我几个月前走了 Mercury 的 DS loop。按轮次拆开讲，因为我也喜欢这样读。
SQL round（45 分钟）： 现场写 SQL，共享文档或他们自己的环境。题目从中等到偏难。一道是 window functions：计算每个账户 rolling 7-day 的交易量。另一道是多表 join，还带一些关于交易状态的棘手条件。他们在乎 query performance，不只是对不对。我提到可以加 index，面试官接着追问了「why that column and not another.（为什么用那一列而不是另一列。）」。问得很好。
Stats + experiment design（45 分钟）： 这是我最没准备好的轮次。一道题：Mercury 要给 business accounts 上线一个新功能，设计一个 A/B test。听起来简单，直到他们开始追问：同一行业的 business accounts 之间的 network effects 怎么处理？你的 minimum detectable effect 是多少？要跑多久才能下结论？我一开始在 network effects 那块卡了一下，他们有引导我往下想，但我觉得那里丢了分。
Case / product analytics（45 分钟）： 给了一个场景：transaction failure rate 周环比上升了 3%。带我走一遍你的排查。我这一轮发挥最好。我按维度拆：是不是某个 payment rail？某类 merchant category？有没有 time-of-day 的模式？是新客户还是老客户？我每问一个问题他们就补充一些信息，这也说明这一轮是偏协作的。
Behavioral（30-45 分钟）： 标准 STAR，Mercury values。有一道题专门问怎么把分析结果呈现给非技术 stakeholder。提前准备一个故事。
整体： Mercury 的 DS loop 比大多数更偏重 SQL。stats 重要但次要。case 问题在考产品思维的比重不亚于数据技能。三块都要准备。