剛做完 Wayfair Data Scientist 的 OA，出乎意料地“友好”！
整場 105 分鐘，三道題：SQL + Pandas + Case Study，節奏比較從容，難度中等偏下。
下面直接說細節：
第一題：SQL
Question:
Table: weather
Write a query to find the average temperature per city, and categorize the temperature level as cold, moderate, or hot using CASE WHEN.
這題屬於非常典型的 SQL 面試題，重點是 AVG() + CASE WHEN 的結合使用。
常見陷阱在於：
- 忘了
GROUP BY city； CASE裡寫多條件時語法不規範;- 輸出順序沒注意（有時要求
ORDER BY avg_temp DESC）。
整體難度偏基礎，練過 LeetCode SQL 的人完全可以拿滿分。
第二題：Pandas
Question:
You are given a dataframe with several missing values in the column sales_amount. Fill the missing values with the median of each region instead of the global mean.
這題有點小細節，很多人習慣性用 mean()，但題目強調要用 median，還要按分組填充。
思路其實很直接：
df['sales_amount'] = df['sales_amount'].fillna(
df.groupby('region')['sales_amount'].transform('median')
)
考點主要是 groupby + transform 的組合，還有 inplace 修改。
難度不大，但卡在 median 的人會被扣分。
第三題：Case Study
Case Topic:
Customer complaints data — reasons include Late Delivery, Product Damaged, and Customer Unsatisfied, with corresponding resolutions like Refund, Replacement, Apology.
Questions:
- Provide 3 insights from the data.
- Give 3 recommendations based on your insights.
- Choose the prioritized recommendation, explain how to measure its success, and what risks it might involve.
這一題是整場里最能體現思維深度的。
常見思路：
- Insight：哪種投訴最多、哪些 resolution 成功率最高、是否存在地區或產品差異。
- Recommendation：改善物流流程減少延遲、優化包裝降低損壞、客服培訓提升滿意度。
- Prioritization：優先解決 “Late Delivery” 問題，用 on-time delivery rate 作為衡量指標。
- Risk：成本上升、庫存周轉效率下降。
總體思路是把 data → insight → recommendation → measurement → risk 鏈路講順即可，不需要複雜建模。
總結
Wayfair DS OA 整體偏“業務實戰型”，題目設置比其他公司溫和得多：
- SQL、Pandas 都是常規考點;
- Case 題主要看邏輯和表達。
對準備 DS 崗的同學來說，只要平時練過 SQL/Pandas + basic case framing，這場 OA 真的算穩穩能拿高分的類型。
最後想說
這次帶學員做 Wayfair OA 的時候，我們也是全程 遠端語音助攻 + 即時思路提醒，從 SQL 到 Pandas 都幫他穩住節奏。
Case 題環節尤其關鍵，Programhelp 的老師會在後台語音提示你思路結構，比如 「先講 insight，再補 recommendation」，保證回答條理清晰、不卡殼。
如果你接下來也要考 Wayfair / Meta / Capital One / Instacart / Snowflake DS 岗，可以提前找我們做一輪無痕類比。
——不論是 OA 連線代寫，還是 VO 面試助攻，都能幫你 少踩坑、快上岸。
