2026 年 Q1 在 Chime 面了他们 risk/fraud 团队的 data scientist 岗位。DS 面试在不同公司差异很大，所以这里写下真实拆解。
OA：偏 SQL，两道题。window functions、多表 join + 带聚合条件。中等难度。LeetCode 或 StrataScratch 上都见过。限时 75 分钟，我还有时间检查。
技术电话面：一小时，和团队里的 data scientist，不是 recruiter。分两半。前半是 SQL live coding：他们共享屏幕给 schema，让我现场写查询。schema 明显参考了他们的真实数据模型（users、transactions、flags）。我需要写出：找出在 30 天窗口内有 3 次及以上失败交易的用户。滑动窗口题。
后半是 stats/probability：A/B 测试解读，然后问 fraud detection 模型里的 class imbalance。都是 DS 面试核心类别，我也预期到了。如果你面任何 fintech 的 risk 或 fraud，一定要能讲清 precision/recall 的权衡，不要靠 Wikipedia 话术。
case：单独一轮。业务场景：你会怎么设计实验，测试一个新的 SpotMe limit 提升是否影响用户行为。他们要的是：假设、指标选择、power analysis 的考虑、潜在 confounders。没有标准答案，但会追你的思路。
behavioral：常规问题，和整套流程一样偏 mission。为什么 Chime，讲一个你上线过的模型，干系人不同意你的建议时发生了什么。
我的流程里没有 ML system design，但我听说 ML-DS 混合岗位会问。纯 analytics DS 全程就是 SQL/stats/case 为主。
最后给了 SF 岗的 offer：base 160k + RSUs。这个级别我觉得合理。