データサイエンスの面接質問：予想されることと準備方法
データサイエンスの面接プロセスがどう見えるか
データサイエンスの面接質問は、仕事自体が多様なため、ほとんどの役割よりばらつきがあります。準備する前に、目指しているDSの役割のタイプを明確にしましょう：
- **プロダクト／応用DS：**指標、A/Bテスト、SQL、プロダクト感覚に重点
- **MLエンジニアリング寄りのDS：**特徴量エンジニアリング、モデルデプロイ、実験設計
- **リサーチDS：**統計、ML理論、アルゴリズム設計
ほとんどのプロセスには4〜5ラウンドがあります：テクニカルスクリーニング（統計＋確率）、SQL／コーディング、プロダクト／ビジネスケース、ML基礎、行動面。構成を知ることで準備時間を適切に配分できます。
データサイエンスの面接質問：テクニカルラウンド
統計と確率
これらの質問は、数式を思い出す能力ではなく、統計的直感をテストします。
よくある質問タイプ：
- 専門用語なしでp値と信頼区間を説明する
- 特定のプロダクト変更のためのA/Bテストを設計する
- 第1種と第2種の誤りの違いは何で、それぞれがより重要なのはいつか？
**重要な点：**常に統計的概念をビジネス上の意思決定に結びつけましょう。「有意水準を低くすると第1種の誤り——偽陽性——が減ります。これは、偽のシグナルに基づいて行動するコストが高い場合、例えば保持率を下げる機能をリリースする場合に重要です。」
SQLとコーディング
プロダクトDSの役割では、SQLが多くの場合主要なテクニカルスクリーニングです。以下を予想しましょう：
- ウィンドウ関数（RANK、LAG、LEAD）
- コホート分析のクエリ
- セルフジョインとCTE
- 条件付き集計（CASE WHEN）
ML寄りの役割では、Pythonコーディングが一般的です：勾配降下のステップの実装、k-means関数のゼロからの作成、pandas DataFrameの操作。
MLの基礎
面接官は、モデルの背後にある直感を理解しているかどうかをテストします——sklearn.fit()を呼び出す方法だけではありません。
準備すべき質問：
- 勾配ブースティングがどう機能するか説明してください
- ランダムフォレストよりロジスティック回帰をいつ使いますか？
- モデルの精度は高いのにビジネスが満足していない——何が問題かもしれませんか？
- クラス不均衡にどう対処しますか？
- 正則化を説明し、L1とL2のどちらが適切なのはいつか
罠：数学を過剰に説明すること。彼らが望むのは：「L1は重みをゼロにすることでスパースなモデルを作ります——重要な特徴が少数だけだと疑う時に良い。L2は重みをより均等に分散します——ほとんどの特徴が何か寄与する時に良い。」
プロダクトとビジネスケースの質問
ここで技術的に強いDS候補者がしばしばつまずきます。面接官はここでSQLスキルをテストしているのではありません——ビジネス判断力をテストしているのです。
指標定義の質問
「新しいレコメンデーション機能の成功をどう測定しますか？」
ただ指標の名前を挙げないでください。構造化しましょう：
- どの行動を促そうとしているか？（より長いセッション、より多くの購入）
- 主要指標は何か？（レコメンデーションのクリック率）
- ガードレール指標は何か？（セッション品質を犠牲にしてCTRを最適化させない）
- ゲーミングを防ぐカウンター指標は何か？（CTRが上がってもコンバージョンが下がれば、ユーザーを誤解させている）
実験設計の質問
「チェックアウトフローへの変更のためのA/Bテストをどう実行しますか？」
以下をカバーしましょう：ランダム化の単位（ユーザー vs. セッション）、対照／処理の分割、最小検出効果、テスト期間、分析手法、新奇効果バイアスへの対処方法。
行動面の質問：DS候補者が点を落とすところ
ほとんどのDS候補者は準備の90%をテクニカル質問に費やし、行動面のラウンドに準備不足で臨みます。これは間違いです——シニアレベルでは、行動面のラウンドは形式的なものではなく、ふるい落としのラウンドです。
データサイエンティストの核となる行動面の質問は、何らかのバリエーションです：
「あなたの分析がビジネス上の意思決定に影響を与えた時のことを教えてください。」
弱い回答：「チャーン予測モデルを構築し、それを使ってリスクのあるユーザーをターゲットにしました。」
強い回答：「私たちの離脱防止チームは、アウトリーチ予算の40%を実際にはリスクがなく——ただ低アクティビティな——ユーザーに費やしていました。解約意図の実際のシグナルと自然な休眠を識別するチャーンモデルを構築しました。モデルを使ってアウトリーチリストをセグメント化しました。四半期内に、同じ離脱防止成果をアウトリーチコスト35%減で実現しました。ここでは予算が制約でありリーチではなかったため、モデルの精度は再現率よりも重要でした。」
違い：強い回答はビジネスインパクトを定量化し、トレードオフの判断を説明し、技術的な意思決定をビジネスの制約に結びつけます。
面接前48時間のチェックリスト
- 最も一般的な10の確率パズルを復習する（モンティホール問題、コイン投げ、誕生日問題）
- 履歴書を読み直し、リストしたすべてのプロジェクトについて深掘りできる準備をする
- 定量化されたビジネスインパクトを持つ行動面のストーリーを2〜3本準備する
- SQLウィンドウ関数を復習する——ほぼすべてのDSスクリーニングに出ます
- 基本の実験設計チェックリストを完全に暗記する
今すぐ練習する
テクニカルな準備は必要ですが十分ではありません。面接が失われるのはビジネスと行動面のラウンドです——そしてそれらはライブの練習を必要とします。