刚结束我的 Accenture data scientist 全套 loop，Applied Intelligence 方向的岗位（美国，hybrid，中-senior 级别）。从 recruiter screen 到 offer 大概 3 周。写下来是因为最近 DS 相关的信息真的不多。
整个流程有 4 轮：
recruiter screen（30 分钟）：标准流程。经历概述、为什么咨询、薪资范围确认。没什么意外。
technical screen（60 分钟）：这轮 SQL 出现得很猛。我被问了 3 道 SQL 题，难度递增。第一道是带 GROUP BY 的简单聚合。第二道涉及 window function，具体是用 LAG() 算环比变化。第三道是 self-join，类似「30 天内买了 product A 但没买 product B 的 customers」。相当于 leetcode SQL 的中偏难。还问了一道 stats：给两组样本量不同的数据，让我讲怎么检验它们的转化率是否显著不同。他们希望我说出检验方法、解释假设，并讲样本量小的时候会怎么样。
case study（60 分钟）：给了一个业务场景，一个零售客户想降低 churn。我需要讲我想要哪些数据、怎么定义目标变量、特征思路、模型选择（我说 gradient boosting，他们问为什么不先 logistic regression），以及上线后怎么衡量成功。感觉像咨询 case 和 DS 面试的混合体。他们会追问取舍。
behavioral + stakeholder（45 分钟）：全是 STAR 格式。问题像「tell me about a time you had to explain a model result to a non-technical executive（讲讲你曾经需要把一个模型结果解释给非技术高管的一次经历）」（讲讲你曾经需要把一个模型结果解释给非技术高管的一次经历）和「describe a project that didn't go as planned.（描述一个没有按计划进行的项目。）」（描述一个没有按计划进行的项目。）有一道我没想到的问题：「how do you handle a client who disagrees with your analysis?（你怎么处理一个不同意你分析的客户？）」（你怎么处理一个不同意你分析的客户？）很典型的咨询角度。
没有很深的 ML 理论追问（没有 backprop，也没有很数学的内容）。从 debrief 的反馈来看，SQL 和 case 明显权重最高。
offer 给的是 consultant 级别的 DS 岗，不是纯「data scientist」头衔。薪资结构和产品公司有点不一样：base 占比更高，variable 更小。如果你从 startup 或大厂 DS 来，心理预期要调整。
欢迎继续追问。