TikTok Data Scientist 的面试整体偏 Product Analytics + Statistics，核心涵盖 SQL、Statistics、A/B Testing、Product Sense 和项目 Deep Dive。部分团队还会加入 Python、Machine Learning 或 LeetCode Coding。相比 MLE，DS 更关注你能否从复杂用户行为数据中定义指标、发现问题、设计实验并推动 Product Decision。
面试流程通常是 Recruiter Screen → 3-4 轮 Technical Interviews → Final / HM Round。不同模块不一定完全拆开，例如一轮可能先聊项目，再现场写 SQL，接着问 Statistics 或 ML；Product Case 也经常从一个业务问题一路追问到 Metrics、Root Cause Analysis 和 A/B Testing。
SQL 是 TikTok DS 最重要的技术能力之一。重点掌握 JOIN、CTE、Window Function、Ranking、Rolling Metrics、Retention、Conversion、Funnel 和 Cohort Analysis。典型题：给一张包含 date、predicted、actual 的预测结果表，计算每周 Precision 和 Recall，再算 Week-over-Week Change。回答前先把 Metric Definition、Denominator、Deduplication、Time Window、NULL 和 Edge Cases 定义清楚。
Statistics 和 Experimentation 是核心。需要掌握 Hypothesis Testing、Confidence Interval、p-value、Type I/II Error、Statistical Power、Sample Size、t-test、Bootstrap、Multiple Testing、Selection Bias 和 Simpson's Paradox。回答 A/B Testing 设计时按 Hypothesis → Randomization → Primary Metric → Guardrail Metrics → Sample Size → Duration → Statistical Test → Result Interpretation → Launch Decision 展开。
Product Sense 通常围绕 TikTok Feed、Ads、Creator、Live、TikTok Shop 和 Growth 等真实业务展开。例如「Average spending per advertiser dropped significantly compared with last month」这类题，不要一上来猜原因，先确认 Metric Definition 和数据是否正确，然后按 Time、Geography、Platform、User Segment、Advertiser Segment、Product Change 和 External Factors 逐层拆解。
准备重点：如果只有两三周，最值得投入的是 SQL、A/B Testing 和 Product Sense，其次是 Statistics 和 Resume Deep Dive。