刚在 2026 年初结束 McKinsey data scientist 的面试 loop，趁记忆还新写一下。
整个流程四轮，大概三周。recruiter screen，然后技术 phone screen，然后 full onsite（我的是线上），最后是 partner 终轮电话。McKinsey 的不同 DS 岗差异挺大，所以具体会因团队而异，但我这个是嵌在他们 QuantumBlack AI practice 里的 analytics/data science 角色。
SQL 四轮里有两轮出现了 SQL。不是 LeetCode 难度的 SQL，但也不算简单。大概是：多表 join + 聚合、window function、按聚合值过滤。有一道让我写 query 算 moving average 并标记 outliers。他们给的是白板/共享文档让我敲，没有真实数据库能跑。所以你要熟到别人一眼看就觉得你的代码明显是对的。
Stats 更偏概念，不偏计算。他们让我解释 p-value 到底代表什么（注意，这是个陷阱题，很多人会踩）。还有概率题，一道 A/B testing 设计题，以及一道让我描述如何在观察性数据里检测和处理 selection bias。Stats 部分没有写代码。
The case 这是 McKinsey 特有、而且大家容易低估的部分。即使是 data science 角色，也会给一个轻量 consulting case。结构大概是：「某行业的 client 有问题 Y，你有这个数据集（给一小张表）。你会怎么做？」他们不期待你有完美的 consulting polish，但要看到结构化思维：框定问题、说明假设、提出分析、解释结果。
我完全没练过 case，结果也暴露了。我磕磕绊绊，虽然还是过了，但那一刻真的不算我最佳状态。
PEI / behavioral 标准 McKinsey PEI（personal experience interview）。挑两三个好故事，必须熟到不能再熟。他们会疯狂深挖：「你具体说了什么」「结果用数字怎么体现」「你会怎么做得不同」。模糊的故事扛不住追问。
级别是 mid-senior IC，offer 对咨询来说很有竞争力。如果你好奇，NYC base 在 $155-175k 区间。想要更多细节可以私信我。