麥肯錫喜歡怎樣的候選人？
麥肯錫招聘30位初級諮詢師
80%都是理工科相關背景
而且會Python還會獲得額外加分
甚至直接內推麥肯錫
那麼，麥肯錫為何偏愛理科生？
理科生做諮詢有哪些優勢
1
偏愛理科生的麥肯錫
去年麥肯錫中國招聘了30位全職初級諮詢分析師，其中只有9位是本科生，剩下的基本都是碩士博士，而這些人的專業，80%都不是土生土長的管理類專業，或者說80%以上的他們都或多或少有理工科相關的背景。看看這個招聘啟事，滿屏都是代碼和分析的惡意！
可是，到底為什麼那麼多人仰望的諮詢行業，會喜歡非商科類的理工學生呢？是真的因為計算機硬技能很關鍵，必須掌握？還是理工科生和部分的文科生在解決問題的時候思考邏輯確實腦回路不一樣？
2
為什麼麥肯錫偏愛理科生?
作為理工科極客背景，他們的腦回路和諮詢師在以下3個點上非常類似：
1
他們都想解決本質問題
工程師是很多理工科人的歸宿，所以不管是開發APP還是設計電腦主板電路，任何理工科人的理性思維開始作祟，他們需要物化這個問題，也就是具象化問題，他們一步步列舉所有的可能路徑，並且找到最優的解決方案。
2
他們都非常重視事實
其實在頂尖諮詢師的眼中，任何人說的話，做的數據報告都必須有詳實的解釋，為什麼做這個選址，為什麼定這個策略，如果解釋不清楚就不是事實，就不能被引用！
所以你可以看到諮詢公司每年初很多不同行業白皮書調查報告，因為他們不是為了調查而調查，是為了給自己的客戶出具真實數據參考。
3
他們都直面用戶, 走訪調研
頂尖諮詢師和頂尖工程師一定會是一個好的產品經理。比如小米手機到底好不好用，三星手機哪裡設計反人類，不訪談用戶，不去到現場是不能夠得到準確的回應的，並且樣本還最好要大，要廣，要多維度。而且任何做產品設計的都知道，停留表面，你就聽不到用戶底層的聲音。我們要區別什麼是市場的噪音，什麼是真實的需求。
3
會Python的理科生, 麥肯錫要定了
很難想象麥肯錫如此殷勤地招人，近日，麥肯錫員工發帖稱會Python直接可內推至麥肯錫。條件是回答對他在帖子中所提出的有關Python的幾個問題。其中有一個問題就是：在Python中，如何用一行代碼將[True,False,False,True,True]轉換成[0,3,4]？或許你會感到疑惑，為什麼麥肯錫如此看重Python技能？
其實，麥肯錫在中國新成立創新中心團隊的業務，基本上都要求掌握1-2門數據分析語言，而Python就是最被看重的數據分析語言之一！
近年來，Python在AI和數據分析領域大展拳腳，據Stack Overflow調研報告顯示，Python的月活用戶已超越了Java、成為第一，IEEE Spectrum也在2018年度頂級編程語言排行榜上將Python列為第一。那麼，Python為什麼如此受歡迎？
1
需求大, 用途廣
全AI領域專業技術人才空缺數量超過500萬！而隨著技術要求的不斷升級，最通用的編程語言Python的技能需求增速更高達174%！Google earth、谷歌爬蟲、Google廣告等項目也都在大量使用Python開發。Instagram、Reddit、豆瓣、Pinterest、知乎在內的很多互聯網公司都將Python作為了主要編程語言。
在兩會期間，人工智能技術已經成為國家戰略，而進入人工智能領域，Python是必經之路，Python工程師炙手可熱！當然Python不止可以從事AI相關工作，數據分析、爬蟲、Web開發等眾多崗位也是大廠必備項！
2
簡單易上手
對於初學者來說，簡化的人性化語法+快速編寫與執行，使得Python非常好入門。在語法上，Python彷彿生來就是為程序員編碼效率而考慮的編程語言，很多在其他編程語言編譯階段需要給出的類型限制或約束，在Python中都可以省略。從下面兩個簡單的Python與Java對比的例子中，就能看出Python簡潔的特點：
另外，Python語言也被設計得更接近於自然語言。比如：在Python中並沒有使用很多編程語言中用的"{}"來限定代碼塊，而完全採用縮進的方式加以限制，這使得Python代碼更為整潔、一致，提供了更好的可讀性。江湖流傳，Python入門時間按天計算，C++入門時間按年計算，人生苦短，我用Python！
3
具備大數據處理能力
在企業領域，近年來興起的大數據以及雲計算的應用，促使Python快速走向成功。Python極易將繁瑣無序的凌亂數據轉化為可用的結構化數據，非常有助於大數據的處理，這使它成為了數據科學中最流行的語言之一，被用於機器學習以及AI系統等各種現代技術中。
比如，在使用Pandas（Python Data Analysis Library）寫數據處理程序時，只需十幾行代碼，就能達到3倍JAVA代碼量實現的效果，大大提升了數據處理工作的效率。
4
頂尖諮詢公司到底什麼腦回路?
我們拿一個最經典的星巴克案例舉例，星巴克如果銷售額下降，怎麼分析問題呢？
明確問題本質(邏輯樹，利用MECE細化問題到底是成本還是銷售量還是市場因素）
提出假設 (利用3C模型，提出合理假設）
驗證假設 (實地星巴克門店走訪，訪談客戶，KNOW HOW)
如果這裡有理工科背景同學，回憶一下我們經常畫的二叉樹或者測試邏輯圖；或者做產品的同學回憶一下XMIND思維腦圖，有沒有覺得迴路很相似？
你們做的事情都是在通過二分法找到問題的本質，不斷地細分細分。每次都不斷的問自己這個是不是真正的問題，比如銷量下滑是現象，要把這個問題可視化的表達，才是真實的問題本質，可是這個過程不就是每一個寫代碼的工程師都會經歷的細分問題腦路圖嘛！原來這就是是麥肯錫思維方式的核心理論！(聽到這個信息文科生哭暈在廁所）除了邏輯樹，另一個麥肯錫內部非常推崇的方法就是：金字塔圖
看起來很玄乎，其實很簡單，回憶一下你深愛的Jimmy Choo的例子：JC的CEO大人拍腦袋做了一個撤出中國市場的決定，為了說服董事局他必須要調理異常清晰的闡述他的邏輯和腦回路，如果論據有遺漏，沒有深入挖局，就很可能遇到：“那麼這樣的話？你怎麼辦呢？這種情況你豈不是完全沒有考慮到嗎？”的尷尬場景。
這其實就是麥肯錫流派的演講技巧，同時你回憶一個場景，你的理工科男友企圖說服你和他一起玩王者榮耀，他是不是：將核心內容放在前30秒？（寶寶，我想邀請你玩一個特別有意思的遊戲）一句話概括問題點和解決辦法（你是顏控，給你看這個動畫人物，是不是特別美？她叫王昭君，皮膚買好了，限量的, 遊戲超級簡單，你要不要試一試？）
當然，作為職業電競選手的Uni醬理解這個例子可能不那麼確切，但是話粗理不粗：
意思就是想要大家認識到其實理工科背景的人在面試諮詢上天然的邏輯優勢。
5
為什麼麥肯錫人人都談MECE
諮詢是在解決問題。要解決問題你就要回答3個問題：
到底要解決的是什麼問題？
哪些方法論能夠解決這些問題？
MECE是麥肯錫方法裡面很關鍵的詞彙，意思是：相互獨立，完全窮盡。MECE（mutually exclusive, collectively exhaustive）其實這個原則是找出本質問題的原則，簡單的說就是避免拍腦袋行為。
舉例就是JIMMY CHOO鞋子不好賣，然後CEO馬上說：“這是市場問題啊，我們應該撤出這個市場！”可是如果問題是本身這個鞋子設計和分銷渠道就有問題，沒必要盲目直接撤出市場，這就好比盲人摸象，不能精準的找到和把握問題就根本不能解決問題。
6
非理科生, 如何擁有頂級諮詢的思維
其實，剛才講的很多內在聯繫，你可以首先，你要開啟“空/雨/傘”的思考模式。那麼看的時候，可以先讀事實和數據，接著用空/雨/傘的思維模式來分析：
空：天空烏雲密佈（事實，當前情況）
雨：可能要下雨了（提出假設）
傘：需要帶傘（判斷採取什麼行動，得出結論）
不斷的重複這個過程，做刻意練習，提高商業嗅覺。或者你可以參加我們的名企PTA項目，參與高含金量不划水實習，提升實戰技能：
學會各類數據蒐集以及檢索高效技能；
學會各類數據庫（萬德/國泰/證監會）的搜索辦法；
學會整理構建諮詢思維以及論證模型；
真實諮詢案例，全真場景還原
閱讀更多 煎餅加個蛋 的文章
