我走完了 oracle 的 DS 面试 loop，岗位在 customer success analytics team。分享下拆解，因为 oracle 的 DS 流程比大多数公司都更怪，准备时我也找不到什么具体信息。
总共 4 轮：
round 1：sql screen（45 分钟，live coding）。 这是我所有面试里做过最难的 SQL。不是那种 aggregate-and-group 的。他们给了一个 multi-tenant 云计费数据库的 schema（revenue、usage_events、customers、contracts），然后让你写 query：找出最近 30 天实际 usage 超过合约上限的客户，并按 product line 拆分。要求：window functions、CTE、date math、self-joins。如果你要面 oracle DS，SQL 才是主菜，不是热身。
round 2：stats / probability（45 分钟）。 两道题。第一道是 bayesian updating：你有个模型预测客户 churn，这个模型在训练集上 85% accurate，你怎么评估它在生产环境里的实际有用性。他们想听 base rates、precision vs recall 的取舍，不只是「accuracy 会误导」。第二道是 AB test 设计：你需要多少观察值，null/alternative hypotheses 是什么，以及如果 day 3 指标看起来很差，你怎么处理 early stopping。
round 3：case study（60 分钟）。 他们提前 24 小时邮件发了 dataset + business question。我需要自己做分析并讲解发现。问题大概是：找出哪些 oracle cloud regions 在 customer adoption 上相对其 launch maturity 表现不佳。非常开放。他们看重你怎么结构化问题、你选了哪些指标、你的建议是否可执行。
round 4：behavioral / stakeholder。 非常聚焦：你有没有和 sales 团队合作过，你有没有向非技术领导汇报过，你能不能把一个对方不想听的模型结论讲清楚。
很明显的模式：oracle DS 非常看重 SQL 和业务沟通。stats 轮是有，但门槛不是 research-lab 那种。如果你来自纯 ML 背景，需要换挡。