这真的取决于你的公司在做什么。您在寻找机器学习专家吗？数据可视化专家？数据挖掘专家？

当我采访统计学博士时，我喜欢问他们关于线性回归的问题，因为我觉得任何声称自己是统计学专家的人至少应该能够向我解释线性回归，令人惊讶的是有多少人不能。

除此之外，如果他们能够就模型选择/验证程序、训练和验证集的概念、交叉验证等进行良好的讨论，我认为这是一个好兆头。如果他们了解分类算法（k-NN ，SVM，决策树等），并且可以更好地讨论它们的优势/劣势。

我发现他们学习过的特定课程很少是一个很好的指标，并且只对引导面试中的讨论真正有用。如果他们声称在简历中研究过某些内容，我希望他们能够详细讨论。

我同意克里斯的大部分观点。另外，我想补充一点，在不详细了解机构或大学的情况下，只看成绩会产生很大的误导。我可以很容易地举一个相关的例子；我最近获得了工程数学硕士学位；并参加了各种统计课程（成绩很好），但我现在无法从事任何统计密集型工作。这并不意味着我的大学很糟糕，但主要是因为我在大学期间没有从我的统计学课程中学到很多东西......

除了应聘者的统计知识外，我也非常看重良好的沟通技巧；因为任何跨学科项目最终都归结为不同领域专家之间的沟通问题。任何关于候选人如何与他人分享他的专业知识的测试都应该是一个很好的衡量标准。

此外，良好的计算机/编程技能（不只是 R 是不够的，恕我直言）肯定是一大优势。如果这个人在数学建模方面有一些背景，那将是蛋糕上的樱桃：）

Chris 非常擅长数据挖掘。如果您需要一个也可以查看实验数据的人，您可以通过要求他们解释裂区实验来阻止除了最全能的统计学家之外的所有人都死在他们的轨道上。