大概六周前刚面完 Amex 的 DE loop，岗位是他们 payments data platform 团队的 senior。我把过程写一下，也包括哪些点让我有点措手不及。
Recruiter 说流程是 3-4 轮。实际上是 5 轮。经典。
Round 1（technical phone screen）： 重点是 SQL。Window functions、CTEs，还有一个关于 transaction records 去重逻辑的问题。如果你不知道怎么在 SQL cleanup 里思考 idempotency，进去前先补一补。他们也问了一个我负责的 pipeline 导致数据质量问题的经历。这个故事要准备好。
Round 2（system design for data）： 设计一个实时的 fraud signal ingestion pipeline。我讲了 Kafka 做流式、Spark Structured Streaming 做处理，再落到 Delta Lake layer。他们问了 exactly-once semantics。如果你面 payments infra，要把这个吃透：在 Kafka consumer 层面 vs. sink 层面，「exactly once」分别是什么意思？我这里有点卡壳，他们挺耐心但也记下了。
Round 3（coding）： Python，不玩花的。写一个函数，把 payment webhook 里嵌套的 JSON 解析成扁平 schema。问题很贴近实际，不是 LeetCode。他们在意的是要能优雅处理 null/缺失字段。
Rounds 4-5（behavioral + team fit）： 一轮和 hiring manager，一轮和跨职能 partner（risk DS）。都是 STAR 格式。「"Tell me about a time you had to rebuild trust with a stakeholder after a pipeline outage（跟我说一次在 pipeline 宕机后，你不得不和某个 stakeholder 重建信任的经历）"」几乎一字不差地被问到了。
Amex 的 DE 技术栈大多是 Spark、一些 Kafka，有的团队用 GCP BigQuery，另一些团队还有老 Oracle。到了 2026 他们还可能问你怎么读写 Oracle，别惊讶。对于一家 175 年历史的金融公司来说，不酷但很现实。
我从小道消息听说一个同级别同事拿到并接受的 offer：大约 $175k base，15-18% bonus target，401k match 很强。没有 equity，这也很符合传统金融服务的风格。