今年早些时候走了 BCG data scientist 的面试流程，职位在他们 Advanced Analytics 团队。把完整拆解写一下，因为我准备时找不到任何具体信息。
总共四轮。第一通电话是 recruiter，30 分钟，很标准的筛选。她很坦诚：BCG 的 DS 角色在咨询和数据工作交叉点上，所以你得两边都能适应。
第二轮是跟团队里的一个 data scientist 做技术筛。大概 45 分钟。重点是 SQL：两题，一题是比较直接的多表 join 聚合（类似 cohort retention analysis 的风格），第二题用到了 window function。要求我边做边把思路说出来。没有竞赛编程套路，就是实打实的分析型 SQL。
出现的 stats 题： 给非技术 stakeholder 解释 p-value 和置信区间的区别 你怎么判断一个新模型在生产环境里是否比现有模型更好？（他们在这块追得很狠，希望我聊 A/B testing、statistical power、业务取舍） 经典概率题：客户消费金额分布很偏态时，你报告哪个指标，为什么？
第三轮是一个 mini case interview。这轮我挺意外。是咨询顾问给的结构化商业问题，我需要用数据来框定我的方法。他们不指望我像 MBA 候选人一样把 case 拿下，但确实想看逻辑结构和假设驱动的思考。
最后一轮是更长的 stakeholder panel，两位面试官，90 分钟。一位主要问 behavioral（STAR 那套：无权威影响力、项目中的 ambiguity、如何和怀疑你的客户建立信任）。另一位更深入问 ML：我怎么部署模型、监控策略、什么时候用简单模型 vs 复杂模型。
我拿到了 offer。DS 的技术 bar 感觉像中等水平的科技公司，不是 PhD 级别。case 部分是最大的变量。如果你从纯 tech 来、没咨询背景，建议至少花一周练习结构化拆解问题再去面。