刚走完 spotify 的 DS 面试流程，岗位是他们 listening behavior analytics team 的 mid-level（DS II）。搜「spotify data scientist interview SQL case stats」出来的内容都很空，所以这里写一下 2026 年的真实拆解。
电话面之后是四轮： SQL 技术轮（45 分钟） 统计 + 概率（45 分钟） 产品/case 轮（45 分钟） behavioral（30 分钟）
SQL 轮 题是真的难，不是那种「join 两张表」的难，更像：对时间序列做 window function、算留存 cohort，还有一题是识别 streaming event 数据里的异常。window functions 一定要非常熟（LAG、LEAD、ROWNUMBER、DENSERANK）。他们用协作编辑器，要求我在运行前先在脑子里跑一遍 query，并解释输出会是什么。
有一道具体题：给一张用户 listening session 的表（start/end timestamp），写 query 找出有重叠 session 的用户（可能是数据 bug）。这是 self-join 加 interval 逻辑，中等偏难。
stats 轮 概率基础、A/B 测试设置，还有一题实验设计：'we want to test whether a new UI change increases daily listening. how do you design the experiment and what are the risks?'（我们想测试一个新的 UI 改动是否会提升每日收听时长。你会怎么设计实验？风险有哪些？）提到了 power calculation。他们还明确问了 novelty effect。Bayesian vs frequentist 需要概念上讲清楚，但不用太深。
case 轮 这轮最像 PM 面。一个 listening 指标掉了，让我带着他们一起排查。我用了结构化 funnel（acquisition、activation、engagement、retention），他们不断加限制：'assume the data shows it's only US users.'（假设数据显示只发生在美国用户。）然后 'only on mobile.'（而且只在移动端。）更看重诊断推理而不是纯算数。
整体门槛 比我预期的 DS II 高。感觉更像一些公司 senior DS 的标准。尤其 SQL。