今年更早的时候我走完了 GitLab DS 的 loop，面的是产品分析团队一个 mid-senior 的 DS 职位。外面几乎没什么具体信息，所以分享一下我的经历。
结构： recruiter screen（30 分钟） hiring manager（45 分钟，背景 + 你怎么思考问题） SQL + technical interview（60 分钟，live） 产品 case 面试（60 分钟） 统计／ML 概念面试（45 分钟） behavioral／values（45 分钟）
五轮硬核面真的很多。如果连着排，基本要预留一整天。
SQL 轮： 比平均难。不是那种“SELECT * FROM users WHERE date > X”的水平。我们做了：跨 user events、pipeline runs、project metadata 的多表 join，去回答一个关于 activation drop-off 的业务问题。然后追问我需要重写一条很慢的 query（里面藏着 N+1 模式）。再然后是一道 window function：'for each user, find the time between their first pipeline run and their first successful pipeline run.' 最后一题我差点翻车。
SQL 环境就是一个共享文档，没有 live query runner。所以你是写出来并解释思路，不是跑出来。
产品 case： prompt：'GitLab's free-to-paid conversion rate dropped 8% last quarter. walk me through how you'd diagnose it.' 完全开放题。他们想看漏斗思维、cohort 思维、以及假设生成能力。我讲了 25 分钟左右，然后他们开始问那种“如果我告诉你下滑只发生在 mobile 上呢？”的引导问题。很典型的 case 面试节奏。
stats／ML 面试： 不写代码，纯概念。问题包括：在 spam classifier 的语境下解释 precision vs recall。怎么判断一个 A/B test 有没有 novelty effect。'your model shows 92% accuracy, why might that number be misleading?'（显然是类别不平衡，但他们要你把逻辑推出来）。还有 bias-variance tradeoff，什么时候选简单模型而不是复杂模型。
整体难度：比我预期难，尤其是 SQL。准备的时候多练 window functions 和多表聚合。case 和 stats 轮的难度都在正常 DS 面试范围内。
comp：我的 offer 大概是 $165k base，mid-senior level，US remote，2026 年。另有 RSUs。不是 FAANG 的数字，但全远程，而且如果你在乎 devtools metrics，这份工作挺有意思。