데이터 과학자

Data Scientists

O*NET-SOC 코드: 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.

데이터 출처: BLS발행 시점: 2026-08
매우 높음· 상대
낮음4단계 상대 범주매우 높음
직업군 단위 값
척도 · 모수 · 출처
4단계 상대 범주 (낮음 / 보통 / 높음 / 매우 높음)
BLS 고용전망 표의 세부직업 831개 기준. 값은 NEM(전국고용매트릭스) 코드 단위로 부여되므로, 같은 NEM 코드를 쓰는 직업은 같은 밴드를 받습니다
원천 데이터셋 (XLSX 파일 내려받기)
데이터 출처: Anthropic발행 시점: 2026-03
0.461
0.000여기 실린 값의 범위0.745
직업군 단위 값
척도 · 모수 · 출처
관측 노출 지수, 발행된 그대로 0–1
O*NET 작업 매핑 기준
SOC 2018 직업 단위로 발행된 값이며, 같은 SOC 2018 코드를 가진 O*NET 직업은 모두 이 값을 받습니다
원천 데이터셋 (CSV 파일 내려받기)
데이터 출처: ILO발행 시점: 2025
0.57
0.09여기 실린 값의 범위0.70
직업군 단위 값
척도 · 모수 · 출처
생성형 AI 노출 지수, 발행된 그대로 0–1
ISCO-08 직업군 단위로 발행된 값입니다. 미국 노동통계국(BLS)의 공식 교차표(ISCO-08→2010 SOC, 2010 SOC→2018 SOC)를 그대로 적용해 이 직업에 연결했으며, 연결은 전부 또는 일부 대응입니다
원천 데이터셋 (PDF 파일 내려받기)

이 원천이 어떤 종류의 값인가

BLS 범주는 절대 수준이 아니라 상대 순위이며, 1차 측정도 아닙니다. 여러 선행 연구가 매긴 직업별 백분위 순위를 4단계로 묶은 값입니다. 고용·임금 예측도, 도입 확률도 아니며 자동화와 증강을 구분하지 않습니다.

작업별 노출도

노출된 작업만

평가 작업 16개 · β ≥ 0.5 인 작업 16개 (100.0%)

β = 직접 노출(E1) + 0.5 × 도구 활용 시 노출(E2). 원본 저장소의 정의를 따릅니다.

원천 단위: O*NET 27.2 작업 → O*NET 31.0 직업 코드
채점된 작업이 모두 O*NET 31.0 작업 목록에 있습니다.

출처: OpenAI "GPTs are GPTs" exposure rubric
판: gh-main-0471612
라이선스: MIT License, Copyright (c) 2024 OpenAI

작업 (O*NET 30.2)	Claude.ai원천값 / 비중 %	API원천값 / 비중 %
전용 소프트웨어를 사용해 데이터 분석 결과를 전달할 그래프·차트나 그 밖의 시각 자료를 제작한다. 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
분석을 수행하기 위해 프로그래밍 언어로 새 함수나 응용 프로그램을 작성한다. Write new functions or applications in programming languages to conduct analyses. 15-2051.00	0.120019.4	0.100027.0
수학 이론과 기법을 사용해 공학·과학·그 밖의 분야에서 해결책을 제안한다. Propose solutions in engineering, the sciences, and other fields using mathematical theories and techniques. 15-2051.00	0.04006.5	0.00000.0
통계 소프트웨어를 사용해 대규모 데이터를 분석·가공하거나 처리한다. Analyze, manipulate, or process large sets of data using statistical software. 15-2051.00	0.03004.8	0.120032.4
데이터 분석 결과를 활용해 예산 편성·인력 배치·마케팅 결정 같은 사업 문제의 해결책을 파악한다. 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
통계 소프트웨어를 사용해 원시 데이터를 정제하고 가공한다. Clean and manipulate raw data using statistical software. 15-2051.00	0.02003.2	—0
관계와 추세, 또는 연구 결과에 영향을 줄 수 있는 요인을 파악한다. Identify relationships and trends or any factors that could affect the results of research. 15-2051.00	0.01001.6	0.02005.4
관심 있는 결과를 정확히 예측하도록 모델을 테스트하고 검증하며 다시 구성한다. Test, validate, and reformulate models to ensure accurate prediction of outcomes of interest. 15-2051.00	0.01001.6	0.01002.7
주요 이해관계자에게 데이터 기반 해법을 권고한다. Recommend data-driven solutions to key stakeholders. 15-2051.00	0.01001.6	0.00000.0
손실 함수나 설명된 분산 비율 같은 통계 성능 지표를 사용해 모델을 비교한다. Compare models using statistical performance metrics, such as loss functions or proportion of explained variance. 15-2051.00	0.00000.0	0.00000.0
수학적 모델링과 데이터 분석 결과를 경영진이나 그 밖의 최종 사용자에게 구두나 서면으로 발표한다. 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
모든 표면에서 관측 없음 5건 — 원천에 해당 릴리스 행이 없는 작업입니다. 비중 0은 표시 단계의 구성비이고, 부재는 원천값 칸의 —가 나타냅니다.
매출·이탈·의료 이용 같은 관심 결과를 예측하는 모델에 특징 선택 알고리즘을 적용한다. Apply feature selection algorithms to models predicting outcomes of interest, such as sales, attrition, and healthcare use.	—0	—0
조사할 집단을 결정하기 위해 표본 추출 기법을 적용하거나 전수 조사 방법을 사용한다. Apply sampling techniques to determine groups to be surveyed or use complete enumeration methods.	—0	—0
데이터를 수집할 설문조사·여론조사나 그 밖의 도구를 설계한다. Design surveys, opinion polls, or other instruments to collect data.	—0	—0
데이터 분석으로 다룰 수 있는 사업 문제나 경영 목표를 파악한다. Identify business problems or management objectives that can be addressed through data analysis.	—0	—0
새로 떠오르는 분석 동향과 기술을 파악하기 위해 과학 논문·학술대회 논문·그 밖의 연구 출처를 읽는다. Read scientific articles, conference papers, or other sources of research to identify emerging analytic trends and technologies.	—0	—0

이 탭의 값은 관측이 아니라 예측 라벨입니다. Eloundou et al.(2023)은 인간 평가자와 GPT-4 두 평가 기준을 공개했고, 이 표의 β는 그중 GPT-4 평가 기준 하나로만 유도한 값입니다 — 평가 기준이 다르면 같은 작업이라도 값이 달라질 수 있습니다. 다른 탭의 관측 비중(%)과는 단위도 의미도 다르니 같은 축에 놓고 비교하지 마세요.

작업 (O*NET 27.2)	βE1 + 0.5 × E2
매출·이탈·의료 이용 같은 관심 결과를 예측하는 모델에 특징 선택 알고리즘을 적용한다. Apply feature selection algorithms to models predicting outcomes of interest, such as sales, attrition, and healthcare use. O*NET 작업 ID 21824	1.0
조사할 집단을 결정하기 위해 표본 추출 기법을 적용하거나 전수 조사 방법을 사용한다. Apply sampling techniques to determine groups to be surveyed or use complete enumeration methods. O*NET 작업 ID 21825	1.0
통계 소프트웨어를 사용해 원시 데이터를 정제하고 가공한다. Clean and manipulate raw data using statistical software. O*NET 작업 ID 21826	1.0
손실 함수나 설명된 분산 비율 같은 통계 성능 지표를 사용해 모델을 비교한다. Compare models using statistical performance metrics, such as loss functions or proportion of explained variance. O*NET 작업 ID 21827	1.0
데이터를 수집할 설문조사·여론조사나 그 밖의 도구를 설계한다. Design surveys, opinion polls, or other instruments to collect data. O*NET 작업 ID 21830	1.0
수학 이론과 기법을 사용해 공학·과학·그 밖의 분야에서 해결책을 제안한다. Propose solutions in engineering, the sciences, and other fields using mathematical theories and techniques. O*NET 작업 ID 21834	1.0
관심 있는 결과를 정확히 예측하도록 모델을 테스트하고 검증하며 다시 구성한다. Test, validate, and reformulate models to ensure accurate prediction of outcomes of interest. O*NET 작업 ID 21837	1.0
분석을 수행하기 위해 프로그래밍 언어로 새 함수나 응용 프로그램을 작성한다. Write new functions or applications in programming languages to conduct analyses. O*NET 작업 ID 21838	1.0
통계 소프트웨어를 사용해 대규모 데이터를 분석·가공하거나 처리한다. Analyze, manipulate, or process large sets of data using statistical software. O*NET 작업 ID 21823	0.5
전용 소프트웨어를 사용해 데이터 분석 결과를 전달할 그래프·차트나 그 밖의 시각 자료를 제작한다. Create graphs, charts, or other visualizations to convey the results of data analysis using specialized software. O*NET 작업 ID 21828	0.5
수학적 모델링과 데이터 분석 결과를 경영진이나 그 밖의 최종 사용자에게 구두나 서면으로 발표한다. Deliver oral or written presentations of the results of mathematical modeling and data analysis to management or other end users. O*NET 작업 ID 21829	0.5
데이터 분석으로 다룰 수 있는 사업 문제나 경영 목표를 파악한다. Identify business problems or management objectives that can be addressed through data analysis. O*NET 작업 ID 21831	0.5
관계와 추세, 또는 연구 결과에 영향을 줄 수 있는 요인을 파악한다. Identify relationships and trends or any factors that could affect the results of research. O*NET 작업 ID 21832	0.5
데이터 분석 결과를 활용해 예산 편성·인력 배치·마케팅 결정 같은 사업 문제의 해결책을 파악한다. Identify solutions to business problems, such as budgeting, staffing, and marketing decisions, using the results of data analysis. O*NET 작업 ID 21833	0.5
새로 떠오르는 분석 동향과 기술을 파악하기 위해 과학 논문·학술대회 논문·그 밖의 연구 출처를 읽는다. Read scientific articles, conference papers, or other sources of research to identify emerging analytic trends and technologies. O*NET 작업 ID 21835	0.5
주요 이해관계자에게 데이터 기반 해법을 권고한다. Recommend data-driven solutions to key stakeholders. O*NET 작업 ID 21836	0.5
작업 6개 더 보기 ▾접기 ▴

β = E1 + 0.5 × E2 · E1 = LLM에 직접 접근하는 것만으로 소요시간이 50% 이상 줄어드는 작업, E2 = LLM 위에 별도 소프트웨어를 얹으면 50% 이상 줄어드는 작업. 값은 0 / 0.5 / 1.0 세 단계뿐입니다.

데이터 출처·라이선스 — O*NET®, Anthropic Economic Index, Eloundou et al. (2023): 상세 고지는 크레딧 및 출처 페이지 참조

O*NET 31.0 작업 전체 (16개)

이 직업의 O*NET 31.0 작업 전체(영문 원문, 유형 핵심·보조). 노출값은 이 목록에 싣지 않으며, 위 표에서 각 원천이 사용한 O*NET 판의 문면 옆에 있습니다.

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

고용 전망 (BLS)

이 O*NET 직업만의 값이 아니라 SOC 15-2051 그룹(Data scientists) 전체의 값입니다.

고용, 2025: 276K
고용 전망, 2035: 371K
변화율 (2025–35): +34.6%
연간 임금 중위값, 2025: $120,230
진입 시 일반적 학력: Bachelor's degree

최저 $30,890BLS EP 2025–35 세부 직업 825개 중위임금 범위최고 $559,030

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

한국 직업분류 연결 (KSCO)

AI Changing Work가 만든 한국 직업분류 직결표 v1.1 현행 판의 연결입니다. 관계 값은 O*NET-SOC 직업 쪽에서 읽습니다.

KSCO 코드	KSCO 명칭	관계	상태
22420	데이터 분석가	범위 같음	확정

아래 KNOW 직업은 AI Changing Work가 위 표의 KSCO 세세분류에서 한국고용직업분류를 거쳐 분류 코드로 이은 것입니다. 묶음마다 한 분류 칸에 속한 KNOW 직업을 모두 보여 주며, 여러 KSCO 세세분류가 같은 칸으로 이어지면 한 번만 싣습니다. 한국고용정보원이 정한 대응 관계가 아니며, 이 직업과 같은 일이라는 뜻도 아닙니다.

출처: 한국고용정보원 워크넷 직업정보(KNOW) · 공공누리 제4유형

KSCO 22420 에서 이어짐

데이터분석가(빅데이터분석가)
임금(만원): 하위(25%) 5.0K 평균(50%) 6.1K 상위(25%) 10.25K
일자리 전망: 증가(33%) 현상유지(7%) 감소(60%)
직업만족도: 70.4
수행직무
- -분석 목표에 따라 데이터의 분석 방법을 기획한다.
- -분석할 데이터 자원을 수집한다.
- -대용량의 데이터를 처리하는 플랫폼을 활용하여 처리·분석한다.
- -분석 방법에 따라 마이닝, 네트워크 분석, 복잡계기법 분석, 클러스터 분석 등을 활용한다.
- -프로그램을 사용하여 분석 결과를 시각화한다.
- -데이터와 관련된 새로운 기술, 유행, 트렌드 등을 수시로 파악한다.
데이터 시스템 전문가
임금(만원): 하위(25%) 6.375K 평균(50%) 7.35K 상위(25%) 10.0K
일자리 전망: 증가(27%) 현상유지(27%) 감소(46%)
직업만족도: 74.1
수행직무
- -데이터베이스의 사용자를 등록 관리하고 모니터링을 실시한다.
- -데이터베이스의 자료에 대한 백업 및 복구절차를 마련하고 백업 주기에 따른 데이터의 백업을 실시한다.
- -데이터베이스의 보안 정책을 수립하고, 이에 따른 보안 관리를 준수해 나간다.
- -데이터베이스의 성능을 모니터링하고, 성능 향상을 위한 시스템 튜닝을 실시하여 최대 성능을 유지시켜 나간다.
- -데이터베이스 시스템의 고장 및 사용상의 문제가 발생 되었을 시, 신속히 원인을 파악하여 이를 최단 복구시킨다.
- -데이터베이스 시스템의 기술적, 환경적 변화의 추세에 따른 지속적인 시스템의 업그레이드를 계획하고 이를 추진한다.

한국고용정보원 직업정보(KNOW)에서 상세 확인 (외부 사이트)

관계·상태 정의(kr-direct v1.1)

ILO(국제노동기구) 직업설명

아래 ISCO-08 직업군은 AI Changing Work가 미국 노동통계국(BLS)이 발행한 교차표(2018 SOC→2010 SOC, 2010 SOC→ISCO-08)를 사례별 선택 없이 그대로 적용해 이 직업에 연결한 것입니다. 연결은 전부 또는 일부 대응일 수 있습니다.

ISCO-08 3314Statistical, Mathematical and Related Associate Professionals
통계, 수학 및 관련 준전문가

출처: 본 저작물은 '국가데이터처'에서 2026년 작성하여 공공누리 제3유형(출처표시-변경금지)으로 개방한 '한국표준직업분류(KSCO 8차)-국제표준직업분류(ISCO-08) 연계표'를 이용하였으며, 해당 저작물은 '국가데이터처 통계분류포털, https://kssc.mods.go.kr'에서 무료로 다운받으실 수 있습니다. 원문을 변경하지 않고 그대로 인용하였습니다.

원문 보기

아래 정의·작업·예시 직업은 이 직업이 아니라 해당 ISCO-08 직업군에 대한 ILO의 설명입니다.

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.

작업

(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.

예시 직업

Actuarial assistant · Mathematical assistant · Statistical assistant

출처: ILO ISCO-08 · KSCO 명칭: 국가데이터처 연계표 — 상세: 크레딧 및 출처

ESCO 직업 어휘

아래 각 항목은 공개된 ESCO-O*NET 크로스워크(버전 1, 2022)에서 이 직업과 하나씩 대응된 것입니다. 대응 유형은 그 크로스워크의 것이고, 표현은 AI Changing Work의 것입니다.

data scientistESCO 2511.3범위 같음
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 2511.10이 직업이 더 넓음
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 2511.2겹침(같지 않음)
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 2529.8겹침(같지 않음)
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 2120.6겹침(같지 않음)
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.

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

라이선스: CC BY 4.0 (EU Reuse Notice)

원문 보기

ESCO 재이용 조건과 수정 고지는 크레딧 및 출처에 있습니다.

프랑스 직업분류 연결 (ROME)

이 직업과 ROME 4.0 직업(fiche)을 AI Changing Work가 AI 모델로 판정해 이은 연결입니다. 관계 값은 이 직업 쪽에서 읽습니다. 「잠정」 표시 연결은 같은 모델 계열(Claude)의 두 판단자 판정만으로, 또는 그 판정에 운영자 규칙을 적용해 채택한 연결이라 확정 연결보다 근거가 약합니다.

ROME 코드	ROME 명칭 (프랑스어)	관계
M1405	Data scientist	범위 같음잠정
G1211	Analyste de la performance sportive	관련(대응 아님)
M1423	Chief Data Officer	관련(대응 아님)
M1414	Ingénieur statisticien / Ingénieure statisticienne	관련(대응 아님)잠정
M1419	Data analyst	관련(대응 아님)잠정
M1811	Data engineer	관련(대응 아님)잠정

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)

스페인 직업분류 연결 (CNO-11)

이 직업과 CNO-11 직업을 AI Changing Work가 AI 모델로 판정해 이은 연결입니다. 관계 값은 이 직업 쪽에서 읽습니다.

CNO-11 코드	CNO-11 명칭 (스페인어)	관계
2416	Estadísticos	관련(대응 아님)잠정
2729	Especialistas en bases de datos y en redes informáticas no clasificados bajo otros epígrafes	관련(대응 아님)잠정

출처: 스페인 국립통계청(INE), 국가직업분류 2011(CNO-11, 왕령 1591/2010) — www.ine.es · CC BY 4.0. CNO-11 코드와 스페인어 직업명은 변경 없이 표시하며, O*NET 직업과의 연결은 AI Changing Work 자체 판단으로 INE의 대응표가 아닙니다.

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

독일 직업분류 연결 (KldB)

이 직업과 KldB 직업을 AI Changing Work가 AI 모델로 판정해 이은 연결입니다. 관계 값은 이 직업 쪽에서 읽습니다.

KldB 코드	KldB 명칭 (독일어)	관계
43104	Berufe in der Informatik (ohne Spezialisierung) - hoch komplexe Tätigkeiten	이 직업이 더 좁음

출처: © Statistik der Bundesagentur für Arbeit — Klassifikation der Berufe 2010 – überarbeitete Fassung 2020, https://statistik.arbeitsagentur.de. KldB 코드와 직업명은 변경 없이 표시하며, O*NET 직업과의 연결은 AI Changing Work 자체 매핑(eigene Zuordnung)으로 연방고용청의 대응표가 아닙니다.

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

일본 직업분류 연결 (JSCO)

이 직업과 JSCO 직업을 AI Changing Work가 AI 모델로 판정해 이은 연결입니다. 관계 값은 이 직업 쪽에서 읽습니다.

JSCO 코드	JSCO 명칭 (일본어)	관계
119	その他の技術者	이 직업이 더 좁음
109	その他の情報処理・通信技術者	관련(대응 아님)

출처: 일본 총무성, 일본표준직업분류(2009년 12월, 총무성 고시 제555호). JSCO 코드와 일본어 직업명은 변경 없이 표시하며, O*NET 직업과의 연결은 AI Changing Work 자체 판단으로 총무성의 대응표가 아닙니다.

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

이 직업과 관련된 최근 변화

요약과 관련 표시는 AI Changing Work가 작성·판단한 것입니다. 수치는 연결된 출처에서 확인하세요.

직접 관련2026년 8월: 미국 노동통계국(BLS) 직업전망 핸드북(2026년 8월 갱신): 데이터 과학자 고용은 2025~2035년 35% 늘어 전체 직업 평균보다 훨씬 빠르게 성장할 전망이며, 해마다 약 24,800개의 일자리가 새로 날 것으로 봅니다.
[출처: U.S. Bureau of Labor Statistics]

이 페이지의 데이터 출처·라이선스와 AI Changing Work의 수정·번역 고지: 크레딧 및 출처