本文最早发布在豆瓣小组（文章链接），重发在这里的版本有一些表述上细微的修改。
能去tech就千万不要来！！！真的真的真的。
工作两年半之后我越来越强烈地感觉当年接consulting的offer是个错误。所以用亲身经历来给姐妹们避坑。对于年轻的职场人，主要坑在四个方面：技术成长连续性差、业务深度浅、职业要求服从性极高和钱极少🤏。
咨询公司里工作是什么样子：咨询公司的工作属性是项目制，每个项目的时间长短不一定，长的可以有一年，短的一两个月。对新入职的员工来说，最开始的几个项目基本是看公司哪个项目缺少需要你的技能的人，项目占主导权；后期当你有了networks之后，在时间上又刚好碰到你想去的项目招人，可以稍微有一些主动权，优先联系你心意的项目机会。你的每个项目的团队成员很可能不一样，刚入职的DS能够稳定的和同一个老板做项目的概率不高。具体做哪个行业的项目也不一定，不可否认有些DS是按照某个行业的portfolio招进来的，那么会专注在这个行业里；大部分的DS进入公司后会在不同行业的项目上游走。
对于初入职场又想要在data领域长期发展的DS/DE来说，咨询最严重的一个坑，是很难完整的观察一个问题并且建立解决它的整体方法，更不要说围绕这个问题不断进化解决方法。在刚入职的一年里，因为对项目的选择权很低，而且项目解决的data问题可能没有什么连续性，这个做optimization、那个写linear regression、换一个写multi-label classification，几乎都是浅尝辄止，用稳定且传统的一套ML流程、调包调参做完一个项目。而在这个项目中的交付，最重要的是你的business manager如何把你的模型和分析以一种技术上不严谨但是数字上很牛逼的方式给客户讲个故事，有些时候模型的对数据要求的underlying assumption会被忽略掉，对于每个DS的技术成长不像tech公司那么看重。
而且做DS/DE，在modelling之外，最重要的是对data 本身的了解。但是由于咨询的属性，我们对data的获取和了解需要额外多的沟通成本。我们需要从客户那里拿到data、然后理解data、确认我们拿到的data适合我们要解决的问题，然后一般在over-committed的条件下（短时间内deliver很多model/分析），大部分时候对data做不到很深入的理解就进入建模的步骤里了。而且在一个项目里一个DS经常要做各种不同的活儿，不仅仅是建模，甚至DE、MLE、跟客户撕逼。听起来是很好的机会能够体验不同的工作内容，但是对于初入职场想要踏踏实实的学最好的技术并且应用的，这绝对不是好的工作环境。
对于想未来做AI或者advanced analytics的小伙伴来说，咨询有一个隐秘的坑在于咨询公司在项目里的角色。客户经常是世界五百强，他们行业里的佼佼者，但是他们是在探索AI应用甚至在理解AI的阶段，因此来找咨询公司，来找我们这些“AI专家”。说实话，咨询公司在行业内应用AI可以走在前列，但是拉出一个行业，横向比较，无论技术深度、宽度还是对新技术的尝试，远不能及大小tech厂。
类似于技术成长连续性的问题，对业务的理解也不够深入。三五个月就换个行业或者换个截然不同的问题，真就挺难的。不排除有小伙伴可能入职之后一直在一个行业里扎根，但是不适用于大多数人。我在工作两年半时间里，换了六个行业（供应链、高等教育、银行、保险、酒店、tech厂），最短的项目三个月，最长的六个月。
另外从工作心态上，咨询的核心之一是服务，以满足客户的需求为上。每一个项目都是客户有一套自己的问题，然后咨询公司项目组来解决这些问题。在项目组内部，经常有一组业务专家来明确问题、定义好问题、评价客户需求，这些从模糊到清晰的过程经常是不会有大批一线初级DS参与的。所以初级DS大部分时候没有自己发现问题的自由，也没有选择解决什么问题的自由，而是客户需要什么我们去解决什么。创新性和自我能动性在咨询公司的价值观中处于比较靠下的位置（虽然声称很重要！！）
最后……就是💰💰💰。咨询公司的工资真的很低，拿到手的total package基本上是同样工作经验的tech厂给出的一半到2/3之间。tech厂你在Glassdoor上搜到的是base salary吧，股票和各种bonus不比base高也差不多了；咨询公司你在Glassdoor上搜到的基本所见即所得……声称的bonus高不是给Senior manager以下的人准备的！
当然这个地方也有些好处，如果你以满足他人需求为己任、喜欢经历不同行业、解决不同问题、不是很在意创新性、更喜欢用成熟稳定的技术栈解决商业问题，咨询公司可以是个适合你的好地方。但是对于有data skills的姐妹来说，如果能去更适合你的地方，千万不要因为对咨询模糊的好奇就盲目来这里。