データサイエンティスト：AIによる仕事への影響
AIは分析コード、データ整備の手順、グラフを作れます。統計設計、情報漏れの確認、結果の解釈には独立したレビューが必要です。
AI適用性
0.357 / 1
Microsoftの研究における、この職種の業務へのAI適用度です。指数であり、確率ではありません。
観測された活動カバー率
77.2%
研究の利用閾値を超えた業務活動の割合を、重要度で重み付けした値です。AIを使う従業員の割合ではありません。
公表されたSOCスコアは、O*NETの専門職種を含む、より広いData Scientistsの職業分類を対象とします。
Microsoft v1.1 · 対象は2024年1～9月の米国のBing Copilot会話です。失業を予測する指標ではなく、タスクの選択によっても変わりません。 測定方法を見る
日々のタスク
各タスクの頻度を設定すると、タスクの構成、計画、ツールの提案が更新されます。
頻度の重みは、ときどき1、定期的2、頻繁に3です。割合は労働時間、削減時間、失業リスクを表しません。
AIの役割は、O*NETのタスクに対するAI IDE Listの編集上の評価です。実測の自動化率ではありません。部分的な自動化にも確認が必要です。
データ分析コードを書く
再現可能な分析を作り、各変換で行数、欠損値、仮定を確認します。
タスクの出典
O*NETのタスク原文（英語）
Analyze, manipulate, or process large sets of data using statistical software.
O*NET 31.0、タスク 21823 · 重要度 4.33 / 5. 職種のタスクを見る
モデルの特徴量を選ぶ
特徴量の候補を挙げ、情報漏れ、安定性、予測時点で入力を得られるかを調べます。
タスクの出典
O*NETのタスク原文（英語）
Apply feature selection algorithms to models predicting outcomes of interest, such as sales, attrition, and healthcare use.
O*NET 31.0、タスク 21824 · 重要度 3.75 / 5. 職種のタスクを見る
標本抽出の方法を設計する
抽出方法を比較し、収集前に母集団を決めて選択バイアスを評価します。
タスクの出典
O*NETのタスク原文（英語）
Apply sampling techniques to determine groups to be surveyed or use complete enumeration methods.
O*NET 31.0、タスク 21825 · 重要度 3.00 / 5. 職種のタスクを見る
生データを整備する
スキーマから整備規則を作り、除外された行を確認して、未変更の入力を保存します。
タスクの出典
O*NETのタスク原文（英語）
Clean and manipulate raw data using statistical software.
O*NET 31.0、タスク 21826 · 重要度 4.04 / 5. 職種のタスクを見る
モデルの性能を比較する
評価コードを作り、独立したデータで分割方法、基準モデル、指標を検証します。
タスクの出典
O*NETのタスク原文（英語）
Compare models using statistical performance metrics, such as loss functions or proportion of explained variance.
O*NET 31.0、タスク 21827 · 重要度 4.04 / 5. 職種のタスクを見る
グラフを作る
グラフの仕様を作り、軸、単位、分母、元の数値を確認します。
タスクの出典
O*NETのタスク原文（英語）
Create graphs, charts, or other visualizations to convey the results of data analysis using specialized software.
O*NET 31.0、タスク 21828 · 重要度 4.33 / 5. 職種のタスクを見る
分析結果を伝える
実測結果の説明を作り、不確実性を示して相関と因果を区別します。
タスクの出典
O*NETのタスク原文（英語）
Deliver oral or written presentations of the results of mathematical modeling and data analysis to management or other end users.
O*NET 31.0、タスク 21829 · 重要度 4.21 / 5. 職種のタスクを見る
事業上の問いを定める
分析できる問いを検討し、意思決定事項と成功基準を責任者と合意します。
タスクの出典
O*NETのタスク原文（英語）
Identify business problems or management objectives that can be addressed through data analysis.
O*NET 31.0、タスク 21831 · 重要度 4.13 / 5. 職種のタスクを見る
選択はこのブラウザに保存されます。共有リンクに含まれるのは職種と選んだ頻度だけです。
AIを業務に取り入れる計画
繰り返し行うタスクを1つ選び、出力を検証してから作業範囲を広げます。
AI支援による分析を検証する
対象タスク：データ分析コードを書く
- 準備
- 匿名化・機密除去済みのサンプルに、データ辞書、単位、明確な問いを添えます。
- 試す
- 再現可能な分析を作り、各変換で行数、欠損値、仮定を確認します。
- 検証
- 小さなサンプルを独立に再計算し、結合、欠損、分母を確認します。
テストが不具合を検出するか確かめる
対象タスク：モデルの性能を比較する
- 準備
- 要件と既知の失敗例を使い、提案された実装は先に見せません。
- 試す
- 評価コードを作り、独立したデータで分割方法、基準モデル、指標を検証します。
- 検証
- 壊れた例ではテストが失敗し、修正後は通ることを確認します。
根拠と不確実性を確認する
対象タスク：標本抽出の方法を設計する
- 準備
- 問いを定め、公開日付きの一次資料を提供します。
- 試す
- 抽出方法を比較し、収集前に母集団を決めて選択バイアスを評価します。
- 検証
- 原典を開いて対象範囲を確認し、結果と仮定を区別します。
信頼できる評価を設計する
単純な基準モデルと独立した評価用データを用意し、情報漏れと集団別の誤りを点検してから複雑なモデルと比較します。
スキルと雇用の見通し
職業データに示されたスキル
重要度 · 1～5- 数学4.38 / 5
- 批判的思考4.25 / 5
- 読解力3.88 / 5
- 複雑な問題の解決3.75 / 5
- プログラミング3.75 / 5
O*NETの基礎・応用スキルのうち、重要度が高いものを表示しています。職業上の要件を示し、将来の需要を予測するものではありません。
米国の雇用予測
+34.6%
雇用の予測変化率、2025～2035年
Data scientists
BLSは多くの要因から雇用全体の変化を予測しています。AIだけの影響や英国の雇用を予測したものではありません。
BLSの雇用予測継続して確認すること
説得力のある説明だけでは因果関係は証明できません。情報漏れ、偏った標本、不適切な評価分割はモデルの性能を過大に見せます。
選んだタスクで試すツール
選んだタスクに基づく提案です。小さな例で試し、出力の品質と確認にかかる手間を比較してください。
出典と限界
参照する職業分類： Data Scientists (15-2051.00). 研究の職業分類：Data Scientists（SOC 15-2051）。
- O*NET 31.0 · CC BY 4.0
- Working with AI、v1.1 · CC BY 4.0
- BLS雇用予測、2025～2035年 · 米国政府データ
Microsoftの研究はO*NET 29.0、ここでのタスク説明はO*NET 31.0を使用しています。研究の元のスコアを保持しており、編集上の助言は各出典が公表した研究結果ではありません。
方法、帰属表示、更新履歴を見る