Data Scientists
Computer and Mathematical Occupations- O*NET-SOC コード
- 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.
- データ出典: BLS公表時点: 2026-08
非常に高い· 相対
低い4段階の相対区分非常に高い職業群単位の値
尺度・母数・出典
4段階の相対区分（低い / 中程度 / 高い / 非常に高い）
BLS雇用見通し表の詳細職業831件が母数。値は NEM(全国雇用マトリクス)コード単位で付与されるため、同じ NEM コードの職業は同じバンドになります
- データ出典: Anthropic公表時点: 2026-03
0.461
0.000ここに掲載された値の範囲0.745職業群単位の値
尺度・母数・出典
観測エクスポージャー指数、公開されたまま0–1
O*NETタスクへの対応づけが基準
SOC 2018の職業単位で公表された値で、同じSOC 2018コードを持つO*NET職業はすべてこの値になります
- データ出典: ILO公表時点: 2025
0.57
0.09ここに掲載された値の範囲0.70職業群単位の値
尺度・母数・出典
生成AI露出度指数、公開されたまま0–1
ISCO-08の細分類（4桁）単位で公表された値です。米国労働統計局（BLS）の公式対応表（ISCO-08→2010 SOC、2010 SOC→2018 SOC）を公表どおり適用してこの職業に結び付けており、対応は全部または一部です
この出典がどのような性格の値か
BLSの区分は絶対水準ではなく相対順位であり、一次測定でもありません。複数の既存研究が付けた職業別パーセンタイル順位を4段階にまとめた値です。雇用や賃金の予測でもなく、導入確率でもなく、自動化と増強を区別しません。
Task-level exposure
露出のある作業のみ評価済みタスク 16 件 · β ≥ 0.5 のタスク 16 件（100.0%）
β = 直接的な露出（E1）+ 0.5 × ツール利用時の露出（E2）。原典リポジトリの定義に従います。
- 原典の単位：O*NET 27.2 のタスク → O*NET 31.0 の職業コード
- 評価済みタスクはすべて O*NET 31.0 のタスク一覧にあります。
- 出典
- OpenAI "GPTs are GPTs" exposure rubric
- 版
- gh-main-0471612
- ライセンス
- 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 |
Compare models using statistical performance metrics, such as loss functions or proportion of explained variance.15-2051.00 | 0.00000.0 | 0.00000.0 |
Deliver oral or written presentations of the results of mathematical modeling and data analysis to management or other end users.15-2051.00 | 0.00000.0 | 0.00000.0 |
| 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. | ||
Apply feature selection algorithms to models predicting outcomes of interest, such as sales, attrition, and healthcare use. | —0 | —0 |
Apply sampling techniques to determine groups to be surveyed or use complete enumeration methods. | —0 | —0 |
Design surveys, opinion polls, or other instruments to collect data. | —0 | —0 |
Identify business problems or management objectives that can be addressed through data analysis. | —0 | —0 |
Read scientific articles, conference papers, or other sources of research to identify emerging analytic trends and technologies. | —0 | —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
O*NET 31.0 のタスク全件（16件）
この職業の O*NET 31.0 のタスク全件（英語原文、種別はコア・補足）。露出値はこの一覧には載せず、上の表で各出典が用いた O*NET 版の文言の横にあります。
| タスク（O*NET 31.0） | 種類 |
|---|---|
| Analyze, manipulate, or process large sets of data using statistical software. | コア |
| Apply feature selection algorithms to models predicting outcomes of interest, such as sales, attrition, and healthcare use. | コア |
| Apply sampling techniques to determine groups to be surveyed or use complete enumeration methods. | コア |
| Clean and manipulate raw data using statistical software. | コア |
| Compare models using statistical performance metrics, such as loss functions or proportion of explained variance. | コア |
| Create graphs, charts, or other visualizations to convey the results of data analysis using specialized software. | コア |
| Deliver oral or written presentations of the results of mathematical modeling and data analysis to management or other end users. | コア |
| Identify business problems or management objectives that can be addressed through data analysis. | コア |
| Identify relationships and trends or any factors that could affect the results of research. | コア |
| Identify solutions to business problems, such as budgeting, staffing, and marketing decisions, using the results of data analysis. | コア |
| Propose solutions in engineering, the sciences, and other fields using mathematical theories and techniques. | コア |
| Read scientific articles, conference papers, or other sources of research to identify emerging analytic trends and technologies. | コア |
| Recommend data-driven solutions to key stakeholders. | コア |
| Test, validate, and reformulate models to ensure accurate prediction of outcomes of interest. | コア |
| Write new functions or applications in programming languages to conduct analyses. | コア |
| Design surveys, opinion polls, or other instruments to collect data. | 補足 |
0.00/ 3· ロボット露出指数
尺度・母数・出典
身体的なタスクそれぞれに、実際に導入・販売・実演されたロボットがこなせる環境に応じて 0–3 の等級を付け（0 不可 · 1 フェンスで囲われた機械セルや瓶詰めラインのようなロボット専用設備 · 2 病院の薬剤部やコンテナ港のような管理された施設 · 3 一般家庭や建設現場のような非定型の環境）、勤務時間に占める割合で平均した値
この職業の O*NET 29.3 タスクのうち身体的なタスクが対象
等級と時間の割合は Anthropic が Claude Opus 5（ウェブ検索）で推定しました（2026年時点）。
ロボット露出指数は、このサイトの AI 露出度とは別の指標であり、足し合わせたり比べたりすることはできません。実際の導入やコスト競争力を示すものではなく、0 には身体的なタスクのない職業も含まれます。
身体的なタスクごとの等級
この職業の O*NET 29.3 タスクのうち、身体的なタスクに分類されたものはありません。
職業情報
雇用見通し（BLS）
この O*NET 職業だけの値ではなく、SOC 15-2051 グループ（Data scientists）全体の値です。
- 雇用者数、2025
- 276K
- 雇用者数見通し、2035
- 371K
- 変化率 (2025–35)
- +34.6%
- 年間賃金の中央値、2025
- $120,230
- 入職時に通常必要な学歴
- Bachelor's degree
韓国職業分類との対応（KSCO）
AI Changing Work が作成した Korea Occupation Direct Crosswalk v1.1 現行版の対応です。関係の値は O*NET-SOC 職業の側から読みます。
| KSCO コード | KSCO 名称 | 関係 | 状態 |
|---|---|---|---|
| 22420 | 데이터 분석가 | 範囲が同じ | 確定 |
関係と状態の定義(kr-direct v1.1)
ILO（国際労働機関）の職業説明
以下のISCO-08職業群は、AI Changing Workが米国労働統計局（BLS）の発行するクロスウォーク（2018 SOC→2010 SOC、2010 SOC→ISCO-08）を個別の選択なしにそのまま適用して、この職業に結び付けたものです。結び付きは全体的な対応の場合も部分的な対応の場合もあります。
- ISCO-08 3314Statistical, Mathematical and Related Associate Professionals
統計・数理及び関連分野の准専門職
出典: 総務省「国際標準職業分類（ISCO）2008年改定版（仮訳）分類項目名一覧（和英対照）」— 原著：ILO ISCO-08 © International Labour Organization（日本語訳は総務省がILOの許可を得て作成）
以下の定義・作業・職業例は、この職業ではなく、当該ISCO-08職業群についてのILOによる説明です。
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.
作業
- (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.
職業例
Actuarial assistant · Mathematical assistant · Statistical assistant
Sources: ILO ISCO-08 — details: Credits
ESCO 職業語彙
以下の各項目は、公開されているESCO-O*NET Crosswalk（バージョン1、2022年）で、この職業と一つずつ対応付けられたものです。対応の種類はそのクロスウォークによるもので、表現はAI Changing Workによるものです。
- data scientistESCO 2511.3範囲が同じ
Data scientists find and interpret rich data sources, manage large amounts of data, merge data sources, ensure consistency of data-sets, and create visualisations to aid in understanding data. They build mathematical models using data, present and communicate data insights and findings to specialists and scientists in their team and if required, to a non-expert audience, and recommend ways to apply the data.
- ICT intelligent systems designerESCO 2511.10この職業のほうが広い
ICT intelligent systems designers apply methods of artificial intelligence in engineering, robotics and computer science to design programs which simulate intelligence including thinking models, cognitive and knowledge-based systems, problem solving, and decision making. They also integrate structured knowledge into computer systems (ontologies, knowledge bases) in order to solve complex problems normally requiring a high level of human expertise or artificial intelligence methods.
- data analystESCO 2511.2重なるが同じではない
Data analysts import, inspect, clean, transform, validate, model, or interpret collections of data with regard to the business goals of the company. They ensure that the data sources and repositories provide consistent and reliable data. Data analysts use different algorithms and IT tools as demanded by the situation and the current data. They might prepare reports in the form of visualisations such as graphs, charts, and dashboards.
- knowledge engineerESCO 2529.8重なるが同じではない
Knowledge engineers integrate structured knowledge into computer systems (knowledge bases) in order to solve complex problems normally requiring a high level of human expertise or artificial intelligence methods. They are also responsible for eliciting or extracting knowledge from information sources, maintaining this knowledge, and making it available to the organisation or users. To achieve this, they are aware of knowledge representation and maintenance techniques (rules, frames, semantic nets, ontologies) and use knowledge extraction techniques and tools. They can design and build expert or artificial intelligence systems that use this knowledge.
- statisticianESCO 2120.6重なるが同じではない
Statisticians collect, tabulate, and, most importantly, analyse quantitative information coming from a varied array of fields. They interpret and analyse statistical studies on fields such as health, demographics, finance, business, etc. and advise based on patterns and drawn analysis.
出典: European Commission, DG EMPL — ESCO API 2026-08-08 (bridge v1.2.1)
ライセンス: CC BY 4.0 (EU Reuse Notice)
ESCO reuse terms and the modification notice are in Credits.
フランス職業分類との対応（ROME）
この職業と ROME 4.0 の職業票（fiche）との対応で、AI Changing Work が AI モデルを用いて判定したものです。関係はこの職業の側から読みます。「暫定」と表示した対応は、同じモデル系列（Claude）の二人の判定者による判定のみ、またはその判定に運営者の規則を適用して採用したものであり、確定した対応より根拠が弱くなります。
| ROME コード | ROME 名称（フランス語） | 関係 |
|---|---|---|
| M1405 | Data scientist | 範囲が同じ暫定 |
| G1211 | Analyste de la performance sportive | 関連（対応ではない） |
| M1423 | Chief Data Officer | 関連（対応ではない） |
| M1414 | Ingénieur statisticien / Ingénieure statisticienne | 関連（対応ではない）暫定 |
| M1419 | Data analyst | 関連（対応ではない）暫定 |
| M1811 | Data engineer | 関連（対応ではない）暫定 |
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)
スペイン職業分類との対応（CNO-11）
この職業と CNO-11 の職業との対応で、AI Changing Work が AI モデルを用いて判定したものです。関係はこの職業の側から読みます。
| CNO-11 コード | CNO-11 名称（スペイン語） | 関係 |
|---|---|---|
| 2416 | Estadísticos | 関連（対応ではない）暫定 |
| 2729 | Especialistas en bases de datos y en redes informáticas no clasificados bajo otros epígrafes | 関連（対応ではない）暫定 |
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)
ドイツ職業分類との対応（KldB）
この職業と KldB の職業との対応で、AI Changing Work が AI モデルを用いて判定したものです。関係はこの職業の側から読みます。
| KldB コード | KldB 名称（ドイツ語） | 関係 |
|---|---|---|
| 43104 | Berufe in der Informatik (ohne Spezialisierung) - hoch komplexe Tätigkeiten | この職業のほうが狭い |
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)
日本職業分類との対応（JSCO）
この職業と JSCO の職業との対応で、AI Changing Work が AI モデルを用いて判定したものです。関係はこの職業の側から読みます。
| JSCO コード | JSCO 名称（日本語） | 関係 |
|---|---|---|
| 119 | その他の技術者 | この職業のほうが狭い |
| 109 | その他の情報処理・通信技術者 | 関連（対応ではない） |
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)
この職業に関わる最近の変化
要約と関連の表示は AI Changing Work が作成・判断したものです。数値はリンク先の出典で確認してください。
直接関連 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.
[出典: U.S. Bureau of Labor Statistics]
このページのデータの出典・ライセンスと AI Changing Work による改変・翻訳の告知：クレジットと出典