我走完了 okta 的 DS 面试流程，岗位是 customer analytics team 的 mid-level。分享一下，因为网上几乎没有 DS 专属的流程介绍，我准备时只能从零散信息里拼出来。
轮次结构： recruiter screen（30 分钟） hiring manager screen（45 分钟） SQL/data skills（60 分钟） case/product analytics（60 分钟） stats and probability（45 分钟） behavioral（45 分钟）
SQL 轮： 比我预期难。他们用类似 CoderPad 的工具，给一个 mock schema（user activity 表、events 表、类似产品日志）。我拿到的问题： 找出在注册后 7 天内做了 action A 但没做 action B 的用户（典型 funnel，window functions） 按 cohort 计算 30 天 rolling retention 写一个 query 基于 session length percentile 标记异常 session
如果你对 window functions（RANK、ROW_NUMBER、LAG、LEAD）不熟，建议专门练这些。CTE 是默认要求。还会聊性能：「如果 events 表有 10B 行你怎么优化」。
case/product analytics 轮： 题目大概是：okta 想搞清楚为什么 enterprise 客户没有让所有用户都启用 MFA，你会怎么做？他们想听：假设提出、指标选择、分析计划，然后「你会怎么用这些发现做决策」。
stats 轮： 给非技术 stakeholder 解释 p-value 如果你只能让 20% 的新客户进入实验，怎么设计实验来测试新的 onboarding flow 描述一个你做的模型在技术上没问题，但业务用错了的情况
最后一个问题很棒，值得提前准备一个真实答案。
整体感受： okta 的 DS 门槛更像是严肃的 mid-level analytics bar，不是 research-heavy。我预期会更偏 ML theory，但实际更偏应用 SQL 和业务 case 判断。那种「这个指标为什么动了」的思考，比你能不能背熟 SVM 更重要。