北美這邊的 BCGX 已經開始陸續發 DS OA 了。這次的版本是四道主觀題，加一套三題的 multiple choice。整體感受比歐洲那邊稍微“工程化”一點，更強調資料清洗、欄位命名統一、日期處理是否規範。我之前做了不少 EU/UK 的 BCGX 題庫，這次拿到北美版本之後基本一路順滑，一次過，順便把關鍵點整理給你們。
整體節奏還是大家熟悉的 Pandas 實戰路線：讀資料、清洗、過濾、合併、聚合。90 分鐘時間給得很足，只要別被 bug 卡死，穩過。
Q1：Calculate the average property price, the proportion of waterfront properties, and the 30-day average page views.
這一題是最典型的 BCGX 風格：
要求本身就三部分：
- 平均房價
- 水景房比例
- 最近 30 天的瀏覽均值
邏輯都是老朋友：
- 平均價直接對
price求 mean，同時注意過濾掉明顯異常值（負數、空值等）。 - 水景比例，
waterfront通常是 0/1，直接 sum / count。 - 30 天瀏覽量需要先把
dateparse 成 datetime，然後找max(date)，向前過濾 30 天，只對views求平均。
這一題容易扣分的地方几乎都是格式問題：日期沒轉換、waterfront 不是 int 導致 sum 錯、過濾沒加上 dropna()，導致最終答案偏差。
Q2：Standardize inconsistent column names, perform time-based filtering, and merge the cleaned datasets.
第二題就是北美版 BCGX 的特色：把髒列名統一成標準格式，然後再做日期過濾和 merge。
通常你會看到：
"Page Views""page-views"" pageviews "
全都得在讀檔案時變成規範命名，例如統一成小寫、下劃線分隔、去空格、去特殊字元。只要你開局寫一段：
df.columns = (
df.columns
.str.lower()
.str.strip()
.str.replace(" ", "_")
.str.replace(r"[^a-z0-9_]", "", regex=True)
)
後面所有 merge、filter 都順到沒脾氣。
這一題真正的難點不是邏輯，而是你能不能意識到：欄位名不對，後面所有 groupby / join / filter 都是錯的。
而北美這版比歐洲那版更強調“列名嚴謹性”。有的學員邏輯寫得很好，但因為 join key 名不一致直接掛掉，這也是我們平時提醒最多的坑點。
Q3 / Q4
後兩題內容型別都屬於 BCGX 的老傳統：
- 多條件資料過濾
- 對多個指標做 groupby 聚合
- 兩個資料集的 multi-key merge
- 構造一些衍生特徵（rolling、lag、ratio）
- 做一點輕量質量檢查（duplicates、missing pattern）
基本都是中等難度，熟悉 Pandas 的話是能快寫出來的；不熟的話會被 merge、日期、衍生列卡住。
整體上，經驗能提供明顯優勢：你知道他們愛怎麼考、愛在什麼地方給小坑，就不會在 debug 上浪費時間。
Multiple Choice（3 題）
三題全是基本功：
- 統計學判斷（variance、sampling、correlation）
- 實驗邏輯（A/B 對照、偏差來源）
- SQL / Python 判斷題
難度適中，只要你平時稍有接觸資料工作，基本不會費力。
OA 實際難點總結
BCGX 北美 OA 的難點從來不是“邏輯很難”，而是：
- 列名、日期、資料型別必須極度乾淨
- merge key 一旦寫錯，整題報廢
- 要有良好習慣：先 clean，再計算
- 程式碼不能亂，讀者必須能看懂你的思路
時間其實很夠，但細節一旦漏掉，結果就偏了。做多了你會發現他們的考點非常統一：
真實世界資料會髒，而你能不能在短時間裡快速把它變成“可分析格式”。
ProgramHelp |讓你在BCGX OA裏不再被小bug送走
BCGX 這種實戰型 OA，最怕的是“邏輯對，但輸出錯”，而這些錯誤幾乎都是小細節，比如欄位名不一致、日期 parse 寫漏、merge 順序反了。我們這邊的 VO 協助是全程語音提示，不動你的環境、不干預你的程式碼，完全無痕，只在關鍵步驟提醒你別踩坑，讓整個 OA 寫得更穩、更快。
有同學從 80 分鐘寫完、bug 一堆，被我們調整成 40 分鐘完成+滿分 AC。OA 這類考試，本質就是手穩和細節穩。
