Chime 是美國最大的 challenger bank 之一，2024-2026 年持續擴招 Data Analyst / Sr Data Analyst / Growth Analyst。中文社群面經裡，Chime 的 VO 評價相當一致：「SQL 偏難、A/B 測試問得細、產品 sense 關鍵」。本文按面經裡出現頻率最高的四類題型整理 Chime DA VO 的備考路徑，並附 VO代面 / VO輔助 實作建議。
Chime DA / Sr DA VO 流程
| 輪次 | 時長 | 主題 |
|---|---|---|
| 1. Recruiter screen | 25 min | 動機、做過的專案 |
| 2. SQL 技術面 | 60 min | 複雜查詢 + 資料建模 |
| 3. A/B 測試 + 產品分析 | 60 min | 實驗設計、指標拆解 |
| 4. Cross-functional case | 45 min | 業務問題 + 資料落地 |
| 5. Hiring manager / behavioral | 45 min | 影響力、協作 |
模組一：SQL 複雜查詢
Chime SQL 偏中等偏難，幾乎每場都會問視窗函數 + 自連接。
代表題 1：使用者活躍 cohort 留存
events(user_id, event_date, event_type)。求註冊當週（W0）有 sign_up 事件的使用者，在 W1、W2、W3 的留存率（看是否還有 login 事件）。
WITH signups AS (
SELECT
user_id,
DATE_TRUNC('week', MIN(event_date)) AS w0
FROM events
WHERE event_type = 'sign_up'
GROUP BY user_id
),
logins AS (
SELECT
s.user_id,
s.w0,
DATE_TRUNC('week', e.event_date) AS lw
FROM signups s
JOIN events e
ON s.user_id = e.user_id
AND e.event_type = 'login'
)
SELECT
(lw - w0) / 7 AS week_offset,
COUNT(DISTINCT user_id) * 1.0
/ (SELECT COUNT(*) FROM signups) AS retention
FROM logins
WHERE lw BETWEEN w0 AND w0 + INTERVAL '21 days'
GROUP BY 1
ORDER BY 1;
代表題 2：連續 N 天交易使用者
txn(user_id, txn_date, amount)。求連續 7 天每天都至少有一筆交易的使用者列表。
WITH daily AS (
SELECT DISTINCT user_id, txn_date
FROM txn
),
gaps AS (
SELECT
user_id,
txn_date,
txn_date - INTERVAL '1 day' *
ROW_NUMBER() OVER (PARTITION BY user_id ORDER BY txn_date)
AS grp
FROM daily
),
streaks AS (
SELECT user_id, grp, COUNT(*) AS streak_len
FROM gaps
GROUP BY user_id, grp
)
SELECT DISTINCT user_id
FROM streaks
WHERE streak_len >= 7;
這題的核心是 「Gap-and-Island」 模板：把日期減去行號，落到同一個虛擬群組裡就是連續段。
模組二：A/B 測試設計
Chime 這類金融科技對 A/B 測試要求高於一般 SaaS——任何 UX 改動都可能直接影響交易量。
高頻問題清單
- 怎麼選主指標？為什麼不選某個看似更直觀的指標？
- 實驗樣本量怎麼算？給定 baseline = 12%、MDE = 1%、α = 0.05、β = 0.2，估算 n。
- 你的實驗結果 p = 0.052，怎麼向 PM 解釋？
- 實驗作弊怎麼發現？SRM (Sample Ratio Mismatch) 是什麼？
樣本量近似公式
n ≈ 16 · p(1-p) / MDE² （單側）
代入 baseline = 0.12, MDE = 0.01：
n ≈ 16 · 0.12 · 0.88 / 0.0001 = 16 896 / 組
實戰回答模板：
- 先確認主指標（北極星 / 代理指標）
- 計算樣本量 + 跑實驗時長
- 提到 guardrail 指標（如 NPS、欺詐率）
- 談 SRM 檢查與停止規則
模組三：產品分析 Case
Chime 偏好「給你一個業務現象，你怎麼用資料找到原因」類問題。
代表 Case：週一活躍使用者掉了 8%
走查框架：
- 先驗證：是否資料上報問題？看 internal vs server logs
- 拆維度：iOS / Android、地理、新老使用者、版本
- 找漏斗位置：sign_in → home → 任意 action
- 假設池：deploy 回滾？通知開關？App Store 更新？外部事件？
- 落地建議：先 stop bleeding，再做 root cause
代表 Case：要不要給 Chime+ 會員發返現？
走查框架：
- 目標對齊：是 retention、LTV 還是 referral？
- 資料準備：會員歷史交易、對照組、外部宏觀指標
- 方案：A/B 測試（10% holdout）+ 增長模型 + 決策表
- 風險：現金返還的合規問題、moral hazard
模組四：行為面
Chime 的行為面比一般科技公司更看重 「客戶視角 + 風險意識」：
- 你做過的對客戶體驗影響最大的一個資料決策？
- 資料團隊和產品/工程意見相左時你怎麼處理？
- 一個你沒看到的盲點是怎麼發現的？
VO 代面 / VO 輔助 準備路徑
實作做法
- SQL 題庫：用 LeetCode SQL Hard + DataLemur 自由練，專門挑「視窗函數 + Gap-and-Island」
- A/B 測試卡片：把樣本量公式、SRM、新穎效應等寫成 8 張速記卡
- 產品 case 模板：把 5 步走查框架做成 Notion 模板，模擬面試時直接套
- mock + 錄影：mentor 模擬 60 min SQL + 45 min case，事後錄影複盤表達節奏
oavoservice 的 VO代面 + VO輔助 一體化服務
針對 Chime Sr DA 這種 5 輪、SQL + A/B + 行為面 全覆蓋的 VO，oavoservice 提供：
- VO輔助：SQL Hard 專項 mock + A/B 測試速記卡 + 產品 case 5 步走查模板 + 錄影複盤
- VO代面：面試當天即時答題輔助，針對 SQL 視窗函數 / Gap-and-Island / 產品 case 臨場支援
- 行為面劇本：圍繞「客戶視角 + 風險意識」準備 3 個故事
具體方案與報價，加微信 Coding0201 溝通。
6 天衝刺計畫
| 天數 | 任務 |
|---|---|
| D1 | 閱讀最近 6 個月 Chime 面經，做主題分類 |
| D2 | SQL Hard 10 題，重點視窗函數 + Gap-and-Island |
| D3 | A/B 測試速記卡 + 一遍 Trustworthy Online Experiments 關鍵章節 |
| D4 | 產品 case：2 個完整走查（活躍下跌 + 新功能上線） |
| D5 | 1 次完整 5 輪 mock interview，錄影 |
| D6 | 行為面 STAR：3 個客戶視角 / 風險意識故事打磨 |
FAQ
Chime DA 和 Sr DA VO 難度差多少？
DA 偏 SQL + 描述性分析；Sr DA 多一輪 cross-functional case + 行為面 deep dive，期望候選人能獨立推動一個 product analytics 專案。
Chime VO SQL 一定要會視窗函數嗎？
幾乎一定。最近 12 個月的面經裡，超過 80% 的 SQL 題至少用到 ROW_NUMBER / LAG / SUM OVER 之一。
A/B 測試不熟怎麼補？
最快路徑是 Kohavi 的《Trustworthy Online Experiments》第 1-8 章 + DataLemur 的 A/B Testing 板塊。重點把樣本量、SRM、新穎效應吃透。
Chime VO 沒過冷卻期多長？
通常 6 個月。換職位或換組（如從 Growth 改投 Risk Analytics）一般不算同一池。
正在準備 Chime Data Analyst VO？
oavoservice 提供 Chime / Robinhood / SoFi / Plaid 等金融科技公司的 SQL 專項輔導、A/B 測試理論複習、產品 case mock、行為面劇本等 VO輔助 服務。我們的 mentor 來自一線 FinTech 資料團隊，可以針對 Sr DA 職位制定 1-2 週衝刺方案。
👉 立即加入微信：Coding0201，獲取 Chime 高頻題與 VO輔助方案。
聯絡方式
Email: [email protected]
Telegram: @OAVOProxy