Hoe Amazon sollicitatiegesprekken met data-engineers voert

Amazon publiceert het algemene sollicitatieproces en afzonderlijke voorbereidingspagina's voor enkele functies. Amazon publiceert geen specifieke pagina voor data-engineers, dus de onderstaande fasen vormen het algemene proces; screening, programmeren, systeemontwerp, gedragsvragen en gesprekken op locatie zijn voorbereidingscategorieën op deze pagina, niet de namen die Amazon aan de rondes geeft.

• Telefonisch gesprek. Een gesprek van 30 tot 45 minuten, doorgaans met een recruiter of hiring manager, en je eerste livecontact met Amazon.
• De loop. De laatste en meest uitgebreide fase: vier tot zes gesprekken van elk 45-60 minuten, waarin iedere interviewer andere aspecten van je vaardigheden en ervaring beoordeelt.
• De Bar Raiser. Een objectieve interviewer van buiten het wervingsteam neemt deel aan de loop om te waarborgen dat de wervingsnormen van Amazon worden gehandhaafd.
• Nabespreking en feedback. Het panel houdt na het laatste gesprek een nabespreking. Amazon geeft doorgaans binnen twee werkdagen na telefonische gesprekken en binnen vijf werkdagen na de loop feedback.

Ter vergelijking: Amazon publiceert wel dat functies voor softwareontwikkelaars vóór de loop een online assessment met een programmeertest omvatten. Of een kandidaat voor een functie als data-engineer er een krijgt, is niet gepubliceerd, dus bereid je voor alsof dat mogelijk is.

Twee gepubliceerde feiten bepalen elk sollicitatiegesprek bij Amazon. De 16 Leadership Principles vormen de basis van elke wervingsbeslissing en de hoeksteen van de gesprekken is de STAR-methode: situation, task, action, result. In een loop waarin iedere interviewer een ander aspect beoordeelt, betekent dit dat elk gesprek van 45-60 minuten een technisch onderwerp aan principes koppelt en dat elk verhaal dat je vertelt een concreet resultaat nodig heeft.

Sollicitatiegesprekken voor data-engineers toetsen doorgaans:

• SQL en datamodellering. Correcte query's onder tijdsdruk en schema's die veranderingen doorstaan.
• Pijplijnen en orkestratie. Idempotente heruitvoeringen, backfills, laat binnenkomende gegevens en wat je doet wanneer een upstreambron onjuiste data levert.
• Gedistribueerde datasystemen. Partitionering, opslagformaten, batchverwerking tegenover streaming en kosten.
• Datakwaliteit en eigenaarschap. Detectie, communicatie en preventie; hier leveren de principes over eigenaarschap en vertrouwen verdienen hun bewijs.

De gepubliceerde onderwerpen voor softwareontwikkeling van Amazon noemen databases en distributed computing naast datastructuren en algoritmen, en stellen dat interviewers letten op het vermogen om kennis toe te passen bij het oplossen van problemen, niet op uit het hoofd geleerde details. Die norm vormt een solide uitgangspunt bij de voorbereiding op een datafunctie.

Amazon publiceert voor SDE-functies details die Amazon niet voor data-engineers publiceert, waardoor de vergelijking slechts aan één kant concreet is.

• Wat Amazon voor SDE II publiceert: een online assessment van 90 minuten voor twee technische vragen, gevolgd door 20 minuten met scenario's voor systeemontwerp en een Work Style Survey van 8 minuten; een loop van vier gesprekken van 55 minuten met leden van de softwareontwikkelingsgemeenschap; syntactisch correcte code in plaats van pseudocode; en ten minste één vraag over het ontwerp van softwaresystemen.
• Wat dit voor een data-engineer suggereert, als algemene praktijk en niet als beleid van Amazon: verwacht dezelfde nadruk op werkende code, verwacht dat ontwerpvragen over datastromen, opslag en actualiteit gaan in plaats van het afhandelen van verzoeken, en verwacht dat SQL en datamodellering een deel van de breedte aan algoritmen vervangen.
• Wat hetzelfde blijft in elke loop van Amazon: de principes, STAR, de Bar Raiser en de nabespreking.

Amazon publiceert de onderdelen, maar niet de totale duur: een telefonisch gesprek van 30 tot 45 minuten, een loop van vier tot zes gesprekken van 45-60 minuten, feedback binnen twee werkdagen na telefonische gesprekken en binnen vijf werkdagen na de loop. De planning tussen deze fasen is niet gepubliceerd.

De moeilijkheid zit in uithoudingsvermogen en consistentie. Vier tot zes interviewers beoordelen elk een ander aspect, één van hen is een Bar Raiser van buiten het team en ze verwachten allemaal verhalen in STAR-vorm met een echt resultaat. Een data-engineer die elk technisch antwoord kan koppelen aan een praktijkvoorbeeld dat aansluit bij een principe, is voorbereid op deze opzet; iemand die alleen geïsoleerde problemen heeft opgelost, is dat niet.

Bouw je voorbereiding rond de twee gepubliceerde constanten en de vier gebieden waarop de functie wordt beoordeeld.

• Een verzameling STAR-verhalen. Bereid voor elk van de 16 Leadership Principles ten minste één verhaal uit je datawerk voor met een meetbaar resultaat: een pijplijn die je betrouwbaar maakte, een kwaliteitsincident waarvoor je verantwoordelijkheid nam of kosten die je verlaagde.
• Werkende code. Oefen SQL- en transformatieproblemen in een omgeving waarin je ze kunt uitvoeren, aangezien de SDE-richtlijnen van Amazon om syntactisch correcte code vragen, niet om pseudocode.
• Ontwerpen met cijfers waarvoor je instaat. Bereid twee of drie datasystemen voor die je kunt uittekenen, inclusief hun foutscenario's en de afwegingen die je hebt gemaakt.
• Een mogelijk assessment. Amazon vermeldt niet of data-engineers een online assessment krijgen; bereid je desondanks voor op een programmeersessie met tijdslimiet.
• Oefen de loop. Een oefensollicitatiegesprek met SubcueAI helpt je opeenvolgende STAR-antwoorden en ontwerpvragen te oefenen voordat je op één dag vier tot zes interviewers spreekt.