很多关注数据科学的小伙伴们可能会问：数据科学家只能去科技类大厂吗？

今天就来跟大家聊一聊数据科学家除了传统谷歌苹果亚马逊这些大厂之外，另一条非常有潜力，年薪也很高的职业选择--管理咨询。

可能大家看到数据科学这个词，就会觉得是一种非常偏重技术的技能，和我们印象中喜欢”搞经营“、”搞钱“的麦肯锡、BCG毫不相关。

但实际上，随着科技的不断进步，数据科学在用户体验和企业营收等各个方向上都有非常亮眼的成绩，也逐渐被麦肯锡这类的咨询公司重视。拥有自己的科技团队，对于每一个传统咨询大厂们来讲都越来越重要。

一个非常明显的表现就是：之前做一个项目都是一个项目经理（manager）带两个项目副经理（associate）一起，现在更多的是一个项目经理带着一个副经理和一个数据科学家，可见数据科学家的重要性是不断提高的。

麦肯锡

麦肯锡2013年就建立了自己的数字化实验室，帮助客户们开发和试验一些新科技或者进行一些新的尝试。名称叫做Proof of Concept，或者POC。到了2015年的时候，麦肯锡又收购了一系列的科技公司，例如做高级数据分析的QuantumBlack以及专注于设计的VeryDay等等，McKinsey Digital也成长为了一个超过2100个人，涵盖60多个office的庞大组织。

BCG

BCG在2016年成立了Digital BCG，包括专门做数据分析的BCG Gamma，做初创和新市场孵化的Digital Ventures，着重科技方向的传统战略咨询团队Technology Advantage等等。

在上述这些数字化团队里面，麦肯锡的QuantumBlack和BCG的Gamma都是专注于数据分析的团队，他们需要大量的数据科学家帮助他们分析和挖掘客户企业的经营数据，进行一系列的建模分析，用实际的分析结果去说服和帮助客户，理解他们现在的运营状况以及市场需求，从而帮助他们减少运营成本，最大化利润空间，策定短期中期长期一系列的运营方向等。

具体可以参考以下麦肯锡的数据科学家实习JD：

• 使用多种工具和技术执行统计数据分析、数据挖掘和优化，以从大型复杂数据集中获取洞察力。
• 进行实际严格的定量分析，包括获取数据、清理数据（必要时/相关）以及探索数据的准确性。
• 部署最适合业务问题的统计建模和优化技术（使用R，Python，SQL和/或其他相关工具）。
• 为客户团队提供解决方法的建议，满足他们的特定需求，包括讨论数据收集、架构、相关成本的建议。
• 解释统计模型和结果的输出，将定量分析的输入转化为具体和可操作的业务建议。包括提供建模技术、方法、假设和流程步骤的详细文档。
• 通过书面和口头陈述向客户提供分析解决方案。
• 深入了解统计和预测建模概念、机器学习方法、聚类和分类技术，以及推荐和优化算法
• 具有一种或多种编程语言（R、Python、C ++等）的经验
• 能够轻松理解处理数据的复杂算法和逻辑
• 拥有处理大量数据的经验，能够解决性能问题
• 具备基本的商业直觉和清晰的分析专业知识，能够描述分析过程
• 出色的沟通和演讲技巧，能够以各种形式创造性地向各利益相关者展示和报告
• 优秀的团队协作能力

总而言之，如果你从事数据科学的相关工作并且想加入咨询行业的话，现在就是一个不错的机会！希望以上分享对你有所帮助。