Amazon SDE Intern × DA Intern 双轨 OA：题型差异 + VO 流程对比

Amazon 是全球招实习最多的科技公司之一，但很多人不清楚 SDE Intern 和 DA (Data Analyst) Intern 走的是两条完全不同的 OA + VO 路径。同一个 amazon.jobs 入口，同一份简历，投到 SDE 的 pipeline 是 Work Simulation + Coding + Workstyle + Debug，投到 DA 的 pipeline 则换成了 SQL Lab + Statistics MCQ + Case Study。如果按照 SDE 的复习方法去备考 DA，或反过来，几乎注定吃亏。

这篇文章把两条线的 OA 与 VO 做逐项对比，并各给一道代表真题 + 解法。读完你应该能回答两个问题：

1. 我现在的简历更适合走哪一条？
2. 这条线的 OA 我每段时间该练什么、每个阶段会被卡在哪？

入口的相同与不同

维度	SDE Intern	DA Intern
申请入口	amazon.jobs / 校招会	amazon.jobs / 校招会
团队	AWS / Alexa / Retail / Ads	Finance / FBA / Marketing Analytics
OA 平台	HackerRank + 自研	HackerRank + 自研
OA 模块	Work Simulation + 2 Coding + Workstyle + Debug	SQL Lab + Stats MCQ + Case Study + Workstyle
VO 轮次	3-4 轮：算法 + LP × 2 + System Design Lite	3-4 轮：SQL + Case Study + LP × 2
决定性能力	算法 + LP 故事	SQL + 业务理解 + LP 故事

一句话总结：SDE 看代码功底 + LP；DA 看 SQL 速度 + 商业洞察 + LP。LP 是两条线唯一的"公约数"。

SDE Intern OA：四模块拆解

模块 1：Work Simulation

模拟一个工作日内的多个邮件 / 会议 / 决策选项。题目以 multiple choice 出现，考察候选人在压力下的优先级排序、客户至上、数据驱动。常见陷阱：

• 同时出现"客户体验"和"成本"，必须先客户体验
• 同事请求帮忙 vs 自己 deadline，先沟通节奏而非直接拒绝

模块 2：Coding（代表题：Sum of Skills 团队分配）

给 N 个员工的 skill 数组，把他们分成大小为 K 的若干组，使得每组 skill 之和的方差最小。

思路：排序 + 贪心配对，把最强 + 最弱、第二强 + 第二弱… 配在一起。

def team_assignment(skills, K):
    skills.sort()
    n = len(skills)
    teams = []
    i, j = 0, n - 1
    while i < j:
        team = []
        while len(team) < K and i <= j:
            team.append(skills[j]); j -= 1
            if len(team) < K and i <= j:
                team.append(skills[i]); i += 1
        teams.append(team)
    return teams

时间复杂度：O(N log N)，排序占主。 Follow-up：如果题目改成"每组 skill 之和等于 target"——退化成多重背包，注意数据量。

模块 3：Workstyle Survey

无对错，但前后一致性会被算分。建议：

• 选 "Strongly Agree" / "Strongly Disagree" 别太多，控制在 30%
• "I prefer working alone" 类陷阱，Amazon 偏好协作

模块 4：Debug

约 15 分钟，给一段有 5-7 个 bug 的小程序，要求改对。最常见 bug 类型：

• off-by-one
• 误用 is 替代 ==
• 字典遍历时修改

DA Intern OA：四模块拆解

模块 1：SQL Lab（代表题：订单留存 cohort）

给 orders(user_id, order_date, amount)，求每个月新用户在之后 3 个月内的留存率。

WITH first_order AS (
  SELECT user_id, MIN(order_date) AS first_dt
  FROM orders
  GROUP BY user_id
),
cohort AS (
  SELECT
    DATE_TRUNC('month', first_dt) AS cohort_month,
    user_id
  FROM first_order
)
SELECT
  c.cohort_month,
  COUNT(DISTINCT c.user_id) AS new_users,
  COUNT(DISTINCT CASE
    WHEN o.order_date BETWEEN c.cohort_month + INTERVAL '1 month'
                      AND c.cohort_month + INTERVAL '3 month'
    THEN o.user_id END) AS retained_users
FROM cohort c
LEFT JOIN orders o USING (user_id)
GROUP BY c.cohort_month
ORDER BY c.cohort_month;

关键点：

• DATE_TRUNC 注意 Amazon 内部 Redshift 与开源 Postgres 的兼容
• 留存率定义用 COUNT(DISTINCT ... CASE WHEN ...) 一气呵成

模块 2：Statistics MCQ

10-15 道 MCQ，覆盖：

• 假设检验：双样本 t test、卡方
• A/B Testing：power analysis、MDE
• 概率：条件概率、贝叶斯
• 回归：multicollinearity、heteroskedasticity

陷阱：选项中常会出现"统计显著 = 业务显著"——错。

模块 3：Case Study

业务题，常见原型：

• "FBA Returns 上升 8%，请用一周时间分析"
• "Prime Day GMV 没达到预期，请定位原因"

回答骨架（SDE-W：Segment / Drill / Experiment / Wrap）：

1. Segment：按品类、地域、客群拆分
2. Drill：找异常子集
3. Experiment：设计 A/B 验证
4. Wrap：写出 stakeholder 一句话结论

模块 4：Workstyle 同 SDE

VO 流程对比

轮次	SDE Intern	DA Intern
1	LP × 2 + Coding Easy	LP × 2 + SQL × 1
2	Coding Medium + LP × 1	SQL Hard + Case Study
3	System Design Lite + LP × 1	Case Study + LP × 2
4（部分团队）	Bar Raiser：LP 全程	Bar Raiser：LP 全程

两条线 Bar Raiser 完全相同——都是 LP 主导，问 5-6 个故事，每个故事都要能 drill 到具体行为。

备考策略对比

维度	SDE Intern	DA Intern
主刷题平台	LeetCode（Amazon tag）	LeetCode SQL + StrataScratch
主刷题量	200 题以上	SQL 100 + 概率统计 50
故事数量	6-8 个 LP 故事	6-8 个 LP 故事
模拟面	Karat / Pramp	DataLemur / 找学长姐 mock

三周节奏（SDE）

1. 第 1 周：LeetCode Amazon tag Top 50 medium
2. 第 2 周：Coding Hard 10 道 + 系统设计 P-A-S
3. 第 3 周：LP 故事打磨 + Karat mock × 2

三周节奏（DA）

1. 第 1 周：StrataScratch Amazon SQL Top 50
2. 第 2 周：A/B Testing 教材 + Case Study 3 套
3. 第 3 周：LP 故事 + DataLemur mock × 2

FAQ

Q1：我同时投了 SDE 和 DA Intern，OA 会怎么发？ recruiter 会按你简历里的"主基调"决定。如果两条线都标了 strong signal，recruiter 通常按 JD 优先：你点过哪条线的 JD，发那条线的 OA。

Q2：DA Intern 的 SQL 比 SDE 的 Coding 容易吗？ 不容易。DA 的 SQL Hard 多用 window function + CTE 嵌套，写 80 分钟 4 题 的速度比 LeetCode 60 分钟 2 题更紧。

Q3：Workstyle Survey 真的会刷人吗？ 不会单独刷，但和 OA 其他模块组合时可能成为否决项。建议保持一致性，避免极端选项。

Q4：VO Bar Raiser 是 onsite 还是 OA 阶段？ Onsite 阶段。OA 阶段没有 Bar Raiser。Bar Raiser 是 final loop 中跨部门的 senior，可以一票否决。

Q5：如果 OA 表现一般，还能进 VO 吗？ SDE 偏重看 coding 表现，VO 直接由 OA 排序决定；DA 更看 SQL + Case Study 综合。referral + 简历亮点能弥补 OA 部分，但仍建议把 OA 当作首要门槛。

---

正在准备 Amazon Intern OA / VO？

如果你已经收到 OA 链接但 Work Simulation 排序拿不准、SQL 80 分钟 4 题写不完，或者 Bar Raiser 阶段需要真人 VO代面 / VO辅助 全程陪跑，可以聊聊看 OA代面 / VO辅助 / VO代面 完整方案。

---

联系方式

需要面试真题与定制备战计划？立刻联系微信 Coding0201，获取真题。

Email: [email protected] Telegram: @OAVOProxy