我有个 DS 面试快到了，是 Mastercard Data and Services 组织里 insights/analytics 方向的岗位。非常希望有最近走过 loop 的人分享一些信息。
特别想知道： SQL 测试是限时的吗？复杂度大概什么水平？ 会给 take-home 吗，还是全部 live？ 那个「case study」panel 实际上长什么样？ Python/ML 占比多少，还是更偏纯 analytics？
听说流程会因团队差很多，所以哪怕是部分信息也很有用。知道啥就丢点。
我有个 DS 面试快到了，是 Mastercard Data and Services 组织里 insights/analytics 方向的岗位。非常希望有最近走过 loop 的人分享一些信息。
特别想知道： SQL 测试是限时的吗？复杂度大概什么水平？ 会给 take-home 吗，还是全部 live？ 那个「case study」panel 实际上长什么样？ Python/ML 占比多少，还是更偏纯 analytics？
听说流程会因团队差很多，所以哪怕是部分信息也很有用。知道啥就丢点。
我大概 4 个月前面过一个 Senior Analyst 岗（不是 DS）。SQL 是现场做题，计时 45 分钟。两道题：一道多表 join + 聚合，另一道涉及 window functions（我记得是 running totals）。没什么坑，但节奏很快。他们想看的是你边写边讲思路，不是最后才给个正确答案。
我去年面了一个 data engineer 相关、偏数据的岗位。对我来说 case 是围绕交易数据的 pipeline 可靠性，不太是 ML。所以不同团队差异可能很大。从我了解的情况看，「insights」组织比起模型，更偏 SQL/BI。
这很有帮助，谢谢。JD 提到「predictive models」，但我怀疑实际更多是 analytics。我会更偏重 SQL 和业务框架，把 ML 当成加分项。
如果这个岗位涉及 fraud 或 credit risk，至少会有一道关于 model explainability 和监管约束的问题。金融服务公司很在意你能不能把模型决策解释给监管机构听。"我们用了 black box，AUC 很好" 这种说法不行。