为什么我加入麦肯锡数据科学家

时间飞逝;我们告别了疯狂和意想不到2021年,步入新的一年…。一个多月前!反思2021年,我意识到我已经离开背后的咨询生活一年多了。

回首往事,加入麦肯锡是最好的运动之一,我为我的职业生涯(到目前为止),我真的学到很多关于数据科学与职业发展的一般经验(如果你想读到的经验我学到了科学数据,读我的前一篇文章在这里)。

所以作为一个米情绪对自己和世界感兴趣的人咨询,我想分享一些想法在本文中关于为什么我最初加入麦肯锡;在我的下一篇文章中,我将分享我最终决定离开的原因。希望这些文章相结合将为那些正考虑提供一些见解数据科学咨询作为一种职业选择。

在定量研究在金融行业近两年,我意识到,我喜欢我的工作的分析和数据方面,但我不是一个金融行业的狂热粉丝。

所以我决定把我的可转换的技能在其他地方的数据。问题是,在哪里?我只知道我没有想做的事,但是我还是一无所知做了想做的事。我想处理地理空间数据吗?优化消费者的营销活动或B2B销售漏斗?

咨询是完美的行业去如果你和我在同一个地方知道你想处理数据,但是不知道你想要什么样的数据处理和/或行业你感兴趣的工作。

因为咨询公司提供广泛的客户,无论你的兴趣和热情所在,你会发现对你的东西。即使在同一个行业,你将会得到与广泛的合作公司的规模,成熟、文化等维度。

因为有经验的顾问与数十家公司在过去,他们经常开发最佳实践/剧本在一个特定区域。等人的新数据科学领域,咨询是一个最好的地方”摸到门道”。

2。主你的职业咨询是一个很好的方法

从计量金融研究员过渡到一个数据科学家不是一个简单的尽管有很多重叠的技能;大量的数据科学招聘人员不熟悉其他领域(在我的情况下,量化金融行业),经常不知道如何正确地评估非传统背景。咨询员工从更多不同背景比一般行业工作,这是完美的垫脚石,主机会如果你想做一个职业生涯转向科学数据。

咨询的背景绝对是一个+如果你以后申请行业工作;部分是因为大多数咨询公司的声望和部分原因的技能和经验得到一个顾问的角色。

3所示。你学会敏捷,快速学习,是一个完整的数据科学家

在咨询中,每个项目将是不同的,每一个新接触就像得到一份新工作。作为一个结果,你学会非常敏捷,适应不同的工作情况下,经理、队友和利益相关者很快。一些客户使用Python和一些喜欢R;一些客户数据在数据库和可以通过SQL,提取一些数据只有在csv或者pdf文档。作为一个数据科学顾问,你通常需要寻找有创意的方法来解决这个看似不可能的和能够学习自己通过在工作中学习。

因为每个项目的设置和团队不同,作为一个数据科学家,有时(如果你是幸运的)你会配备一个整体团队的数据工程师;有时你必须的数据工程师并试图从pdf文档处理客户的“完美”数据。正因为如此,大多数数据科学顾问“完整的”数据科学家谁可以对整个端到端流程的数据科学项目工程覆盖数据,模型建立,一直到工具构建和见解的一代。

这些技能是极其有价值的公司,尤其是初创企业或公司,刚刚开始建立他们的数据科学团队。此外,这对我来说是完美的方式来测试职业道路数据的世界我是感兴趣的,想专攻(如果你不熟悉不同的数据工作,读我的前一篇文章在这里)。

4所示。退出选项是伟大和寻求甚至鼓励

与大多数行业公司,尽量避免生产像躲避瘟疫一样,咨询公司并不太担心员工离开。这可能是明显的为什么会出现这种情况——当咨询校友离开加入行业公司,他们成为潜在客户的咨询公司。

每一个行业公司招聘顾问的东西在某种程度上;谁保证你超过你的竞争对手比自己的校友吗?

因为咨询公司接受的最终离职员工,他们创造了很多等频道内部招聘网站、简报等校友分享咨询以外的工作机会。

许多公司喜欢雇佣ex-consultants是因为他们也经验调整和部署数据科学的解决方案在不同的公司在不同的行业。和顾问是用来被陷入困境和学东西快。

对我来说,咨询是一个很好的方法来找出接下来我想做的事情,同时保持我的选择权,一旦我认为,麦肯锡的品牌、网络和支持(如支付“搜索”时间找到一份新工作)帮助我我的下一个机会。

5。网络构建是难以置信的

因为很多人咨询最终离开,有很多咨询校友在工业企业的管理和领导团队。所以很可能已经有一个McK明矾在你梦想的公司工作当你想到离开咨询;和网络与校友总是比发送陌生邮件更容易。

也为ex-consultants常见的是最终开办自己的公司,他们的经验的基础上在各种行业和机会他们发现。如果你的梦想是最终建立一个自己的公司,也很容易找到志同道合的创始人在咨询(或者你可以找到并加入一个早期风险相匹配你的兴趣通过麦肯锡网络)。

结论:

我认为你应该绝对加入咨询(McK或其他公司)作为数据科学家如果下列适用于你:

咨询可能不适合你,如果:

不知道下一步该怎么读?我或许能给你一些建议: