麦肯锡用人标准大公开：偏爱理科生，还要会Python

麦肯锡喜欢怎样的候选人？

麦肯锡招聘30位初级咨询师

80%都是理工科相关背景

而且会Python还会获得额外加分

甚至直接内推麦肯锡

那么，麦肯锡为何偏爱理科生？

理科生做咨询有哪些优势

今日重磅福利

后台回复【理科】即可获得：

Python爬虫与机器学习教学视频
20本豆瓣推荐Python入门必读书
158个主流编程语言Python/R视频教程
Morgan&Claypool出品数据挖掘教材
Victor Cheng《LOMS》全套PDF和音频
MBB最新全套咨询常用分析模型

全部推文福利，每周统一发送至Uni会员邮箱

偏爱理科生的麦肯锡

去年麦肯锡中国招聘了30位全职初级咨询分析师，其中只有9位是本科生，剩下的基本都是硕士博士，而这些人的专业，80%都不是土生土长的管理类专业，或者说80%以上的他们都或多或少有理工科相关的背景。看看这个招聘启事，满屏都是代码和分析的恶意！

*图片来源：网络

可是，到底为什么那么多人仰望的咨询行业，会喜欢非商科类的理工学生呢？是真的因为计算机硬技能很关键，必须掌握？还是理工科生和部分的文科生在解决问题的时候思考逻辑确实脑回路不一样？

为什么麦肯锡偏爱理科生?

作为理工科极客背景，他们的脑回路和咨询师在以下3个点上非常类似：

他们都想解决本质问题

工程师是很多理工科人的归宿，所以不管是开发APP还是设计电脑主板电路，任何理工科人的理性思维开始作祟，他们需要物化这个问题，也就是具象化问题，他们一步步列举所有的可能路径，并且找到最优的解决方案。

他们都非常重视事实

其实在顶尖咨询师的眼中，任何人说的话，做的数据报告都必须有详实的解释，为什么做这个选址，为什么定这个策略，如果解释不清楚就不是事实，就不能被引用！

所以你可以看到咨询公司每年初很多不同行业白皮书调查报告，因为他们不是为了调查而调查，是为了给自己的客户出具真实数据参考。

他们都直面用户, 走访调研

顶尖咨询师和顶尖工程师一定会是一个好的产品经理。比如小米手机到底好不好用，三星手机哪里设计反人类，不访谈用户，不去到现场是不能够得到准确的回应的，并且样本还最好要大，要广，要多维度。而且任何做产品设计的都知道，停留表面，你就听不到用户底层的声音。我们要区别什么是市场的噪音，什么是真实的需求。

会Python的理科生, 麦肯锡要定了

很难想象麦肯锡如此殷勤地招人，近日，麦肯锡员工发帖称会Python直接可内推至麦肯锡。条件是回答对他在帖子中所提出的有关Python的几个问题。其中有一个问题就是：在Python中，如何用一行代码将[True,False,False,True,True]转换成[0,3,4]？

或许你会感到疑惑，为什么麦肯锡如此看重Python技能？

*图片来源：网络

其实，麦肯锡在中国新成立创新中心团队的业务，基本上都要求掌握1-2门数据分析语言，而Python就是最被看重的数据分析语言之一！

近年来，Python在AI和数据分析领域大展拳脚，据Stack Overflow调研报告显示，Python的月活用户已超越了Java、成为第一，IEEE Spectrum也在2018年度顶级编程语言排行榜上将Python列为第一。那么，Python为什么如此受欢迎？

*图片来源：网络

需求大, 用途广

全AI领域专业技术人才空缺数量超过500万！而随着技术要求的不断升级，最通用的编程语言Python的技能需求增速更高达174%！Google earth、谷歌爬虫、Google广告等项目也都在大量使用Python开发。Instagram、Reddit、豆瓣、Pinterest、知乎在内的很多互联网公司都将Python作为了主要编程语言。

在两会期间，人工智能技术已经成为国家战略，而进入人工智能领域，Python是必经之路，Python工程师炙手可热！当然Python不止可以从事AI相关工作，数据分析、爬虫、Web开发等众多岗位也是大厂必备项！

简单易上手

对于初学者来说，简化的人性化语法+快速编写与执行，使得Python非常好入门。在语法上，Python仿佛生来就是为程序员编码效率而考虑的编程语言，很多在其他编程语言编译阶段需要给出的类型限制或约束，在Python中都可以省略。从下面两个简单的Python与Java对比的例子中，就能看出Python简洁的特点：

*图片来源：网络

另外，Python语言也被设计得更接近于自然语言。比如：在Python中并没有使用很多编程语言中用的"{}"来限定代码块，而完全采用缩进的方式加以限制，这使得Python代码更为整洁、一致，提供了更好的可读性。江湖流传，Python入门时间按天计算，C++入门时间按年计算，人生苦短，我用Python！

具备大数据处理能力

在企业领域，近年来兴起的大数据以及云计算的应用，促使Python快速走向成功。Python极易将繁琐无序的凌乱数据转化为可用的结构化数据，非常有助于大数据的处理，这使它成为了数据科学中最流行的语言之一，被用于机器学习以及AI系统等各种现代技术中。

比如，在使用Pandas（Python Data Analysis Library）写数据处理程序时，只需十几行代码，就能达到3倍JAVA代码量实现的效果，大大提升了数据处理工作的效率。

顶尖咨询公司到底什么脑回路?

我们拿一个最经典的星巴克案例举例，星巴克如果销售额下降，怎么分析问题呢？

明确问题本质(逻辑树，利用MECE细化问题到底是成本还是销售量还是市场因素）
提出假设 (利用3C模型，提出合理假设）
验证假设 (实地星巴克门店走访，访谈客户，KNOW HOW)

如果这里有理工科背景同学，回忆一下我们经常画的二叉树或者测试逻辑图；或者做产品的同学回忆一下XMIND思维脑图，有没有觉得回路很相似？

*图片来源：网络

你们做的事情都是在通过二分法找到问题的本质，不断地细分细分。每次都不断的问自己这个是不是真正的问题，比如销量下滑是现象，要把这个问题可视化的表达，才是真实的问题本质，

可是这个过程不就是每一个写代码的工程师都会经历的细分问题脑路图嘛！原来这就是是麦肯锡思维方式的核心理论！(听到这个信息文科生哭晕在厕所）除了逻辑树，另一个麦肯锡内部非常推崇的方法就是：金字塔图

*图片来源：网络

看起来很玄乎，其实很简单，回忆一下你深爱的Jimmy Choo的例子：JC的CEO大人拍脑袋做了一个撤出中国市场的决定，为了说服董事局他必须要调理异常清晰的阐述他的逻辑和脑回路，如果论据有遗漏，没有深入挖局，就很可能遇到：“那么这样的话？你怎么办呢？这种情况你岂不是完全没有考虑到吗？”的尴尬场景。

这其实就是麦肯锡流派的演讲技巧，同时你回忆一个场景，你的理工科男友企图说服你和他一起玩王者荣耀，他是不是：将核心内容放在前30秒？（宝宝，我想邀请你玩一个特别有意思的游戏）一句话概括问题点和解决办法（你是颜控，给你看这个动画人物，是不是特别美？她叫王昭君，皮肤买好了，限量的, 游戏超级简单，你要不要试一试？）

当然，作为职业电竞选手的Uni酱理解这个例子可能不那么确切，但是话粗理不粗：

意思就是想要大家认识到其实理工科背景的人在面试咨询上天然的逻辑优势。

为什么麦肯锡人人都谈MECE

咨询是在解决问题。要解决问题你就要回答3个问题：

到底要解决的是什么问题？
哪些方法论能够解决这些问题？

MECE是麦肯锡方法里面很关键的词汇，意思是：相互独立，完全穷尽。MECE（mutually exclusive, collectively exhaustive）其实这个原则是找出本质问题的原则，简单的说就是避免拍脑袋行为。

举例就是JIMMY CHOO鞋子不好卖，然后CEO马上说：“这是市场问题啊，我们应该撤出这个市场！”可是如果问题是本身这个鞋子设计和分销渠道就有问题，没必要盲目直接撤出市场，这就好比盲人摸象，不能精准的找到和把握问题就根本不能解决问题。

*图片来源：网络

非理科生, 如何拥有顶级咨询的思维

其实，刚才讲的很多内在联系，你可以首先，你要开启“空/雨/伞”的思考模式。那么看的时候，可以先读事实和数据，接着用空/雨/伞的思维模式来分析：

空：天空乌云密布（事实，当前情况）
雨：可能要下雨了（提出假设）
伞：需要带伞（判断采取什么行动，得出结论）

不断的重复这个过程，做刻意练习，提高商业嗅觉。或者你可以参加我们的名企PTA项目，参与高含金量不划水实习，提升实战技能：

学会各类数据搜集以及检索高效技能；
学会各类数据库（万德/国泰/证监会）的搜索办法；
学会整理构建咨询思维以及论证模型；
真实咨询案例，全真场景还原

非理科生如何入门Python

找一本靠谱的书

注意是靠谱的，难度一定要是入门级别。刚开始学，一上来看深奥的书，很容易受阻，时间长了就会失去兴趣。这里介绍2本入门书籍：《A byte of Python》：这本书大概10个小时能看完，例子简单且容易上手。《Python编程从入门到实践》：这是一本全中文的书，适合初学者入门，里面的内容很有趣，尤其是实战项目，都是趣味性非常强的例子。

找一款好的开发工具

学习python一定要学一个好的开发工具，Python的开发工具很多，可以选择以下3种工具：Sublime text：轻量级神器，视觉效果上非常享受。简洁，同时有庞大的插件库，是非常流行的编辑器，适合练手小的程序和小的项目。pycharm：专业级神器，对代码的提示，跳转非常方便，有强大的内置重构功能，是Python专业程序员的最佳选择，如果要进行大的项目开发，必须是它。Anaconda：集成了大量数据分析相关库，它的调试功能比较强大。如果要从上数据分析，机器学习，一定要用它，尤其里面的Jupter工具，几乎所有的数据分析人员都用它。