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.
- Fonte dos dados: BLSPublicado: 2026-08
Muito alto· relativa
BaixoQuatro faixas relativasMuito altoValor por grupo ocupacional
Escala, base e fonte
Quatro faixas relativas (Baixo / Moderado / Alto / Muito alto)
831 ocupações detalhadas da tabela de projeções de emprego do BLS. O valor é atribuído por código da National Employment Matrix (NEM), pelo que as ocupações que partilham um código NEM recebem a mesma banda
- Fonte dos dados: AnthropicPublicado: 2026-03
0,461
0,000Intervalo dos valores aqui apresentados0,745Valor por grupo ocupacional
Escala, base e fonte
Índice de exposição observada, 0–1 tal como publicado
Mapeado sobre tarefas O*NET
Publicado por ocupação SOC 2018; toda ocupação O*NET com o mesmo código SOC 2018 recebe este valor
- Fonte dos dados: ILOPublicado: 2025
0,57
0,09Intervalo dos valores aqui apresentados0,70Valor por grupo ocupacional
Escala, base e fonte
Índice de exposição à IA generativa, 0–1 tal como publicado
Publicado por grupo de base ISCO-08. Ligado a esta ocupação, total ou parcialmente, aplicando tal como publicadas as tabelas de correspondência do U.S. Bureau of Labor Statistics (ISCO-08 para SOC 2010, SOC 2010 para SOC 2018)
Que tipo de valor esta fonte publica
A categoria de BLS é uma posição relativa, não um nível absoluto, e também não é uma medição de primeira mão: agrupa em quatro faixas as posições percentis da ocupação em vários estudos publicados. Não é uma previsão de emprego ou de salários, não é uma probabilidade de adoção e não distingue automação de aumento.
Task-level exposure
Ver 7 tarefas ocultas16 tarefas avaliadas · 16 tarefas com β ≥ 0,5 (100,0%)
β = exposição direta (E1) + 0,5 × exposição com ferramentas disponíveis (E2), segundo a definição do repositório de origem.
- Unidade de origem: tarefas do O*NET 27.2 → código de ocupação do O*NET 31.0
- Todas as tarefas pontuadas constam da lista de tarefas do O*NET 31.0.
- Fonte
- OpenAI "GPTs are GPTs" exposure rubric
- Versão
- gh-main-0471612
- Licença
- 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 as tarefas do O*NET 31.0 (16)
Todas as tarefas do O*NET 31.0 desta ocupação (em inglês, como publicadas; tipo de tarefa principal ou complementar). Os valores de exposição não constam desta lista; estão na tabela acima, ao lado de cada tarefa na redação da versão do O*NET usada por cada fonte.
| Tarefa (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. | Complementar |
0,00/ 3· Índice de exposição a robôs
Escala, base e fonte
Cada tarefa física recebe uma nota de 0 a 3 conforme o ambiente em que robôs já implantados, vendidos ou demonstrados poderiam realizá-la (0 nenhum · 1 ambientes feitos para robôs, como uma célula de máquinas cercada ou uma linha de engarrafamento · 2 instalações estruturadas, como uma farmácia hospitalar ou um porto de contêineres · 3 ambientes não estruturados, como uma residência particular ou um canteiro de obras), e as notas são promediadas pela parcela do tempo de trabalho
Tarefas físicas entre as tarefas O*NET 29.3 desta ocupação
A Anthropic estimou as notas e as parcelas de tempo com o Claude Opus 5 usando pesquisa na web (situação em 2026).
O índice de exposição a robôs é uma medida diferente dos números de exposição à IA deste site e não pode ser somado a eles nem comparado com eles. Não mede a adoção real nem o custo, e 0 também abrange ocupações sem tarefas físicas.
Nota de cada tarefa física
Nenhuma das tarefas O*NET 29.3 desta ocupação é classificada como tarefa física.
Informação ocupacional
Perspetivas de emprego (BLS)
Valores de todo o grupo SOC 15-2051 (Data scientists), não apenas desta ocupação O*NET.
- Emprego, 2025
- 276K
- Emprego projetado, 2035
- 371K
- Variação (2025–35)
- +34,6%
- Salário anual mediano, 2025
- $120.230
- Escolaridade habitual para ingresso
- Bachelor's degree
Ligações à classificação coreana (KSCO)
Ligações da versão atual de Korea Occupation Direct Crosswalk v1.1, elaborado pela AI Changing Work. Os valores de relação são lidos a partir da ocupação O*NET-SOC.
| Código KSCO | Nome KSCO | Relação | Estado |
|---|---|---|---|
| 22420 | 데이터 분석가 | Mesmo âmbito | confirmado |
Definições de relação e estado(kr-direct v1.1)
Descrição ocupacional da OIT
A AI Changing Work vincula a esta ocupação os grupos de base da ISCO-08 abaixo aplicando, tal como publicadas, as tabelas de correspondência do Bureau of Labor Statistics dos EUA (BLS) (SOC 2018 para SOC 2010, SOC 2010 para ISCO-08), sem seleção caso a caso; cada vínculo pode ser total ou parcial.
- ISCO-08 3314Statistical, Mathematical and Related Associate Professionals
Técnicos de nível intermédio da estatística, matemática e similares
Fonte: European Commission, DG EMPL — ESCO API 2026-08-08 (bridge v1.2.1)
Licença: CC BY 4.0 (EU Reuse Notice)
A definição, as tarefas e os exemplos abaixo são a descrição da OIT para esse grupo de base, não para esta ocupação.
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.
Tarefas
- (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.
Ocupações de exemplo
Actuarial assistant · Mathematical assistant · Statistical assistant
Sources: ILO ISCO-08 — details: Credits
Vocabulário ocupacional ESCO
Cada entrada abaixo está associada a esta ocupação no ESCO-O*NET Crosswalk publicado (versão 1, 2022). Os tipos de correspondência são os dessa tabela; a redação é da AI Changing Work.
- Cientista de dadosESCO 2511.3Mesmo âmbito
Os cientistas de dados pesquisam e interpretam fontes de dados enriquecidos, gerem grandes quantidades de dados, procedem à fusão de fontes de dados, asseguram a consistência dos conjuntos de dados e criam visualizações para ajudar na compreensão dos dados. Constroem modelos matemáticos utilizando os dados, apresentam e comunicam informações e conclusões relativas aos dados aos especialistas e cientistas da sua equipa e, se necessário, a um público não especializado, e recomendam formas de aplicar os dados.
- Designer de sistemas informáticos inteligentesESCO 2511.10Esta ocupação é mais ampla
Os designers de sistemas informáticos inteligentes aplicam métodos de inteligência artificial nos domínios da engenharia, da robótica e da informática para a conceção de programas de simulação de inteligência, incluindo modelos de raciocínio, sistemas cognitivos e baseados no conhecimento, resolução de problemas e tomada de decisões. Além disso, integram conhecimentos estruturados em sistemas informáticos (ontologias, bases de conhecimentos), tendo em vista a resolução de problemas complexos que exigem normalmente um elevado nível de competências humanas ou métodos de inteligência artificial.
- Analista de dadosESCO 2511.2Sobrepõem-se, não são iguais
Os analistas de dados executam funções de importação, inspeção, depuração, transformação, validação, modelação ou interpretação de conjuntos de dados relativos aos objetivos empresariais da empresa. Asseguram que as fontes e os repositórios de dados fornecem dados consistentes e fiáveis. Os analistas de dados utilizam diferentes algoritmos e ferramentas de TI, conforme exigido pela situação e pelos dados do momento. Podem elaborar relatórios sob a forma de visualizações como gráficos, mapas e quadros.
- Engenheiro do conhecimento/Engenheira do conhecimentoESCO 2529.8Sobrepõem-se, não são iguais
Os engenheiros do conhecimento integram conhecimentos estruturados em sistemas informáticos (bases de conhecimentos), a fim de resolverem problemas complexos que exigem normalmente um elevado nível de competências humanas ou métodos de inteligência artificial. São também responsáveis pela divulgação ou extração de conhecimentos de fontes de informação, pela manutenção desses conhecimentos e pela sua disponibilização à organização ou aos utilizadores. Para tal, têm conhecimento das técnicas de representação e manutenção dos conhecimentos (regras, estruturas, redes semânticas, ontologias) e utilizam técnicas e ferramentas de extração de conhecimentos. Podem conceber e construir sistemas de inteligência artificial ou especializados que utilizem esses conhecimentos.
- EstaticistaESCO 2120.6Sobrepõem-se, não são iguais
Os estaticistas recolhem, tabulam e, sobretudo, analisam as informações quantitativas provenientes de diversos domínios. Interpretam e analisam os estudos estatísticos em domínios como a saúde, a demografia, as finanças, as empresas, etc., e prestam aconselhamento com base em padrões e análises realizadas.
Fonte: European Commission, DG EMPL — ESCO API 2026-08-08 (bridge v1.2.1)
Licença: CC BY 4.0 (EU Reuse Notice)
ESCO reuse terms and the modification notice are in Credits.
Ligações à classificação francesa (ROME)
Ligações entre esta ocupação e fichas ROME 4.0, estabelecidas pela AI Changing Work com modelos de IA. As relações leem-se do lado desta ocupação. As ligações marcadas como «provisório» foram adotadas apenas com base nos julgamentos de dois avaliadores da mesma família de modelos (Claude), ou por uma regra do operador aplicada a esses julgamentos, pelo que se apoiam em evidências mais fracas do que as ligações confirmadas.
| Código ROME | Designação ROME (francês) | Relação |
|---|---|---|
| M1405 | Data scientist | Mesmo âmbitoprovisório |
| G1211 | Analyste de la performance sportive | Relacionada, não correspondente |
| M1423 | Chief Data Officer | Relacionada, não correspondente |
| M1414 | Ingénieur statisticien / Ingénieure statisticienne | Relacionada, não correspondenteprovisório |
| M1419 | Data analyst | Relacionada, não correspondenteprovisório |
| M1811 | Data engineer | Relacionada, não correspondenteprovisório |
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)
Ligações à classificação espanhola (CNO-11)
Ligações entre esta ocupação e ocupações CNO-11, estabelecidas pela AI Changing Work com modelos de IA. As relações leem-se do lado desta ocupação.
| Código CNO-11 | Designação CNO-11 (espanhol) | Relação |
|---|---|---|
| 2416 | Estadísticos | Relacionada, não correspondenteprovisório |
| 2729 | Especialistas en bases de datos y en redes informáticas no clasificados bajo otros epígrafes | Relacionada, não correspondenteprovisório |
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)
Ligações à classificação alemã (KldB)
Ligações entre esta ocupação e ocupações KldB, estabelecidas pela AI Changing Work com modelos de IA. As relações leem-se do lado desta ocupação.
| Código KldB | Designação KldB (alemão) | Relação |
|---|---|---|
| 43104 | Berufe in der Informatik (ohne Spezialisierung) - hoch komplexe Tätigkeiten | Esta ocupação é mais restrita |
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)
Ligações à classificação japonesa (JSCO)
Ligações entre esta ocupação e ocupações JSCO, estabelecidas pela AI Changing Work com modelos de IA. As relações leem-se do lado desta ocupação.
| Código JSCO | Designação JSCO (japonês) | Relação |
|---|---|---|
| 119 | その他の技術者 | Esta ocupação é mais restrita |
| 109 | その他の情報処理・通信技術者 | Relacionada, não correspondente |
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)
Alterações recentes relacionadas com esta ocupação
Os resumos e as indicações de relação são da AI Changing Work; confira os números na fonte indicada.
Diretamente 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.
[Fonte: U.S. Bureau of Labor Statistics]
Fontes de dados e licenças desta página, e avisos de modificação e tradução da AI Changing Work: Créditos e fontes