数据科学家：AI 对工作的影响
AI 可起草分析代码、清洗步骤和图表。统计设计、泄漏检查及结果解读需要独立审核。
AI 适用性
0.357 / 1
Microsoft 研究中 AI 对该职业工作的适用程度。这是指数，不是概率。
观测到的活动覆盖率
77.2%
超过研究使用阈值的工作活动占比，按重要性加权。不是使用 AI 的员工比例。
已发表的 SOC 评分覆盖范围更广的数据科学家职业组，包括 O*NET 细分职业。
Microsoft v1.1 · 研究样本为 2024 年 1–9 月的美国 Bing Copilot 对话。这些指标不预测失业，也不会随你的任务选择改变。 查看测量方法
你的日常任务
设置每项任务的频率，更新任务分布、行动计划和工具建议。
频率权重：偶尔 1、定期 2、频繁 3。这些比例不代表工时、节省时间或失业风险。
AI 角色分类是 AI IDE List 对 O*NET 任务的编辑评估，不是实测自动化率。部分自动化仍需要审核。
编写数据分析代码
起草可复现分析，在每次转换时检查行数、缺失值和假设。
任务来源
O*NET 任务原文（英语）
Analyze, manipulate, or process large sets of data using statistical software.
O*NET 31.0，任务 21823 · 重要性 4.33 / 5. 查看该职业的任务
选择模型特征
提出候选特征，检验信息泄漏、稳定性，以及预测时是否能取得各项输入。
任务来源
O*NET 任务原文（英语）
Apply feature selection algorithms to models predicting outcomes of interest, such as sales, attrition, and healthcare use.
O*NET 31.0，任务 21824 · 重要性 3.75 / 5. 查看该职业的任务
设计抽样方法
比较抽样方案，在采集前确定总体并评估选择偏差。
任务来源
O*NET 任务原文（英语）
Apply sampling techniques to determine groups to be surveyed or use complete enumeration methods.
O*NET 31.0，任务 21825 · 重要性 3.00 / 5. 查看该职业的任务
清洗原始数据
根据数据结构生成清洗规则，审核被剔除的行，并保留未修改的输入副本。
任务来源
O*NET 任务原文（英语）
Clean and manipulate raw data using statistical software.
O*NET 31.0，任务 21826 · 重要性 4.04 / 5. 查看该职业的任务
比较模型表现
起草评估代码，在独立数据上核对划分方式、基线和指标。
任务来源
O*NET 任务原文（英语）
Compare models using statistical performance metrics, such as loss functions or proportion of explained variance.
O*NET 31.0，任务 21827 · 重要性 4.04 / 5. 查看该职业的任务
制作图表
生成图表规格，核对坐标轴、单位、分母和底层数值。
任务来源
O*NET 任务原文（英语）
Create graphs, charts, or other visualizations to convey the results of data analysis using specialized software.
O*NET 31.0，任务 21828 · 重要性 4.33 / 5. 查看该职业的任务
展示分析结果
起草实测结果的说明，注明不确定性，区分相关与因果。
任务来源
O*NET 任务原文（英语）
Deliver oral or written presentations of the results of mathematical modeling and data analysis to management or other end users.
O*NET 31.0，任务 21829 · 重要性 4.21 / 5. 查看该职业的任务
定义业务问题
探索可分析的问题，与负责人就决策事项和成功标准达成一致。
任务来源
O*NET 任务原文（英语）
Identify business problems or management objectives that can be addressed through data analysis.
O*NET 31.0，任务 21831 · 重要性 4.13 / 5. 查看该职业的任务
选择保存在当前浏览器中。分享链接只包含职业和所选频率。
你的 AI 工作适应计划
先从一项重复任务开始，验证结果后再扩大流程范围。
验证 AI 辅助分析
对应任务：编写数据分析代码
- 准备
- 使用脱敏样本，附上数据字典、单位和明确的问题。
- 尝试
- 起草可复现分析，在每次转换时检查行数、缺失值和假设。
- 验证
- 独立重算小样本，检查数据关联、缺失值和分母。
检查测试能否发现故障
对应任务：比较模型表现
- 准备
- 提供需求和一个已知失败样例，先不展示拟采用的实现。
- 尝试
- 起草评估代码，在独立数据上核对划分方式、基线和指标。
- 验证
- 确认测试在错误样例上失败，在修正后的行为上通过。
核对证据与不确定性
对应任务：设计抽样方法
- 准备
- 明确问题，并提供带发布日期的一手来源。
- 尝试
- 比较抽样方案，在采集前确定总体并评估选择偏差。
- 验证
- 打开原始来源，核对适用范围，区分研究发现与假设。
设计可靠的评估
建立简单基线和留出集评估，先检查信息泄漏与分组误差，再比较复杂模型。
技能与职业展望
职业数据中的技能
重要性 · 1–5- 数学4.38 / 5
- 批判性思维4.25 / 5
- 阅读理解3.88 / 5
- 复杂问题解决3.75 / 5
- 编程3.75 / 5
按重要性列出 O*NET 中排名靠前的基础与可迁移技能。评分描述职业要求，不预测未来需求。
需要持续评估的问题
有说服力的解释不能证明因果关系。信息泄漏、偏差样本和无效的数据划分会夸大模型表现。
适合所选任务的工具
根据你选择的任务匹配。先用小规模样例测试，再比较结果质量和审核工作量。
来源与限制
匹配的职业： Data Scientists (15-2051.00). 研究采用的职业组：Data Scientists（SOC 15-2051）。
- O*NET 31.0 · CC BY 4.0
- Working with AI，v1.1 · CC BY 4.0
- BLS 就业预测，2025–2035 年 · 美国政府数据
Microsoft 研究使用 O*NET 29.0；此处任务说明使用 O*NET 31.0。保留研究原始评分，编辑建议不是这些来源发表的研究结果。
查看方法、署名与更新记录