Statisticians

Código O*NET-SOC: 15-2041.00

Develop or apply mathematical or statistical theory and methods to collect, organize, interpret, and summarize numerical data to provide usable information. May specialize in fields such as biostatistics, agricultural statistics, business statistics, or economic statistics. Includes mathematical and survey statisticians.

Fuente de datos: BLSPublicado: 2026-08
Muy alto· relativa
BajoCuatro bandas relativasMuy alto
Valor por grupo ocupacional
Escala, base y fuente
Cuatro bandas relativas (Bajo / Moderado / Alto / Muy alto)
831 ocupaciones detalladas de la tabla de proyecciones de empleo de BLS. El valor se asigna por código de la National Employment Matrix (NEM), de modo que las ocupaciones que comparten un código NEM reciben la misma banda
Conjunto de datos de origen (descarga XLSX)
Fuente de datos: AnthropicPublicado: 2026-03
0,211
0,000Rango de los valores aquí recogidos0,745
Valor por grupo ocupacional
Escala, base y fuente
Índice de exposición observada, 0–1 tal como se publica
Mapeado sobre tareas de O*NET
Publicado por ocupación SOC 2018; toda ocupación O*NET con el mismo código SOC 2018 recibe este valor
Conjunto de datos de origen (descarga CSV)
Fuente de datos: ILOPublicado: 2025
0,56
0,09Rango de los valores aquí recogidos0,70
Valor por grupo ocupacional
Escala, base y fuente
Índice de exposición a la IA generativa, 0–1 tal como se publica
Publicado por grupo primario ISCO-08. Vinculado a esta ocupación, total o parcialmente, aplicando tal como se publicaron las tablas de correspondencia de la U.S. Bureau of Labor Statistics (ISCO-08 a SOC 2010, SOC 2010 a SOC 2018)
Conjunto de datos de origen (descarga PDF)

Qué tipo de cifra publica esta fuente

La categoría de BLS es un rango relativo, no un nivel absoluto, y tampoco es una medición de primera mano: agrupa en cuatro bandas los rangos percentiles de la ocupación en varios estudios publicados. No es una previsión de empleo ni de salarios, no es una probabilidad de adopción y no distingue entre automatización y aumento.

Task-level exposure

Solo tareas expuestas

19 tareas evaluadas · 19 tareas con β ≥ 0,5 (100,0%)

β = exposición directa (E1) + 0,5 × exposición con herramientas disponibles (E2), según la definición del repositorio de origen.

Unidad de origen: tareas de O*NET 27.2 → código de ocupación de O*NET 31.0
Todas las tareas puntuadas figuran en la lista de tareas de O*NET 31.0.

Fuente: OpenAI "GPTs are GPTs" exposure rubric
Versión: gh-main-0471612
Licencia: MIT License, Copyright (c) 2024 OpenAI

Task (O*NET 20.1)	Claude.aiRaw / share %
Evaluate sources of information to determine any limitations in terms of reliability or usability. 15-2041.00	0.162523.8
Identify relationships and trends in data, as well as any factors that could affect the results of research. 15-2041.00	0.098914.5
Report results of statistical analyses, including information in the form of graphs, charts, and tables. 15-2041.00	0.075711.1
Process large amounts of data for statistical modeling and graphic analysis, using computers. 15-2041.00	0.073210.7
Examine theories, such as those of probability and inference, to discover mathematical bases for new or improved methods of obtaining and evaluating numerical data. 15-2041.00	0.06799.9
Develop an understanding of fields to which statistical methods are to be applied to determine whether methods and results are appropriate. 15-2041.00	0.05888.6
Prepare data for processing by organizing information, checking for any inaccuracies, and adjusting and weighting the raw data. 15-2041.00	0.05137.5
Design research projects that apply valid scientific techniques and use information obtained from baselines or historical data to structure uncompromised and efficient analyses. 15-2041.00	0.04346.4
Report results of statistical analyses in peer-reviewed papers and technical manuals. 15-2041.00	0.02012.9
Develop software applications or programming to use for statistical modeling and graphic analysis. 15-2041.00	0.01281.9
Present statistical and nonstatistical results using charts, bullets, and graphs in meetings or conferences to audiences such as clients, peers, and students. 15-2041.00	0.01131.7
Develop and test experimental designs, sampling techniques, and analytical methods. 15-2041.00	0.00480.7
Analyze and interpret statistical data to identify significant differences in relationships among sources of information. 15-2041.00	0.00210.3
Ver 3 tareas más ▾Ver menos ▴
Not observed on any surface — 5 task(s) — These tasks have no row in the source for this release. The 0 in the share row is a display-stage composition ratio; absence is what the — in the raw row states.
Evaluate the statistical methods and procedures used to obtain data to ensure validity, applicability, efficiency, and accuracy.	—0
Plan data collection methods for specific projects and determine the types and sizes of sample groups to be used.	—0
Supervise and provide instructions for workers collecting and tabulating data.	—0
Apply sampling techniques or use complete enumeration bases to determine and define groups to be surveyed.	—0
Adapt statistical methods to solve specific problems in many fields, such as economics, biology, and engineering.	—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
Process large amounts of data for statistical modeling and graphic analysis, using computers. O*NET Task ID 8954	1.0
Prepare data for processing by organizing information, checking for inaccuracies, and adjusting and weighting the raw data. O*NET Task ID 8957	1.0
Evaluate the statistical methods and procedures used to obtain data to ensure validity, applicability, efficiency, and accuracy. O*NET Task ID 8958	1.0
Supervise and provide instructions for workers collecting and tabulating data. O*NET Task ID 8963	1.0
Adapt statistical methods to solve specific problems in many fields, such as economics, biology, and engineering. O*NET Task ID 8965	1.0
Develop and test experimental designs, sampling techniques, and analytical methods. O*NET Task ID 8966	1.0
Examine theories, such as those of probability and inference, to discover mathematical bases for new or improved methods of obtaining and evaluating numerical data. O*NET Task ID 8967	1.0
Develop software applications or programming for statistical modeling and graphic analysis. O*NET Task ID 20193	1.0
Present statistical and nonstatistical results, using charts, bullets, and graphs, in meetings or conferences to audiences such as clients, peers, and students. O*NET Task ID 20194	1.0
Determine whether statistical methods are appropriate, based on user needs or research questions of interest. O*NET Task ID 21100	1.0
Prepare and structure data warehouses for storing data. O*NET Task ID 21101	1.0
Report results of statistical analyses, including information in the form of graphs, charts, and tables. O*NET Task ID 8953	0.5
Identify relationships and trends in data, as well as any factors that could affect the results of research. O*NET Task ID 8955	0.5
Analyze and interpret statistical data to identify significant differences in relationships among sources of information. O*NET Task ID 8956	0.5
Evaluate sources of information to determine any limitations, in terms of reliability or usability. O*NET Task ID 8959	0.5
Plan data collection methods for specific projects, and determine the types and sizes of sample groups to be used. O*NET Task ID 8960	0.5
Design research projects that apply valid scientific techniques, and use information obtained from baselines or historical data to structure uncompromised and efficient analyses. O*NET Task ID 8961	0.5
Apply sampling techniques, or use complete enumeration bases to determine and define groups to be surveyed. O*NET Task ID 8964	0.5
Report results of statistical analyses in peer-reviewed papers and technical manuals. O*NET Task ID 20192	0.5
Ver 9 tareas más ▾Ver menos ▴

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

Todas las tareas de O*NET 31.0 (19)

Todas las tareas de O*NET 31.0 de esta ocupación (en inglés, tal como se publicaron; tipo de tarea principal o complementaria). Los valores de exposición no figuran en esta lista; están en la tabla de arriba, junto a cada tarea con la redacción de la versión de O*NET que usó cada fuente.

Tarea (O*NET 31.0)	Tipo
Report results of statistical analyses, including information in the form of graphs, charts, and tables.	Principal
Process large amounts of data for statistical modeling and graphic analysis, using computers.	Principal
Identify relationships and trends in data, as well as any factors that could affect the results of research.	Principal
Analyze and interpret statistical data to identify significant differences in relationships among sources of information.	Principal
Prepare data for processing by organizing information, checking for inaccuracies, and adjusting and weighting the raw data.	Principal
Evaluate the statistical methods and procedures used to obtain data to ensure validity, applicability, efficiency, and accuracy.	Principal
Evaluate sources of information to determine any limitations, in terms of reliability or usability.	Principal
Plan data collection methods for specific projects, and determine the types and sizes of sample groups to be used.	Principal
Design research projects that apply valid scientific techniques, and use information obtained from baselines or historical data to structure uncompromised and efficient analyses.	Principal
Supervise and provide instructions for workers collecting and tabulating data.	Principal
Apply sampling techniques, or use complete enumeration bases to determine and define groups to be surveyed.	Principal
Adapt statistical methods to solve specific problems in many fields, such as economics, biology, and engineering.	Principal
Develop and test experimental designs, sampling techniques, and analytical methods.	Principal
Examine theories, such as those of probability and inference, to discover mathematical bases for new or improved methods of obtaining and evaluating numerical data.	Principal
Report results of statistical analyses in peer-reviewed papers and technical manuals.	Principal
Develop software applications or programming for statistical modeling and graphic analysis.	Principal
Present statistical and nonstatistical results, using charts, bullets, and graphs, in meetings or conferences to audiences such as clients, peers, and students.	Principal
Determine whether statistical methods are appropriate, based on user needs or research questions of interest.	Principal
Prepare and structure data warehouses for storing data.	Complementaria

Perspectivas de empleo (BLS)

Valores de todo el grupo SOC 15-2041 (Statisticians), no solo de esta ocupación O*NET.

Empleo, 2025: 31K
Empleo proyectado, 2035: 35K
Variación (2025–35): +11%
Salario anual mediano, 2025: $105.650
Formación habitual para acceder: Master's degree

mínimo $30.890rango del salario mediano de 825 ocupaciones detalladas, BLS EP 2025–35máximo $559.030

Fuente: U.S. Bureau of Labor Statistics, Employment Projections 2025–35 — Employment by detailed occupation, 2025 and projected 2035

Vínculos con la clasificación coreana (KSCO)

Vínculos de la versión vigente de Korea Occupation Direct Crosswalk v1.1, elaborado por AI Changing Work. Los valores de relación se leen desde la ocupación O*NET-SOC.

Código KSCO	Nombre KSCO	Relación	Estado
21123	수학 및 통계학 연구원	Esta ocupación es más estrecha	confirmado

Definiciones de relación y estado(kr-direct v1.1)

Descripción ocupacional de la OIT

AI Changing Work vincula a esta ocupación los grupos primarios de la ISCO-08 que figuran abajo aplicando, tal como se publicaron, las tablas de correspondencia de la Oficina de Estadísticas Laborales de EE. UU. (BLS) (SOC 2018 a SOC 2010, SOC 2010 a ISCO-08), sin selección caso por caso; cada vínculo puede ser total o parcial.

ISCO-08 2120Mathematicians, Actuaries and Statisticians
Matemáticos, actuarios y estadísticos

Ver original

La definición, las tareas y los ejemplos que siguen son la descripción que hace la OIT de ese grupo primario, no de esta ocupación.

Mathematicians, actuaries and statisticians conduct research and improve or develop mathematical, actuarial and statistical concepts, theories and operational methods and techniques and advise on or engage in their practical application in such fields as engineering, business and social and other sciences.

Tareas

(a) studying, improving and developing mathematical, actuarial and statistical theories and techniques;
(b) advising on or applying mathematical principles, models and techniques to a wide range of tasks in the fields of engineering, natural, social or life sciences;
(c) conducting logical analyses of management problems, especially in terms of input-output effectiveness, and formulating mathematical models of each problem usually for programmeming and solution by computer;
(c) designing and putting into operation pension schemes and life, health, social and other types of insurance systems;
(e) applying mathematics, statistics, probability and risk theory to assess potential financial impacts of future events;
(f) planning and organizing surveys and other statistical collections, and designing questionnaires;
(g) evaluating, processing, analysing, and interpreting statistical data and preparing them for publication;
(h) advising on or applying various data collection methods and statistical methods and techniques, and determining reliability of findings, especially in such fields as business or medicine as well as in other areas of natural, social or life sciences;
(i) preparing scientific papers and reports;
(j) supervising the work of mathematical, actuarial and statistical assistants and statistical clerks.

Ocupaciones de ejemplo

Actuary · Demographer · Mathematician · Operations research analyst · Statistician

Sources: ILO ISCO-08 — details: Credits

Vocabulario ocupacional ESCO

Cada entrada de abajo está emparejada con esta ocupación en el ESCO-O*NET Crosswalk publicado (versión 1, 2022). Los tipos de correspondencia son los de esa tabla; la redacción es de AI Changing Work.

estadístico/estadísticaESCO 2120.6Mismo alcance
Los estadísticos recopilan, tabulan y, lo que es más importante, analizan la información cuantitativa procedente de una variada gama de campos. Interpretan y analizan estudios estadísticos en ámbitos como la salud, la demografía, las finanzas, las empresas, etc., y asesoran basándose en patrones y conclusiones extraídas.
experto en biometría/experta en biometríaESCO 2120.6.1Esta ocupación es más amplia
Los expertos en biometría llevan a cabo actividades de investigación en el ámbito de la biometría. Llevan a cabo proyectos de investigación estadísticos o biológicos mediante la medición de las impresiones dactilares, la retina y las formas humanas para aplicaciones médicas o industriales.
asistente estadístico/asistente estadísticaESCO 3314.2Se solapan, no son iguales
Los asistentes estadísticos recopilan datos y utilizan fórmulas estadísticas para realizar estudios estadísticos y elaborar informes. Elaboran tablas, gráficos y encuestas.
científico de datos/científica de datosESCO 2511.3Se solapan, no son iguales
Los científicos de datos detectan e interpretan fuentes de datos ricas, gestionan grandes cantidades de datos, fusionan fuentes de datos, garantizan la coherencia de los conjuntos de datos y crean visualizaciones a fin de ayudar a la comprensión de los datos. Se basan en modelos matemáticos que utilizan datos, presentan y comunican información y conclusiones sobre datos a especialistas y científicos en su equipo y, si fuera necesario, a un público no especializado, y recomiendan formas de aplicar los datos.

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

Licencia: CC BY 4.0 (EU Reuse Notice)

Ver original

ESCO reuse terms and the modification notice are in Credits.

Vínculos con la clasificación francesa (ROME)

Vínculos entre esta ocupación y fichas ROME 4.0, establecidos por AI Changing Work con modelos de IA. Las relaciones se leen desde el lado de esta ocupación. Los vínculos marcados como «provisional» se adoptaron basándose únicamente en los juicios de dos evaluadores de la misma familia de modelos (Claude), o mediante una regla del operador aplicada a esos juicios, por lo que se sustentan en evidencia más débil que los vínculos confirmados.

Código ROME	Denominación ROME (francés)	Relación
M1414	Ingénieur statisticien / Ingénieure statisticienne	Mismo alcanceprovisional
K2403	Biostatisticien / Biostatisticienne	Esta ocupación es más ampliaprovisional
M1403	Chargé / Chargée d'études socio-économiques	Se solapan, no son igualesprovisional

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)

Vínculos con la clasificación española (CNO-11)

Vínculos entre esta ocupación y ocupaciones CNO-11, establecidos por AI Changing Work con modelos de IA. Las relaciones se leen desde el lado de esta ocupación.

Código CNO-11	Denominación CNO-11 (español)	Relación
2416	Estadísticos	Mismo alcance

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)

Vínculos con la clasificación alemana (KldB)

Vínculos entre esta ocupación y ocupaciones KldB, establecidos por AI Changing Work con modelos de IA. Las relaciones se leen desde el lado de esta ocupación.

Código KldB	Denominación KldB (alemán)	Relación
41114	Berufe in der Statistik - hoch komplexe Tätigkeiten	Mismo alcance

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)

Vínculos con la clasificación japonesa (JSCO)

Vínculos entre esta ocupación y ocupaciones JSCO, establecidos por AI Changing Work con modelos de IA. Las relaciones se leen desde el lado de esta ocupación.

Código JSCO	Denominación JSCO (japonés)	Relación
051	自然科学系研究者	Relacionada, no equivalente
052	人文・社会科学系等研究者	Relacionada, no equivalente

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)

Fuentes de datos y licencias de esta página, y avisos de modificación y traducción de AI Changing Work: Créditos y fuentes