刚结束 Nike DS loop，consumer analytics team（他们做很多 membership 和 consumer lifetime value 相关）。这是 2026 的信息。
DS 的流程结构：OA，technical phone screen，然后 4 轮 virtual onsite。没有 ML take-home，这点我说实话挺感激的。
OA：偏 SQL。HackerRank，3 道 SQL + 1 道 Python。SQL 难度从 medium 到 medium-hard，会考 window functions。没什么特别冷门的，但你得很熟。Python 题是数据清洗/转换任务，不考算法。
Phone screen：30 分钟，跟 senior DS。先一题 SQL（joins + aggregation），再聊一个简历上的项目。他们想知道我为什么关心那些指标，而不只是模型做了什么。
Virtual onsite 轮次： SQL 轮。45 分钟。2-3 题，逐步变难。一题是 self-join，对比用户跨 session 的行为。另一题是做 retention cohort 表。如果你刷过 LeetCode SQL，会很像，但更偏业务语境。 Stats + product sense。他们给了个场景：SNKRS app 的一个新功能在 A/B test 里转化率提升 5%。在宣布赢之前你会问什么问题？这里考的是统计直觉：sample size、分群效应、novelty effect、以及这个指标到底有没有意义。讨论很扎实，不是坑。 ML case。描述你会怎么建模预测哪些 members 有流失风险。开放题。他们看的是特征思路（对消费品牌来说什么信号能预测 churn）、选模型的理由、以及你怎么评估。我选了 gradient boosted trees，他们会反问我有没有先考虑更简单的 baseline。正确答案：是的，永远要先有。 Behavioral / values。跟公司其他岗位一样的形式。
最重要的点：业务框架。他们不会因为模型复杂就觉得厉害。每个技术回答都要能连接到消费者或业务结果。
我拿到的 comp：我在 Beaverton 的 mid-level DS offer base 大概 $155k。上面还有 RSUs，但 vesting schedule 是 4 年。