Paano iniinterbyu ng LinkedIn ang mga Inhinyero ng Data

Naglathala ang LinkedIn ng balangkas ng paraan ng pagkuha nito ng empleyado sa halip na iskrip para sa bawat tungkulin, kaya ang mga yugto sa ibaba ang balangkas na iyon; ang screening, coding, system design, behavioral, at onsite ay mga kategorya ng paghahanda sa pahinang ito, hindi mga pangalan ng round ng LinkedIn.

• Ang tawag ng recruiting team. Kung pasok ka sa mga kuwalipikasyon at napiling magpatuloy, mag-iiskedyul ng tawag ang recruiting team at maaari ring mag-iskedyul ng video call kasama ang hiring manager o ibang miyembro ng team.
• Ang yugto ng panayam. Makikilala mo ang ilan pang miyembro ng team, at nakatuon ang bawat panayam sa ibang larangan ng kasanayan. Para sa isang inhinyero ng data, asahang iuugnay ang mga larangang iyon sa SQL at pagmomodelo, mga pipeline, mga system, at dating trabaho, bagaman hindi inililista ng LinkedIn ang mga ito.
• Case study o whiteboard. Depende sa tungkulin, maaaring hilingin sa mga kandidato na magpresenta ng case study o gumawa ng whiteboard exercise. Sa isang tungkulin sa data, mas malamang na iguhit sa whiteboard ang isang pipeline o schema kaysa magpresenta ng case.
• Ang desisyon. Maaaring mangailangan ang LinkedIn ng ilang linggo upang makapagpasya pagkatapos ng mga panayam.

Hindi inilalathala ng LinkedIn kung ilang panayam ang dadaanan ng isang Inhinyero ng Data, kung gaano katagal ang bawat isa, o kung may coding assessment.

Sa inilathalang disenyo, isang larangan ng kasanayan ang sinusuri sa bawat panayam. Kapaki-pakinabang ito: nangangahulugan itong maaari mong paghandaan nang malalim ang bawat larangan sa halip na asahang tatalakayin ng bawat tagapanayam ang lahat, at hindi maitatago ng isang mahusay na larangan ang isang mahinang larangan.

Karaniwang sinusuri sa mga panayam para sa Inhinyero ng Data ang apat na larangan, at makatuwirang ipalagay na ganito hahatiin ang mga panayam ng LinkedIn na nakatuon sa kasanayan para sa tungkuling ito:

• SQL at pagmomodelo ng data. Tama at madaling basahing mga query sa limitadong oras, at mga schema na kayang umangkop sa nagbabagong mga kinakailangan.
• Mga pipeline at orchestration. Mga dependency, idempotent na muling pagpapatakbo, backfill, at mga source na nahuli o may maling format.
• Mga distributed data system. Partitioning, mga format ng storage, batch kumpara sa streaming, at gastos; para sa isang malaking social platform, ginagawang kongkreto ng dami ng data ang mga tanong na ito.
• Kalidad at pananagutan sa data. Pagtukoy, komunikasyon, at pag-iwas, na karaniwang pinagtutuunan ng mga tanong tungkol sa dating trabaho.

Hindi nag-iiba ayon sa tungkulin ang inilathalang balangkas ng LinkedIn, kaya nakabatay sa pangkalahatang kasanayan ang mga pagkakaiba sa ibaba.

• Kung ihahambing sa mga panayam para sa Inhinyero ng Software, asahang mas nakatuon ang mga teknikal na larangan ng kasanayan sa SQL, pagmamanipula ng data, at lohika ng pipeline kaysa sa malawakang pagsusuri ng mga algorithm, at ang talakayan sa disenyo ay tungkol sa daloy, storage, at pagiging napapanahon ng data.
• Kung ihahambing sa mga panayam para sa Siyentipiko ng Data, asahan ang mas kaunting estadistika at pagmomodelo at mas malaking pagtuon sa mga system na naghahatid ng mapagkakatiwalaang data sa tamang oras.
• Kung ihahambing sa ibang mga kumpanya, ang mga inilathalang katangian ay ang estrukturang isang kasanayan bawat panayam, ang posibleng case study o whiteboard exercise, at isang desisyong maaaring abutin ng ilang linggo. Paghandaan nang hiwalay ang bawat larangan ng kasanayan at maging handang gumuhit.

Naglathala ang LinkedIn ng isang pahayag tungkol sa tagal: maaaring mangailangan ito ng ilang linggo upang makapagpasya pagkatapos ng mga panayam. Hindi nito inilalathala ang bilang o haba ng mga panayam o ang pagitan ng tawag ng recruiting team at ng yugto ng panayam.

Ang kahirapan ay nagmumula sa lalim ng bawat larangan sa halip na sa lawak ng bawat panayam. Dahil nakatuon ang bawat panayam sa ibang larangan ng kasanayan, magagamit ng tagapanayam ang buong pag-uusap upang talakayin nang malalim ang mga pipeline o pagmomodelo, at mauubusan ng masasabi ang kandidatong mababaw lamang ang sagot. Paghandaan ang bawat larangan na para bang iyon lamang ang susuriin.

Sundan ang inilathalang estruktura: isa-isang larangan ng kasanayan, nang malalim.

• Malalim na SQL at pagmomodelo. Magsanay sa pagsusulat at pagpapaliwanag ng mga window function, deduplication, at slowly changing dimension, at pagkatapos ay ipagtanggol ang mga desisyon sa schema na pinagbabatayan ng mga ito.
• Disenyo ng pipeline sa whiteboard. Maghanda ng dalawa o tatlong system na kaya mong iguhit mula simula hanggang dulo kasama ang mga posibleng failure mode, dahil isa sa mga inilathalang posibilidad ang whiteboard exercise.
• Mga trade-off ng system. Partitioning, mga format, at batch kumpara sa streaming, kasama ang halaga ng bawat pagpili.
• Ebidensiya mula sa dating trabaho. Isang insidente sa kalidad ng data na pinanagutan mo: ano ang natukoy mo, sino ang sinabihan mo, at ano ang binago mo.
• Sanayin ang format. Sa isang mock interview gamit ang SubcueAI, makapagsasanay ka sa iisang larangan ng kasanayan habang tuloy-tuloy ang pagtatanong, na siyang format na inilalarawan ng LinkedIn.