2026 年 3 月走完了 Instacart 的 DS 面试 loop，面的是他们 growth 团队的 mid-senior DS。想写得具体点，因为大多数 DS 面经要么太泛，要么是 3 年前的。
Loop 结构： SQL/coding screen（45 分钟，async 或 live，我的是 live） Case study / 产品分析（60 分钟） Stats / probability（45 分钟） Behavioral（45 分钟）
SQL 轮： 三道题，给了一个很像真实电商的 schema（orders、order_items、users、shoppers）。难度：第一题是 join + aggregate，比如算最近 30 天按用户分群的平均客单价。第二题是窗口函数：在每个 market 内按履约率给 shoppers 排名。第三题更绕，做 self-join 找出 7 天内下了两单的用户（留存信号）。窗口函数和 self-join 一定要熟到不假思索。
Case study： 给了场景：东南地区 shopper 的 pickup time 增加了 12%。诊断并给出下一步建议。我是这么走的：先看是不是数据问题，是全品类还是某些品类，是新 shopper 还是老手，店内布局或合作伙伴关系有没有变化。然后建议做一个小实验：在一个 market 里对经验丰富的 shoppers A/B 一个引导拣货路线功能。他们会问指标、护栏指标，以及大概样本量。指标要多花时间。
Stats 轮： 不算特别理论，但也不简单。问题包括：解释 precision 和 recall 的区别，以及分别在什么情况下优化哪个。你跑了一个 A/B test，主指标提升了但一个 guardrail 指标变差了，你怎么办。解释你会怎么建 propensity model 来识别有流失风险的 shoppers。最后那题会深入到特征选择和校准。
总体：难但公平。从开始到结束大概 3 周。