上个月刚结束我的 amazon DS loop，申请的是西雅图广告团队的 science 相关职位。分享一下我看到的情况，因为关于 DS track 和 SWE track 的差异，网上居然没什么具体信息。
一共五轮：一轮 recruiter screen，加四轮面试。轮次是：
第 1 轮：SQL + 产品 sense。 他们给了我一个包含 3 张表（users、events、orders）的 schema，让我写一个按周的 retention cohort 查询。没什么花活，但需要 self-join。然后是一道产品题：某个指标周环比掉了 15%。他们希望你按结构化思路去诊断，而不是只列可能原因。我觉得很多 DS 候选人就是在这里被刷掉的：讲得太散。要系统。
第 2 轮：统计 / 实验。 一道关于 AB test 设计、power analysis、minimum detectable effect 的问题。他们还问如果实验出现 novelty effect 你会怎么做。另一道是关于 p-hacking，以及在高频测试文化里你会怎么避免它。这一轮很像 amazon 的风格。他们实验做得很多，也想要不会把假阳性直接上线的人。
第 3 轮：应用 ML。 讲一个你从零搭过的模型。我讲了我在现公司做的 churn model。他们追问很狠：feature engineering、怎么处理 class imbalance、从 staging 到 prod 之后发生了什么。他们不想听教科书答案，他们想听一个“事情真的搞砸过”的故事。
第 4 轮：leadership principles。 这就是 behavioral 轮，在 amazon 真的非常非常重要，甚至比很多公司都更重要。我用 STAR 准备了大概 12 个 LP 故事。他们具体问了 customer obsession、dive deep、deliver results，并且会非常狠地追细节。你要是说“我们提升了 revenue”，他们会要你报数字。
我注意到几件事：面试官最后都会问一句 “what would you do differently?”（你会做哪些不同的地方？）在 STAR 故事里把这段也准备进去。另外，我这次 loop 没有 take-home，但听说有的团队会有。
我拿到 offer 了。L5 DS，$190k base + RSUs + sign-on，不过具体拆分我留到 comp 贴里再写。