Como a LinkedIn entrevista engenheiros de dados

A LinkedIn publica uma visão geral de como contrata, não um roteiro específico para cada função, portanto as etapas abaixo refletem essa visão geral; triagem, programação, design de sistemas, entrevista comportamental e entrevistas presenciais são categorias de preparação desta página, não os nomes das etapas da LinkedIn.

• A conversa com recrutamento. Se você atender aos requisitos e for selecionado para avançar, a equipe de recrutamento agendará uma conversa e também poderá marcar uma videochamada com o gestor da vaga ou outro integrante da equipe.
• A fase de entrevistas. Você conhece vários outros integrantes da equipe, e cada entrevista se concentra em uma área de competência diferente. Para um engenheiro de dados, espere que essas áreas correspondam a SQL e modelagem, pipelines, sistemas e experiência profissional anterior, embora a LinkedIn não as liste.
• Estudo de caso ou quadro branco. Dependendo da função, os candidatos podem ter de apresentar um estudo de caso ou realizar um exercício no quadro branco. Em uma função de dados, é mais provável desenhar um pipeline ou um esquema no quadro branco do que apresentar um caso.
• A decisão. A LinkedIn pode precisar de várias semanas para chegar a uma decisão após as entrevistas.

A LinkedIn não informa quantas entrevistas um engenheiro de dados realiza, quanto tempo cada uma dura nem se há uma avaliação de programação.

O formato publicado prevê uma área de competência por entrevista. Isso é útil: significa que você pode se preparar profundamente para cada área, em vez de esperar que todos os entrevistadores abordem tudo, e que um ponto fraco não pode ficar escondido por trás de um ponto forte.

Em geral, entrevistas para engenheiro de dados avaliam quatro áreas, que são uma estimativa razoável de como as entrevistas da LinkedIn focadas em competências seriam divididas para essa função:

• SQL e modelagem de dados. Consultas corretas e legíveis feitas sob pressão, além de esquemas que resistam a mudanças nos requisitos.
• Pipelines e orquestração. Dependências, reexecuções idempotentes, preenchimentos retroativos e fontes atrasadas ou malformadas.
• Sistemas de dados distribuídos. Particionamento, formatos de armazenamento, processamento em lote em comparação com streaming e custo; em uma grande plataforma social, os volumes tornam essas perguntas concretas.
• Qualidade e responsabilidade pelos dados. Detecção, comunicação e prevenção, que é onde geralmente entram as perguntas sobre trabalhos anteriores.

A visão geral publicada pela LinkedIn não varia conforme a função, portanto as diferenças abaixo refletem práticas gerais.

• Em comparação com entrevistas para engenheiro de software, espere que as áreas de competência técnica enfatizem SQL, manipulação de dados e lógica de pipelines, em vez de uma ampla bateria de algoritmos, e que a conversa sobre design trate de fluxo, armazenamento e atualização dos dados.
• Em comparação com entrevistas para cientista de dados, espere menos estatística e modelagem e mais atenção aos sistemas que entregam dados confiáveis no prazo.
• Em comparação com outras empresas, as características divulgadas são a estrutura de uma competência por entrevista, o possível estudo de caso ou exercício no quadro branco e uma decisão que pode levar várias semanas. Prepare cada área de competência separadamente e esteja pronto para desenhar.

A LinkedIn publica uma única informação sobre o prazo: pode precisar de várias semanas para chegar a uma decisão após as entrevistas. Não informa a quantidade nem a duração das entrevistas ou o intervalo entre a conversa com recrutamento e a fase de entrevistas.

A dificuldade está na profundidade exigida em cada área, não na amplitude de cada entrevista. Como cada entrevista se concentra em uma área de competência diferente, o entrevistador dispõe de toda a conversa para explorar profundamente pipelines ou modelagem, e um candidato com apenas uma resposta superficial ficará sem conteúdo. Prepare cada área como se fosse a única.

Reproduza a estrutura publicada: uma área de competência por vez, com profundidade.

• SQL e modelagem em profundidade. Pratique escrever e explicar funções de janela, desduplicação e dimensões de alteração lenta, depois defenda as decisões de esquema por trás delas.
• Design de pipelines no quadro branco. Tenha dois ou três sistemas que consiga desenhar de ponta a ponta, incluindo modos de falha, pois um exercício no quadro branco é uma possibilidade divulgada.
• Compromissos entre sistemas. Particionamento, formatos e processamento em lote em comparação com streaming, incluindo o custo de cada escolha.
• Evidências de trabalhos anteriores. Um incidente de qualidade de dados pelo qual você foi responsável: o que detectou, quem avisou e o que mudou.
• Ensaie o formato. Uma entrevista simulada com a SubcueAI permite praticar uma única área de competência sob questionamento contínuo, que é o formato descrito pela LinkedIn.