我在 2026 年初走了 Salesforce 的 DS 全流程，岗位在 Einstein Analytics team。外面几乎没有具体信息，所以我写一下。
流程一共 5 轮：
recruiter screen：30 分钟，标准匹配问题，会问你为什么想来 Salesforce，以及你现在的技术栈，不考技术。
SQL round：60 分钟，对接团队里的一个 DS。两道题。第一道是窗口函数，跟留存 cohort 有关。第二道是 self-join，找在 24 小时内做过某个动作的用户对。难度都在中等偏上，但不刁钻。他们不是来“杀人”的，主要看你思路结构化、query 写得干净可读。练 CTE、window function、datetime 运算。
case/product sense：这轮我挺意外的。名义上是 business case，其实是偏 product analytics。他们给了个场景：一个关键的 Salesforce CRM 指标周环比掉了 15%，让我说会怎么查。思路是：拆指标，先排查数据 pipeline 问题，再按产品、区域、用户类型分层，最后提出假设。我只有 40 分钟，他们会催你加速。
stats + modeling：和一位 senior DS 面，A/B testing 深挖。他们问怎么设计一个用户不是随机分布的实验（Salesforce CRM 有 org-level clustering）。所以会聊 SUTVA 违背、cluster-based randomization、以及这种情况下怎么处理方差。还有一道 ML 概念题：用非教科书的方式解释 bias-variance tradeoff。我用一个真实项目讲的。
final behavioral round：和一位 director。STAR 方法问题，重点是无权影响、以及在模糊环境里推进。没什么怪题。
整体流程组织得很好，recruiter 也很及时。全程大概 3 周。最终“给 offer 或不继续”的结果在最后一轮后 5 个工作日出来。
如果只能选一个最该准备的：stats 那轮。实验设计那题真的难，很能拉开差距。