今年早些时候我走了 MongoDB 的 DS loop，职位在他们 Atlas 产品的 product analytics 团队。流程和典型 DS 面试差别挺大，我想认真写一下。
Recruiter screen： 标准 30 分钟。他们问了我做 product analytics（不是 research，明确是 product）的经验、SQL 熟练度，还有一个问题是让我讲一个我从头到尾定义或负责过的指标。你要知道自己真正关心哪些指标，以及为什么。
Take-home： 他们发了一个 dataset，给 72 小时。你要做一个简短分析，回答一个关于漏斗流失的业务问题。期望感觉是“思路清晰的 senior analyst”水平，不是写论文水平。Python 或 R，交 Jupyter notebook。他们想要干净的代码和清晰的表达，不要花哨模型。
Technical screen（SQL + stats）： 45 分钟，live。SQL 确实难。window function、CTE、多步聚合。有一道自连接我搞砸了，只能回退重做。统计题大多是概念：不用行话解释 p-value；怎么在 A/B test 里发现 selection bias；在产品语境下 correlation 和 causation 有什么区别。谢天谢地，没有概率脑筋急转弯。
Case 面： 假设题："Atlas 免费版 activation rate 环比下滑。带我过一遍你会怎么诊断。" 这其实是在测结构化思考。先问澄清问题（绝对值还是相对值、是不是数据管道问题、是不是产品改动、是不是外部因素），然后系统性切分和提出假设。他们在看你能不能分清真实产品问题和数据假象。
最后一轮 behavioral： 标准 STAR，偏 stakeholder 沟通和技术影响力。有一道是让你讲怎么把一个反直觉的结果解释给非技术高管。
总体：MongoDB 的 DS 面试比起 modeling，更偏 BI/analytics。如果你是深度 ML engineer、期待聊模型架构，需要调整预期。如果你是 SQL 很强、产品 sense 好、统计也过关的 analyst，会更对口。
Offer 的薪酬（senior DS，NYC，2026）：base 大概 $165k，bonus target 15%，RSU 4 年 vest。第一年总包大概 $210k，取决于 RSU grant 大小。