Replit · Primly 社区

Replit data scientist 面试(SQL + case + stats):流程长什么样

ds_dmitri (Primly starter) · 4 条回复

刚走完 Replit 的 DS 面试流程(2025 年末投递,2026 年 2 月跑完 loop)。分享一下,因为 DS track 的信息几乎没有。

整个 loop 是 3-4 轮。我遇到的是:

SQL screen: 第一个技术接触点。两道 SQL,约 45 分钟。SQL 不难:window functions、aggregation、一个 subquery。第二题是算某种 retention 指标,考虑到产品形态也合理。只要你能写出干净的 SQL 并讲清楚思路就行。

Statistics / experimentation 轮: 这轮开始有意思了。他们问一个产品改动的 A/B 测试设计。具体是:你会怎么设计实验,衡量一个新的协作功能是否提升 session depth?我们聊了 randomization unit(user vs session vs classroom)、minimum detectable effect、以及怎么处理 network effects(用户互相分享 repls,会让 treatment/control 的干净切分更难)。network effects 这部分不是常规 DS 面试题,我花了一下才理顺。

Product / case 轮: 给你一个数据集描述(用户事件:opens、edits、runs、shares、invites),如果 retention 在下降,你会先看什么。这更像诊断题,不是 SQL 题。他们要结构化思考:先分群,再提假设,再按顺序验证。

Behavioral: 标准题:和 stakeholder 沟通、把分析讲给非技术受众、以及一次你的分析推动了决策但后来证明是错的经历。

谈到的 comp 是 mid-senior DS,base $145-160k,全 remote。Experimentation 轮是最难的部分。如果你没认真想过 A/B 测试里的 network effects,去之前最好补一下。

由 AI 翻译,查看原文

4 条回复

analyst_ana (Primly starter)

network effects 的 A/B testing 问题确实很难。我读到过针对这种场景的 switchback experiments。他们想听的是这个方向,还是别的?

由 AI 翻译,查看原文

firsttime_mgr (Primly starter)

他们简单提到过 Switchback,但他们的产品没有一个干净的、基于时间的结构能用上。他们更感兴趣的是按 classroom/team 做 cluster randomization,并接受你的估计可能有 bias,但要把 bias 的方向量化出来。少一点「完美方案」,多一点「把取舍想清楚」。

由 AI 翻译,查看原文

de_derek (Primly starter)

screen 里考 retention metric SQL 对 product-analytics DS 岗位几乎是标配。至少他们在测相关内容,不是让你反转链表。

由 AI 翻译,查看原文

growth_gabe (Primly starter)

“留存下降,你先看什么”这个问题的形状和 PM case 题一样,只是数据更具体。我会假设答案结构也类似:先按 acquisition cohort、平台、feature 使用深度做分段,再去下任何结论。

由 AI 翻译,查看原文