最近在地里看到不少同学想要参加 DoorDash 的面试。我们团队刚帮一位统计学转码出身的学员完成了数据分析岗位的真实面试，并成功拿到 offer。以下是他的面试实录与核心思路分享。
背景：學員三年國內資料分析經驗，SQL 基礎紮實，但對矽谷快節奏面試緊張易卡殼。面試前一週使用了 ProgramHelp 的遠端輔助服務，全程即時引導，最終穩定發揮。
題 1: 實驗設計
題目：How would you design an experiment to test the impact of a new driver incentive program on delivery times?
答題思路：
- 明確實驗目標：縮短平均送達時間或提升接單率？
- 分桶策略：隨機將駕駛者分為 A/B 組，A 組享受新激勵，B 組不變。
- 核心指標：平均送達時長、標準差；接單率；取消率等。
- 樣本量計算：基於歷史資料變異性、期望提升幅度與統計效力。
- 顯著性檢定：選擇合適的信賴區間和假設檢定方法。
Question 2: SQL 查詢最佳化
題目：Given a table of delivery orders with columns order_id, driver_id, order_time, pickup_time, dropoff_time, and city_id, write a SQL query to find the average delivery time for each city. Then restrict to last month’s orders and drivers with ≥100 deliveries.
答題思路：
- 基礎查詢：
SELECT city_id, AVG(TIMESTAMPDIFF(MINUTE, pickup_time, dropoff_time)) AS avg_delivery_minutes FROM delivery_orders GROUP BY city_id; - 新增時間窗口與活躍度：
WITH recent AS ( SELECT * FROM delivery_orders WHERE order_time >= DATE_SUB(CURDATE(), INTERVAL 1 MONTH) ), active_drivers AS ( SELECT driver_id FROM recent GROUP BY driver_id HAVING COUNT(*) >= 100 ) SELECT r.city_id, AVG(TIMESTAMPDIFF(MINUTE, r.pickup_time, r.dropoff_time)) AS avg_time FROM recent r JOIN active_drivers d ON r.driver_id = d.driver_id GROUP BY r.city_id; - 可選優化：為大表建立時間和司機索引，或使用視窗函數等。
不要再孤軍奮戰
ProgramHelp 在 Google、DoorDash、Amazon 等大廠面試中，提供全程思路引導與表達框架，幫助你穩定發揮，並突顯亮點。若你對臨場表達或節奏把控缺乏信心，歡迎聯絡我們，做你堅實的後盾。
END
