: jp-direct v1)

Aktuelle Veränderungen mit Bezug zu diesem Beruf

Zusammenfassungen und Beziehungsangaben stammen von AI Changing Work; prüfen Sie Zahlen anhand der verlinkten Quelle.

Direkter BezugAug. 2026: BLS Occupational Outlook Handbook (updated Aug 2026): employment of data scientists is projected to grow 35% from 2025 to 2035, much faster than the average for all occupations, with about 24,800 openings a year.
[Quelle: U.S. Bureau of Labor Statistics]

Datenquellen und Lizenzen dieser Seite sowie die Änderungs- und Übersetzungshinweise von AI Changing Work: Credits und Quellen