今年早些时候面了 DoorDash DS loop，岗位是一个中级 data scientist。网上关于 DS loop 的“what do they test（他们到底考什么）”一直说得很模糊，我来讲具体点。
轮次拆解（virtual onsite，2026）：
SQL：单独一轮 SQL，45 分钟。题目涉及多张表（orders、dashers、restaurants、events）、带窗口函数的聚合，以及一个关于漏斗流失的问题。难度：真不低。不是那种“SELECT * FROM table”。你需要熟练 CTE、分区聚合，并且能边写边把思路讲出来。他们用实时共享环境。我每一步前都写了注释来保持结构。面试官中途还让我改了一次 query，加一个新的过滤条件。
产品/case：开放题。“A restaurant partner says their orders dropped 20% last week. How do you investigate?（某个餐厅合作伙伴说他们上周订单下降了 20%。你怎么排查？）”这不是坑题。先走内部数据检查（是真下降还是报表问题），再看外部因素，再看平台因素（算法改动、竞品活动、dasher 供给）。结构化的排查路径和你最后的假设一样重要。
统计 / 实验：问 A/B 测试方法论。具体包括：什么时候会提前停掉一个测试，风险是什么？还有一题是当分配很难时怎么设计实验（Dashers 是有限且相关的人群）。如果你做过 switchback experiments 或 cluster randomization，可以提一下。他们内部做很多实验，面试官也很懂其中权衡。
Behavioral：跟 SWE loop 一样，跨职能，STAR 格式。
怎么准备：SQL 的窗口函数、指标下降的诊断框架、非 IID 条件下的实验设计，以及对 marketplace 数据有足够的熟悉度，至少听起来像你以前思考过配送物流。领域知识不是硬门槛，但会让你的例子更落地。
这个 level 的 comp：我拿到的 offer 大概是 $160k base 加 equity，SF 区域的 DS，2026 年初。YMMV。