Data Engineer: haastattelukysymykset

Edustavia Data Engineer-haastattelukysymyksiä yritysoppaistamme, ryhmiteltynä sen mukaan, mitä ne testaavat. Ne ovat esimerkkejä valmistautumiseen, eivät minkään yrityksen vahvistettu kysymyspankki.

Käyttäytyminen (23)

Tell me about a time you owned a data quality problem that other teams depended on.
Google-oppaasta · Harjoittele sitä harjoitushaastattelussa · Luonnostele vastaukseni CV:stäni
Tell me about a time you owned a data pipeline that failed in production. What did you do and what changed afterwards?
Amazon-oppaasta · Harjoittele sitä harjoitushaastattelussa · Luonnostele vastaukseni CV:stäni
Describe a time you disagreed with a stakeholder about a data model and how it was resolved.
Amazon-oppaasta · Harjoittele sitä harjoitushaastattelussa · Luonnostele vastaukseni CV:stäni
How would you make a daily job safe to rerun after a partial failure?
Meta-oppaasta · Harjoittele sitä harjoitushaastattelussa · Luonnostele vastaukseni CV:stäni
Tell me about a data model you designed that needed to change after launch.
Meta-oppaasta · Harjoittele sitä harjoitushaastattelussa · Luonnostele vastaukseni CV:stäni
Tell me about a data model you designed that had to change after launch. What did you get wrong?
Microsoft-oppaasta · Harjoittele sitä harjoitushaastattelussa · Luonnostele vastaukseni CV:stäni
Write a query that finds the first failure event for each device within a rolling window and explain how you would test it.
NVIDIA-oppaasta · Harjoittele sitä harjoitushaastattelussa · Luonnostele vastaukseni CV:stäni
Tell me about a data model that had to change after launch and what you would design differently.
NVIDIA-oppaasta · Harjoittele sitä harjoitushaastattelussa · Luonnostele vastaukseni CV:stäni
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?
OpenAI-oppaasta · Harjoittele sitä harjoitushaastattelussa · Luonnostele vastaukseni CV:stäni
Tell me about a data quality problem you owned that affected another team. How did you find it, and what changed afterwards?
OpenAI-oppaasta · Harjoittele sitä harjoitushaastattelussa · Luonnostele vastaukseni CV:stäni
Tell me about a time you owned a data quality problem that other teams depended on. What did you change afterwards?
Anthropic-oppaasta · Harjoittele sitä harjoitushaastattelussa · Luonnostele vastaukseni CV:stäni
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?
Netflix-oppaasta · Harjoittele sitä harjoitushaastattelussa · Luonnostele vastaukseni CV:stäni
Tell me about a time a data quality problem you owned affected another team. How did you find it, and what changed afterwards?
Netflix-oppaasta · Harjoittele sitä harjoitushaastattelussa · Luonnostele vastaukseni CV:stäni
How would you make a nightly job safe to rerun after a partial failure?
LinkedIn-oppaasta · Harjoittele sitä harjoitushaastattelussa · Luonnostele vastaukseni CV:stäni
Tell me about a data model you designed that had to change after launch.
LinkedIn-oppaasta · Harjoittele sitä harjoitushaastattelussa · Luonnostele vastaukseni CV:stäni
Write a query that finds the first failure for each device within a window and explain how you would test it.
Apple-oppaasta · Harjoittele sitä harjoitushaastattelussa · Luonnostele vastaukseni CV:stäni
Why do you want to work on this team's data problems in particular?
Apple-oppaasta · Harjoittele sitä harjoitushaastattelussa · Luonnostele vastaukseni CV:stäni
Tell me about a data model that had to change after launch and what you would design differently.
Apple-oppaasta · Harjoittele sitä harjoitushaastattelussa · Luonnostele vastaukseni CV:stäni
Tell me about a data model that had to change after launch and what you would design differently.
Tesla-oppaasta · Harjoittele sitä harjoitushaastattelussa · Luonnostele vastaukseni CV:stäni
Why do you want to work on this team's data problems?
Tesla-oppaasta · Harjoittele sitä harjoitushaastattelussa · Luonnostele vastaukseni CV:stäni
Write a query that finds accounts whose settlement totals disagree with their transaction totals and explain how you would test it.
Stripe-oppaasta · Harjoittele sitä harjoitushaastattelussa · Luonnostele vastaukseni CV:stäni
Tell me about a data quality problem you owned that other teams depended on.
Stripe-oppaasta · Harjoittele sitä harjoitushaastattelussa · Luonnostele vastaukseni CV:stäni
Tell me about a data model that had to change after launch and what you would design differently.
Intel-oppaasta · Harjoittele sitä harjoitushaastattelussa · Luonnostele vastaukseni CV:stäni

Ohjelmointi (14)

Write a query that identifies customers whose orders were shipped late in consecutive months and explain how you would validate it.
Amazon-oppaasta · Harjoittele sitä harjoitushaastattelussa · Luonnostele vastaukseni CV:stäni
Write a query that finds users who were active on consecutive days and explain how you would test it.
Meta-oppaasta · Harjoittele sitä harjoitushaastattelussa · Luonnostele vastaukseni CV:stäni
Write a query that finds customers whose spend increased month over month and explain how you would validate the result.
Microsoft-oppaasta · Harjoittele sitä harjoitushaastattelussa · Luonnostele vastaukseni CV:stäni
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.
OpenAI-oppaasta · Harjoittele sitä harjoitushaastattelussa · Luonnostele vastaukseni CV:stäni
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?
OpenAI-oppaasta · Harjoittele sitä harjoitushaastattelussa · Luonnostele vastaukseni CV:stäni
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.
Anthropic-oppaasta · Harjoittele sitä harjoitushaastattelussa · Luonnostele vastaukseni CV:stäni
Write a SQL query that finds each customer's longest streak of consecutive active days, and explain how you handle days with duplicate events.
Anthropic-oppaasta · Harjoittele sitä harjoitushaastattelussa · Luonnostele vastaukseni CV:stäni
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.
Anthropic-oppaasta · Harjoittele sitä harjoitushaastattelussa · Luonnostele vastaukseni CV:stäni
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.
Netflix-oppaasta · Harjoittele sitä harjoitushaastattelussa · Luonnostele vastaukseni CV:stäni
Write a query that finds members who were active on consecutive days and explain how you would test it.
LinkedIn-oppaasta · Harjoittele sitä harjoitushaastattelussa · Luonnostele vastaukseni CV:stäni
Write a query that finds the first fault event per vehicle within a rolling window and explain how you would test it.
Tesla-oppaasta · Harjoittele sitä harjoitushaastattelussa · Luonnostele vastaukseni CV:stäni
Write a query that finds the first failing measurement for each unit within a window and explain how you would test it.
Intel-oppaasta · Harjoittele sitä harjoitushaastattelussa · Luonnostele vastaukseni CV:stäni
What does QUALIFY do, and what would you write without it?
Harjoittele sitä harjoitushaastattelussa · Luonnostele vastaukseni CV:stäni
What is a slowly changing dimension, and how do you implement type two?
Harjoittele sitä harjoitushaastattelussa · Luonnostele vastaukseni CV:stäni

Järjestelmäsuunnittelu (27)

How would you design a pipeline that ingests clickstream events and makes them queryable within minutes?
Google-oppaasta · Harjoittele sitä harjoitushaastattelussa · Luonnostele vastaukseni CV:stäni
Design a system that ingests order events from several regions and makes them available for daily reporting and near real-time alerts.
Amazon-oppaasta · Harjoittele sitä harjoitushaastattelussa · Luonnostele vastaukseni CV:stäni
Design a pipeline that turns raw app events into daily engagement metrics and explain how you would handle events that arrive a day late.
Meta-oppaasta · Harjoittele sitä harjoitushaastattelussa · Luonnostele vastaukseni CV:stäni
A metric dropped after a schema change upstream. How do you find out whether the drop is real?
Meta-oppaasta · Harjoittele sitä harjoitushaastattelussa · Luonnostele vastaukseni CV:stäni
Design a pipeline that loads daily sales files from several regions into one reporting table and handles a late region without blocking the others.
Microsoft-oppaasta · Harjoittele sitä harjoitushaastattelussa · Luonnostele vastaukseni CV:stäni
A downstream dashboard shows numbers that do not match the source system. How do you find where the difference was introduced?
Microsoft-oppaasta · Harjoittele sitä harjoitushaastattelussa · Luonnostele vastaukseni CV:stäni
When would you choose a streaming design over a scheduled batch, and what does it cost you?
Microsoft-oppaasta · Harjoittele sitä harjoitushaastattelussa · Luonnostele vastaukseni CV:stäni
Design a pipeline that collects telemetry from thousands of devices and makes it queryable for both daily reports and ad hoc analysis.
NVIDIA-oppaasta · Harjoittele sitä harjoitushaastattelussa · Luonnostele vastaukseni CV:stäni
A downstream team says yesterday's totals are wrong. How do you find where the pipeline introduced the error?
NVIDIA-oppaasta · Harjoittele sitä harjoitushaastattelussa · Luonnostele vastaukseni CV:stäni
When would you choose a streaming design over scheduled batch, and what does it cost in complexity?
NVIDIA-oppaasta · Harjoittele sitä harjoitushaastattelussa · Luonnostele vastaukseni CV:stäni
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?
Anthropic-oppaasta · Harjoittele sitä harjoitushaastattelussa · Luonnostele vastaukseni CV:stäni
A metric on a dashboard dropped sharply overnight. Walk through how you decide whether it is a real change or a pipeline problem.
Anthropic-oppaasta · Harjoittele sitä harjoitushaastattelussa · Luonnostele vastaukseni CV:stäni
Events can arrive hours late from devices that were offline. How would you handle late data in a pipeline that publishes hourly metrics?
Netflix-oppaasta · Harjoittele sitä harjoitushaastattelussa · Luonnostele vastaukseni CV:stäni
Design a pipeline that turns member activity events into daily engagement metrics and handles events that arrive a day late.
LinkedIn-oppaasta · Harjoittele sitä harjoitushaastattelussa · Luonnostele vastaukseni CV:stäni
A dashboard shows a drop that the source system does not. How do you find where the difference was introduced?
LinkedIn-oppaasta · Harjoittele sitä harjoitushaastattelussa · Luonnostele vastaukseni CV:stäni
Design a pipeline that ingests device diagnostics from millions of devices and makes them queryable for daily reports and privacy-safe analysis.
Apple-oppaasta · Harjoittele sitä harjoitushaastattelussa · Luonnostele vastaukseni CV:stäni
A daily metric dropped after an upstream schema change. How do you find out whether the drop is real?
Apple-oppaasta · Harjoittele sitä harjoitushaastattelussa · Luonnostele vastaukseni CV:stäni
Design a pipeline that ingests telemetry from a large vehicle fleet and makes it queryable for daily reports and near real-time alerts.
Tesla-oppaasta · Harjoittele sitä harjoitushaastattelussa · Luonnostele vastaukseni CV:stäni
A factory dashboard shows totals that do not match the source system. How do you find where the difference was introduced?
Tesla-oppaasta · Harjoittele sitä harjoitushaastattelussa · Luonnostele vastaukseni CV:stäni
Design a pipeline that reconciles payment events from several sources into a daily ledger that must never double count.
Stripe-oppaasta · Harjoittele sitä harjoitushaastattelussa · Luonnostele vastaukseni CV:stäni
Here is a pipeline you have never seen and a failing job. Find the cause.
Stripe-oppaasta · Harjoittele sitä harjoitushaastattelussa · Luonnostele vastaukseni CV:stäni
Design a pipeline that collects test data from many manufacturing lines and makes it queryable for daily yield reports and ad hoc analysis.
Intel-oppaasta · Harjoittele sitä harjoitushaastattelussa · Luonnostele vastaukseni CV:stäni
A daily aggregate disagrees with the source system. How do you find where the pipeline introduced the difference?
Intel-oppaasta · Harjoittele sitä harjoitushaastattelussa · Luonnostele vastaukseni CV:stäni
Design the tables for an online marketplace's order history. What is the grain of your fact table?
Harjoittele sitä harjoitushaastattelussa · Luonnostele vastaukseni CV:stäni
Explain a star schema, and when you would deliberately denormalise further.
Harjoittele sitä harjoitushaastattelussa · Luonnostele vastaukseni CV:stäni
How do you make a pipeline idempotent, and why does it matter for reruns?
Harjoittele sitä harjoitushaastattelussa · Luonnostele vastaukseni CV:stäni
How would you detect that a pipeline succeeded but produced wrong data?
Harjoittele sitä harjoitushaastattelussa · Luonnostele vastaukseni CV:stäni

Tekninen (38)

Walk me through a data model for a subscription business and explain how you would handle plan changes over time.
Google-oppaasta · Harjoittele sitä harjoitushaastattelussa · Luonnostele vastaukseni CV:stäni
A nightly job started producing duplicate rows. How do you find the cause and keep it from happening again?
Google-oppaasta · Harjoittele sitä harjoitushaastattelussa · Luonnostele vastaukseni CV:stäni
How would you choose between batch and streaming for a reporting use case?
Google-oppaasta · Harjoittele sitä harjoitushaastattelussa · Luonnostele vastaukseni CV:stäni
How do you decide what to partition, cluster or index in a large analytical table?
Google-oppaasta · Harjoittele sitä harjoitushaastattelussa · Luonnostele vastaukseni CV:stäni
How would you make a backfill safe to rerun without double counting?
Amazon-oppaasta · Harjoittele sitä harjoitushaastattelussa · Luonnostele vastaukseni CV:stäni
When would you choose a columnar format over row storage, and what does it cost you?
Amazon-oppaasta · Harjoittele sitä harjoitushaastattelussa · Luonnostele vastaukseni CV:stäni
When would you choose streaming over batch for a product metric, and what would it cost?
Meta-oppaasta · Harjoittele sitä harjoitushaastattelussa · Luonnostele vastaukseni CV:stäni
How would you make a nightly batch job safe to rerun?
Microsoft-oppaasta · Harjoittele sitä harjoitushaastattelussa · Luonnostele vastaukseni CV:stäni
How would you make a large backfill safe to rerun without double counting?
NVIDIA-oppaasta · Harjoittele sitä harjoitushaastattelussa · Luonnostele vastaukseni CV:stäni
Given a table of usage events that may contain duplicates, compute daily usage per account and explain how you choose the deduplication key.
OpenAI-oppaasta · Harjoittele sitä harjoitushaastattelussa · Luonnostele vastaukseni CV:stäni
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?
OpenAI-oppaasta · Harjoittele sitä harjoitushaastattelussa · Luonnostele vastaukseni CV:stäni
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.
OpenAI-oppaasta · Harjoittele sitä harjoitushaastattelussa · Luonnostele vastaukseni CV:stäni
How would you model slowly changing customer attributes, such as plan tier, so that historical reports stay correct?
Anthropic-oppaasta · Harjoittele sitä harjoitushaastattelussa · Luonnostele vastaukseni CV:stäni
Given a table of subscription start and cancel events, find accounts that cancelled and later resubscribed, and explain how you handle duplicate events.
Netflix-oppaasta · Harjoittele sitä harjoitushaastattelussa · Luonnostele vastaukseni CV:stäni
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?
Netflix-oppaasta · Harjoittele sitä harjoitushaastattelussa · Luonnostele vastaukseni CV:stäni
What kind of data work excites you most, and which recent project shows it?
Netflix-oppaasta · Harjoittele sitä harjoitushaastattelussa · Luonnostele vastaukseni CV:stäni
When would you choose streaming over batch for a product metric, and what does it cost?
LinkedIn-oppaasta · Harjoittele sitä harjoitushaastattelussa · Luonnostele vastaukseni CV:stäni
How would you make a backfill safe to rerun without double counting?
Apple-oppaasta · Harjoittele sitä harjoitushaastattelussa · Luonnostele vastaukseni CV:stäni
How would you make a large backfill safe to rerun without double counting?
Tesla-oppaasta · Harjoittele sitä harjoitushaastattelussa · Luonnostele vastaukseni CV:stäni
Given only the documentation for an unfamiliar API, how would you build a working ingestion job in an hour?
Stripe-oppaasta · Harjoittele sitä harjoitushaastattelussa · Luonnostele vastaukseni CV:stäni
When would you choose streaming over batch for a financial report, and what does it cost in correctness?
Stripe-oppaasta · Harjoittele sitä harjoitushaastattelussa · Luonnostele vastaukseni CV:stäni
How would you make a large backfill safe to rerun without double counting?
Intel-oppaasta · Harjoittele sitä harjoitushaastattelussa · Luonnostele vastaukseni CV:stäni
When would you choose streaming over batch for a monitoring use case, and what does it cost?
Intel-oppaasta · Harjoittele sitä harjoitushaastattelussa · Luonnostele vastaukseni CV:stäni
This query scans a billion rows and takes twenty minutes. How do you diagnose it?
Harjoittele sitä harjoitushaastattelussa · Luonnostele vastaukseni CV:stäni
Explain the difference between partitioning and clustering, and when each helps.
Harjoittele sitä harjoitushaastattelussa · Luonnostele vastaukseni CV:stäni
A stakeholder wants historical reporting to reflect a customer's current region. What breaks?
Harjoittele sitä harjoitushaastattelussa · Luonnostele vastaukseni CV:stäni
How would you model an event stream that arrives out of order?
Harjoittele sitä harjoitushaastattelussa · Luonnostele vastaukseni CV:stäni
When would you choose a wide table over a normalised model?
Harjoittele sitä harjoitushaastattelussa · Luonnostele vastaukseni CV:stäni
The upstream source sends yesterday's data again. What happens to your job?
Harjoittele sitä harjoitushaastattelussa · Luonnostele vastaukseni CV:stäni
How would you backfill two years of history without disrupting the daily load?
Harjoittele sitä harjoitushaastattelussa · Luonnostele vastaukseni CV:stäni
Late arriving data shows up three days after the partition closed. What do you do?
Harjoittele sitä harjoitushaastattelussa · Luonnostele vastaukseni CV:stäni
What do you monitor, and what pages someone at three in the morning?
Harjoittele sitä harjoitushaastattelussa · Luonnostele vastaukseni CV:stäni
What causes a shuffle, and why is it expensive?
Harjoittele sitä harjoitushaastattelussa · Luonnostele vastaukseni CV:stäni
Your job is slow and one task takes far longer than the rest. What is happening?
Harjoittele sitä harjoitushaastattelussa · Luonnostele vastaukseni CV:stäni
Explain data skew and two ways to handle it.
Harjoittele sitä harjoitushaastattelussa · Luonnostele vastaukseni CV:stäni
When would you choose streaming over a scheduled batch job?
Harjoittele sitä harjoitushaastattelussa · Luonnostele vastaukseni CV:stäni
What does exactly once processing actually guarantee, and where does it not hold?
Harjoittele sitä harjoitushaastattelussa · Luonnostele vastaukseni CV:stäni
How do watermarks handle out of order events in a windowed aggregation?
Harjoittele sitä harjoitushaastattelussa · Luonnostele vastaukseni CV:stäni

← Kaikki yritykset