Data Scientists
Computer and Mathematical Occupations- Código O*NET-SOC
- 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.
- Fuente de datos: BLSPublicado: 2026-08
Muy alto· relativa
BajoCuatro bandas relativasMuy altoValor 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
- Fuente de datos: AnthropicPublicado: 2026-03
0,461
0,000Rango de los valores aquí recogidos0,745Valor 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
- Fuente de datos: ILOPublicado: 2025
0,57
0,09Rango de los valores aquí recogidos0,70Valor 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)
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
Ver 7 tareas ocultas16 tareas evaluadas · 16 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 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 |
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 (16)
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 |
|---|---|
| Analyze, manipulate, or process large sets of data using statistical software. | Principal |
| Apply feature selection algorithms to models predicting outcomes of interest, such as sales, attrition, and healthcare use. | Principal |
| Apply sampling techniques to determine groups to be surveyed or use complete enumeration methods. | Principal |
| Clean and manipulate raw data using statistical software. | Principal |
| Compare models using statistical performance metrics, such as loss functions or proportion of explained variance. | Principal |
| Create graphs, charts, or other visualizations to convey the results of data analysis using specialized software. | Principal |
| Deliver oral or written presentations of the results of mathematical modeling and data analysis to management or other end users. | Principal |
| Identify business problems or management objectives that can be addressed through data analysis. | Principal |
| Identify relationships and trends or any factors that could affect the results of research. | Principal |
| Identify solutions to business problems, such as budgeting, staffing, and marketing decisions, using the results of data analysis. | Principal |
| Propose solutions in engineering, the sciences, and other fields using mathematical theories and techniques. | Principal |
| Read scientific articles, conference papers, or other sources of research to identify emerging analytic trends and technologies. | Principal |
| Recommend data-driven solutions to key stakeholders. | Principal |
| Test, validate, and reformulate models to ensure accurate prediction of outcomes of interest. | Principal |
| Write new functions or applications in programming languages to conduct analyses. | Principal |
| Design surveys, opinion polls, or other instruments to collect data. | Complementaria |
0,00/ 3· Índice de exposición a robots
Escala, base y fuente
Cada tarea física se califica de 0 a 3 según el entorno en el que robots ya implantados, vendidos o demostrados podrían realizarla (0 ninguno · 1 entornos diseñados para robots, como una celda de máquinas vallada o una línea de embotellado · 2 instalaciones estructuradas, como una farmacia hospitalaria o un puerto de contenedores · 3 entornos no estructurados, como un hogar particular o una obra de construcción), y las calificaciones se promedian según la proporción del tiempo de trabajo
Tareas físicas entre las tareas O*NET 29.3 de esta ocupación
Anthropic estimó las calificaciones y las proporciones de tiempo con Claude Opus 5 mediante búsqueda web (situación en 2026).
El índice de exposición a robots es una medida distinta de las cifras de exposición a la IA de este sitio y no puede sumarse a ellas ni compararse con ellas. No mide la adopción real ni el coste, y el 0 también incluye ocupaciones sin tareas físicas.
Calificación de cada tarea física
Ninguna de las tareas O*NET 29.3 de esta ocupación está clasificada como tarea física.
Información ocupacional
Perspectivas de empleo (BLS)
Valores de todo el grupo SOC 15-2051 (Data scientists), no solo de esta ocupación O*NET.
- Empleo, 2025
- 276K
- Empleo proyectado, 2035
- 371K
- Variación (2025–35)
- +34,6%
- Salario anual mediano, 2025
- $120.230
- Formación habitual para acceder
- Bachelor's degree
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 |
|---|---|---|---|
| 22420 | 데이터 분석가 | Mismo alcance | 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 3314Statistical, Mathematical and Related Associate Professionals
Profesionales de nivel medio de servicios estadísticos, matemáticos y afines
La definición, las tareas y los ejemplos que siguen son la descripción que hace la OIT de ese grupo primario, no de esta ocupación.
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.
Tareas
- (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.
Ocupaciones de ejemplo
Actuarial assistant · Mathematical assistant · Statistical assistant
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.
- científico de datos/científica de datosESCO 2511.3Mismo alcance
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.
- diseñador de sistemas inteligentes de TIC/diseñadora de sistemas inteligentes de TICESCO 2511.10Esta ocupación es más amplia
Los diseñadores de sistemas inteligentes de TIC aplican métodos de inteligencia artificial en ingeniería, robótica e informática a diseñar programas que simulen inteligencia, incluidos modelos de pensamiento, sistemas cognitivos y basados en el conocimiento, resolución de problemas y toma de decisiones. También integran los conocimientos estructurados en sistemas informáticos (ontologías, bases de conocimientos) para resolver problemas complejos que normalmente requieren un alto nivel de conocimientos humanos o de métodos de inteligencia artificial.
- analista de datosESCO 2511.2Se solapan, no son iguales
Los analistas de datos importan, inspeccionan, limpian, validan, modelan o interpretan recopilaciones de datos con respecto a los objetivos empresariales de la empresa. Garantizan que las fuentes de datos y los repositorios proporcionan datos coherentes y fiables. Los analistas de datos utilizan diferentes algoritmos e instrumentos informáticos, como exigen la situación y los datos actuales. Podrían elaborar informes en forma de visualizaciones, como gráficos, cartas y paneles de control.
- estadístico/estadísticaESCO 2120.6Se solapan, no son iguales
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.
- ingeniero del conocimiento/ingeniera del conocimientoESCO 2529.8Se solapan, no son iguales
Los ingenieros de conocimiento integran conocimientos estructurados en sistemas informáticos (bases de conocimientos) para resolver problemas que normalmente requieren un alto nivel de conocimientos humanos o de métodos de inteligencia artificial. También son responsables de obtener o extraer conocimientos de las fuentes de información, manteniendo estos conocimientos y poniéndolos a disposición de la organización o los usuarios. Para ello, son conscientes de las técnicas e instrumentos de representación y mantenimiento de los conocimientos (reglas, marcos, redes semánticas, ontologías) y de las técnicas y herramientas de extracción de conocimientos. Pueden diseñar y construir sistemas expertos o de inteligencia artificial que utilicen este conocimiento.
Fuente: European Commission, DG EMPL — ESCO API 2026-08-08 (bridge v1.2.1)
Licencia: CC BY 4.0 (EU Reuse Notice)
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 |
|---|---|---|
| M1405 | Data scientist | Mismo alcanceprovisional |
| G1211 | Analyste de la performance sportive | Relacionada, no equivalente |
| M1423 | Chief Data Officer | Relacionada, no equivalente |
| M1414 | Ingénieur statisticien / Ingénieure statisticienne | Relacionada, no equivalenteprovisional |
| M1419 | Data analyst | Relacionada, no equivalenteprovisional |
| M1811 | Data engineer | Relacionada, no equivalenteprovisional |
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 | Relacionada, no equivalenteprovisional |
| 2729 | Especialistas en bases de datos y en redes informáticas no clasificados bajo otros epígrafes | Relacionada, no equivalenteprovisional |
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 |
|---|---|---|
| 43104 | Berufe in der Informatik (ohne Spezialisierung) - hoch komplexe Tätigkeiten | Esta ocupación es más estrecha |
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 |
|---|---|---|
| 119 | その他の技術者 | Esta ocupación es más estrecha |
| 109 | その他の情報処理・通信技術者 | 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)
Cambios recientes relacionados con esta ocupación
Los resúmenes y las etiquetas de relación son de AI Changing Work; compruebe las cifras en la fuente enlazada.
Directamente relacionado 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.
[Fuente: U.S. Bureau of Labor Statistics]
Fuentes de datos y licencias de esta página, y avisos de modificación y traducción de AI Changing Work: Créditos y fuentes