Stripe 数据科学家面试指南

据候选人反映，工程类面试流程包括：30 分钟的招聘人员初筛、45-60 分钟的现场编程技术筛选，以及为期五轮的到场面试。据反映，到场面试环节涵盖通用编程、调试陌生代码仓库、系统集成、系统设计和行为面试讨论。

以下是数据科学家面试的备考类别：

• 初筛：介绍一个项目、该项目支持的决策，以及你的贡献。
• 带回家测试：练习将一个数据集和一个开放式问题，转化为可复现的分析并给出简明建议。
• 编程：编写 SQL 与数据转换代码，同时说明假设并核对结果。
• 案例分析：明确业务决策、成功指标，以及支持结论所需的证据。
• 行为面试：准备涉及分歧、分析失误和证据不充分等情形的实例。
• 到场面试：练习在技术工作和口头讲解之间切换。

数据科学家面试的整体备考，应让你的推理过程在以下方面清晰可见：

• 统计学与实验设计：说明假设、随机化单位、主要指标和不确定性。检查选择偏差或重复观测是否可能扭曲结果。
• SQL 与编程：在关联表之前，先明确每一行代表什么。显式处理重复值、缺失值和时间窗口，然后用小样本核对输出结果。
• 建模判断力：从一个简单的基线模型开始。说明评估集划分的理由，排查数据泄漏问题，并将错误成本与指标选择联系起来。
• 沟通表达：先给出你的分析所支持的决策。用非专业人士也能理解的语言，说明证据、不确定性和下一步行动。

与软件工程备考相比，需要更多关注度量方式、不确定性，以及分析是否真正支持某项业务决策。一条查询语句即便使用了错误的分母，也可能正常执行。一个模型可能看似准确，实则是因为其特征中混入了预测时点本不该获得的信息。

针对金融基础设施相关的案例题，可以研究支付完成率或欺诈检测问题。明确重试行为如何影响该指标，考虑不同商户群体之间的差异，并说明误判所带来的成本。同时练习为你的实现方式和你的解读方式进行辩护。

据候选人反映，从招聘人员初筛到最终录用决定，工程类面试流程通常耗时 4-8 周，具体取决于岗位、团队和排期安排。他们还提到，到场面试通常持续 3-4 小时，各环节面试顺序不固定，并表示会提前收到一份备考指南。

对数据科学家岗位而言，备考的难点在于知识面要广。你需要在动手实现、统计推理和业务讲解之间灵活切换，同时保持假设前后一致。建议向招聘人员确认哪些环节适用于你所应聘的岗位，以便有针对性地安排练习重点。

• 从一个项目讲起：准备一段简明的讲述，涵盖问题本身、你的贡献、相关证据以及最终的决策结果。其中可以包含一次你能坦诚讨论的失误或分歧。
• 练习数据处理：使用一个含有重复事件和缺失值的数据集。编写查询语句，检查关联是否正确，并说明你如何判断输出结果是合理的。
• 构建一个实验案例：明确假设、成功指标、随机化单位和潜在风险。说明如果实验结果不明确，将如何影响你的建议。
• 比较不同建模方案：建立基线模型，选择验证方法，并说明哪些错误的代价最高。
• 整理分析成果：制作一份可复现的带回家练习提交稿，并为非专业人士撰写一段简短说明，让假设条件和局限性一目了然。

可以通过模拟面试来练习在这些任务之间切换。下面的问题是具有代表性的练习示例。