Chime Data Analyst 面经｜SQL + A/B Testing 全流程 OA辅助

Chime 是美国 neo-bank 头部公司之一，Data Analyst / Senior Data Analyst 团队偏 product analytics + growth analytics 双线开火。和传统银行的 DA 岗不同，Chime 面试比重压在「SQL case + A/B Testing + funnel 拆解」，几乎不考机器学习。这一篇基于社区面经梳理 Chime DA 完整 VO 流程，附 OA辅助 与 VO辅助 路径。

Chime DA VO 概览

维度	详情
轮次	4–5 轮（含 1 轮 take-home + 1 轮 SQL live + 1 轮产品分析 + behavioral）
平台	StrataScratch / CoderPad / Zoom
时长	每轮 45–60 分钟
难度	SQL 中等-Hard，统计中等
评分	答题质量 + 业务直觉 + 沟通清晰度

主线一：SQL Case（产品事件埋点）

典型题

events(user_id, event_name, ts, props) 单表事件流。求最近 30 天内做完 onboarding 且 7 天内首次转账的用户的 7 日留存率。

WITH onboarded AS (
    SELECT user_id, MIN(ts) AS onboarded_at
    FROM events
    WHERE event_name = 'onboarding_complete'
      AND ts >= CURRENT_DATE - INTERVAL '30 days'
    GROUP BY user_id
), first_transfer AS (
    SELECT
        o.user_id,
        o.onboarded_at,
        MIN(e.ts) AS first_transfer_at
    FROM onboarded o
    JOIN events e
      ON e.user_id = o.user_id
     AND e.event_name = 'transfer_success'
     AND e.ts BETWEEN o.onboarded_at AND o.onboarded_at + INTERVAL '7 days'
    GROUP BY o.user_id, o.onboarded_at
), day7_active AS (
    SELECT DISTINCT user_id
    FROM events
    WHERE event_name = 'app_open'
      AND ts BETWEEN CURRENT_DATE - INTERVAL '7 days' AND CURRENT_DATE
)
SELECT
    COUNT(DISTINCT f.user_id) FILTER (WHERE a.user_id IS NOT NULL)::float
        / NULLIF(COUNT(DISTINCT f.user_id), 0) AS d7_retention
FROM first_transfer f
LEFT JOIN day7_active a ON a.user_id = f.user_id;

关键点：FILTER 子句 + INTERVAL 写法 + 留存率分母不能漏 NULLIF。

主线二：A/B Testing

题目

Chime 想上线新版「Save Round-Up」开关默认开启。新旧版用户比 1:1，转账总额提升 +1.4%（p=0.03）。问要不要 ship？

应答框架

1. 目标指标：转账总额提升是不是真目标？是不是只是漏斗顶端 KPI？需要看 retention、deposit、support ticket
2. 统计陷阱：p=0.03 是单看一个 metric 的；Bonferroni / FDR 修正后是否还显著？
3. 业务陷阱：默认开启会不会触发 UX 投诉？fee event 是否被遮蔽？
4. 决策建议：建议在 10% 流量 ramp 4 周再决策

这道题没有标准答案，面试官看的是结构化思考 + 业务直觉。

主线三：产品分析 / funnel 拆解

典型题

「最近 4 周 deposit_success 漏斗从 link_bank → first_deposit 转化率下降 6%，怎么定位？」

应答模板

• 数据切片：iOS / Android / 城市 / 新老用户
• 时序切片：变化点检测、日维度 vs 周维度
• 漏斗逆向：从 first_deposit 反推哪个上游事件流失
• 外部因素：banking partner 状态、监管事件、app 版本回滚

主线四：Behavioral

• 描述一次你的分析被产品 PM 否决，你怎么应对？
• 你给非数据团队讲过最复杂的一个分析？听众理解了吗？
• 当 PM 想 ship 一个你认为「数据上不显著但业务上想要的」实验，你怎么沟通？

OA辅助 / VO辅助 实战路径

oavoservice 套餐

针对 Chime DA 这种 SQL + 实验 + 产品全维度考核：

• OA辅助：take-home 阶段 mentor 思路核对 + 代码审查 + 业务结论写作打磨
• VO辅助 mock：mentor 出 SQL live + A/B 案例 + funnel 拆解，全程录像
• VO代面：当天实时辅助，针对 SQL live 题的索引选择、窗口函数边界做思路核对
• 行为面剧本：Chime 重视 "Member First"、"Be Bold"、"Stay Curious"，针对性准备 STAR 故事

加微信 Coding0201 沟通方案与报价。

从 SQL 紧张到顺利通过 Chime DA VO

这次很高兴帮这批同学顺利通过 Chime Senior Data Analyst VO。很多同学之前SQL 写得不慢，但面试官追问 "为什么用 LEFT JOIN 不用 INNER" 时容易语塞——其实 Chime 看的不是 SQL 速度，是你能不能在白板讲清楚每一步的业务含义。

如果你也在准备 Chime、Robinhood、Affirm、Cash App 这类 FinTech / Neo-bank 的 DA 面试，感觉 SQL 边界判断 + 实验设计直觉一个人练效率低，欢迎联系 oavoservice。我们会根据你的具体水平和弱点，提供专业的 OA / VO 实战辅助服务和一对一 OA辅助 指导。

---

FAQ

Chime DA 一定要会 Python 吗？

不强制，但 take-home 经常给 csv 让你做 EDA + 建模，懂 Pandas 会更顺。社区面经反馈：80% 候选人交 take-home 时用 Python。

Chime A/B 用什么平台？

内部有自研 experimentation platform，但面试不会问平台细节。你需要熟悉 Frequentist + Bayesian 两套统计框架的常用判断条件。

Senior 和 IC4 / IC5 区别？

IC4 偏分析师执行；Senior（IC5+）要展示推动决策的故事，behavioral 比重高。

Chime DA VO 难度对比 Stripe / Robinhood？

SQL 比 Stripe 稍简单，A/B 比 Robinhood 更看业务直觉。整体在 FinTech DA 里中等偏上。

---

正在准备 Chime DA 面试？

👉 立即添加微信：Coding0201，获取 Chime 高频题与 OA辅助 / VO辅助 方案。

---

联系方式

Email: [email protected]
Telegram: @OAVOProxy