Собеседование на Data Engineer в Netflix: процесс и подготовка

Вам написал рекрутер Netflix, и вы хотите понять, что ждёт на следующих этапах. В этом разделе отделено то, что заявляет сам Netflix, от общей практики для ролей в инженерии данных. Сначала опубликованные факты, затем этапы, к которым стоит готовиться.

Netflix публикует заметки о процессе найма для начала карьеры, а не разбор по каждой опытной роли. Для кандидатов на начальные позиции компания сообщает, что собеседования обычно начинаются с тестового задания и продолжаются двумя раундами, а продвижение зависит от отзывов на каждом этапе. Кандидаты на стажировку, как правило, получают тестовое задание и затем примерно два-три раунда. По всем ролям Netflix говорит, что интервьюеры оценивают технические навыки там, где они применимы, навыки, специфичные для роли, и поведенческие навыки, и хотят узнать ваш набор навыков и то, какая работа вас увлекает.

Netflix не публикует отдельный цикл для опытных дата-инженеров: ни названий раундов, ни количества собеседований, ни фиксированного порядка. Рекрутер — единственный надёжный источник по вашему расписанию, поэтому спросите прямо, какие темы охватывает каждая беседа и входит ли тестовое задание.

Для планирования полезно думать этапами, которые обычно входят в цикл по инженерии данных в крупных технологических компаниях. Это категории подготовки на основе общей практики для этой роли, а не названия раундов Netflix:

• Разговор с рекрутером. Ваш опыт, команда, организационные вопросы и то, что привлекает вас в работе.
• Техническое интервью-скрининг. Обычно SQL и немного программирования, часто с обсуждением пайплайна, который вы построили.
• Тестовое задание. Часть заявленного Netflix процесса для начинающих и стажёров; уточните, относится ли оно к вашему уровню.
• Углублённые технические собеседования. Моделирование данных, проектирование пайплайнов и систем, более сложный SQL.
• Поведенческие и мотивационные беседы. Как вы работаете с другими и за какие задачи хотите отвечать.

Темы на Reddit и Blind подробно описывают отдельные циклы. Относитесь к каждой как к опыту одного кандидата в одной команде, а не как к описанию того, как Netflix собеседует всех дата-инженеров.

Netflix называет три вещи, которые оценивают интервьюеры: технические навыки, навыки, специфичные для роли, и поведенческие навыки. У дата-инженера граница между техническими и ролевыми навыками тонка, поэтому полезнее сопоставить их с областями ниже. Примеры вопросов на этой странице — репрезентативные задачи для практики, а не вопросы, которые Netflix подтвердил.

• Владение SQL. Соединения, не размножающие строки, оконные функции для ранжирования и нарастающих итогов, дедупликация, gaps and islands и сессионизация потоков событий. Интервьюеров обычно интересует, можете ли вы объяснить, почему запрос верен, а не только то, что он даёт результат.
• Программирование для данных. Разбор, преобразование и агрегация записей на Python или языке JVM с вниманием к памяти, граничным случаям и читаемости кода. Возможны алгоритмические задачи-головоломки, поэтому базовые структуры данных всё равно стоит повторить.
• Моделирование данных. Выбор гранулярности таблицы фактов, разделение фактов и измерений, работа с атрибутами, меняющимися со временем, и проектирование таблиц, которые аналитики могут запрашивать без подводных камней.
• Проектирование пайплайнов и систем. Пакетная обработка против потоковой, партиционирование, идемпотентная запись, бэкфиллы, запоздавшие события, изменения схемы и проверки качества данных. Ждите уточняющих вопросов, меняющих требования по ходу.
• Поведенческое суждение. Ответственность за сбои, разногласия со стейкхолдерами об определениях метрик и компромиссы между скоростью и корректностью.
• Мотивация. Netflix говорит, что интервьюеры хотят узнать, какая работа вас увлекает. Расплывчатый ответ тратит впустую вопрос, который, по словам компании, для неё важен.

Во всём этом общая нить — рассуждать вслух. Кандидат, молча пишущий верный запрос, и кандидат, который до набора кода объясняет гранулярность, ключи соединения и граничные случаи, нередко получают разные отзывы при одинаковом коде. Больше задач для практики по навыкам собрано в банках вопросов.

В большинстве крупных технологических компаний цикл для дата-инженера пересекается с обеими соседними ролями, но делает упор на другие навыки. Netflix не публикует различий по ролям для опытных специалистов, поэтому сравнение ниже отражает общую практику, а не утверждение о других циклах Netflix.

• По сравнению с разработкой ПО. Меньше алгоритмических головоломок и больше SQL, моделирования данных и надёжности пайплайнов. Вопросы по проектированию систем чаще посвящены тому, как данные движутся, доходят и исправляются, а не сервисам, обслуживающим запросы.
• По сравнению с наукой о данных. Меньше статистики, экспериментов и моделирования исходов; больше о построении и эксплуатации таблиц, от которых зависят аналитики и исследователи. Вас всё равно могут спросить, как определена метрика, ведь дата-инженер часто владеет стоящей за ней таблицей.
• По сравнению с аналитической инженерией. Граница размыта. Роли аналитических инженеров обычно больше тяготеют к моделированию и SQL для отчётности, а роли дата-инженеров глубже уходят в загрузку данных, распределённую обработку и инфраструктуру.

Между компаниями более заметная разница обычно в том, насколько цикл опирается на тестовые задания по сравнению с решением задач вживую. Заявленный Netflix процесс для начинающих и стажёров начинается с тестового задания, которое вознаграждает чистую, документированную работу, а не скорость. Руководства о том, как другие компании строят свои циклы, собраны в разделе собеседования в компаниях.

Netflix не публикует сроки найма дата-инженеров. Расписание зависит от команды, вашего уровня и доступности интервьюеров, поэтому спрашивайте рекрутера, когда окажетесь в процессе.

Сложность проще описать качественно. Netflix говорит, что продвижение зависит от отзывов на каждом этапе, а значит, каждый этап — это барьер, а не оценка, усредняемая в конце. Слабое тестовое задание или неуверенный SQL-скрининг могут закончить процесс до разговоров о проектировании, как бы сильны вы ни были позже.

Трудность для большинства кандидатов — не экзотический синтаксис. Это глубина при уточняющих вопросах: вы проектируете пайплайн, интервьюер добавляет запоздавшие данные, затем изменение схемы, затем спрашивает, как вы поймёте, что результат неверен. Кандидаты, которые эксплуатировали пайплайны в продакшене, обычно справляются с таким дрейфом лучше тех, кто только строил их.

Старшим кандидатам также стоит ожидать большего веса суждения. Выбор того, что не строить, объяснение компромисса нетехническому стейкхолдеру и принятие ответственности за прошлую ошибку на этом уровне считаются ролевым навыком.

Стройте подготовку вокруг трёх областей, названных Netflix, а затем добавьте тестовое задание, если рекрутер подтвердит его наличие.

• Техническая часть: сначала SQL. Прорабатывайте оконные функции, дедупликацию и сессионизацию событий, пока не сможете писать их без подсказок. Для каждого запроса проговаривайте вслух гранулярность результата до запуска.
• Техническая часть: код. Тренируйтесь преобразовывать вложенные или грязные записи на вашем основном языке и повторите базовые структуры данных на случай, если скрининг включает классическую алгоритмическую задачу.
• Ролевая часть: моделирование и пайплайны. Возьмите знакомую область, например подписки или журналы событий, и набросайте таблицы, гранулярность и пайплайн, который их наполняет. Затем проверьте дизайн на прочность: перезапуск после частичного сбоя, бэкфилл, запоздавший пакет, переименованный столбец.
• Поведенческая часть: истории с последствиями. Подготовьте сбой пайплайна, за который вы отвечали, разногласие об определении метрики и компромисс, который вы бы сегодня решили иначе. Структура STAR помогает, если вы склонны растекаться, но результат делайте конкретным.
• Мотивация: работа, которая вас увлекает. Netflix заявляет, что интервьюеры хотят это знать. Назовите тип задач с данными и укажите проект, который это показывает, вместо похвал компании.
• Тестовое задание, если выдано. Относитесь к нему как к продакшен-работе: тесты, короткий README с вашими допущениями и чёткая обработка некорректных входных данных.

Представьте дата-инженера, чей опыт — в основном ночной пакетный ETL в ритейле. Первые занятия он тратит на SQL с оконными функциями, а затем репетирует объяснение того, как сделать бэкфилл безопасным для повторного запуска, потому что именно там его настоящие истории. Когда приходят поведенческие вопросы, он отвечает сбоем пайплайна, за который отвечал, а не общим примером командной работы.

Последний шаг — произнести всё это вслух, ведь каждый этап — это разговор. Страница пробного собеседования в SubcueAI позволяет вслух отрабатывать вопросы по инженерии данных до настоящего скрининга.