Capital One Business Analyst Assessment 完整指南：Case × SQL × Excel × Power Day

Capital One 的 Business Analyst (BA) 路线 和 SWE 是两条完全独立的招聘 pipeline——很多同学以为"投了 SWE 不行就转 BA"，结果发现 BA 的 OA 完全是另一套：Case Study + SQL + Excel/Logic 三模块，而不是 LeetCode 算法。如果按 SWE 思路准备，几乎注定挂在第一关。

本文是站内首篇 Capital One BA 专属指南，从 Assessment 阶段到 Power Day 5 轮 onsite 全流程拆解，给出每一阶段的真题、回答骨架与考察重点。读完你应该能判断：BA 路线是否适合你 + 用什么节奏准备。

Capital One BA 招聘流程总览

阶段	时长	题型	决策权
Resume Screen	—	简历 + cover letter	入门
Online Assessment	90 min	Case + SQL + Excel	关键过滤
Phone Interview	45 min	Case + Behavioral	关键过滤
Power Day Round 1	60 min	Case Study	决定
Power Day Round 2	60 min	Technical（SQL + Excel）	决定
Power Day Round 3	45 min	Behavioral / LP	决定

通过率叠乘：从投递到 offer 累积约 5%，与 SWE 类似但筛选维度完全不同。

OA 模块 1：Case Study（30 分钟）

真题：信用卡新产品定价

Capital One 计划推出一款新信用卡，目标客户是年收入 5-10 万美元的中产家庭。给定历史数据：当前同类产品的违约率 3%、平均年消费 $8000、年费 $95。请：

分析该产品的盈利模型

推荐三个最关键的产品参数

给出第一年的预期 ROI

回答骨架（P-A-R 模型：Profit / Assumptions / Recommendation）：

Profit：
- Revenue = 利息收入 + 年费 + 交换费
- Cost = 违约损失 + 营销成本 + 运营成本
- 单卡净利 = (8000 × 18% × 30%) + 95 + (8000 × 1.5%) - (8000 × 3%) - 50 = ~$200/年
Assumptions：
- 18% APR、30% revolving 比例、1.5% interchange
- 营销获客成本 $50/卡
Recommendation：
- APR 设定（影响利息收入与违约率 tradeoff）
- 信用额度（影响余额与 default exposure）
- Reward 比例（影响吸引力与成本）

关键考察点：你能否用结构化语言回答，不堆砌，每一步都有计算依据。

OA 模块 2：SQL（30 分钟）

真题：客户分层 + 留存分析

给两张表：customers(id, signup_date, segment) 和 transactions(customer_id, txn_date, amount)。

任务：

找出 2026 年上半年新注册且首月消费 > $500 的客户

按 segment 分组计算他们的 6 个月留存率（任意一笔交易即视为留存）

WITH new_customers AS (
  SELECT id, signup_date, segment
  FROM customers
  WHERE signup_date BETWEEN '2026-01-01' AND '2026-06-30'
),
first_month AS (
  SELECT
    c.id,
    c.segment,
    c.signup_date,
    SUM(CASE
      WHEN t.txn_date BETWEEN c.signup_date AND c.signup_date + INTERVAL '30 day'
      THEN t.amount ELSE 0 END) AS first_month_amount
  FROM new_customers c
  LEFT JOIN transactions t ON t.customer_id = c.id
  GROUP BY c.id, c.segment, c.signup_date
  HAVING SUM(CASE
      WHEN t.txn_date BETWEEN c.signup_date AND c.signup_date + INTERVAL '30 day'
      THEN t.amount ELSE 0 END) > 500
),
retained AS (
  SELECT DISTINCT f.id, f.segment
  FROM first_month f
  JOIN transactions t ON t.customer_id = f.id
  WHERE t.txn_date BETWEEN f.signup_date + INTERVAL '5 month'
                       AND f.signup_date + INTERVAL '6 month'
)
SELECT
  f.segment,
  COUNT(DISTINCT f.id) AS qualified_customers,
  COUNT(DISTINCT r.id) AS retained,
  COUNT(DISTINCT r.id) * 1.0 / COUNT(DISTINCT f.id) AS retention_rate
FROM first_month f
LEFT JOIN retained r USING (id)
GROUP BY f.segment;

关键点：

BA 题常考多 CTE 嵌套 + 时间窗口
留存定义要明确（DAU vs MAU vs 任意一笔）
分母用 first_month 而非 new_customers，避免漏过滤

OA 模块 3：Excel / Logic（30 分钟）

真题：欺诈率计算 + What-If 分析

给一张表：每行是一笔交易，列包括 txn_id, user_id, amount, is_fraud, channel。要求：

用 pivot table 计算各 channel 的欺诈率

如果把 mobile channel 的 fraud detection 从 60% recall 提升到 80%，年化损失能减少多少？

Excel 公式骨架：

=COUNTIFS(C:C,"mobile",D:D,1) / COUNTIFS(C:C,"mobile")

What-If 计算：

Mobile 当前年化损失 = mobile 总欺诈金额 × (1 - 60%)
提升后 = mobile 总欺诈金额 × (1 - 80%)
减少额 = mobile 总欺诈金额 × 20%

关键考察点：能否在 30 分钟内既算对数字，又用文字描述假设和限制。

Power Day Round 1：Case Study（60 分钟）

真题：欺诈率上升的根因分析

上月 Capital One 信用卡的欺诈率从 0.5% 上升到 0.8%。请用 30 分钟分析根因，给出 3 条 actionable recommendations。

回答骨架（S-D-V-A：Segment / Drill / Verify / Action）：

Segment：按地域、产品线、客群、渠道、时间段拆分
Drill：找异常子集，例如"东海岸 mobile 渠道的新客 + 周末时段"占 70% 增量
Verify：用 A/B 或 historical baseline 验证假设
Action：
- Quick win：临时调高 mobile 渠道 risk threshold
- Mid-term：mobile app 增加 3D Secure 二次验证
- Long-term：重训练欺诈模型，加入 device fingerprint 特征

Power Day Round 2：Technical（SQL + Excel）

真题：批量数据清洗

给两张表，发现 user_id 字段在 customers 是 int，在 transactions 是 string，且 transactions 里有约 5% 的 leading zero。请写 SQL 把数据 join 起来。

SELECT *
FROM customers c
JOIN transactions t
  ON c.id = CAST(REGEXP_REPLACE(t.user_id, '^0+', '') AS INTEGER);

追问：如果 transactions 还有空值或非数字字符怎么办？答案：用 TRY_CAST 或 CASE WHEN 过滤。

Power Day Round 3：Behavioral / LP

Capital One BA 必问的 5 个问题

"Tell me about a time you used data to influence a non-data person."
"Walk me through a time you discovered a flaw in your own analysis."
"Describe a time you balanced multiple stakeholders with conflicting priorities."
"Tell me about a project where the data was messy / incomplete."
"Why Business Analyst at Capital One specifically (not consulting / DS)?"

STAR 模板：

Situation: 项目背景
Task: 你的角色
Action: 你具体做了什么（必须有具体数字）
Result: 量化结果

Skills × 题型权重表

Skill	OA Case	OA SQL	OA Excel	Power Day Case	Power Day Tech	Behavioral
商业逻辑	★★★	★	★★	★★★	★	★★
SQL 速度	★	★★★	★	★	★★★	★
Excel	★	★	★★★	★	★★	★
沟通表达	★★★	★	★	★★★	★★	★★★
反思深度	★	★	★	★★	★	★★★

FAQ

Q1：BA 不会编程能进吗？ SQL 是必须的，但不要求 Python。Excel + SQL + Case Study 是 BA 的"三件套"，编程是加分项。

Q2：BA 和 Data Analyst / Data Scientist 区别？

BA：业务驱动，case study 占主，SQL 是工具
DA：技术驱动，SQL + Tableau 是核心，case 占次
DS：建模驱动，Python / 统计是核心

Capital One 的 BA 偏向金融业务咨询，比一般科技公司 BA 更看商业判断。

Q3：Power Day Case Study 30 分钟够吗？ 够，但前 5 分钟必须画框架。框架不清晰，后面计算再准也救不回来。

Q4：BA 起薪多少？ Capital One BA 新人 base 75-95k + 10% bonus + sign-on，总包 90-115k。Senior BA 总包可达 150k+。

Q5：从 BA 能转 SWE 或 DS 吗？ 内转可以，但需要重新过技术面。Capital One 内转政策友好，但岗位 HC 限制是常见瓶颈。

正在准备 Capital One Business Analyst 面试？

如果你想做 OA 三模块（Case + SQL + Excel）模考、Power Day Case Study 框架演练，或希望 Power Day 那天有真人 VO代面 / VO辅助全程陪跑，可以聊聊看完整的 OA代面 / VO辅助 / VO代面方案。

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