刚做完 McKinsey Data Science OA ，一把过。说实话做之前有点慌，题量看着不小——两道编程加 20 道选择题，第二题机器学习还拆了四个小模块。结果做下来发现，只要 pipeline 熟，其实没那么可怕。把思路和我踩的坑记一下。
顺便说下平台，我这次是 HackerRank，也有人碰到的是麦肯锡自家的 QuantHub（那种是纯选择题、不让你直接写代码）。看岗位和 office 而定，两种都准备一下心里有底。
题一：日期排序
给一堆英文格式的日期字符串，排好序输出。
思路很直白：先拿字典把月份缩写（Jan、Feb 这些）换成数字，再把每条日期拆成年、月、日，凑成一个元组当排序 key，最后按元组排。
我在这题上差点栽跟头——有的日期是单位数的日，比如 5 号直接写 “5” 而不是 “05”。要是你按固定位数去切字符串就会切错。我建议动手前先把所有日期扫一眼，确认你的拆分逻辑对每一行都成立，别想当然。
题二：机器学习预测（四个模块）
这题就是一整套 ML pipeline，四个模块连起来做完，正好是一个数据科学项目的缩影。
第一步数据清洗，处理价格字段——里面混着带货币符号的字符串，还有一些明显离谱的数值，得先弄干净。
第二步特征工程，提时间差特征，比如 issue_reported 和 issue_responded 之间隔了多久。这种衍生出来的特征通常比原始字段更能打，值得花点心思。
第三步预处理，把缺失率特别高的列和常数列（全是一个值的那种）直接扔掉，留着只会给模型添乱；文本字段做序数编码，缺失值补上。
第四步训模型，随机森林,最后输出 submissions.csv。
随机森林在这种结构化数据上很稳，我没在调参上耗时间——把前面三步做扎实，比死磕模型收益大多了。这题模块清晰，每步都盯紧数据一致性就行。
选择题：20 道，中等难度
这部分我查了些资料也结合自己做的，麦肯锡 DS OA 的选择题基本围着这几块转，提前扫一遍不至于卡壳：
统计与概率——均值中位数众数的区别和适用场景、相关系数、回归的基本假设、各种分布（正态、二项这些）、假设检验的基本概念（p 值、一类二类错误）。
机器学习概念——监督 vs 无监督 vs 强化学习的区分、过拟合和欠拟合怎么判断、bias-variance 权衡、常见模型（随机森林、线性回归、KMeans）的特点、评价指标（precision/recall/F1、AUC）。
数据处理——pandas 常用操作（groupby、merge、缺失值处理）、哪个函数干什么（比如读 Excel 是 read_excel）、数据清洗和采样的概念。
业务逻辑——给个业务场景问你该用哪种分析方法、指标怎么设计，这类偏应用的判断题。
难度中等，不考很深的理论，把 pandas、sklearn 的常用 API 和基础统计过一遍就够。
时间分配是关键
麦肯锡这套 OA 看重的是端到端把流程走通、代码写规范，不是让你想什么巧妙算法。所以两点建议：一是提前在 Jupyter 里完整跑几遍 pipeline，从清洗到建模输出走顺，别到考场现想流程；二是编程题别在某一步卡死，第二题四个模块每个都留够时间，选择题反而好拿分，别顾此失彼。
写在最后
这次第二题模块多，但按标准流程一步步来其实挺稳的，没什么需要灵光一现的地方，考的就是熟练度和规范性。
InterviewShow 专注北美技术和数据岗的备考辅导。我们的成员来自北美一线大厂，做过 Amazon、Meta、Stripe、DoorDash 这些公司的面试，知道招聘方在每一关真正在看什么。不走流水线，每个人都配专属顾问和技术导师，从 OA 刷题规划到 VO 模拟，全程一对一跟着走。Pinterest、麦肯锡这种 DS 岗的 SQL 题池、实验设计 case、pipeline 训练我们都有覆盖。有需要的来聊聊。