Preguntas de entrevista para Data Engineer
Preguntas de entrevista representativas para Data Engineer, tomadas de nuestras guías por empresa y agrupadas por lo que evalúan. Son ejemplos para prepararse, no un banco de preguntas confirmado por ninguna empresa.
Conductuales (23)
Háblame de una ocasión en la que asumiste la responsabilidad de un problema de calidad de datos del que dependían otros equipos.
De la guía de Google · Practicarla en una entrevista simulada · Redactar mi respuesta a partir de mi CV
Háblame de una ocasión en la que asumiste la responsabilidad de una canalización de datos que falló en producción. ¿Qué hiciste y qué cambió después?
De la guía de Amazon · Practicarla en una entrevista simulada · Redactar mi respuesta a partir de mi CV
Describe una ocasión en la que discrepaste con una parte interesada sobre un modelo de datos y cómo se resolvió.
De la guía de Amazon · Practicarla en una entrevista simulada · Redactar mi respuesta a partir de mi CV
¿Cómo harías que un proceso diario pudiera volver a ejecutarse de forma segura después de un fallo parcial?
De la guía de Meta · Practicarla en una entrevista simulada · Redactar mi respuesta a partir de mi CV
Háblame de un modelo de datos que diseñaste y que tuvo que cambiar después del lanzamiento.
De la guía de Meta · Practicarla en una entrevista simulada · Redactar mi respuesta a partir de mi CV
Háblame de un modelo de datos que diseñaste y que tuvo que cambiar después del lanzamiento. ¿En qué te equivocaste?
De la guía de Microsoft · Practicarla en una entrevista simulada · Redactar mi respuesta a partir de mi CV
Escribe una consulta que encuentre el primer evento de fallo de cada dispositivo dentro de una ventana móvil y explica cómo la probarías.
De la guía de NVIDIA · Practicarla en una entrevista simulada · Redactar mi respuesta a partir de mi CV
Háblame de un modelo de datos que tuvo que cambiar tras su lanzamiento y de lo que diseñarías de otra manera.
De la guía de NVIDIA · Practicarla en una entrevista simulada · Redactar mi respuesta a partir de mi CV
Diseña un pipeline que convierta registros de peticiones sin procesar en una tabla de uso por horas para facturación. ¿Cómo lo haces seguro de reejecutar tras un fallo parcial y cómo harías la recarga histórica?
De la guía de OpenAI · Practicarla en una entrevista simulada · Redactar mi respuesta a partir de mi CV
Cuéntame sobre un problema de calidad de datos del que fuiste responsable y que afectó a otro equipo. ¿Cómo lo encontraste y qué cambió después?
De la guía de OpenAI · Practicarla en una entrevista simulada · Redactar mi respuesta a partir de mi CV
Cuéntame alguna vez en que fuiste responsable de un problema de calidad de datos del que dependían otros equipos. ¿Qué cambiaste después?
De la guía de Anthropic · Practicarla en una entrevista simulada · Redactar mi respuesta a partir de mi CV
Diseña un pipeline diario que agregue eventos de reproducción en una tabla de informes. ¿Cómo lo haces seguro de reejecutar tras un fallo parcial y cómo harías el backfill?
De la guía de Netflix · Practicarla en una entrevista simulada · Redactar mi respuesta a partir de mi CV
Cuéntame una ocasión en la que un problema de calidad de datos del que eras responsable afectó a otro equipo. ¿Cómo lo detectaste y qué cambió después?
De la guía de Netflix · Practicarla en una entrevista simulada · Redactar mi respuesta a partir de mi CV
¿Cómo harías que un proceso nocturno pudiera volver a ejecutarse de forma segura después de un fallo parcial?
De la guía de LinkedIn · Practicarla en una entrevista simulada · Redactar mi respuesta a partir de mi CV
Háblame de un modelo de datos que diseñaste y que tuvo que cambiar después del lanzamiento.
De la guía de LinkedIn · Practicarla en una entrevista simulada · Redactar mi respuesta a partir de mi CV
Escribe una consulta que encuentre el primer fallo de cada dispositivo dentro de un intervalo y explica cómo la probarías.
De la guía de Apple · Practicarla en una entrevista simulada · Redactar mi respuesta a partir de mi CV
¿Por qué quieres trabajar específicamente en los problemas de datos de este equipo?
De la guía de Apple · Practicarla en una entrevista simulada · Redactar mi respuesta a partir de mi CV
Háblame de un modelo de datos que tuvo que cambiar después del lanzamiento y de qué diseñarías de otra manera.
De la guía de Apple · Practicarla en una entrevista simulada · Redactar mi respuesta a partir de mi CV
Háblame de un modelo de datos que tuvo que cambiar después de su lanzamiento y de qué diseñarías de otra manera.
De la guía de Tesla · Practicarla en una entrevista simulada · Redactar mi respuesta a partir de mi CV
¿Por qué quieres trabajar en los problemas de datos de este equipo?
De la guía de Tesla · Practicarla en una entrevista simulada · Redactar mi respuesta a partir de mi CV
Escribe una consulta que encuentre las cuentas cuyos totales de liquidación no coincidan con los totales de sus transacciones y explica cómo la probarías.
De la guía de Stripe · Practicarla en una entrevista simulada · Redactar mi respuesta a partir de mi CV
Háblame de un problema de calidad de datos bajo tu responsabilidad del que dependían otros equipos.
De la guía de Stripe · Practicarla en una entrevista simulada · Redactar mi respuesta a partir de mi CV
Háblame de un modelo de datos que tuvo que cambiar después de su lanzamiento y de qué diseñarías de otra manera.
De la guía de Intel · Practicarla en una entrevista simulada · Redactar mi respuesta a partir de mi CV
Programación (14)
Escribe una consulta que identifique a los clientes cuyos pedidos se enviaron con retraso en meses consecutivos y explica cómo la validarías.
De la guía de Amazon · Practicarla en una entrevista simulada · Redactar mi respuesta a partir de mi CV
Escribe una consulta que encuentre usuarios activos en días consecutivos y explica cómo la probarías.
De la guía de Meta · Practicarla en una entrevista simulada · Redactar mi respuesta a partir de mi CV
Escribe una consulta que encuentre clientes cuyo gasto haya aumentado mes a mes y explica cómo validarías el resultado.
De la guía de Microsoft · Practicarla en una entrevista simulada · Redactar mi respuesta a partir de mi CV
Escribe una consulta SQL que devuelva, para cada cuenta, la fecha de su primera y de su más reciente petición a la API, y marca las cuentas sin peticiones desde una fecha de corte dada.
De la guía de OpenAI · Practicarla en una entrevista simulada · Redactar mi respuesta a partir de mi CV
Escribe una función de Python que analice registros JSON anidados, omita los mal formados registrando el motivo y produzca filas planas. ¿Cómo la probarías?
De la guía de OpenAI · Practicarla en una entrevista simulada · Redactar mi respuesta a partir de mi CV
Te dan registros de uso de una API sin procesar. Diseña el esquema de una capa de informes que responda al uso por cliente y día, y luego escribe la consulta que lo rellena.
De la guía de Anthropic · Practicarla en una entrevista simulada · Redactar mi respuesta a partir de mi CV
Escribe una consulta SQL que encuentre la racha más larga de días activos consecutivos de cada cliente y explica cómo tratas los días con eventos duplicados.
De la guía de Anthropic · Practicarla en una entrevista simulada · Redactar mi respuesta a partir de mi CV
Escribe una función de Python, usando solo la biblioteca estándar, que lea eventos JSON delimitados por saltos de línea, omita las líneas mal formadas contando los motivos y devuelva los totales por tipo de evento.
De la guía de Anthropic · Practicarla en una entrevista simulada · Redactar mi respuesta a partir de mi CV
Escribe una consulta SQL que devuelva la primera y la más reciente fecha de visionado de cada miembro y marca a los miembros sin actividad desde una fecha límite dada.
De la guía de Netflix · Practicarla en una entrevista simulada · Redactar mi respuesta a partir de mi CV
Escribe una consulta que encuentre a los miembros que estuvieron activos en días consecutivos y explica cómo la probarías.
De la guía de LinkedIn · Practicarla en una entrevista simulada · Redactar mi respuesta a partir de mi CV
Escribe una consulta que encuentre el primer evento de fallo de cada vehículo dentro de una ventana móvil y explica cómo la probarías.
De la guía de Tesla · Practicarla en una entrevista simulada · Redactar mi respuesta a partir de mi CV
Escribe una consulta que encuentre la primera medición fallida de cada unidad dentro de una ventana y explica cómo la probarías.
De la guía de Intel · Practicarla en una entrevista simulada · Redactar mi respuesta a partir de mi CV
¿Qué hace QUALIFY, y qué escribirías sin él?
Practicarla en una entrevista simulada · Redactar mi respuesta a partir de mi CV
¿Qué es una dimensión de cambio lento, y cómo implementas el tipo dos?
Practicarla en una entrevista simulada · Redactar mi respuesta a partir de mi CV
Diseño de sistemas (27)
¿Cómo diseñarías una canalización que ingiera eventos de flujo de clics y permita consultarlos en cuestión de minutos?
De la guía de Google · Practicarla en una entrevista simulada · Redactar mi respuesta a partir de mi CV
Diseña un sistema que ingiera eventos de pedidos de varias regiones y los ponga a disposición de informes diarios y alertas casi en tiempo real.
De la guía de Amazon · Practicarla en una entrevista simulada · Redactar mi respuesta a partir de mi CV
Diseña un pipeline que convierta eventos sin procesar de una aplicación en métricas diarias de interacción y explica cómo gestionarías los eventos que llegan con un día de retraso.
De la guía de Meta · Practicarla en una entrevista simulada · Redactar mi respuesta a partir de mi CV
Una métrica cayó después de un cambio de esquema en una fuente anterior. ¿Cómo averiguarías si la caída es real?
De la guía de Meta · Practicarla en una entrevista simulada · Redactar mi respuesta a partir de mi CV
Diseña una canalización que cargue archivos diarios de ventas de varias regiones en una única tabla de informes y gestione el retraso de una región sin bloquear las demás.
De la guía de Microsoft · Practicarla en una entrevista simulada · Redactar mi respuesta a partir de mi CV
Un panel posterior muestra cifras que no coinciden con el sistema de origen. ¿Cómo localizarías el punto donde se introdujo la diferencia?
De la guía de Microsoft · Practicarla en una entrevista simulada · Redactar mi respuesta a partir de mi CV
¿Cuándo elegirías un diseño de transmisión en lugar de un proceso por lotes programado y qué coste tendría?
De la guía de Microsoft · Practicarla en una entrevista simulada · Redactar mi respuesta a partir de mi CV
Diseña una canalización que recopile telemetría de miles de dispositivos y permita consultarla tanto para informes diarios como para análisis ad hoc.
De la guía de NVIDIA · Practicarla en una entrevista simulada · Redactar mi respuesta a partir de mi CV
Un equipo que consume los datos afirma que los totales de ayer son incorrectos. ¿Cómo averiguarías en qué punto de la canalización se introdujo el error?
De la guía de NVIDIA · Practicarla en una entrevista simulada · Redactar mi respuesta a partir de mi CV
¿Cuándo elegirías un diseño de transmisión en lugar de un procesamiento por lotes programado y qué coste tendría en términos de complejidad?
De la guía de NVIDIA · Practicarla en una entrevista simulada · Redactar mi respuesta a partir de mi CV
Diseña un pipeline que ingiera eventos de uso de varios servicios en una tabla del almacén usada para la facturación. ¿Cómo lo haces idempotente y cómo recargas un día que se perdió?
De la guía de Anthropic · Practicarla en una entrevista simulada · Redactar mi respuesta a partir de mi CV
Una métrica de un panel cayó bruscamente de la noche a la mañana. Explica cómo decides si es un cambio real o un problema del pipeline.
De la guía de Anthropic · Practicarla en una entrevista simulada · Redactar mi respuesta a partir de mi CV
Los eventos pueden llegar con horas de retraso desde dispositivos que estaban sin conexión. ¿Cómo manejarías los datos tardíos en un pipeline que publica métricas por hora?
De la guía de Netflix · Practicarla en una entrevista simulada · Redactar mi respuesta a partir de mi CV
Diseña una canalización que convierta los eventos de actividad de los miembros en métricas diarias de interacción y gestione los eventos que llegan con un día de retraso.
De la guía de LinkedIn · Practicarla en una entrevista simulada · Redactar mi respuesta a partir de mi CV
Un panel muestra una caída que no aparece en el sistema de origen. ¿Cómo averiguas dónde se introdujo la diferencia?
De la guía de LinkedIn · Practicarla en una entrevista simulada · Redactar mi respuesta a partir de mi CV
Diseña un flujo que ingiera diagnósticos procedentes de millones de dispositivos y permita consultarlos para informes diarios y análisis que protejan la privacidad.
De la guía de Apple · Practicarla en una entrevista simulada · Redactar mi respuesta a partir de mi CV
Una métrica diaria disminuyó tras un cambio en el esquema de una fuente anterior. ¿Cómo determinarías si la caída es real?
De la guía de Apple · Practicarla en una entrevista simulada · Redactar mi respuesta a partir de mi CV
Diseña una canalización que ingiera telemetría de una gran flota de vehículos y permita consultarla para informes diarios y alertas casi en tiempo real.
De la guía de Tesla · Practicarla en una entrevista simulada · Redactar mi respuesta a partir de mi CV
Un panel de una fábrica muestra totales que no coinciden con el sistema de origen. ¿Cómo averiguarías dónde se introdujo la diferencia?
De la guía de Tesla · Practicarla en una entrevista simulada · Redactar mi respuesta a partir de mi CV
Diseña una canalización que concilie eventos de pago de varias fuentes en un libro mayor diario que nunca debe contabilizarlos dos veces.
De la guía de Stripe · Practicarla en una entrevista simulada · Redactar mi respuesta a partir de mi CV
Aquí tienes una canalización que nunca has visto y un trabajo que falla. Encuentra la causa.
De la guía de Stripe · Practicarla en una entrevista simulada · Redactar mi respuesta a partir de mi CV
Diseña una canalización que recopile datos de pruebas de muchas líneas de fabricación y permita consultarlos para elaborar informes diarios de rendimiento y realizar análisis ad hoc.
De la guía de Intel · Practicarla en una entrevista simulada · Redactar mi respuesta a partir de mi CV
Un agregado diario no coincide con el sistema de origen. ¿Cómo averiguarías en qué punto la canalización introdujo la diferencia?
De la guía de Intel · Practicarla en una entrevista simulada · Redactar mi respuesta a partir de mi CV
Diseña las tablas para el historial de pedidos de un marketplace online. ¿Cuál es la granularidad de tu tabla de hechos?
Practicarla en una entrevista simulada · Redactar mi respuesta a partir de mi CV
Explica un esquema en estrella, y cuándo desnormalizarías deliberadamente aún más.
Practicarla en una entrevista simulada · Redactar mi respuesta a partir de mi CV
¿Cómo haces idempotente un pipeline, y por qué importa para los reruns?
Practicarla en una entrevista simulada · Redactar mi respuesta a partir de mi CV
¿Cómo detectarías que un pipeline tuvo éxito pero produjo datos incorrectos?
Practicarla en una entrevista simulada · Redactar mi respuesta a partir de mi CV
Técnicas (38)
Explícame un modelo de datos para un negocio de suscripciones y cómo gestionarías los cambios de plan a lo largo del tiempo.
De la guía de Google · Practicarla en una entrevista simulada · Redactar mi respuesta a partir de mi CV
Un proceso nocturno ha empezado a generar filas duplicadas. ¿Cómo encontrarías la causa y evitarías que volviera a suceder?
De la guía de Google · Practicarla en una entrevista simulada · Redactar mi respuesta a partir de mi CV
¿Cómo elegirías entre el procesamiento por lotes y el procesamiento en flujo para un caso de uso de generación de informes?
De la guía de Google · Practicarla en una entrevista simulada · Redactar mi respuesta a partir de mi CV
¿Cómo decides qué particionar, agrupar o indexar en una tabla analítica de gran tamaño?
De la guía de Google · Practicarla en una entrevista simulada · Redactar mi respuesta a partir de mi CV
¿Cómo harías que una carga histórica pudiera volver a ejecutarse de forma segura sin contar datos por duplicado?
De la guía de Amazon · Practicarla en una entrevista simulada · Redactar mi respuesta a partir de mi CV
¿Cuándo elegirías un formato columnar en lugar del almacenamiento por filas y qué coste conllevaría?
De la guía de Amazon · Practicarla en una entrevista simulada · Redactar mi respuesta a partir de mi CV
¿Cuándo elegirías streaming en lugar de procesamiento por lotes para una métrica de producto y qué coste tendría?
De la guía de Meta · Practicarla en una entrevista simulada · Redactar mi respuesta a partir de mi CV
¿Cómo harías que un trabajo nocturno por lotes pudiera volver a ejecutarse de forma segura?
De la guía de Microsoft · Practicarla en una entrevista simulada · Redactar mi respuesta a partir de mi CV
¿Cómo harías que una gran carga histórica pudiera volver a ejecutarse de forma segura sin contabilizar datos dos veces?
De la guía de NVIDIA · Practicarla en una entrevista simulada · Redactar mi respuesta a partir de mi CV
Dada una tabla de eventos de uso que puede contener duplicados, calcula el uso diario por cuenta y explica cómo eliges la clave de deduplicación.
De la guía de OpenAI · Practicarla en una entrevista simulada · Redactar mi respuesta a partir de mi CV
Modela los datos para rastrear qué conjuntos de datos alimentan qué tablas posteriores. ¿Cuál es la granularidad de cada tabla y cómo detectarías una dependencia rota?
De la guía de OpenAI · Practicarla en una entrevista simulada · Redactar mi respuesta a partir de mi CV
Una fuente de origen renombró una columna durante la noche y un panel se quedó en blanco. Explica cómo encontrarías la causa, la corregirías y evitarías que vuelva a ocurrir.
De la guía de OpenAI · Practicarla en una entrevista simulada · Redactar mi respuesta a partir de mi CV
¿Cómo modelarías atributos de cliente que cambian lentamente, como el nivel del plan, para que los informes históricos sigan siendo correctos?
De la guía de Anthropic · Practicarla en una entrevista simulada · Redactar mi respuesta a partir de mi CV
Dada una tabla de eventos de inicio y cancelación de suscripciones, encuentra las cuentas que cancelaron y luego volvieron a suscribirse, y explica cómo manejas los eventos duplicados.
De la guía de Netflix · Practicarla en una entrevista simulada · Redactar mi respuesta a partir de mi CV
Modela los datos para registrar qué títulos empezó, pausó y terminó un miembro. ¿Cuál es la granularidad de tu tabla de hechos y qué atributos van en las dimensiones?
De la guía de Netflix · Practicarla en una entrevista simulada · Redactar mi respuesta a partir de mi CV
¿Qué tipo de trabajo con datos te entusiasma más y qué proyecto reciente lo demuestra?
De la guía de Netflix · Practicarla en una entrevista simulada · Redactar mi respuesta a partir de mi CV
¿Cuándo elegirías streaming en lugar de procesamiento por lotes para una métrica de producto y cuánto costaría?
De la guía de LinkedIn · Practicarla en una entrevista simulada · Redactar mi respuesta a partir de mi CV
¿Cómo harías que un reprocesamiento histórico pudiera volver a ejecutarse con seguridad sin contabilizar datos dos veces?
De la guía de Apple · Practicarla en una entrevista simulada · Redactar mi respuesta a partir de mi CV
¿Cómo harías que una gran carga histórica pudiera volver a ejecutarse de forma segura sin contabilizar datos por duplicado?
De la guía de Tesla · Practicarla en una entrevista simulada · Redactar mi respuesta a partir de mi CV
Disponiendo únicamente de la documentación de una API desconocida, ¿cómo crearías un trabajo de ingesta funcional en una hora?
De la guía de Stripe · Practicarla en una entrevista simulada · Redactar mi respuesta a partir de mi CV
¿Cuándo elegirías streaming en lugar de procesamiento por lotes para un informe financiero y qué coste tendría para la exactitud?
De la guía de Stripe · Practicarla en una entrevista simulada · Redactar mi respuesta a partir de mi CV
¿Cómo harías que una gran carga retrospectiva pudiera volver a ejecutarse de forma segura sin contar datos dos veces?
De la guía de Intel · Practicarla en una entrevista simulada · Redactar mi respuesta a partir de mi CV
¿Cuándo elegirías la transmisión en lugar del procesamiento por lotes para un caso de uso de supervisión y cuánto costaría?
De la guía de Intel · Practicarla en una entrevista simulada · Redactar mi respuesta a partir de mi CV
Esta consulta escanea mil millones de filas y tarda veinte minutos. ¿Cómo la diagnosticas?
Practicarla en una entrevista simulada · Redactar mi respuesta a partir de mi CV
Explica la diferencia entre particionar y agrupar (clustering), y cuándo ayuda cada una.
Practicarla en una entrevista simulada · Redactar mi respuesta a partir de mi CV
Un stakeholder quiere que los reportes históricos reflejen la región actual de un cliente. ¿Qué se rompe?
Practicarla en una entrevista simulada · Redactar mi respuesta a partir de mi CV
¿Cómo modelarías un flujo de eventos que llega desordenado?
Practicarla en una entrevista simulada · Redactar mi respuesta a partir de mi CV
¿Cuándo elegirías una tabla ancha sobre un modelo normalizado?
Practicarla en una entrevista simulada · Redactar mi respuesta a partir de mi CV
La fuente upstream vuelve a enviar los datos de ayer. ¿Qué le pasa a tu trabajo?
Practicarla en una entrevista simulada · Redactar mi respuesta a partir de mi CV
¿Cómo harías un backfill de dos años de historial sin interrumpir la carga diaria?
Practicarla en una entrevista simulada · Redactar mi respuesta a partir de mi CV
Datos que llegan tarde aparecen tres días después de cerrada la partición. ¿Qué haces?
Practicarla en una entrevista simulada · Redactar mi respuesta a partir de mi CV
¿Qué monitoreas, y qué alerta a alguien a las tres de la mañana?
Practicarla en una entrevista simulada · Redactar mi respuesta a partir de mi CV
¿Qué causa un shuffle, y por qué es costoso?
Practicarla en una entrevista simulada · Redactar mi respuesta a partir de mi CV
Tu trabajo va lento y una tarea tarda mucho más que el resto. ¿Qué está pasando?
Practicarla en una entrevista simulada · Redactar mi respuesta a partir de mi CV
Explica el data skew y dos formas de manejarlo.
Practicarla en una entrevista simulada · Redactar mi respuesta a partir de mi CV
¿Cuándo elegirías streaming sobre un job batch programado?
Practicarla en una entrevista simulada · Redactar mi respuesta a partir de mi CV
¿Qué garantiza realmente el procesamiento exactly once, y dónde no se cumple?
Practicarla en una entrevista simulada · Redactar mi respuesta a partir de mi CV
¿Cómo manejan los watermarks los eventos desordenados en una agregación con ventanas?
Practicarla en una entrevista simulada · Redactar mi respuesta a partir de mi CV