Netflix 데이터 엔지니어 면접: 절차와 준비 방법

Netflix 리크루터에게 연락을 받았고, 다음에 어떤 단계가 기다리는지 알고 싶으실 겁니다. 이 섹션에서는 Netflix가 직접 밝힌 내용과 데이터 엔지니어링 직무에서 일반적으로 이루어지는 방식을 구분해서 설명합니다. 먼저 공개된 사실을 다루고, 이어서 준비할 만한 단계를 살펴봅니다.

Netflix가 공개한 절차 안내는 경력 직무별 상세 내용이 아니라 신입 채용에 관한 것입니다. 신입 지원자의 경우 면접은 보통 과제 전형으로 시작해 두 차례의 면접으로 이어지며, 다음 단계로 넘어갈지는 각 단계의 피드백에 따라 결정된다고 밝히고 있습니다. 인턴 지원자는 보통 과제 전형 후 대략 두세 차례의 면접을 봅니다. 직무와 관계없이 면접관은 해당되는 경우 기술 역량, 직무별 역량, 행동 역량을 평가하며, 지원자의 역량 구성과 어떤 일에 열정을 느끼는지 알고 싶어 한다고 Netflix는 말합니다.

Netflix는 경력 데이터 엔지니어를 위한 별도의 면접 절차를 공개하지 않습니다. 면접 단계 이름도, 면접 횟수도, 정해진 순서도 없습니다. 본인의 일정에 대해 믿을 수 있는 출처는 리크루터뿐이므로, 각 면접에서 어떤 영역을 다루는지, 과제 전형이 포함되는지 직접 물어보세요.

계획을 세울 때는 대형 기술 기업의 데이터 엔지니어링 면접에 보통 포함되는 단계를 떠올려 보면 도움이 됩니다. 아래는 이 직무의 일반적인 관행에서 가져온 준비 범주이며, Netflix가 부르는 면접 단계 이름이 아닙니다.

• 리크루터 대화. 경력, 팀, 일정 등 행정 사항, 그리고 이 일의 어떤 점에 끌리는지.
• 기술 스크리닝. 보통 SQL과 약간의 프로그래밍이며, 직접 구축한 파이프라인에 대해 이야기하는 경우도 많습니다.
• 과제 전형. Netflix가 밝힌 신입 및 인턴 채용 절차의 일부입니다. 본인 직급에도 해당되는지 확인하세요.
• 심층 기술 면접. 데이터 모델링, 파이프라인과 시스템 설계, 더 어려운 SQL.
• 행동 및 동기 관련 대화. 다른 사람들과 어떻게 일하는지, 어떤 문제를 맡고 싶은지.

Reddit과 Blind의 커뮤니티 글에는 개별 면접 과정이 자세히 적혀 있습니다. 각각을 특정 팀에서 한 지원자가 겪은 경험으로 받아들이고, Netflix가 모든 데이터 엔지니어를 면접하는 방식으로 일반화하지 마세요.

Netflix는 면접관이 평가하는 것으로 기술 역량, 직무별 역량, 행동 역량 세 가지를 꼽습니다. 데이터 엔지니어에게는 기술 역량과 직무별 역량의 경계가 얇기 때문에, 아래 영역에 대응시켜 보는 편이 더 유용합니다. 이 페이지의 예시 질문은 대표적인 연습 문제일 뿐, Netflix가 실제로 출제한다고 확인한 질문은 아닙니다.

• SQL 숙련도. 행 수를 부풀리지 않는 조인, 순위와 누적 합계를 위한 윈도 함수, 중복 제거, 연속 구간 문제(gaps and islands), 이벤트 스트림의 세션화. 면접관은 보통 결과가 나오는지보다 쿼리가 왜 맞는지 설명할 수 있는지를 중요하게 봅니다.
• 데이터를 위한 프로그래밍. Python이나 JVM 계열 언어로 레코드를 파싱, 변환, 집계하는 능력이며, 메모리, 예외 상황, 읽기 쉬운 코드에 주의를 기울입니다. 퍼즐 형태의 알고리즘 문제가 나올 수도 있으므로 기본 자료구조도 복습해 둘 만합니다.
• 데이터 모델링. 팩트 테이블의 그레인(grain) 선택, 팩트와 디멘션의 분리, 시간에 따라 변하는 속성 처리, 분석가가 함정에 빠지지 않고 조회할 수 있는 테이블 설계.
• 파이프라인 및 시스템 설계. 배치 대 스트리밍, 파티셔닝, 멱등성 있는 쓰기, 백필, 늦게 도착하는 이벤트, 스키마 변경, 데이터 품질 검사. 중간에 요구사항이 바뀌는 후속 질문도 예상해야 합니다.
• 행동 판단력. 장애에 대한 책임감, 지표 정의를 둘러싼 이해관계자와의 의견 차이, 속도와 정확성 사이의 절충.
• 동기. Netflix는 면접관이 지원자가 어떤 일에 열정을 느끼는지 알고 싶어 한다고 말합니다. 여기서 모호하게 답하면 회사가 중요하다고 밝힌 질문을 낭비하게 됩니다.

이 모든 영역을 관통하는 공통점은 생각을 소리 내어 설명하는 것입니다. 말없이 정확한 쿼리를 쓰는 지원자와, 입력하기 전에 그레인, 조인 키, 예외 상황을 설명하는 지원자는 코드가 똑같더라도 다른 피드백을 받는 경우가 많습니다. 역량별로 묶은 더 많은 연습 문제는 질문 은행에 있습니다.

대부분의 대형 기술 기업에서 데이터 엔지니어 면접은 인접한 두 직무와 겹치지만 비중을 두는 역량이 다릅니다. Netflix는 경력직의 직무별 차이를 공개하지 않으므로, 아래 비교는 일반적인 관행이며 Netflix의 다른 면접에 대한 설명이 아닙니다.

• 소프트웨어 엔지니어링과 비교하면. 알고리즘 퍼즐의 비중이 낮고 SQL, 데이터 모델링, 파이프라인 안정성의 비중이 높습니다. 시스템 설계 질문도 요청을 처리하는 서비스보다 데이터가 어떻게 이동하고, 적재되고, 수정되는지에 초점을 맞추는 경향이 있습니다.
• 데이터 사이언스와 비교하면. 통계, 실험, 결과 모델링은 적고, 분석가와 사이언티스트가 의존하는 테이블을 구축하고 운영하는 내용이 많습니다. 그래도 지표가 어떻게 정의되는지 질문받을 수 있습니다. 데이터 엔지니어가 그 뒤에 있는 테이블을 맡는 경우가 많기 때문입니다.
• 애널리틱스 엔지니어링과 비교하면. 경계가 모호합니다. 애널리틱스 엔지니어 직무는 보통 리포팅을 위한 모델링과 SQL에 더 치우쳐 있고, 데이터 엔지니어 직무는 수집, 분산 처리, 인프라를 더 깊이 다룹니다.

기업 간의 더 큰 차이는 보통 면접이 과제 전형과 현장 문제 풀이 중 어디에 얼마나 기대느냐입니다. Netflix가 밝힌 신입 및 인턴 채용 절차는 과제 전형으로 시작하는데, 이는 속도보다 깔끔하고 문서화된 결과물을 높이 평가합니다. 다른 기업들의 면접 구성 방식에 관한 가이드는 기업별 면접에 모여 있습니다.

Netflix는 데이터 엔지니어 채용의 일정을 공개하지 않습니다. 일정은 팀, 지원자의 직급, 면접관의 가용 시간에 따라 달라지므로, 절차가 시작되면 리크루터에게 물어보시면 됩니다.

난이도는 정성적으로 설명하는 편이 쉽습니다. Netflix는 다음 단계로 넘어가는 것이 각 단계의 피드백에 달려 있다고 말합니다. 이는 모든 단계가 마지막에 평균을 내는 점수가 아니라 하나의 관문으로 작용한다는 뜻입니다. 부족한 과제 결과나 불안한 SQL 스크리닝 때문에, 설계 대화가 시작되기도 전에 전형이 끝날 수 있습니다. 이후에 얼마나 잘했을지와는 상관없이 말이죠.

대부분의 지원자에게 어려운 부분은 난해한 문법이 아닙니다. 후속 질문이 이어질 때의 깊이입니다. 파이프라인을 설계하면 면접관이 늦게 도착하는 데이터를 추가하고, 이어서 스키마 변경을 더한 뒤, 출력이 잘못되었다는 것을 어떻게 알 수 있느냐고 묻습니다. 프로덕션에서 파이프라인을 운영해 본 지원자는 구축만 해 본 지원자보다 이런 전개에 더 잘 대응하는 경향이 있습니다.

시니어 지원자는 판단력에 더 큰 비중이 실린다는 점도 예상해야 합니다. 무엇을 만들지 않을지 선택하는 것, 비기술 이해관계자에게 절충안을 설명하는 것, 과거의 실수에 책임을 지는 것은 모두 그 직급에서는 직무별 역량에 해당합니다.

Netflix가 언급한 세 가지 영역을 중심으로 준비를 구성하고, 리크루터가 과제 전형이 있다고 확인해 주면 그것을 추가하세요.

• 기술: SQL부터. 윈도 함수, 중복 제거, 이벤트 세션화를 참고 자료 없이 쓸 수 있을 때까지 연습합니다. 쿼리마다 실행하기 전에 결과의 그레인을 소리 내어 말해 보세요.
• 기술: 코드. 주로 쓰는 언어로 중첩되거나 지저분한 레코드를 변환하는 연습을 하고, 스크리닝에 고전적인 알고리즘 문제가 나올 경우에 대비해 핵심 자료구조를 복습하세요.
• 직무별: 모델링과 파이프라인. 구독이나 이벤트 로그처럼 잘 아는 영역을 골라 테이블, 그레인, 그것을 채우는 파이프라인을 스케치합니다. 그런 다음 설계에 부하를 줘 보세요. 부분 실패 후 재실행, 백필, 늦게 도착한 배치, 이름이 바뀐 컬럼 등입니다.
• 행동: 결과가 있는 이야기. 본인이 책임졌던 파이프라인 장애, 지표 정의를 둘러싼 의견 충돌, 지금이라면 다르게 선택할 절충안을 준비하세요. 말이 길어지는 편이라면 STAR 구조가 도움이 되지만, 결과는 구체적으로 말해야 합니다.
• 동기: 열정을 느끼는 일. Netflix는 면접관이 이를 알고 싶어 한다고 밝힙니다. 회사를 칭찬하는 대신 어떤 종류의 데이터 문제인지 말하고 이를 보여 주는 프로젝트를 제시하세요.
• 과제 전형(주어진 경우). 프로덕션 작업처럼 다루세요. 테스트, 가정을 설명하는 짧은 README, 잘못된 입력에 대한 명확한 처리를 갖춥니다.

소매업체에서 주로 야간 배치 ETL을 해 온 데이터 엔지니어를 생각해 봅시다. 처음 몇 번의 연습은 윈도 함수 SQL에 쓰고, 그다음에는 백필을 안전하게 재실행할 수 있게 만드는 방법을 설명하는 연습을 합니다. 그 부분에 이 사람의 진짜 이야기가 있기 때문입니다. 행동 질문이 나오면 흔한 팀워크 사례 대신 본인이 책임졌던 파이프라인 장애로 답합니다.

마지막 단계는 이 모든 것을 소리 내어 말해 보는 것입니다. 모든 단계가 대화이기 때문입니다. SubcueAI의 모의 면접 페이지에서는 실제 스크리닝 전에 데이터 엔지니어링 질문을 소리 내어 연습할 수 있습니다.