Chime 是美國 neo-bank 頭部公司之一，Data Analyst / Senior Data Analyst 團隊偏 product analytics + growth analytics 雙線開火。和傳統銀行的 DA 職不同，Chime 面試比重壓在「SQL case + A/B Testing + funnel 拆解」，幾乎不考機器學習。
Chime DA VO 概覽
| 維度 | 詳情 |
|---|---|
| 輪次 | 4–5 輪（含 1 輪 take-home + 1 輪 SQL live + 1 輪產品分析 + behavioral） |
| 平台 | StrataScratch / CoderPad / Zoom |
| 時長 | 每輪 45–60 分鐘 |
| 難度 | SQL 中等-Hard，統計中等 |
| 評分 | 答題品質 + 業務直覺 + 溝通清晰度 |
主線一：SQL Case（產品事件埋點）
events(user_id, event_name, ts, props) 單表事件流。求最近 30 天內做完 onboarding 且 7 天內首次轉帳的用戶的 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;
關鍵點：FILTER 子句 + INTERVAL 寫法 + 留存率分母不能漏 NULLIF。
主線二：A/B Testing
Chime 想上線新版「Save Round-Up」開關預設啟用。新舊版用戶比 1:1，轉帳總額提升 +1.4%（p=0.03）。問要不要 ship？
- 目標指標：轉帳總額提升是不是真目標？是不是只是漏斗頂端 KPI？需要看 retention、deposit、support ticket
- 統計陷阱：p=0.03 是單看一個 metric 的；Bonferroni / FDR 修正後是否還顯著？
- 業務陷阱：預設啟用會不會觸發 UX 投訴？fee event 是否被遮蔽？
- 決策建議：建議在 10% 流量 ramp 4 週再決策
主線三：產品分析 / funnel 拆解
「最近 4 週 deposit_success 漏斗從 link_bank → first_deposit 轉化率下降 6%，怎麼定位？」
- 資料切片：iOS / Android / 城市 / 新老用戶
- 時序切片：變化點檢測、日維度 vs 週維度
- 漏斗逆向：從 first_deposit 反推哪個上游事件流失
- 外部因素：banking partner 狀態、監管事件、app 版本回滾
主線四：Behavioral
- 描述一次你的分析被產品 PM 否決，你怎麼應對？
- 你給非資料團隊講過最複雜的一個分析？聽眾理解了嗎？
- 當 PM 想 ship 一個你認為「資料上不顯著但業務上想要的」實驗，你怎麼溝通？
OA輔助 / VO輔助 實戰路徑
針對 Chime DA 這種 SQL + 實驗 + 產品全維度考核：
- OA輔助：take-home 階段 mentor 思路核對 + 程式碼審查 + 業務結論寫作打磨
- VO輔助 mock：mentor 出 SQL live + A/B 案例 + funnel 拆解，全程錄影
- VO代面：當天即時輔助，針對 SQL live 題的索引選擇、視窗函數邊界做思路核對
- 行為面劇本：Chime 重視 "Member First"、"Be Bold"、"Stay Curious"，針對性準備 STAR 故事
加微信 Coding0201 溝通方案與報價。
從 SQL 緊張到順利通過 Chime DA VO
這次很高興幫這批同學順利通過 Chime Senior Data Analyst VO。很多同學之前SQL 寫得不慢，但面試官追問 "為什麼用 LEFT JOIN 不用 INNER" 時容易語塞——其實 Chime 看的不是 SQL 速度，是你能不能在白板講清楚每一步的業務含義。
如果你也在準備 Chime、Robinhood、Affirm、Cash App 這類 FinTech / Neo-bank 的 DA 面試，感覺 SQL 邊界判斷 + 實驗設計直覺一個人練效率低，歡迎聯絡 oavoservice。我們會根據你的具體水平和弱點，提供專業的 OA / VO 實戰輔助服務和一對一 OA輔助 指導。
FAQ
Chime DA 一定要會 Python 嗎？
不強制，但 take-home 經常給 csv 讓你做 EDA + 建模，懂 Pandas 會更順。社區面經反饋：80% 候選人交 take-home 時用 Python。
Chime A/B 用什麼平台？
內部有自研 experimentation platform，但面試不會問平台細節。你需要熟悉 Frequentist + Bayesian 兩套統計框架的常用判斷條件。
Senior 和 IC4 / IC5 區別？
IC4 偏分析師執行；Senior（IC5+）要展示推動決策的故事，behavioral 比重高。
Chime DA VO 難度對比 Stripe / Robinhood？
SQL 比 Stripe 稍簡單，A/B 比 Robinhood 更看業務直覺。整體在 FinTech DA 裡中等偏上。
正在準備 Chime DA 面試？
👉 立即加微信：Coding0201，獲取 Chime 高頻題與 OA輔助 / VO輔助 方案。
聯絡方式
Email: [email protected]
Telegram: @OAVOProxy