Spørgsmål til Data Engineer-jobsamtalen

Tell me about a time you owned a data quality problem that other teams depended on.

Fra guiden til Google · Øv det i en prøvesamtale · Skriv et udkast til mit svar ud fra mit CV

Tell me about a time you owned a data pipeline that failed in production. What did you do and what changed afterwards?

Fra guiden til Amazon · Øv det i en prøvesamtale · Skriv et udkast til mit svar ud fra mit CV

Describe a time you disagreed with a stakeholder about a data model and how it was resolved.

Fra guiden til Amazon · Øv det i en prøvesamtale · Skriv et udkast til mit svar ud fra mit CV

How would you make a daily job safe to rerun after a partial failure?

Fra guiden til Meta · Øv det i en prøvesamtale · Skriv et udkast til mit svar ud fra mit CV

Tell me about a data model you designed that needed to change after launch.

Fra guiden til Meta · Øv det i en prøvesamtale · Skriv et udkast til mit svar ud fra mit CV

Tell me about a data model you designed that had to change after launch. What did you get wrong?

Fra guiden til Microsoft · Øv det i en prøvesamtale · Skriv et udkast til mit svar ud fra mit CV

Write a query that finds the first failure event for each device within a rolling window and explain how you would test it.

Fra guiden til NVIDIA · Øv det i en prøvesamtale · Skriv et udkast til mit svar ud fra mit CV

Tell me about a data model that had to change after launch and what you would design differently.

Fra guiden til NVIDIA · Øv det i en prøvesamtale · Skriv et udkast til mit svar ud fra mit CV

Design a pipeline that turns raw request logs into an hourly usage table for billing. How do you make it safe to rerun after a partial failure, and how would you backfill it?

Fra guiden til OpenAI · Øv det i en prøvesamtale · Skriv et udkast til mit svar ud fra mit CV

Tell me about a data quality problem you owned that affected another team. How did you find it, and what changed afterwards?

Fra guiden til OpenAI · Øv det i en prøvesamtale · Skriv et udkast til mit svar ud fra mit CV

Tell me about a time you owned a data quality problem that other teams depended on. What did you change afterwards?

Fra guiden til Anthropic · Øv det i en prøvesamtale · Skriv et udkast til mit svar ud fra mit CV

Design a daily pipeline that aggregates playback events into a reporting table. How do you make it safe to rerun after a partial failure, and how would you backfill it?

Fra guiden til Netflix · Øv det i en prøvesamtale · Skriv et udkast til mit svar ud fra mit CV

Tell me about a time a data quality problem you owned affected another team. How did you find it, and what changed afterwards?

Fra guiden til Netflix · Øv det i en prøvesamtale · Skriv et udkast til mit svar ud fra mit CV

How would you make a nightly job safe to rerun after a partial failure?

Fra guiden til LinkedIn · Øv det i en prøvesamtale · Skriv et udkast til mit svar ud fra mit CV

Tell me about a data model you designed that had to change after launch.

Fra guiden til LinkedIn · Øv det i en prøvesamtale · Skriv et udkast til mit svar ud fra mit CV

Write a query that finds the first failure for each device within a window and explain how you would test it.

Fra guiden til Apple · Øv det i en prøvesamtale · Skriv et udkast til mit svar ud fra mit CV

Why do you want to work on this team's data problems in particular?

Fra guiden til Apple · Øv det i en prøvesamtale · Skriv et udkast til mit svar ud fra mit CV

Tell me about a data model that had to change after launch and what you would design differently.

Fra guiden til Apple · Øv det i en prøvesamtale · Skriv et udkast til mit svar ud fra mit CV

Tell me about a data model that had to change after launch and what you would design differently.

Fra guiden til Tesla · Øv det i en prøvesamtale · Skriv et udkast til mit svar ud fra mit CV

Why do you want to work on this team's data problems?

Fra guiden til Tesla · Øv det i en prøvesamtale · Skriv et udkast til mit svar ud fra mit CV

Write a query that finds accounts whose settlement totals disagree with their transaction totals and explain how you would test it.

Fra guiden til Stripe · Øv det i en prøvesamtale · Skriv et udkast til mit svar ud fra mit CV

Tell me about a data quality problem you owned that other teams depended on.

Fra guiden til Stripe · Øv det i en prøvesamtale · Skriv et udkast til mit svar ud fra mit CV

Tell me about a data model that had to change after launch and what you would design differently.

Fra guiden til Intel · Øv det i en prøvesamtale · Skriv et udkast til mit svar ud fra mit CV

Write a query that identifies customers whose orders were shipped late in consecutive months and explain how you would validate it.

Fra guiden til Amazon · Øv det i en prøvesamtale · Skriv et udkast til mit svar ud fra mit CV

Write a query that finds users who were active on consecutive days and explain how you would test it.

Fra guiden til Meta · Øv det i en prøvesamtale · Skriv et udkast til mit svar ud fra mit CV

Write a query that finds customers whose spend increased month over month and explain how you would validate the result.

Fra guiden til Microsoft · Øv det i en prøvesamtale · Skriv et udkast til mit svar ud fra mit CV

Write a SQL query that returns each account's first and most recent API request date, then flag accounts with no requests since a given cutoff date.

Fra guiden til OpenAI · Øv det i en prøvesamtale · Skriv et udkast til mit svar ud fra mit CV

Write a Python function that parses nested JSON records, skips malformed ones with a logged reason, and outputs flat rows. How would you test it?

Fra guiden til OpenAI · Øv det i en prøvesamtale · Skriv et udkast til mit svar ud fra mit CV

You are given raw API usage logs. Design the schema for a reporting layer that answers usage per customer per day, then write the query that fills it.

Fra guiden til Anthropic · Øv det i en prøvesamtale · Skriv et udkast til mit svar ud fra mit CV

Write a SQL query that finds each customer's longest streak of consecutive active days, and explain how you handle days with duplicate events.

Fra guiden til Anthropic · Øv det i en prøvesamtale · Skriv et udkast til mit svar ud fra mit CV

Write a Python function, using only the standard library, that reads newline-delimited JSON events, skips malformed lines while counting the reasons, and returns totals per event type.

Fra guiden til Anthropic · Øv det i en prøvesamtale · Skriv et udkast til mit svar ud fra mit CV

Write a SQL query that returns each member's first and most recent viewing date, then flag members with no activity since a given cutoff date.

Fra guiden til Netflix · Øv det i en prøvesamtale · Skriv et udkast til mit svar ud fra mit CV

Write a query that finds members who were active on consecutive days and explain how you would test it.

Fra guiden til LinkedIn · Øv det i en prøvesamtale · Skriv et udkast til mit svar ud fra mit CV

Write a query that finds the first fault event per vehicle within a rolling window and explain how you would test it.

Fra guiden til Tesla · Øv det i en prøvesamtale · Skriv et udkast til mit svar ud fra mit CV

Write a query that finds the first failing measurement for each unit within a window and explain how you would test it.

Fra guiden til Intel · Øv det i en prøvesamtale · Skriv et udkast til mit svar ud fra mit CV

What does QUALIFY do, and what would you write without it?

Øv det i en prøvesamtale · Skriv et udkast til mit svar ud fra mit CV

What is a slowly changing dimension, and how do you implement type two?

Øv det i en prøvesamtale · Skriv et udkast til mit svar ud fra mit CV

How would you design a pipeline that ingests clickstream events and makes them queryable within minutes?

Fra guiden til Google · Øv det i en prøvesamtale · Skriv et udkast til mit svar ud fra mit CV

Design a system that ingests order events from several regions and makes them available for daily reporting and near real-time alerts.

Fra guiden til Amazon · Øv det i en prøvesamtale · Skriv et udkast til mit svar ud fra mit CV

Design a pipeline that turns raw app events into daily engagement metrics and explain how you would handle events that arrive a day late.

Fra guiden til Meta · Øv det i en prøvesamtale · Skriv et udkast til mit svar ud fra mit CV

A metric dropped after a schema change upstream. How do you find out whether the drop is real?

Fra guiden til Meta · Øv det i en prøvesamtale · Skriv et udkast til mit svar ud fra mit CV

Design a pipeline that loads daily sales files from several regions into one reporting table and handles a late region without blocking the others.

Fra guiden til Microsoft · Øv det i en prøvesamtale · Skriv et udkast til mit svar ud fra mit CV

A downstream dashboard shows numbers that do not match the source system. How do you find where the difference was introduced?

Fra guiden til Microsoft · Øv det i en prøvesamtale · Skriv et udkast til mit svar ud fra mit CV

When would you choose a streaming design over a scheduled batch, and what does it cost you?

Fra guiden til Microsoft · Øv det i en prøvesamtale · Skriv et udkast til mit svar ud fra mit CV

Design a pipeline that collects telemetry from thousands of devices and makes it queryable for both daily reports and ad hoc analysis.

Fra guiden til NVIDIA · Øv det i en prøvesamtale · Skriv et udkast til mit svar ud fra mit CV

A downstream team says yesterday's totals are wrong. How do you find where the pipeline introduced the error?

Fra guiden til NVIDIA · Øv det i en prøvesamtale · Skriv et udkast til mit svar ud fra mit CV

When would you choose a streaming design over scheduled batch, and what does it cost in complexity?

Fra guiden til NVIDIA · Øv det i en prøvesamtale · Skriv et udkast til mit svar ud fra mit CV

Design a pipeline that ingests usage events from several services into a warehouse table used for billing. How do you make it idempotent, and how do you backfill a missed day?

Fra guiden til Anthropic · Øv det i en prøvesamtale · Skriv et udkast til mit svar ud fra mit CV

A metric on a dashboard dropped sharply overnight. Walk through how you decide whether it is a real change or a pipeline problem.

Fra guiden til Anthropic · Øv det i en prøvesamtale · Skriv et udkast til mit svar ud fra mit CV

Events can arrive hours late from devices that were offline. How would you handle late data in a pipeline that publishes hourly metrics?

Fra guiden til Netflix · Øv det i en prøvesamtale · Skriv et udkast til mit svar ud fra mit CV

Design a pipeline that turns member activity events into daily engagement metrics and handles events that arrive a day late.

Fra guiden til LinkedIn · Øv det i en prøvesamtale · Skriv et udkast til mit svar ud fra mit CV

A dashboard shows a drop that the source system does not. How do you find where the difference was introduced?

Fra guiden til LinkedIn · Øv det i en prøvesamtale · Skriv et udkast til mit svar ud fra mit CV

Design a pipeline that ingests device diagnostics from millions of devices and makes them queryable for daily reports and privacy-safe analysis.

Fra guiden til Apple · Øv det i en prøvesamtale · Skriv et udkast til mit svar ud fra mit CV

A daily metric dropped after an upstream schema change. How do you find out whether the drop is real?

Fra guiden til Apple · Øv det i en prøvesamtale · Skriv et udkast til mit svar ud fra mit CV

Design a pipeline that ingests telemetry from a large vehicle fleet and makes it queryable for daily reports and near real-time alerts.

Fra guiden til Tesla · Øv det i en prøvesamtale · Skriv et udkast til mit svar ud fra mit CV

A factory dashboard shows totals that do not match the source system. How do you find where the difference was introduced?

Fra guiden til Tesla · Øv det i en prøvesamtale · Skriv et udkast til mit svar ud fra mit CV

Design a pipeline that reconciles payment events from several sources into a daily ledger that must never double count.

Fra guiden til Stripe · Øv det i en prøvesamtale · Skriv et udkast til mit svar ud fra mit CV

Here is a pipeline you have never seen and a failing job. Find the cause.

Fra guiden til Stripe · Øv det i en prøvesamtale · Skriv et udkast til mit svar ud fra mit CV

Design a pipeline that collects test data from many manufacturing lines and makes it queryable for daily yield reports and ad hoc analysis.

Fra guiden til Intel · Øv det i en prøvesamtale · Skriv et udkast til mit svar ud fra mit CV

A daily aggregate disagrees with the source system. How do you find where the pipeline introduced the difference?

Fra guiden til Intel · Øv det i en prøvesamtale · Skriv et udkast til mit svar ud fra mit CV

Design the tables for an online marketplace's order history. What is the grain of your fact table?

Øv det i en prøvesamtale · Skriv et udkast til mit svar ud fra mit CV

Explain a star schema, and when you would deliberately denormalise further.

Øv det i en prøvesamtale · Skriv et udkast til mit svar ud fra mit CV

How do you make a pipeline idempotent, and why does it matter for reruns?

Øv det i en prøvesamtale · Skriv et udkast til mit svar ud fra mit CV

How would you detect that a pipeline succeeded but produced wrong data?

Øv det i en prøvesamtale · Skriv et udkast til mit svar ud fra mit CV

Walk me through a data model for a subscription business and explain how you would handle plan changes over time.

Fra guiden til Google · Øv det i en prøvesamtale · Skriv et udkast til mit svar ud fra mit CV

A nightly job started producing duplicate rows. How do you find the cause and keep it from happening again?

Fra guiden til Google · Øv det i en prøvesamtale · Skriv et udkast til mit svar ud fra mit CV

How would you choose between batch and streaming for a reporting use case?

Fra guiden til Google · Øv det i en prøvesamtale · Skriv et udkast til mit svar ud fra mit CV

How do you decide what to partition, cluster or index in a large analytical table?

Fra guiden til Google · Øv det i en prøvesamtale · Skriv et udkast til mit svar ud fra mit CV

How would you make a backfill safe to rerun without double counting?

Fra guiden til Amazon · Øv det i en prøvesamtale · Skriv et udkast til mit svar ud fra mit CV

When would you choose a columnar format over row storage, and what does it cost you?

Fra guiden til Amazon · Øv det i en prøvesamtale · Skriv et udkast til mit svar ud fra mit CV

When would you choose streaming over batch for a product metric, and what would it cost?

Fra guiden til Meta · Øv det i en prøvesamtale · Skriv et udkast til mit svar ud fra mit CV

How would you make a nightly batch job safe to rerun?

Fra guiden til Microsoft · Øv det i en prøvesamtale · Skriv et udkast til mit svar ud fra mit CV

How would you make a large backfill safe to rerun without double counting?

Fra guiden til NVIDIA · Øv det i en prøvesamtale · Skriv et udkast til mit svar ud fra mit CV

Given a table of usage events that may contain duplicates, compute daily usage per account and explain how you choose the deduplication key.

Fra guiden til OpenAI · Øv det i en prøvesamtale · Skriv et udkast til mit svar ud fra mit CV

Model the data for tracking which datasets feed which downstream tables. What is the grain of each table, and how would you detect a broken dependency?

Fra guiden til OpenAI · Øv det i en prøvesamtale · Skriv et udkast til mit svar ud fra mit CV

An upstream source renamed a column overnight and a dashboard went blank. Walk through how you would find the cause, fix it and prevent it from happening again.

Fra guiden til OpenAI · Øv det i en prøvesamtale · Skriv et udkast til mit svar ud fra mit CV

How would you model slowly changing customer attributes, such as plan tier, so that historical reports stay correct?

Fra guiden til Anthropic · Øv det i en prøvesamtale · Skriv et udkast til mit svar ud fra mit CV

Given a table of subscription start and cancel events, find accounts that cancelled and later resubscribed, and explain how you handle duplicate events.

Fra guiden til Netflix · Øv det i en prøvesamtale · Skriv et udkast til mit svar ud fra mit CV

Model the data for tracking which titles a member started, paused and finished. What is the grain of your fact table, and which attributes belong in dimensions?

Fra guiden til Netflix · Øv det i en prøvesamtale · Skriv et udkast til mit svar ud fra mit CV

What kind of data work excites you most, and which recent project shows it?

Fra guiden til Netflix · Øv det i en prøvesamtale · Skriv et udkast til mit svar ud fra mit CV

When would you choose streaming over batch for a product metric, and what does it cost?

Fra guiden til LinkedIn · Øv det i en prøvesamtale · Skriv et udkast til mit svar ud fra mit CV

How would you make a backfill safe to rerun without double counting?

Fra guiden til Apple · Øv det i en prøvesamtale · Skriv et udkast til mit svar ud fra mit CV

How would you make a large backfill safe to rerun without double counting?

Fra guiden til Tesla · Øv det i en prøvesamtale · Skriv et udkast til mit svar ud fra mit CV

Given only the documentation for an unfamiliar API, how would you build a working ingestion job in an hour?

Fra guiden til Stripe · Øv det i en prøvesamtale · Skriv et udkast til mit svar ud fra mit CV

When would you choose streaming over batch for a financial report, and what does it cost in correctness?

Fra guiden til Stripe · Øv det i en prøvesamtale · Skriv et udkast til mit svar ud fra mit CV

How would you make a large backfill safe to rerun without double counting?

Fra guiden til Intel · Øv det i en prøvesamtale · Skriv et udkast til mit svar ud fra mit CV

When would you choose streaming over batch for a monitoring use case, and what does it cost?

Fra guiden til Intel · Øv det i en prøvesamtale · Skriv et udkast til mit svar ud fra mit CV

This query scans a billion rows and takes twenty minutes. How do you diagnose it?

Øv det i en prøvesamtale · Skriv et udkast til mit svar ud fra mit CV

Explain the difference between partitioning and clustering, and when each helps.

Øv det i en prøvesamtale · Skriv et udkast til mit svar ud fra mit CV

A stakeholder wants historical reporting to reflect a customer's current region. What breaks?

Øv det i en prøvesamtale · Skriv et udkast til mit svar ud fra mit CV

How would you model an event stream that arrives out of order?

Øv det i en prøvesamtale · Skriv et udkast til mit svar ud fra mit CV

When would you choose a wide table over a normalised model?

Øv det i en prøvesamtale · Skriv et udkast til mit svar ud fra mit CV

The upstream source sends yesterday's data again. What happens to your job?

Øv det i en prøvesamtale · Skriv et udkast til mit svar ud fra mit CV

How would you backfill two years of history without disrupting the daily load?

Øv det i en prøvesamtale · Skriv et udkast til mit svar ud fra mit CV

Late arriving data shows up three days after the partition closed. What do you do?

Øv det i en prøvesamtale · Skriv et udkast til mit svar ud fra mit CV

What do you monitor, and what pages someone at three in the morning?

Øv det i en prøvesamtale · Skriv et udkast til mit svar ud fra mit CV

What causes a shuffle, and why is it expensive?

Øv det i en prøvesamtale · Skriv et udkast til mit svar ud fra mit CV

Your job is slow and one task takes far longer than the rest. What is happening?

Øv det i en prøvesamtale · Skriv et udkast til mit svar ud fra mit CV

Explain data skew and two ways to handle it.

Øv det i en prøvesamtale · Skriv et udkast til mit svar ud fra mit CV

When would you choose streaming over a scheduled batch job?

Øv det i en prøvesamtale · Skriv et udkast til mit svar ud fra mit CV

What does exactly once processing actually guarantee, and where does it not hold?

Øv det i en prøvesamtale · Skriv et udkast til mit svar ud fra mit CV

How do watermarks handle out of order events in a windowed aggregation?

Øv det i en prøvesamtale · Skriv et udkast til mit svar ud fra mit CV