几个月前我在 JPMC（Consumer & Community Banking 团队，NYC，mid-senior level）走完了一套 DS 全流程。想按模块拆一下，因为「data scientist interview」这个标签覆盖的范围太大，而 JPMC 这套跟典型科技公司 DS 流程不一样。
SQL 轮（45 分钟） 比我预期难。他们不会问那种「找第二高工资」的题。题目是真的偏分析：跨交易数据的多表 join、窗口函数（特别是用 LAG/LEAD 做趋势分析），还有一题要写 cohort analysis query。我觉得 SQL 难度在中级到高级之间。如果你只会基本的 SELECT/WHERE/GROUP BY，会很吃力。
Case / product sense 轮（45 分钟） 题目框架是：「我们发现某个地区本季度 mobile check deposits 掉了 15%。带我过一遍你怎么调查。」这是经典 case 风格的问题，但带数据视角。他们想看：如何生成假设、我会先拉哪些数据、会跑哪些分析、以及怎么区分产品问题、外部因素和季节性。我做过不少这种，这一轮设计得挺好。
Stats / ML 轮（60 分钟） 说实话最杂的一轮。覆盖主题：A/B test 设计（minimum detectable effect、sample size、什么时候可以提前停）、基础概率（涉及欺诈率的条件概率题），以及一个偏概念的 ML 题：在信用风险评分问题里如何做模型选择。他们没让我写模型代码，只让我在受监管环境下，比较 logistic regression 和 gradient boosting 的取舍。关键词：regulated。他们还专门问了可解释性，因为有 fair lending laws。要准备这个。
Behavioral（合并在一轮里的一部分） 跟别人描述的差不多：讲一次你用数据影响决策的经历、你怎么和非技术方合作，还有一题是如何抗压。
NYC 的 JPMC DS 薪酬竞争力不错，但结构和科技公司不一样。股权少，现金和 bonus 多。我的最终 offer 是 base 约 $165k，target bonus 20-25%。对比一下，类似岗位在某些 fintech startup 可能是 $155k base，加上股权，但股权值不值钱就不好说了。