咨詢顧問是如何做數據分析和行業研究的

每天，商業社會都需要大量的數據行為分析，IBanker以及高級咨詢顧問們在分析收購方案的可行性時，背后也離不開“核心”財務以及運營數據的支撐。數據分析能力顯然已經名列2018年各大行業通殺技能之一。

咨詢顧問的數據分析能力是什么水平？

在項目上，就是貼身為客戶服務，滿足客戶的各種在商業范圍內但在項目范圍內外的各種需求。因為咨詢一直要面臨的挑戰是：100多頁ppt為啥價值幾百萬甚至過千萬。賣項目的合伙人以及負責項目的經理管理客戶的項目范圍（俗稱scope）的能力非常重要，直接決定整個項目組的生活及工作質量。

對許多咨詢項目來說，數據分析可能只占據項目10%-20%的比重，出于決策支撐的目的而進行，而非單純依賴數據給出咨詢建議。但是顧問工作也依然對數據分析能力有一些基本的要求，原因在于幾乎任何一名顧問都會在日常工作中需要獨立地承擔以下一些工作：

通過一定數據整理與分析，量化概括并分析公司經營現狀或某職能部門的業務現狀,整理并觀察數據，了解目前客戶業務問題最嚴重的領域/地區/流程等

尋找合適的數據并計算結果，支撐你對客戶當前業務問題的分析結論

幫助客戶構建業務模型（business case），評估業務方案的投資回報率（ROI）

依據業務數據的變化與趨勢，評估業務方案試運行的效果

對于非數據分析類的項目所涉及到的數據分析工作一般都采用excel等常用工具進行，數據量也一般在幾百k-幾M不等（假如是不帶格式的excel表格的話，幾十M對于非數據分析專家的管理咨詢顧問來說已經是相當大量的數據了，絕不會在非數據分析類項目中莫名其妙弄個GB/TB級別的數據扔給管理咨詢顧問……），因此并不需要十分專業的數據分析技能與經驗。

但是反過來說，沒有這些相對基本的數據分析工作作為支撐，那么顧問所完成的業務方案往往就會缺乏最基本的支撐與依據，可信度大打折扣，很可能會導致客戶的不信任，從而影響項目的完成。

咨詢行業的核心能力是什么？

良好的傾聽用于明晰客戶的需求；

結構化的思維用于分析客戶的問題；

順暢的表達將solution 100% 的傳遞給客戶。

當然，分析問題的時候可能還需要research能力不錯，research的時候可能還需要英文不錯（查看國外網站及英文資料），展示solution的時候需要PPT邏輯不錯，這樣才易于讓客戶理解。數據分析的結果就是作為支撐與依據，提升可信度。

而作為咨詢顧問，最核心的能力其實是【溝通能力】+【邏輯能力】。

對于傳統的管理咨詢（例如MBB的戰略咨詢）來說，通常項目周期較短（6個月以內），項目組成員較少（3-5人），交付物為 PPT，由于項目時間較短且內容專注于高階設計層面，所以通常要求顧問具有快速學習的能力+統攬全局框架化看待問題的能力。

而對于特定領域的咨詢，比如 IT 咨詢，這類咨詢通常項目周期時間較長（IT 戰略規劃+落地實施，以年為單位計算），項目組成員較多（IT 咨詢落地實施時甚至有可能50人以上），交付物為實際可運行上線的系統，所以項目上更多的工作可能是項目管理，更關注執行層面、細節層面的東西：與技術人員的溝通、協調等等，因此會 prefer 有技術背景的同學，畢竟你要一個學商科的同學去和寫代碼的大神談戰略，大神會蒙掉的。

咨詢公司常用的工具有哪些？

大公司內部都是分專業的，有專門的analytics團隊負責技術實現，因此對于咨詢顧問來說，更重要的是做數據分析：

數據分析首先是一個工具，這個工具服務于商業模式，做商業決策的。而咨詢行業最大的優勢在于見多識廣，對不同商業模式都有著hands on experience，更能知道什么數據有用，怎樣做一個合理的假設。

對于前臺的consultant來說，做分析的時候Excel肯定是最常用的，且使用的深度非常高，絕不是簡單的寫寫公式或者vlookup、pivotable，會用到一些專用插件比如solver。這樣也容易把成果向客戶進行知識轉移。

如果是需要大量的數據，很多時候會通過后臺部門的同事，用R，python這些軟件來處理和分析。但其實這些軟件的主要優勢在于（大量）數據的收集和處理，而不是數據分析。