想衝擊 Lilly Data Scientist 崗？ 這份 9 月剛新鮮出爐的面經或許能幫到你。 我們 Programhelp 學員剛走完一輪技術面，全程復盤了一下考點和難點，整理成這篇分享給大家。
面試流程回顧
這輪主要是 技術面，時長差不多 1 小時，考察的重點非常全面：
- Python 程式設計（coding + 資料處理）
- SQL（聚合、子查詢、視窗函數）
- 機器學習（模型選擇、特徵工程、過擬合處理）
- 數據分析 & 業務場景題
這次學員技術面的問題非常硬核，幾乎覆蓋了 clinical trial design、precision medicine、dose-response、machine learning、RWE、basket trial、pharmacovigilance、recruitment prediction、pharmacogenomics 等核心领域。以下是完整题目 。
1. Clinical Trial Statistical Analysis Plan
Design a statistical analysis plan for a Phase III clinical trial comparing a new diabetes drug to placebo. The primary endpoint is HbA1c reduction after24 weeks.
2. Biomarker Subgroup Analysis
How would you analyze biomarker data to identify patient subgroups that respond better to a cancer immunotherapy?
3. Dose-Response in Phase I Oncology Trial
Analyze the dose-response relationship for a new oncology drug using data from a Phase I dose escalation study.
4. Predicting Drug-Drug Interactions
Design a machine learning model to predict drug-drug interactions using molecular descriptors and clinical data.
5. Real-World Evidence Study
Analyze real-world evidence data to assess the effectiveness of a diabetes medication in routine clinical practice.
6. Basket Trial Design
How would you design and analyze a basket trial for a targeted therapy across multiple cancer types?
7. Pharmacovigilance Safety Signal Detection
Analyze pharmacovigilance data to detect safety signals for a marketed drug using disproportionality analysis.
8. Clinical Trial Recruitment Prediction
Design a predictive model for patient recruitment in clinical trials using historical trial data and site characteristics.
9. Pharmacogenomics Analysis
Analyze genomic data from a pharmacogenomics study to identify genetic variants associated with drug response.
解題思路分析
| 模組 | 解題關鍵點 |
|---|---|
| Clinical trial 相關 | 關注試驗設計、樣本量、缺失數據、多重性控制，必須符合標準統計規範。 |
| Precision medicine / biomarker | 將 EDA、ML、validation、biological pathway 串聯起來，而不是只跑模型。 |
| Dose-response & Phase I | 把握 dose-toxicity、安全性界定，以及 PK-PD 聯動分析。 |
| ML 建模 （DDI / recruitment） | 考察 特徵工程、模型選擇、驗證、解釋，特別注意避免資料外洩。 |
| RWE 分析 | 熟悉 propensity score、IV、marginal structural models 等因果推斷工具。 |
| Basket trial / Adaptive design | 掌握 Bayesian hierarchical modeling 和 interim futility analysis。 |
| Pharmacovigilance | 應用 PRR、ROR、IC 等 不成比例的措施，同時考慮 混雜 和 監管報告。 |
| Pharmacogenomics | 關注 QC、關聯、多重檢測、罕見變異分析，並最終落腳到臨床轉化。 |
這些題目最大的特點就是覆蓋面很廣，從 clinical trial design、biostatistics 到 RWE、biomarker、pharmacogenomics，再到 machine learning 和 predictive modeling，幾乎涵蓋了醫藥行業 DS 的全鏈路技能。 它和互聯網常見的演算法題不一樣，更強調應用場景，比如 basket trial 設計、safety signal detection、patient recruitment 等。 除了統計建模，還要求理解臨床設計邏輯、監管要求（FDA/ICH），並且回答必須有結構，能從設計、方法、驗證到落地系統展開，而不是一句話帶過。
ProgramHelp 助力拿到大廠 Offer
我們 ProgramHelp 長期專注於 大廠求職全流程輔助：從 OA 代寫、筆試包過，到 VO 面試助攻、即時語音提醒，再到 SDE/FAANG 代面，全程無痕操作，安全可靠。 我們有北美一線 CS 專家團隊，提供遠超 AI 的即時思路提示，幫你在關鍵時刻不掉鏈子。
對於需要更高階支持的同學，我們還提供 全套包過服務 —— 從 OA 到面試，再到 offer 談判，直到你順利入職心儀的大廠。 預付少量定金，offer 拿到后再付尾款，真正做到結果導向。
除此之外，模擬面試、面經分享、演算法輔導、簡歷優化、Quant 面試輔導、留學生入學代面 等服務我們也都能支援。 你只要把目標告訴我們，剩下的交給我們就好。
