电影2011
《点球成金》
贝内特·米勒（导演）；改编自迈克尔·刘易斯2003年同名著作戏剧化再现了奥克兰运动家队的比利·比恩与分析师保罗·德波德斯塔如何借助比尔·詹姆斯的赛伯计量学，用统计分析在棒球界最小的预算之一上打造出一支具备竞争力的阵容。
流行文化大体上跳过了统计学家，径直奔向了更具戏剧性的量化分析师或算法形象——数据科学家的公众形象，更多来自《点球成金》里的棒球分析师和《大空头》里预见危机的量化分析师，而不是来自任何真正在做在职数据科学家日常工作的人。
在这个领域内部，其文化建立在公开的竞技性基准测试、不动声色的统计学圈内笑话，以及一种文档格式——模型卡（model card）——之上，它把“如实说明模型的局限性”变成了一项常规的职业习惯，而不是事后补充。
Social standing through history
How much status the profession carried in each era, on a 0–100 scale.
1660年代–1899年1900年代–1930年代1950年代–1980年代2001–2011年2012年至今
1660年代–1899年
早期的统计工作大多由文员、业余改革者以及像南丁格尔这样的自学成才者完成；这些工作有用，偶尔也具影响力，但本身很少享有声望。
1900年代–1930年代
皮尔逊、费舍尔与戈塞特把统计学专业化为一门拥有自己期刊与大学院系的学术学科，赢得了学界的尊重，但对更广泛的公众来说几乎仍不可见。
1950年代–1980年代
随着大型机计算的普及，“数据处理”人员与统计学家主要被视为不可或缺却毫不光鲜的企业后台支持，鲜少出现在高管决策场合。
2001–2011年
克利夫兰2001年的学术提议几乎没有引起公众注意，但Netflix在2006至2009年间举办的百万美元推荐算法竞赛，以及2008年LinkedIn与Facebook创造出“data scientist”这一称呼，开始在科技行业内部引起关注。
2012年至今
《哈佛商业评论》2012年10月“最性感的工作”这一说法，引发了一波招聘与声望热潮；到2020年代，这个职位名称已分裂为更专精的角色，昔日那种独一无二的光环有所减退，但薪酬与需求依然强劲。
In film, books and art
电影2015
《大空头》
亚当·麦凯（导演）；改编自迈克尔·刘易斯的著作追踪了几位分析师如何仔细研究抵押贷款市场数据，在几乎所有人都还不相信这些数字之前，就预见到了2008年的金融危机。
电视剧2005–2010
《数字追凶》
尼古拉斯·法拉奇 & 谢里尔·休顿（创作者）一位数学家用统计分析与模式识别，帮助身为FBI探员的哥哥破案，让美国主流电视观众第一次接触到把应用数学当作侦查工作的概念。
电视剧2011年至今
《黑镜》
查理·布鲁克（创作者）这部英国选集剧反复设想数据画像与预测性评分被推向令人不安的极端，尤以2016年那集《急转直下》最为直接，塑造了公众对算法给人打分排名的焦虑。
电影2016
《隐藏人物》
西奥多·梅尔菲（导演）；改编自玛戈特·李·谢特利的著作讲述了凯瑟琳·约翰逊、多萝西·沃恩与玛丽·杰克逊——三位黑人女数学家——的真实故事，在电子计算机接手这项工作之前，她们的手工计算支撑起了1962年“水星计划”的轨道任务。
纪录片2020
《编码偏见》
沙利尼·坎塔亚（导演）追踪了麻省理工学院研究者乔伊·布奥兰维尼的发现——人脸识别系统对肤色较深的面孔误识率远高于其他人群——把一项技术性的数据偏见发现变成了公众对算法公平性的一场广泛反思。
Proverbs and idioms
Rites, symbols and dress
Kaggle排行榜洗牌
2010年上线的Kaggle公开机器学习竞赛，在比赛全程用一个可见的排行榜为参赛者排名，比赛结束时再根据隐藏的测试集揭晓最终名次——参赛者称这一刻为“洗牌”，因为过度拟合公开排行榜可能让一支团队一夜之间掉下数十名。
发布模型卡
遵循谷歌玛格丽特·米切尔及其同事在2018年一篇论文中提出的做法，团队越来越多地在模型发布前用一份简短的“模型卡”记录其预期用途、训练数据与已知局限——这被视为一项职业义务，而非可有可无的附加项。
笔记本演示
通过实时滚动展示Jupyter notebook中的单元格与图表来呈现探索性发现，而不是使用精美的幻灯片，仍是数据科学家与队友及利益相关者分享早期成果的默认方式。
这一切都没有解决这个领域最古老的争议：“数据科学”究竟是一门真正的新学科，还是套着更好卖名字的旧统计与计算工作。从业者自己也在争论这个问题，往往就发生在同一个团队内部。
自格朗特1662年的死亡率统计表以来，始终不变的是这个基本动作：把一堆记录变成有人可以据以行动的结论，并如实说明这个结论究竟在多大程度上得到了数据的支持。