2026 年最常问的 20 道数据科学面试题（附答案）

顶级科技公司的数据科学面试考察四个核心领域：SQL、统计学、机器学习和产品思维。与编码面试不同，数据科学面试很少有一个”正确”答案——面试官评估的是你的思维过程、沟通能力以及将商业问题转化为分析框架的能力。

以下是 20 道最常问的题目，按类别分类，附带详细答案。

SQL 题目

1. 从员工表中找出第二高的薪水

为什么问这个问题： 测试你是否能超越基础聚合操作。

-- Approach 1: Using LIMIT/OFFSET
SELECT DISTINCT salary FROM employees ORDER BY salary DESC LIMIT 1 OFFSET 1;

-- Approach 2: Using a subquery
SELECT MAX(salary) FROM employees
WHERE salary < (SELECT MAX(salary) FROM employees);

-- Approach 3: Using window functions (most elegant)
SELECT salary FROM (
  SELECT salary, DENSE_RANK() OVER (ORDER BY salary DESC) as rnk
  FROM employees
) ranked WHERE rnk = 2;

关键提示： 一定要问清楚”第二高”是否指不同值。当存在并列时，DENSE_RANK() 和 RANK() 有区别。

2. 编写查询找出每个类别收入最高的 3 个产品

WITH product_revenue AS (
  SELECT
    p.category_id,
    p.product_id,
    p.product_name,
    SUM(oi.quantity * oi.price) as total_revenue
  FROM products p
  JOIN order_items oi ON p.product_id = oi.product_id
  GROUP BY p.category_id, p.product_id, p.product_name
),
ranked AS (
  SELECT *,
    RANK() OVER (PARTITION BY category_id ORDER BY total_revenue DESC) as rnk
  FROM product_revenue
)
SELECT category_id, product_name, total_revenue
FROM ranked WHERE rnk <= 3;

关键提示： 窗口函数是面试中最常考的。熟练掌握 RANK()、DENSE_RANK()、ROW_NUMBER() 以及它们各自的使用场景。

3. 计算日活跃用户数的环比变化

WITH daily_users AS (
  SELECT
    DATE(event_timestamp) as event_date,
    COUNT(DISTINCT user_id) as active_users
  FROM user_events
  GROUP BY DATE(event_timestamp)
)
SELECT
  event_date,
  active_users,
  LAG(active_users) OVER (ORDER BY event_date) as prev_day_users,
  active_users - LAG(active_users) OVER (ORDER BY event_date) as dod_change
FROM daily_users;

统计学题目

4. 向非技术人员解释 p 值

优秀回答： “想象你在测试一个新的按钮颜色，看它是否能提高点击率。p 值告诉你的是：如果新颜色实际上没有任何效果，我们仅凭偶然运气就观察到这么大的差异的可能性有多大？p 值为 0.03 意味着这个结果纯属随机噪声的概率只有 3%。如果这个概率足够低（通常低于 5%），我们就得出结论：新颜色确实可能真的有区别。”

为什么重要： 这测试的是你解释统计学概念的能力——这是数据科学家每天的必备技能。

5. 第一类错误和第二类错误有什么区别？

第一类错误（假阳性）： 拒绝了实际上为真的零假设。举例：得出药物有效的结论，但实际上无效。
第二类错误（假阴性）： 未能拒绝实际上为假的零假设。举例：得出药物无效的结论，但实际上有效。

现实中的权衡： 在医学检测中，通常希望最小化第二类错误（不能漏诊）。在垃圾邮件检测中，希望最小化第一类错误（不要把正常邮件标记为垃圾邮件）。

6. 如何确定 A/B 测试的样本量？

你需要四个输入：

基准转化率（来自历史数据）
最小可检测效应（MDE）——你关心的最小变化幅度
统计显著性水平（α）——通常为 0.05
统计功效（1-β）——通常为 0.80

经验法则： 效应越小，需要的样本量越大。如果你的基准转化率是 10%，想检测 5% 的相对提升，大约需要每组 15,000 个用户。一定要在启动实验前计算这个值。

机器学习题目

7. 如何处理不平衡数据集？

多种策略，根据场景选择：

重采样： 过采样少数类（SMOTE）或欠采样多数类
类别权重： 让模型对少数类误分类施加更大的惩罚
阈值调整： 将分类阈值从 0.5 向少数类方向移动
异常检测框架： 将少数类视为异常点（隔离森林、单分类 SVM）
集成方法： 使用平衡子样本的 Bagging

面试官想听到的： 你理解在不平衡数据上使用准确率是一个具有误导性的指标。应该使用精确率、召回率、F1 分数或 ROC-AUC。

8. 解释偏差-方差权衡

高偏差（欠拟合）： 模型太简单，无法捕捉训练数据中的模式。解决方法：使用更复杂的模型、增加特征。
高方差（过拟合）： 模型太复杂，记住了训练数据但在新数据上表现不佳。解决方法：正则化、增加数据、特征选择、交叉验证。

类比： 想象准备考试。高偏差 = 你学习不够。高方差 = 你背下了练习题但不会做新题。

9. 什么时候用分类，什么时候用回归？

分类： 输出是类别（垃圾邮件/正常邮件、流失/不流失、疾病/健康）
回归： 输出是连续数值（房价、温度、薪水）

灰色地带： 如果你预测”流失概率”作为一个概率值，这从技术上讲是回归（逻辑回归输出概率），但用于分类。准备好讨论这个细微差别。

产品思维题目

10. YouTube 昨天观看时长下降了 10%，你会如何调查？

框架：细分 → 隔离 → 诊断 → 建议

验证： 测量是否正确？检查数据管道是否有 bug。
按以下维度细分：
- 地理位置（是特定国家吗？）
- 设备（移动端 vs 桌面端？）
- 内容类型（短视频 vs 长视频？）
- 用户群体（新用户 vs 老用户？）
检查近期变更： 新发布？A/B 测试？基础设施变更？
外部因素： 竞争对手发布、节假日、网络问题
建议： 根据根本原因，提出修复方案并衡量其影响

关键： 没有”正确”答案。面试官评估的是你系统性思考和缩小可能性范围的能力。

11. 你会如何衡量一个新功能的成功？

使用 HEART 框架（Google 的方法）：

Happiness（满意度）：用户满意度（调查、NPS）
Engagement（参与度）：使用的频率和深度
Adoption（采用率）：尝试该功能的新用户
Retention（留存率）：回访用户
Task success（任务完成度）：用户能否达成目标？

选择 1-2 个核心指标和 3-5 个护栏指标，确保你不会为了优化一个方面而破坏另一个方面。

数据科学面试准备：时间线

第 1-2 周： SQL 练习（在 LeetCode/DataLemur 上完成 20+ 题目） 第 3-4 周： 统计学基础 + 概率问题 第 5-6 周： 机器学习理论——注重直觉，而非数学证明 第 7-8 周： 产品思维案例 + 指标定义 第 9 周及以后： 模拟面试（完整的 45 分钟模拟）

资源推荐

SQL： DataLemur、StrataScratch、LeetCode 数据库题目
统计学： Charles Wheelan 的《Naked Statistics》、Khan Academy
机器学习： Aurélien Géron 的《Hands-On Machine Learning》
产品思维： Kohavi 的《Trustworthy Online Controlled Experiments》

总结

数据科学面试同等看重沟通能力和技术能力。练习大声解释你的推理过程——不仅仅是写出答案。最优秀的候选人是那些能一步步带领面试官走过他们思维过程的人。

DS 面试全流程系列

想要深入了解目标公司的 DS 面试风格？我们整理了以下公司的详细面经：

Data Scientist 面试准备完全指南 — DS 面试的四大核心模块解析
Google Data Scientist 面试面经 — SQL + 统计推断 + 实验设计
Netflix Data Scientist 面试面经 — 实验设计和统计严谨性
ZipRecruiter Data Scientist 面试面经 — 数据分析 + 业务洞察
DoorDash Data Scientist 面试面经 — A/B 测试 + 产品分析
Wealthfront Data Scientist 面试面经 — 风险管理 + 商业建模

2026 年最常问的 20 道数据科学面试题（附答案）

SQL 题目

1. 从员工表中找出第二高的薪水

2. 编写查询找出每个类别收入最高的 3 个产品

3. 计算日活跃用户数的环比变化

统计学题目

4. 向非技术人员解释 p 值

5. 第一类错误和第二类错误有什么区别？

6. 如何确定 A/B 测试的样本量？

机器学习题目

7. 如何处理不平衡数据集？

8. 解释偏差-方差权衡

9. 什么时候用分类，什么时候用回归？

产品思维题目

10. YouTube 昨天观看时长下降了 10%，你会如何调查？

11. 你会如何衡量一个新功能的成功？

更多常问问题

12. 什么是交叉验证，为什么使用它？

13. 如何处理缺失数据？

14. 什么是特征工程？

15. 如何评估推荐系统？

16. 梯度下降是如何工作的？

17. 解释正则化（L1 vs L2）

18. 什么是过采样和欠采样？各有什么优缺点？

19. 解释 ROC 曲线和 AUC

20. 如何设计一个用户流失预测模型？

数据科学面试准备：时间线

资源推荐

总结

推荐阅读

DS 面试全流程系列

关于作者

相关面试辅导

准备好拿下下一次面试了吗？