寫在前言，入職也超過一年，每個人在公司的體驗都不同，一直想分享一篇在麥肯錫做資料科學家的心得，用一篇真實的樣貌來訴說在顧問業的日子，希望可以帶給各位朋友們幫助。
DS — Client-facing vs Non client-facing
首先一個常見問題，DS到底要不要面對客戶，這取決於你到底是哪種DS — Client-facing vs Non client-facing。
Client facing: 專案based(以新人而言，通常是8週循環1個)、沒有固定的team(team是從專案決定)、常Travel/Co-locate with 專案成員、WLB差、會議多(對客戶、內部Problem Solving)、節奏緊湊。
Non client-facing基本上就是反過來，通常會隸屬一個固定的team、Build internal asset，出差少、工時較少、會議也相對少(不太需要面對客戶)、WLB相對好、節奏稍緩。
身為Client-facing DS，以下僅就這類型分享心得、常見問題。
Client-facing DS特別之處在於，套句朋友的幹話，
每個人都是一個人，一個人加一個人就是兩個人。
每個人都是一個人：你就是獨立個體，沒有一個隸屬的team、長官，一個人主要會被分派兩個角色輔佐你，我喜歡稱之為媒婆、律師，媒婆負責幫你媒合專案、律師負責幫你蒐集過去專案合作人的說法再加上你的說法，寫成狀紙提供給委員會考評決定你的表現。
一個人加一個人就是兩個人：每個專案明確分工，相信每個人能各司其職創造專案最大價值。
通常專案是8週循環一個，喜歡就可以再要求延長，所以專案結束後又會有新的專案、認識新的人，所以重點還是遇到自己適合的成員、專案，就會形成正向循環有更多合作。
QuantumBlack (QB) DS vs McKinsey DS
QB可以想成是McKinsey一個專做AI諮詢的部門，這兩種職位本質上沒什麼差異，硬要區隔就會是，畢竟QB當初就是技術導向的公司出身，技術會更硬核，以Amazon為例，大概就是Applied Scientist vs Data Scientist 的差異，那當然還有QB Lab DS，這種類型就會更像是Research Scientist結合Applied Scientist。
專案類型
那在接專案的時候，最大差異應該是McKinsey DS多數隸屬Marketing & Sales底下，所以會有更多像是consumer goods相關類型的專案，QB DS接觸的產業就會更廣，常見產業consumer goods/ telecom/ materials & energy/ pharma/ banking，不過最終要做什麼產業、接什麼專案都是取決於個人，跟你是McKinsey DS 或 QB DS是沒差別的。至於要做很技術導向或是商業導向、相對技術成分沒那麼重，也都取決於專案、個人選擇，所以一開始接專案我就會明確找現在公司有什麼專案 — 可能是找對產業很有興趣、想學商業知識的，或是技術很有興趣的專案，再請媒婆負責幫忙媒合。
技術類型
常用工具: Python/R * ML/DL * Dashboard
通常每個專案成員組成是Partner、Associate Partner、EM、Associate/BA、DS/DE/SWE等等，大家都有明確分工，內容則看專案，除了定義問題、Storyline、做簡報、對客戶or內部報告外，常見的pipeline就是不停跟外部產業專家諮詢→ 搜集資料→ 處理資料→ 分析資料→ 建立模型→ 寫production code→上git→ transfer client w/ doc，有的專案著重在前者，那這種就會更像在做BA的事情，有的專案重後者，通常會有BA負責前者，DS就專心在處理資料之後的事情。
撇開supervised/unsupervised/recommender system 這種常見問題，大概比較特別的是不少專案會用到optimization、simulation，有的會需要用到reinforcement learning，有興趣可以參考這篇，如果是lab，就有很多不同的研究，像是causal bayesian network或是causal shap等都是很常見的題材，也很多experiment design相關的專案。
顧問業 vs 科技業
如果想做product、分析用戶在product行為、利用A/B testing去做優化，科技業應該會是更好的選擇；如果想接觸不同產業、模型導向，顧問業會是不錯的選擇，其中，當然也不乏很多專案會用到不同experiment design的方法，不過個人認為這些都不是很難學，有些A/B testing常遇到的問題還是需要去專門做product的科技業才會碰到，舉例來說，實驗分層分流。
當然公司內部是很多自己開發的asset供自己使用，如果是對開發asset有興趣，QB Labs就是一種選項，除非有一天consulting去開發一個IG/TikTok觸及好幾億的使用者，那可能才會有做product A/B testing的必要。
Work Life Balance (WLB)
通常是週一到週四出差，所以很常是週日晚上就要飛到目的地，週四晚上再飛回來，Consulting整體節奏是非常快的，每天5+以上會議、平均工時12小時以上、check out後工作2–3小時是很正常的，基本上要說的就是check in & check out
check in：你昨晚做什麼、你今天白天要做什麼
check out：你今天白天做什麼、你晚上要做什麼很難想像其他在美國的朋友晚上還可揪團去看百老匯秀，更多的時候是在房間做簡報看投影片幻燈秀，週一到週四晚上沒有自己的時間是很正常的事情，跟朋友約出去都有一定難度，不過也因為這樣學習時間相對就會多很多，就看自己怎麼想了。
結論
暫時就先想到這些，也因為時常有人透過各種管道來詢問：Data Scientist在McKinsey的生活，想說就好好用這篇來敘述一下，顧問業工時很長沒錯，但也是很多好玩、特別的地方，還是很值得來體驗。希望這篇可以提供大家一個過來人的真實心得。
