分享 McKinsey OA Questions 最新完整复盘，包含 SQL 多表查询、网格 BFS 状态压缩、Todo List 前端逻辑和业务分析题。详细解题思路和备战心得，已顺利通过。适合准备麦肯锡 OA 的同学参考。
麦肯锡 OA 和传统互联网大厂的 OA 风格不太一样，它更像是一场综合能力测试。题目覆盖面广，可能同时出现数据库查询、算法实现、甚至简单的前端逻辑题。时间虽然有 2 小时，但因为题型多样，合理分配时间很重要。我这次大概花了 1 小时 40 分钟完成所有题目，留了一些时间检查。
遇到的题型复盘
题目 1：Predicting the S&P 500 Index
题意：给你一个 train.csv 文件，里面有 4000 行数据，每行前 500 个数是 500 只股票的价格，最后一个数是当时 S&P 500 指数的值。现在给你 test.csv，里面有 1000 行股票价格数据，要求预测对应时刻的 S&P 500 指数，并把预测结果保存到 prediction.csv 里（正好 1000 行）。预测误差小于 0.2% 就算正确，得分是正确预测的比例。
解题思路：
这题本质上就是一个时间序列回归问题。我的做法是先做特征工程：对每只股票算过去 5 分钟、10 分钟、30 分钟的均值、标准差和涨跌幅，同时算整体 500 只股票的平均价格和波动率这些市场特征。然后用 LightGBM 回归模型去训练，预测下一时刻的 S&P 500 指数。最后把 1000 行的预测结果写到 prediction.csv 里就行了。模型在验证集上误差控制得还不错，顺利通过了评测。
题目 2：Minimum Knight Moves on n×n Chessboard
题意：给你一个 n×n 的棋盘，骑士从起点 (startRow, startCol) 出发，要走到终点 (endRow, endCol)，每次走“日”字（2×1 或 1×2），不能走出棋盘，问最少需要走几步。如果走不到就返回 -1。
解题思路：
这是一道典型的骑士最短路径问题。我直接用 BFS 来搜索：从起点开始，一步一步走，把当前坐标和步数放进队列里。每到一个新位置，就尝试骑士的 8 种走法，如果新位置在棋盘内且没走过，就继续入队。直到走到终点就返回当前步数，如果队列空了还没走到就返回 -1。
我用一个二维 visited 数组记录访问过的位置，避免重复走。整体思路简单清晰，n 不大的情况下跑得很快。
整体总结与备战建议
麦肯锡 OA 这次两题考察方向比较清晰：第一题偏机器学习建模和特征工程，第二题偏图搜索算法。建议大家：
- 时间序列预测题提前准备 LightGBM / XGBoost + 滑动窗口特征
- 棋盘类路径题熟练掌握 BFS + 状态标记
- 提交时严格按照题目要求的输出格式（prediction.csv 必须正好 1000 行）
- 边界情况一定要处理好，尤其是起点和终点相同的情况
最后想分享一下我的备战心得
麦肯锡 OA 信息差还是挺大的，尤其是题型覆盖面广，如果没有提前系统准备，很容易时间不够或者某类题卡住。我在准备过程中找 interviewshow 做了 OA 辅助，他们帮我梳理了不同题型的快速解法，最后也顺利通过了。
有同样在冲麦肯锡、咨询公司或者综合型 OA 的朋友可以联系。