今年早些时候走完了 Slack 的 DS loop，面的是产品分析方向的 senior data scientist 岗位。四轮。下面是每一轮都考了什么。
SQL 轮（45 分钟，实时）。 比我预期难。不是只做基础聚合。他们出了多表 join、窗口函数（LAG/LEAD、running totals），还有一道从原始事件日志做 sessionization 的题。如果你还没练过用 LEAD() 或 gap-and-island 技巧写 sessionization 逻辑，面试前一定要补。数据集是 Slack 相关主题：用户事件、channel 活动、消息时间戳。
产品 case 轮（45 分钟）。 给你一个下滑的指标（某功能的 DAU）。让你走一遍排查框架。他们想看：先把指标定义讲清楚（是定义变了还是数变了），再做分群（平台、用户 cohort、地区、时间），提出假设，给出测量方案。这里产品 sense 很重要。追问里我被问到「how would you define engagement for Slack as a product（你会如何定义 Slack 这个产品的 engagement？）」。可以想想 active users、sending users、reading users 这些口径怎么区分。
统计 + 实验 轮（45 分钟）。 A/B test 解读。他们给了一个假想实验结果，问你 treatment 有没有效果、下一步怎么做。覆盖点包括：统计显著性、p-value、多重检验、新奇效应、网络效应（Slack 特有：只给半个 channel 上 treatment 会怎样？）。网络效应污染在 Slack 里很常见，要准备。
Behavioral + manager fit（45 分钟）。 常规行为题：无权影响、把不确定性讲给非技术 stakeholder、一个结果不如预期的项目。
纯难度上 SQL 最难。统计那轮概念上更难，但更看你能不能想清楚，不是背公式。
准备建议：Mode SQL Practice，Stratascratch 练窗口函数，另外要真正理解网络型产品的实验设计。