Jak LinkedIn prowadzi rozmowy z inżynierami danych

LinkedIn publikuje ogólny zarys procesu zatrudniania, a nie szczegółowy scenariusz dla każdego stanowiska, dlatego poniższe etapy odpowiadają temu zarysowi; rozmowa wstępna, programowanie, projektowanie systemów, pytania behawioralne i etap stacjonarny są na tej stronie kategoriami przygotowań, a nie nazwami rund stosowanymi przez LinkedIn.

• Rozmowa z zespołem rekrutacyjnym. Jeśli spełniasz wymagania i zakwalifikujesz się do dalszego etapu, zespół rekrutacyjny umawia rozmowę, a może również zaplanować wideorozmowę z menedżerem zatrudniającym lub innym członkiem zespołu.
• Etap rozmów. Poznajesz kolejnych członków zespołu, a każda rozmowa skupia się na innym obszarze umiejętności. W przypadku inżyniera danych można oczekiwać, że będą to SQL i modelowanie, potoki danych, systemy oraz dotychczasowe doświadczenie, choć LinkedIn nie podaje takiej listy.
• Studium przypadku lub zadanie na tablicy. W zależności od stanowiska kandydaci mogą zostać poproszeni o przedstawienie studium przypadku lub wykonanie zadania na tablicy. Na stanowisku związanym z danymi bardziej prawdopodobne jest rozrysowanie potoku lub schematu niż prezentacja studium przypadku.
• Decyzja. LinkedIn może potrzebować kilku tygodni na podjęcie decyzji po zakończeniu rozmów.

LinkedIn nie publikuje informacji o liczbie rozmów na stanowisko inżyniera danych, czasie ich trwania ani o tym, czy proces obejmuje test z programowania.

Zgodnie z opublikowanym modelem każda rozmowa dotyczy jednego obszaru umiejętności. To cenna informacja: możesz gruntownie przygotować każdy obszar, zamiast zakładać, że każdy rozmówca poruszy wszystkie tematy, a słabszego obszaru nie da się ukryć za mocniejszym.

Rozmowy na stanowisko inżyniera danych zazwyczaj sprawdzają cztery obszary, które można rozsądnie uznać za prawdopodobny podział rozmów LinkedIn skoncentrowanych na umiejętnościach:

• SQL i modelowanie danych. Poprawne, czytelne zapytania pisane pod presją czasu oraz schematy odporne na zmieniające się wymagania.
• Potoki danych i orkiestracja. Zależności, idempotentne ponowne uruchomienia, uzupełnianie danych historycznych oraz spóźnione lub nieprawidłowe dane źródłowe.
• Rozproszone systemy danych. Partycjonowanie, formaty przechowywania, przetwarzanie wsadowe w porównaniu ze strumieniowym oraz koszty; w dużej platformie społecznościowej skala danych nadaje tym pytaniom bardzo praktyczny charakter.
• Jakość danych i odpowiedzialność. Wykrywanie, komunikowanie i zapobieganie problemom — właśnie tego zwykle dotyczą pytania o dotychczasową pracę.

Opublikowany przez LinkedIn zarys procesu nie rozróżnia stanowisk, dlatego poniższe różnice wynikają z ogólnej praktyki.

• W porównaniu z rozmowami dla inżynierów oprogramowania techniczne obszary będą prawdopodobnie bardziej skupione na SQL, przetwarzaniu danych i logice potoków niż na szerokim przekroju algorytmów, natomiast rozmowa projektowa będzie dotyczyć przepływu danych, przechowywania i aktualności.
• W porównaniu z rozmowami dla analityków danych można oczekiwać mniej statystyki i modelowania, a więcej pytań o systemy, które terminowo dostarczają wiarygodne dane.
• W porównaniu z innymi firmami opublikowany proces wyróżnia struktura, w której każda rozmowa sprawdza jedną umiejętność, możliwość studium przypadku lub zadania na tablicy oraz fakt, że decyzja może zająć kilka tygodni. Przygotuj osobno każdy obszar umiejętności i bądź gotowy do rysowania.

LinkedIn podaje jedną informację o czasie: podjęcie decyzji po rozmowach może potrwać kilka tygodni. LinkedIn nie publikuje liczby ani długości rozmów, ani czasu między rozmową z zespołem rekrutacyjnym a etapem rozmów kwalifikacyjnych.

Trudność wynika raczej z dogłębnego sprawdzania poszczególnych obszarów niż z szerokiego zakresu jednej rozmowy. Ponieważ każda rozmowa skupia się na innym obszarze umiejętności, rozmówca może poświęcić całe spotkanie na szczegółowe omówienie potoków lub modelowania, a kandydat mający jedynie powierzchowną wiedzę szybko wyczerpie temat. Przygotuj każdy obszar tak, jakby był jedynym.

Odwzoruj opublikowaną strukturę: pracuj kolejno nad jednym obszarem umiejętności i poznawaj go dogłębnie.

• Dogłębnie opanuj SQL i modelowanie. Ćwicz pisanie i objaśnianie funkcji okienkowych, deduplikacji oraz wolno zmieniających się wymiarów, a następnie uzasadnianie stojących za nimi decyzji dotyczących schematu.
• Projektuj potoki na tablicy. Przygotuj dwa lub trzy systemy, które potrafisz rozrysować od początku do końca wraz z trybami awarii, ponieważ zadanie na tablicy jest jedną z opublikowanych możliwości.
• Kompromisy systemowe. Przygotuj się z partycjonowania, formatów oraz przetwarzania wsadowego w porównaniu ze strumieniowym, uwzględniając koszt każdego wyboru.
• Przykłady z dotychczasowej pracy. Przygotuj incydent dotyczący jakości danych, za który odpowiadałeś: co wykryłeś, kogo poinformowałeś i co zmieniłeś.
• Przećwicz format. Próbna rozmowa kwalifikacyjna z SubcueAI pozwala ćwiczyć jeden obszar umiejętności pod gradem szczegółowych pytań, czyli w formule opisywanej przez LinkedIn.