LinkedIn 如何面試資料工程師

LinkedIn 公布的是整體招募流程概要，而非逐職位的面試腳本，因此以下階段反映的是該概要；本頁所列的篩選、程式設計、系統設計、行為面試及現場面試是準備類別，並非 LinkedIn 的面試輪次名稱。

• 招募電話。如果你符合資格並獲選進入下一階段，招募團隊會安排電話，也可能安排你與用人主管或其他團隊成員進行視訊通話。
• 面試階段。你會與更多團隊成員見面，而每場面試都聚焦於不同的技能領域。對資料工程師而言，預期這些領域會對應到 SQL 與資料建模、資料管線、系統和過往工作經驗，但 LinkedIn 並未列出明細。
• 案例研究或白板題。視職位而定，應徵者可能會被要求展示案例研究，或進行白板演練。資料相關職位較可能在白板上設計資料管線或結構描述，而非展示案例。
• 決策。面試結束後，LinkedIn 可能需要數週才能做出決定。

LinkedIn 並未公布資料工程師需要參加幾場面試、每場持續多久，或是否設有程式設計測驗。

官方公布的設計是每場面試評估一項技能。這很有參考價值：你可以深入準備每個領域，而不必預期每位面試官都會涵蓋所有內容；這也代表較弱的領域無法被較強的領域掩蓋。

一般而言，資料工程師面試會評估四個領域；以此推測 LinkedIn 如何劃分此職位的技能導向面試，也相當合理：

• SQL 與資料建模。在時間限制內撰寫正確、易讀的查詢，並設計能因應需求變更的結構描述。
• 資料管線與工作流程協調。相依關係、具冪等性的重新執行、歷史資料回填，以及延遲或格式錯誤的來源。
• 分散式資料系統。分割區、儲存格式、批次與串流的取捨及成本；對大型社群平台而言，資料規模會讓這些問題更為具體。
• 資料品質與責任歸屬。偵測、溝通及預防；過往工作經驗題通常會落在這個領域。

LinkedIn 公布的流程概要並未因職位而異，因此以下差異是業界的一般做法。

• 與軟體工程師面試相比，技術技能領域預期會更偏向 SQL、資料處理及資料管線邏輯，而非廣泛考查演算法；設計討論則會聚焦於資料流、儲存方式及資料新鮮度。
• 與資料科學家面試相比，統計與建模的比重較低，更著重於能準時提供可信資料的系統。
• 與其他公司相比，公開可知的特色包括每場面試聚焦一項技能、可能安排案例研究或白板演練，以及決策可能需要數週。請分別準備各個技能領域，並做好繪圖說明的準備。

LinkedIn 公布了一項時間資訊：面試結束後，可能需要數週才能做出決定。LinkedIn 並未公布面試的場數或時長，也未說明招募電話與面試階段之間會相隔多久。

難點在於每個領域的深度，而非單場面試的廣度。由於每場面試都聚焦於不同的技能領域，面試官可以用整場對話深入探討資料管線或建模；只有表面答案的應徵者很快就會無話可說。準備每個領域時，都應視其為唯一的考查主題。

依照官方公布的結構準備：一次專注一項技能，並深入鑽研。

• 深入準備 SQL 與建模。練習撰寫及解釋視窗函式、資料去重和緩慢變更維度，接著為背後的結構描述設計選擇提出理據。
• 在白板上設計資料管線。準備兩到三個能從頭到尾畫出的系統，並納入故障情境，因為官方表示可能會安排白板演練。
• 系統取捨。準備分割區、格式及批次與串流之間的取捨，以及每項選擇的成本。
• 過往工作的實證。準備一個由你負責的資料品質事件：你發現了什麼、通知了誰，以及做了哪些改變。
• 預演面試形式。透過 SubcueAI 進行一場模擬面試，可讓你在持續追問下練習單一技能領域，這正是 LinkedIn 所描述的形式。