在Datadog的求职战场上，你以为的“完美简历”或“标准答案”，往往是你在第一轮就被淘汰的元凶。这不是一场比拼谁更“正确”的竞赛，而是筛选谁能突破常规，展现出独有洞察力的过程。多数人穷尽心力去模仿成功案例，却不知真正的裁决者，正在寻找那些敢于挑战既定范式，且能将复杂问题解构为可执行方案的少数人。
一句话总结
Datadog对国际学生的招聘，本质上是一场精确的风险与价值评估：公司并非在寻找“最优秀”的候选人，而是在寻找那些能即刻产出、文化契合且身份风险可控的特定人才。你的求职策略，必须从被动等待转变为主动管理H1B抽签的预期，并在面试中展现超出岗位的系统性思考。
最终，你将发现这不是一场关于“找到工作”的战斗，而是一次关于“证明你值得Datadog承担额外风险”的价值博弈。
适合谁看
本篇裁决是为那些正在寻求或计划在2026年及以后，以OPT或H1B身份进入Datadog工作的国际学生与职场新人量身定制。你可能正在经历简历石沉大海、面试屡次碰壁的困境，或是对H1B抽签的未知感到焦虑。本文将揭示Datadog在招聘国际人才时的核心考量、隐藏的流程偏好，以及如何将你的身份劣势转化为独特优势。
这不是一份教你如何“通过”面试的指南，而是为你指出在Datadog这场残酷竞争中，哪些是正确的判断，哪些是致命的误区。如果你期望的只是按部就班的求职技巧，那么本文不适合你；如果你准备好颠覆固有认知，直面残酷现实，并渴望获得高维度的决策指引，那么请继续阅读。
Datadog的招聘逻辑与人才画像是什么？
Datadog在招聘国际人才时，其核心逻辑并非简单地寻找技术能力最强者，而是在“即时贡献”、“文化契合”与“身份风险管理”之间寻求微妙的平衡。这不是一场纯粹的技术选拔，而是一次对候选人综合价值的战略评估。
多数人误以为只要代码写得好、算法懂得多就能入选，这是一种狭隘的认知。真正的裁决是，你是否能在最短时间内，以最少资源投入，解决Datadog当前面临的实际问题，并融入其高速迭代的文化。
在一次关于初级工程师的Hiring Committee（HC）会议上，我们曾讨论过两位背景相似的候选人。一位是来自名校的编程竞赛高手，技术细节对答如流；另一位则在简历中强调了其在开源项目中解决实际生产问题的经验，并对Datadog的产品有深入的分析。
最终，HC决定推进后者，原因在于，前者虽然技术基础扎实，但在面试中过度强调“理论最优解”，而非“实际可行性”；后者则在系统设计环节，能清晰阐述如何将Datadog的监控数据与告警系统结合，甚至提出了一个潜在的新功能点，这展现的不是简单的技术熟练，而是产品理解与商业洞察的结合。这说明，Datadog看重的不是你“知道什么”，而是你“能做什么”以及“如何思考”。
Datadog偏爱那些“自驱型问题解决者”，而非“指令执行者”。在内部，我们经常面临快速变化的客户需求和技术挑战。因此，候选人能否在模糊的需求下主动探究、快速学习并提出解决方案，是考量其潜力的关键。这不是在面试中展现你学过的所有框架，而是在特定场景下，你能否灵活运用知识解决痛点。
我们曾筛选掉一位在简历上罗列了所有热门技术栈的候选人，因为他在被问及如何优化一个高并发日志处理系统时，给出的答案是教科书式的，缺乏对Datadog现有技术栈的理解，也未能提出任何能体现其独立思考的创新点。
相比之下，另一位候选人尽管技术广度不如前者，但在深入分析Datadog产品架构后，提出了一个基于Kafka和ClickHouse的优化方案，并能详细解释在成本、延迟和可维护性上的权衡。
这体现的不是知识的堆砌，而是解决实际问题的能力。
此外，对于国际学生，Datadog会隐性地评估其身份风险。这不是对你个人能力的质疑，而是公司在H1B抽签和移民支持上的成本考量。因此，如果你的能力仅仅是“合格”，那么公司更倾向于选择没有身份限制的本地候选人。你必须展现出“超出岗位需求”的价值，才能让公司愿意承担额外的风险和成本。
这意味着，你的项目经验不能仅仅是完成任务，而必须体现出你如何驱动项目、如何克服困难、如何为团队带来超出预期的结果。在一次关于SRE岗位的面试中，一位印度籍候选人，在被问及如何处理大规模系统故障时，他不仅详细描述了技术排查流程，更强调了在故障复盘中，他如何推动团队改进监控指标，并建立预警机制，从而避免了同类问题再次发生。
这展现的不是被动执行，而是主动改进，这种积极主动的特质正是Datadog文化所推崇的。
> 📖 延伸阅读：Datadog PM Product Sense (中文)
国际学生OPT/H1B求职的关键时间点如何把握？
国际学生在Datadog的求职，最致命的错误是将其视为一场普通的招聘，而非一场与时间赛跑、与身份政策博弈的战略部署。成功的关键，不是你何时开始投递简历，而是你何时开始系统性地规划你的身份路径与求职节奏。多数人等到OPT开始或毕业前夕才匆忙行动，这无异于在战役打响前才开始准备武器，为时已晚。
正确的判断是，你需要提前至少12-18个月，也就是你毕业前一年半，启动你的求职策略。这不是让你盲目投递，而是去研究Datadog的招聘周期、目标团队的招聘节奏，以及不同岗位的H1B支持倾向。Datadog通常会在每年的秋季（9-11月）开放大量的校招岗位，并在次年春季（1-3月）完成大部分New Grad的招聘。
对于需要H1B支持的国际学生来说，拿到offer的时间点至关重要，因为H1B抽签通常在每年的3月底进行。这意味着，如果你想赶上当年的H1B抽签，你必须在3月初之前拿到并接受offer。
例如，一位在次年5月毕业的国际硕士生，如果他在毕业前一年的秋季（也就是入学后的第二个学期）就开始积极准备并投递，那么他在当年年底或次年1-2月获得面试机会并拿到offer的可能性就大大增加。这给了他充足的时间来完成背景调查和H1B材料准备。
与此相反，另一位同学，直到毕业前3个月才开始投递，虽然他技术能力不弱，但由于错过了Datadog招聘的黄金周期，且H1B抽签窗口已关闭，即使他通过了所有面试，公司也可能因为无法及时为他办理H1B而选择其他候选人。这说明，你的能力再强，也无法对抗时间窗口的限制。
此外，关于OPT的有效利用，也不是简单地“找到一份工作”。你必须将OPT视为一个宝贵的缓冲期，用来积累与Datadog高相关度的经验，甚至以此为跳板。如果你的第一份OPT工作与Datadog的核心业务领域（如云监控、数据分析、DevOps工具）相关，即使不是Datadog本身，也能大大提升你未来进入Datadog的竞争力。
这不是在寻找任何一份能帮你留在美国的工作，而是有策略地选择一份能铺垫你未来职业路径的工作。我们曾见过一些候选人，在OPT期间进入了一些初创公司，尽管薪资不高，但他们深度参与了产品的从零到一，积累了大量的全栈开发和系统架构经验，这使得他们在Datadog的面试中展现出远超同龄人的实践能力。
相比之下，那些仅仅为了身份而选择一份“大公司螺丝钉”岗位的同学，虽然简历上公司名声响亮，但在面试中往往因为缺乏深度参与和独立思考的经验而被淘汰。
最后，身份转换的策略，也不是等到H1B抽签失败才考虑。你必须提前准备好应对抽签失败的备选方案，例如考虑Cap-Exempt机构、寻求加拿大工作签证（与美国H1B有联动政策），或提前规划回国发展。
这不是在制造焦虑，而是让你在面对不确定性时，拥有主动权，而非被动接受命运的安排。Datadog的HR团队在处理国际员工身份问题上经验丰富，但他们的支持是基于你已成功拿到offer。
在offer之前，你必须是自己身份规划的第一责任人。一位曾因H1B未中签而被迫离开美国的工程师，在一年后通过加拿大工作签证再次回到北美市场，并最终获得了Datadog的青睐。他并非因为技术更强，而是他展现了即便面对挫折，也能积极寻求解决方案的韧性。
Datadog面试流程：每一轮的考察重心是什么？
Datadog的面试流程，并非简单地考察你的技术功底，而是一个层层递进的筛选机制，每一轮都承载着不同的考察重心。你如果不能识别每一轮的真实意图，就如同带着错误的地图去寻宝，最终只会一无所获。多数人将所有精力都投入到算法题的刷题上，却忽略了行为面试和系统设计背后更深层次的考量。
第一轮：简历筛选与HR电话面试（Phone Screen）
这一轮的裁决，不是你简历上罗列了多少知名公司或项目，而是你的经历能否与Datadog的招聘需求形成清晰的匹配，并能在HR电话中展现出基本的沟通能力和对公司的热情。我们曾收到大量看似光鲜亮丽的简历，但其项目描述模糊，无法体现具体贡献，或者与Datadog的技术栈和业务方向关联性极低。
HR在这一轮的核心任务，是快速验证你的基本信息、求职意向、身份状况以及薪资预期，并判断你是否具备进入下一轮技术筛选的潜力。
一位应届生，在简历中清晰地阐述了其在某个云平台上的监控系统开发经验，并在HR电话中，能结合Datadog的产品，提出一些初步的见解，这展现的不是简单的“求职”，而是对岗位的“理解”和“投入”。相比之下，另一位简历同样优秀的候选人，在电话中对Datadog的产品一无所知，仅能泛泛而谈，HR会认为其求职意愿不足，或者缺乏深度思考。
第二轮：技术电话面试（Technical Phone Interview）
这一轮的考察重心，不是你是否能解出一道LeetCode难题，而是你解决问题的思路、沟通能力以及代码实现质量。Datadog的工程师在面试中，更看重你如何思考边缘情况、如何优化解决方案，以及能否清晰地向面试官解释你的思路。
我们曾有一位候选人，虽然最终解法不是最优，但在解决问题的过程中，他能不断与面试官沟通，澄清问题，并尝试不同的方法，最终在时间限制内给出了一个可行的方案，这展现的不是天赋，而是解决问题的“韧性”与“交互能力”。
与此形成对比的是，另一位能快速给出最优解的候选人，但在解题过程中沉默不语，最终给出的代码虽然正确，但缺乏注释，也未能解释其思路，这让面试官无法评估其沟通和协作能力。Datadog的工程师文化强调团队合作，如果你无法有效沟通，即使技术再强也难以融入。
第三轮：现场面试/虚拟现场面试（Onsite/Virtual Onsite Interview）
这是最关键的环节，通常包含4-5轮面试，涵盖算法与数据结构、系统设计、行为面试（Behavioral Interview）和与Hiring Manager的对话。
算法与数据结构： 考察的不是你刷了多少题，而是你对核心数据结构和算法的理解深度，以及能否将其应用于解决实际问题。Datadog往往会出一些结合实际场景的变种题，而不是纯粹的LeetCode原题。正确的判断是，你需要理解每种算法的适用场景和性能特点，并能在面试中清晰地权衡不同方案的优劣。
系统设计： 这是区分初级与高级工程师的关键。考察的不是你背诵了多少系统架构图，而是你如何将一个模糊的需求拆解为可管理的功能模块，如何权衡可用性、可扩展性、性能与成本，并能清晰地阐述你的设计决策。
在一次关于Datadog新功能“实时日志分析”的系统设计面试中，一位候选人不仅设计了高吞吐量的日志采集和处理架构，还主动考虑了数据一致性、故障恢复和安全审计等非功能性需求，这展现的不是知识的罗列，而是将复杂系统化繁为简的能力。
行为面试： 这一轮的裁决，不是你讲了多少“成功故事”，而是你如何通过具体的STAR原则（Situation, Task, Action, Result）案例，展现你的领导力、团队协作、冲突解决、抗压能力和学习能力。Datadog的面试官会深入挖掘你的每一个案例，追问细节，以判断你是否与公司文化契合。不是你说了什么，而是你如何说，以及你从中学到了什么。
Hiring Manager（HM）对话： 这不是一次技术测试，而是HM判断你是否能融入团队、是否具备成长潜力、以及你对Datadog的长期愿景是否与团队目标一致。你必须展现出对团队业务的深入理解，并能提出你将如何为团队贡献价值。这不是你背诵公司使命，而是你如何将你的技能与团队的挑战相结合。
整个流程的核心，不是完美无缺，而是展现你在压力下如何思考、如何沟通、如何学习。我们曾在HC会议上讨论过一位在某一轮技术面试中表现平平，但在行为面试中展现出极强学习能力和自我反思精神的候选人。最终，HC决定给他一个机会，因为他能清晰地指出自己在技术上的不足，并提出了具体的改进计划，这比那些试图掩盖弱点的候选人更具吸引力。
> 📖 延伸阅读：datadog-mock-pm-zh-2026
薪酬谈判：如何最大化Datadog的整体报酬？
在Datadog的薪酬谈判中，你最致命的错误是将其视为一场简单的价格博弈，或者仅仅关注基础工资（Base Salary）。正确的判断是，Datadog的薪酬体系是一个包含基础工资、限制性股票单元（RSU）和年度奖金（Bonus）的整体包，你必须以整体报酬最大化为目标，并理解不同组成部分在长期价值上的差异。
多数人只盯着Base，却忽视了RSU在快速增长的科技公司中的巨大潜力。
Datadog作为一家高增长的SaaS公司，其薪酬包中RSU的占比通常会随着级别升高而显著增加，甚至可能超过Base Salary。对于初级工程师（New Grad SWE）或L3级别，Datadog的薪酬范围大致如下：
基础工资（Base Salary）： $140,000 - $180,000
限制性股票单元（RSU）： $180,000 - $280,000（通常分四年归属，每年归属25%）
年度奖金（Bonus）： 10% - 15% 的Base Salary，取决于个人绩效和公司业绩。
因此，一个典型的L3工程师，总包可能在$300,000 - $400,000之间。对于L4级别的工程师，总包可能高达$450,000 - $600,000。
薪酬谈判的核心，不是你“想要”多少，而是你“值”多少。你需要通过充分的市场调研，了解同级别、同地区、同类型公司（如MongoDB, Confluent, Snowflake等）的薪酬水平，并结合你自身的独特价值（如稀缺技能、多轮面试中的优秀表现、其他公司的竞争性Offer），来构建你的谈判筹码。这不是盲目地报高价，而是有理有据地支撑你的期望。
一位候选人，在收到Datadog的初步Offer后，他没有立刻接受，而是礼貌地表示感谢，并提及自己正在等待另一家头部SaaS公司的Offer。当他拿到第二份Offer后，他将两份Offer的细节（去除敏感信息）告知Datadog的HR，并强调Datadog是他更倾向的选择，但希望能匹配或接近另一份Offer的整体包。
这展现的不是贪婪，而是清晰地表达自己的市场价值。
在谈判策略上，你必须明确你的优先级。如果你的目标是长期财富增长，那么应该更关注RSU的价值和公司的长期增长潜力，而非仅仅是眼前的现金流。Datadog的股票在过去几年表现强劲，其RSU的价值远超许多传统公司的奖金。
因此，即使Base Salary略低于竞争对手，但如果RSU部分更具吸引力，总包的长期价值可能更高。我们曾见到一位候选人，因为过度执着于Base Salary的高低，而放弃了Datadog一份RSU极具吸引力的Offer，最终在一年后，Datadog的股票价值增长远超他所选择的公司。这说明，短视的现金流思维，往往会让你错失更大的机会。
此外，谈判的时机也至关重要。最佳的谈判时机是在你收到正式Offer之后，且你手中握有其他公司的竞争性Offer。在没有Offer的情况下进行薪资询问，或者在面试早期就过早透露自己的薪资期望，都可能让你处于不利地位。HR会根据你提供的薪资范围来决定是否继续推进你的面试，过高或过低都可能让你失去机会。
正确的做法是，在最初的HR电话中，给出一个人性化的薪资范围，例如“我的期望是与市场水平相符，大致在X到Y之间，但我更看重整体机会和职业发展”，将重点放在价值而非价格。当Offer落地后，再进行精细化谈判。在Datadog的Offer debrief会议上，我们更倾向于那些能清晰表达自己价值，且对公司有深入了解的候选人，而非那些仅仅为了抬高价格而谈判的人。
H1B抽签与身份转换的隐性风险有哪些？
对于国际学生而言，在Datadog求职成功仅仅是万里长征的第一步，H1B抽签与身份转换才是真正的悬崖。你最致命的错误，是把H1B抽签看作一场纯粹的运气游戏，而非一场需要提前规划、主动管理风险的战役。正确的判断是，H1B政策的不确定性是客观存在的，你必须提前识别并准备应对所有可能的隐性风险，才能确保你的职业生涯不会因身份问题而中断。
第一个隐性风险是“抽签失败后的空白期”。如果H1B抽签未中，而你的OPT也即将到期，你将面临不得不离境的局面。这不是简单的“明年再抽”，而是你的职业发展和生活节奏将因此被打断。
我们曾有优秀的工程师，因为H1B连续两年未中签，最终不得不选择离开美国，这不仅是公司的损失，也是个人职业生涯的巨大挫折。因此，你需要在OPT期间，积极利用CPT和OPT Extension（如果适用）来争取更多的工作时间，为自己赢得多次抽签的机会。不是坐等抽签结果，而是主动延长合法留美时间。
第二个隐性风险是“公司政策的不确定性”。虽然Datadog是一家支持H1B的公司，但其政策也可能随着经济形势或移民政策的变化而调整。例如，公司在特定时期可能会优先招聘无需H1B支持的候选人，或者对H1B申请的岗位级别有所限制。你不能假设公司对所有国际员工都一视同仁。
在拿到Offer后，你必须与HR和外部律师充分沟通，了解公司H1B政策的最新动向，包括是否有Cap-Exempt的合作机构、抽签失败后的政策（例如是否支持加拿大境内远程工作）等。一位即将加入Datadog的工程师，在Offer阶段就主动询问了H1B抽签失败的备选方案，并与公司达成协议，如果抽签未中，可以先通过Cap-Exempt机构工作一段时间。
这展现的不是对公司的怀疑，而是对自身职业规划的负责。
第三个隐性风险是“绿卡申请的漫长等待”。H1B只是临时工作签证，最终目标是绿卡。对于来自印度和中国的国际学生，绿卡排期可能长达数年甚至十几年。你不能将H1B视为终点，而必须提前了解Datadog的绿卡支持政策，包括何时启动绿卡申请（通常是H1B批准后一年）、是否承担所有费用、以及在绿卡排期期间的跳槽限制等。
不是所有公司都积极支持员工的绿卡申请，有些公司甚至会以绿卡申请为由限制员工跳槽。Datadog在这方面通常比较开放，但你仍需在入职后与公司法务部门明确这些细节。我们曾有员工，因为未提前了解绿卡政策，在H1B工作多年后才发现公司对绿卡申请有严格的限制，导致其职业发展受阻。
面对这些风险，正确的应对策略是“多线程并行”：在求职初期就考虑备选方案，例如同时申请加拿大的科技人才签证（Global Talent Stream），这为你在美国H1B抽签失败后提供了一个快速获得合法身份的路径。这不是对Datadog缺乏信心，而是为自己的未来购买一份保险。
一位在Datadog工作的工程师，他选择在H1B抽签结果公布前，就提前申请了加拿大的永久居民身份，最终在H1B未中签的情况下，得以顺利过渡到加拿大工作，并继续为Datadog的加拿大分部贡献价值。这展现的不是被动接受命运，而是主动创造机会。
准备清单
- 职位匹配度深度分析： 仔细阅读Datadog目标职位的JD，不仅理解字面要求，更要分析其背后的业务痛点和团队目标。将你的项目经验与这些痛点进行1:1匹配，而非泛泛而谈。
- Datadog产品与技术栈研究： 深入了解Datadog的核心产品（APM、Log Management、Infrastructure Monitoring等），其技术架构（Go, Python, Kafka, PostgreSQL, ClickHouse等），以及行业地位。准备好在面试中，能结合Datadog的产品，提出有深度的见解或改进方案。
- H1B时间线逆向规划： 明确2026年H1B抽签窗口，并据此逆向推导你的简历投递、面试、Offer获取及H1B材料准备的截止日期。确保你在当年3月前拿到Offer。
- 系统性拆解科技公司面试结构（例如，在一些高质量的求职指南中，有完整的Datadog技术面试实战复盘可以参考）： 针对Datadog的算法、系统设计和行为面试，进行有针对性的准备，尤其关注其对实际问题解决能力的考察。
- 身份风险管理与备选方案： 了解OPT Extension、Cap-Exempt机构、加拿大工作签证等备选方案，并与家人或导师讨论，形成明确的风险应对策略。
- 薪酬市场调研与谈判策略： 收集同级别、同类型公司在Datadog的薪酬数据，并准备好有理有据的谈判策略，目标是最大化整体报酬，而非仅仅关注Base Salary。
- 模拟面试与反馈： 至少进行3-5次由经验丰富的同行或导师进行的模拟面试，并根据反馈持续优化你的表达和思考方式。
常见错误
- 错误： 国际学生在Datadog的招聘中，将重点放在“我能做什么”上，罗列所有学过的技术栈，认为技术越全面越容易被选中。
BAD: “我在大学期间学习了Java、Python、C++，熟练掌握React、Node.js，熟悉AWS、Azure等云平台，做过电商网站和社交App。” （简历和面试中泛泛而谈，缺乏深度）
GOOD: “我专注于构建高可用的分布式系统，在[项目名称]中，我负责设计并实现了基于Kafka和Cassandra的实时数据处理管道，将数据延迟从500ms降低到50ms，并能处理每秒百万级事件。这与Datadog在APM和日志管理领域对高吞吐量、低延迟系统的需求高度契合。” （聚焦Datadog核心需求，量化成果，展现深度与匹配度）
裁决： Datadog看重的不是你知识的广度，而是你解决特定问题的深度和效率。泛泛而谈的简历，只会让你淹没在海量申请者中。你必须将你的技能与Datadog的实际业务挑战紧密结合，并量化你的贡献。
- 错误： 在H1B抽签结果公布前，国际学生对身份问题表现出过度焦虑，或完全不顾及，认为只要拿到Offer，公司就会解决一切。
BAD: （面试中）“如果我H1B没中怎么办？公司会帮我办Cap-Exempt吗？我真的很担心身份问题。” （在不恰当的时机提出身份问题，显得缺乏职业成熟度）
GOOD: （拿到Offer后，与HR沟通时）“非常感谢Datadog提供的机会。关于H1B抽签，我理解其不确定性。
我想了解公司是否有既定的H1B未中签的应对策略，例如是否支持Remote work或未来考虑Cap-Exempt的合作模式，以便我能更好地规划。我非常看重这个机会，并希望能长期为Datadog贡献。” （在恰当的时机，以职业且积极的态度探讨解决方案，展现主动规划能力）
裁决： 身份问题是客观存在，但其沟通时机和方式决定了公司对你的印象。在面试中过度焦虑会减分，但在Offer阶段，以专业且有建设性的态度探讨备选方案，反而能展现你的成熟和规划能力。Datadog的HR在处理这类问题时，更欣赏那些能主动寻求解决方案的候选人。
- 错误： 薪酬谈判时，国际学生过于关注基础工资（Base Salary）的数字，而忽视了限制性股票（RSU）在长期财富积累中的价值。
BAD: “我的期望是Base Salary至少达到$180K，因为我需要支付房租和生活费，并且另一家公司给我的Base更高。” （只关注短期现金流，忽视整体包，且理由过于个人化）
GOOD: “我理解Datadog的薪酬结构是Base、RSU和Bonus的组合。根据我对市场数据的调研，同等经验和能力的工程师在Datadog或其他类似增长型SaaS公司的整体报酬大致在$380K-$420K之间。
我非常看重Datadog的长期发展潜力，并相信RSU部分将带来显著的长期价值。目前我手上有另一家公司的Offer，其总包在$X-$Y，如果Datadog能将总包提升至$Z，我相信这将是一个双赢的局面。” （基于市场数据和整体包进行谈判，并展现对公司长期价值的认可）
裁决： Datadog的薪酬包设计，旨在吸引并留住对公司长期增长有信心的顶尖人才。你若只盯着Base Salary，不仅可能错失RSU带来的巨大增值空间，更可能让公司认为你缺乏长期主义的视角。正确的谈判是基于市场价值和整体包的考量，并展现出你与公司共同成长的意愿。
更多PM职业资源
探索来自硅谷产品负责人的框架、薪资数据和面试指南。
更多PM职业资源
探索来自硅谷产品负责人的框架、薪资数据和面试指南。
更多PM职业资源
探索来自硅谷产品负责人的框架、薪资数据和面试指南。
更多PM职业资源
探索来自硅谷产品负责人的框架、薪资数据和面试指南。
FAQ
Q1: Datadog在招聘国际学生时，是否会因为H1B抽签风险而有隐性偏好，比如更青睐有OPT Extension的候选人？
A1: 这是事实。Datadog在同等条件下，会倾向于选择那些身份风险更低的候选人。
例如，拥有STEM OPT Extension资格的国际学生，因为能为公司提供更长的合法工作时间（额外24个月），降低了公司在H1B抽签失败后立即面临人员流失的风险，这会让他们在简历筛选和Hiring Committee的讨论中，获得一个隐性优势。这不是对你能力的否定，而是公司在管理运营风险上的理性决策