2026 年 Q1 走完了 Databricks 的 PM 全流程，面的是他们某个 developer tools 产品上的 senior PM。分享一下问题和形式，因为这里的 PM 流程和典型 SaaS 公司不太一样。
第一件事要知道：Databricks 的 PM 需要很技术向。不一定要会写代码，但要对数据基础设施概念非常流利。如果你聊不清 streaming vs batch processing，或者 Delta Lake 相比普通 data lake 为什么重要，你在产品轮会很吃力。
我大概遇到的是：
和 recruiter 的 intro screen。 常规背景、why Databricks、流程安排。30 分钟。
Product sense 轮。 「How would you improve the Databricks notebook experience for data scientists who are transitioning from Jupyter?（你会如何改进 Databricks notebook 体验，帮助从 Jupyter 转过来的 data scientist？）」他们要的是具体。我先分了用户群（从 Jupyter 转过来的 DS vs 有经验的 Databricks 用户），然后讲具体摩擦点。他们会 push back 你的优先级，我觉得这就是目的。
Technical depth 轮。 一位工程师带我过了一个简化版的数据接入问题，让我说在把它承诺进 roadmap 之前，我需要先明确哪些产品/设计约束。这不是 coding test，但我需要理解工程团队面对的取舍。
执行与跨职能轮。 「Tell me about a time you had to ship a product under significant constraint.（讲一次你在重大约束下必须交付产品的经历。）」很 behavioral，但带 PM 味。他们追问：你怎么定 scope？砍了什么？怎么和 stakeholder 沟通？
指标与结果轮。 「How would you measure the success of a new feature for large-enterprise Databricks customers?（你会如何衡量一个面向大型企业 Databricks 客户的新功能是否成功？）」我选了以留存为主的指标（time-to-value、30-day activation），再加上收入影响的 proxy。他们喜欢这种分层。
没有 PM case study / take-home，全部 live。
总体印象：他们想要尊重工程复杂度、并能把它翻译给业务 stakeholder 的产品人。纯 growth-PM 或 consumer-PM，如果没有一些数据基础设施背景，可能不太适配。