
大数据告诉你:顶级咨询公司为什么这么强
麦肯锡(McKinsey)、波士顿咨询(BCG)和贝恩咨询(Bain)被誉为全球最顶级的三大战略咨询公司,被行业内称作“MBB” ,主要为各个行业的代表企业提供战略与经营方面的专业咨询服务,也是历年来工商管理、经济学、金融类专业毕业生最为向往的公司。
全球最大的职业社交网站LinkedIn(领英)近日对麦肯锡、波士顿咨询和贝恩咨询中国地区员工在领英上的信息进行分析后发现:
毕业于顶级名校的员工在三大咨询公司最吃香,拥有海外商学院背景者更受青睐。
相比其它行业,咨询公司对员工的知识型技能要求高于工具型技能,对学位并不特别看重,拥有硕士与本科学位的员工比例大致相当,而博士学位非常少,仅占5%。
此外,三大咨询公司员工的人脉非常广,平均人脉数比其它行业平均人脉数高出1.6倍。
1、顶级名校最吃香,国内院校北清复交占八成
领英针对三大咨询公司员工毕业的十大国内院校分析发现,集中度非常高。毕业于复旦大学、上海交通大学、北京大学与清华大学占比分别为27%、22%、17%和14%,四大院校加起来占十大国内大学的80%。
除了顶尖的综合类高校,财经类院校与外语类院校也为三大咨询公司输送了大量人才,可见,扎实的金融知识与熟练的外语技能在咨询行业里是很重要的加分项。
领英针对三大咨询公司员工毕业的九大国外院校分析发现,国外院校的集中度相比中国更低,但毕业于国外院校的类型则非常集中,除了斯坦福大学以外,其它八个国外院校均为商学院。三大顶级咨询公司对商学院背景的员工偏好非常明显。
2、硕士与本科学位大致相当,博士仅占5%
从学位来看,硕士是咨询从业者中的主力军,占39%;但学历并不是绝对的门槛,进入咨询行业的本科毕业生也达到了32%,并不比硕士差太多。拥有MBA学位的比例高达24%。与此相对应的是,拥有博士学位的比例只有5%。
3、对分析、研究、咨询、战略能力要求高
三大咨询公司员工所拥有的技能主要体现在分析、研究、咨询和战略方面。咨询顾问往往需要服务多个不同行业的客户,这样的工作性质要求咨询顾问具备非常强的分析研究能力,其中包括对行业与竞争对手的分析研究能力,和对客户公司财务与架构的分析研究能力,以及将这些研究结果通过建模的方式形成一整套解决方案提供给客户,解决客户需求。
4、人脉数远超其它行业
在领英之前发布的《总监晋升报告》中,我们发现总监平均拥有的人脉数为340人,相当于普通职员人脉数的两倍。而在本次分析的三大咨询公司员工平均人脉数为442人,比其它行业总监平均人脉数高出42%,比其它行业普通员工平均人脉数高出160%。咨询行业员工每年服务多个客户,同时要不断寻找新客户和新机会,日常还要维护各类合作伙伴和供应商关系,对人脉管理和挖掘的需求很高,而领英作为全球性职业社交网站能够很好地满足这些需求。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10