2026 年初走了 PayPal 的 DS 面试，岗位是在他们风控/反欺诈分析团队的 mid-senior data scientist。这套流程的信息更难找，所以我写一下。
总轮数：4 轮，从 OA 到 offer 大概 3.5 周。
OA（take-home，2 小时）：SQL 为主。大概 5-6 道 SQL 题，难度不一。考点：window functions、self-joins、CASE statements、聚合、处理 NULL。还有一道偏数据清洗。平台是 HackerRank。如果你做过 SQL 面试准备，平均大概中等难度，有一两题更难。
第 1 轮：SQL 深挖（45 分钟）。这轮让我挺意外。他们给了一个支付交易表的 schema，让我现场写 query。一道很直观（monthly active users），一道很刁钻（找出在同一个 session 内，用户先成功付款，然后又发生一次失败的用户）。window functions 要非常熟：LAG、LEAD、RANK、PARTITION BY。他们很在意你能不能写出性能好的 query，不只是对。
第 2 轮：分析 case study（60 分钟）。不写 SQL。一个业务问题："PayPal is seeing a drop in repeat payment rates among a specific merchant segment. how would you approach this?（PayPal 看到某个商户细分的复购支付率在下降。你会怎么分析和推进？）"（PayPal 看到某个商户细分的复购支付率下降。你会怎么做？）纯看分析思维：怎么结构化问题、定义指标、思考可能原因、你会看哪些数据。有点像 PM 的分析轮，但更强调统计和分群。
第 3 轮：统计 + ML（45 分钟）。A/B testing 是核心。比如：你怎么设计实验来测试新的 fraud alert 功能？怎么处理 novelty effects？什么是 statistical power，为什么 sample size 很重要？还问了一个模型评估：一个反欺诈模型 precision 很高但 recall 很低，你怎么权衡？要有真实观点，不要只背书。
第 4 轮：behavioral（30 分钟）。比 SWE 的 behavioral 轻。两道 STAR，重点在和利益相关方合作、以及把数据结论讲给非技术受众。
comp：mid-senior DS，San Jose，offer 是 $155k base + 一些 equity。比我希望的低一点，不过风控/反欺诈分析岗有时候 equity 还能谈。