刚结束 Databricks DS 面试流程，岗位是产品分析方向的 senior data scientist。给在找最新面经的人一个拆解，网上大多数帖子都是 2-3 年前的了。
recruiter screen 之后一共 4 轮。
SQL / 技术编码（60 分钟）。 两道 SQL，都是在共享编辑器里做。第一道是中等复杂度的聚合：多表 join、窗口函数、基于衍生列过滤。我会把它归类为 LeetCode medium SQL。第二道更难：自连接加 LAG/LEAD，用来跟踪用户漏斗里的连续事件。基本占了我剩下的大部分时间。他们不是在考你是否会 Databricks 特定的 SQL 语法（跟 Spark SQL 差不多），而是想看你是否能熟练写分析型 SQL。
另外还有一个很快的 Python 部分：一题用 pandas 做数据处理。写个函数按用户分组计算 7 天滚动平均。没什么坑，主要看熟练度。
统计与概率（45 分钟）。 比我预期更重。A/B 测试：需要多少样本量？他们带我过了一个低基准率的场景，问到了 power 计算。也问了 p-value 的常见误读（经典题），以及一个关于用贝叶斯 vs 频率学派看产品指标的问题。我平时主要在频率学派这套里工作，所以贝叶斯那题有点失误，但感觉也没有直接把我打崩。
Case study / 分析思维（60 分钟）。 给了个场景：“Databricks 在一批企业客户中的使用量环比下降了 15%。说说你会怎么查。”很标准的 DS case。我回答的路径是：先做数据质量检查，再按客户规模和产品模块分段，看外部因素（我们是不是改了定价？某个功能是不是坏了？），识别领先指标 vs 滞后指标。他们会在每一步继续追问。
Behavioral（45 分钟）。 形式跟工程的 behavioral 一样。DS 组织里的人来面，问 ownership 和影响力相关的问题。我讲了一个故事：我的分析发现了一个重要结论，但某个大产品团队并不想听。这个回答反馈很好。
流程里他们透露的 comp target：SF 的 senior DS 大概总包 $200-240k，RSU 占比很高。以 2026 的市场来看挺有竞争力。