Netflixのデータエンジニア面接：選考プロセスと準備

Netflixのリクルーターから連絡があり、次にどんな段階があるのか知りたい。そんな方のために、このセクションではNetflix自身が述べていることと、データエンジニア職で一般的とされる進め方を分けて整理します。まず公開されている事実を示し、その後に準備しておく価値のある段階を紹介します。

Netflixが公開している選考の説明は、各経験者向け職種の詳細ではなく、アーリーキャリア採用に関するものです。新卒の候補者については、面接は通常、持ち帰り課題から始まり、その後に2回の面接があり、次に進めるかどうかは各段階のフィードバックで決まると説明しています。インターンの候補者は、通常、持ち帰り課題とそれに続くおよそ2〜3回の面接を受けます。職種を問わず、面接官は該当する場合は技術スキル、職種固有のスキル、行動面のスキルを評価し、あなたのスキルセットや、どんな仕事に意欲を感じるかを知りたいと考えているとNetflixは述べています。

Netflixは、経験者のデータエンジニア向けの個別の選考フローを公開していません。ラウンド名も、面接の回数も、決まった順序もありません。自分のスケジュールについて信頼できる情報源はリクルーターだけなので、各面接でどの分野が扱われるのか、持ち帰り課題があるのかを直接尋ねましょう。

計画を立てるには、大手テクノロジー企業のデータエンジニア採用で一般的に含まれる段階を想定すると役立ちます。以下はこの職種の一般的な進め方に基づく準備上の区分であり、Netflixのラウンド名ではありません。

• リクルーターとの会話。経歴、チーム、手続き面、そしてこの仕事のどこに惹かれるか。
• 技術スクリーニング。通常はSQLと多少のプログラミングで、自分が構築したパイプラインについて話すことも多いです。
• 持ち帰り課題。Netflixが述べている新卒・インターン向け選考の一部です。自分の職位に該当するか確認しましょう。
• より深い技術面接。データモデリング、パイプラインとシステム設計、より難しいSQL。
• 行動面・動機に関する会話。他者とどう働くか、どんな課題を担いたいか。

RedditやBlindのコミュニティスレッドには、個々の選考の詳細が書かれています。それぞれを、特定のチームでの1人の候補者の体験として捉え、Netflixがすべてのデータエンジニアをどう面接するかを示すものとは考えないでください。

Netflixは、面接官が評価するものとして技術スキル、職種固有のスキル、行動面のスキルの3つを挙げています。データエンジニアでは技術スキルと職種固有のスキルの境目が薄いため、以下の領域に対応させて考えるほうが実用的です。このページのサンプル質問は代表的な練習問題であり、Netflixが実際に出題すると確認したものではありません。

• SQLの習熟度。行数が増えてしまわない結合、順位や累計のためのウィンドウ関数、重複排除、連続区間の問題（gaps and islands）、イベントストリームのセッション化。面接官は通常、出力が得られるかどうかだけでなく、そのクエリがなぜ正しいのかを説明できるかを重視します。
• データ向けプログラミング。PythonやJVM系言語でレコードを解析・変換・集計する力。メモリ、エッジケース、読みやすいコードに注意します。パズル形式のアルゴリズム問題が出る可能性もあるため、基本的なデータ構造も復習しておく価値があります。
• データモデリング。ファクトテーブルの粒度の決定、ファクトとディメンションの分離、時間とともに変化する属性の扱い、アナリストが落とし穴にはまらずに照会できるテーブルの設計。
• パイプラインとシステム設計。バッチとストリーミング、パーティショニング、冪等な書き込み、バックフィル、遅れて届くイベント、スキーマ変更、データ品質チェック。途中で要件が変わる追加質問も想定しておきましょう。
• 行動面の判断力。障害への当事者意識、指標の定義をめぐる関係者との意見の相違、スピードと正確さのトレードオフ。
• 動機。Netflixは、面接官があなたの意欲を感じる仕事の種類を知りたいと述べています。ここで曖昧に答えると、企業が重視すると明言している質問を無駄にしてしまいます。

これらすべてに共通するのは、考えを声に出して説明することです。黙って正しいクエリを書く候補者と、入力する前に粒度、結合キー、エッジケースを説明する候補者では、コードがまったく同じでも得られるフィードバックが異なることがよくあります。スキル別にまとめた練習問題は質問バンクにあります。

多くの大手テクノロジー企業では、データエンジニアの選考は隣接する2つの職種と重なりつつも、重視するスキルが異なります。Netflixは経験者採用における職種ごとの違いを公開していないため、以下の比較は一般的な傾向であり、Netflixの他の選考について述べたものではありません。

• ソフトウェアエンジニアリングとの比較。アルゴリズムパズルの比重は低く、SQL、データモデリング、パイプラインの信頼性の比重が高くなります。システム設計の質問は、リクエストを処理するサービスではなく、データがどう流れ、着地し、修正されるかが中心になりがちです。
• データサイエンスとの比較。統計、実験、結果のモデリングは少なく、アナリストやサイエンティストが頼るテーブルの構築と運用が多くなります。それでも指標の定義を尋ねられることはあります。データエンジニアは、その背後にあるテーブルを担当することが多いからです。
• アナリティクスエンジニアリングとの比較。境界は曖昧です。アナリティクスエンジニアの職種は通常、レポーティング向けのモデリングとSQLにより重点があり、データエンジニアの職種は、データの取り込み、分散処理、インフラにより深く踏み込みます。

企業間のより大きな違いは、選考が持ち帰り課題とライブでの問題解決のどちらにどれだけ依存するかです。Netflixが述べている新卒・インターン向けの選考は持ち帰り課題から始まり、スピードよりも、整理されて文書化された成果物が評価されます。他社の選考の構成に関するガイドは企業別の面接にまとめられています。

Netflixはデータエンジニア採用のスケジュールを公開していません。日程はチーム、あなたの職位、面接官の都合によって変わるため、選考に進んだらリクルーターに尋ねるのが確実です。

難易度は定性的に説明するほうが簡単です。Netflixは、次に進めるかどうかは各段階のフィードバックに基づくと述べています。つまり、すべての段階が最後に平均されるスコアではなく、関門として機能します。出来の悪い持ち帰り課題や、不安定なSQLのスクリーニングがあれば、その後の設計の会話が始まる前に選考が終わることがあります。後でどれだけ強みを発揮できたかは関係ありません。

多くの候補者にとって難しいのは、難解な構文ではありません。追加質問を受けたときの深さです。パイプラインを設計すると、面接官が遅れて届くデータを加え、次にスキーマ変更を加え、さらに出力が間違っているとどうやって気づくのかを尋ねます。本番でパイプラインを運用した経験のある候補者は、構築しただけの候補者よりも、こうした展開に対応しやすい傾向があります。

シニアの候補者は、判断力がより重視されることも想定しておきましょう。何を作らないかを選ぶこと、技術に詳しくない関係者にトレードオフを説明すること、過去の失敗に責任を持つことは、そのレベルでは職種固有のスキルに含まれます。

Netflixが挙げている3つの領域を軸に準備を組み立て、リクルーターが持ち帰り課題の存在を確認したらそれも加えましょう。

• 技術：まずSQL。ウィンドウ関数、重複排除、イベントのセッション化を、資料を見ずに書けるようになるまで練習します。クエリごとに、実行する前に結果の粒度を声に出して述べましょう。
• 技術：コード。普段使う言語で、入れ子になったり乱れたりしたレコードを変換する練習をし、スクリーニングで古典的なアルゴリズム問題が出た場合に備えて主要なデータ構造を復習します。
• 職種固有：モデリングとパイプライン。サブスクリプションやイベントログなど、自分が知っている領域を選び、テーブル、粒度、それを埋めるパイプラインを書き出します。そのうえで設計に負荷をかけます。一部失敗後の再実行、バックフィル、遅れて届くバッチ、名前が変わった列などです。
• 行動面：結果を伴うストーリー。自分が担当したパイプラインの障害、指標の定義をめぐる意見の相違、今なら違う判断をするトレードオフを用意します。話が長くなりがちな人にはSTAR形式が役立ちますが、結果は具体的に述べましょう。
• 動機：意欲を感じる仕事。Netflixは、面接官がこれを知りたいと述べています。会社を称賛するのではなく、あるタイプのデータの課題を挙げ、それを示すプロジェクトを紹介しましょう。
• 持ち帰り課題（出された場合）。本番の仕事として扱います。テスト、前提を説明する簡潔なREADME、不正な入力の明確な処理を用意しましょう。

小売企業で主に夜間のバッチETLを担当してきたデータエンジニアを考えてみましょう。最初の何回かの練習をウィンドウ関数のSQLに費やし、その後、バックフィルを再実行しても安全にする方法を説明する練習をします。そこに本当のストーリーがあるからです。行動面の質問が来たら、ありきたりなチームワークの例ではなく、自分が担当したパイプラインの障害を答えます。

最後のステップは、これらをすべて声に出して話すことです。どの段階も会話だからです。SubcueAIの模擬面接ページでは、本番のスクリーニングの前に、データエンジニアリングの質問を声に出して練習できます。