Netflix 資料工程師面試：流程與準備

你收到了 Netflix 招募人員的訊息，想知道接下來有哪些階段。本節將 Netflix 官方說明的內容與資料工程職務的一般做法區分開來：先講已公開的事實，再講值得準備的各個階段。

Netflix 公開的流程說明針對早期職涯的招募，並沒有針對每個資深職務的詳細拆解。對於應屆畢業生候選人，Netflix 表示面試通常從一份帶回家的測驗開始，接著是兩輪面試，是否晉級取決於每個階段的回饋。實習生候選人通常是一份帶回家的測驗，加上大約兩到三輪面試。Netflix 也表示，各類職務的面試官會在適用時評估技術能力、職務專項能力與行為能力，並希望了解你的技能組合，以及哪類工作最讓你興奮。

Netflix 沒有為有經驗的資料工程師公開單獨的面試流程：沒有輪次名稱，沒有面試數量，也沒有固定順序。你自己的行程只有招募人員能給出可靠答案，所以請直接問清楚每次談話涵蓋哪些面向，以及是否包含帶回家的測驗。

為了方便規劃，不妨參考大型科技公司資料工程面試通常包含的階段。以下是依據該職務一般做法歸納的備考類別，並非 Netflix 的輪次名稱：

• 招募人員談話。你的背景、團隊、行政安排，以及這份工作吸引你的地方。
• 技術初篩。通常是 SQL 加上一些程式設計，常會請你談談自己建置過的資料管線。
• 帶回家的測驗。屬於 Netflix 所述應屆生與實習生流程的一部分；請確認是否適用於你的職級。
• 深入的技術面試。資料建模、資料管線與系統設計，以及更難的 SQL。
• 行為與動機面談。你如何與他人合作，以及你想負責什麼樣的問題。

Reddit 和 Blind 上的社群討論串詳細描述了個別的面試經歷。請把每一篇都視為某位候選人在某個團隊的個人經驗，而不是 Netflix 面試所有資料工程師的方式。

Netflix 點明了面試官評估的三件事：技術能力、職務專項能力與行為能力。對資料工程師來說，技術能力與職務專項能力的界線很模糊，因此依下面的領域來對應會更實用。本頁的範例題目是具代表性的練習題，並非 Netflix 確認會問的題目。

• SQL 熟練度。不會讓列數暴增的連接、用於排名與累計總和的視窗函數、去重、連續區間問題（gaps and islands），以及對事件串流做工作階段切分。面試官通常更在意你能否解釋查詢為什麼正確，而不只是能否跑出結果。
• 資料方向的程式設計。用 Python 或 JVM 系語言解析、轉換與彙總紀錄，並留意記憶體、邊界情況與程式碼可讀性。也可能出現謎題式的演算法題，所以基礎資料結構仍值得複習。
• 資料建模。決定事實表的粒度，區分事實與維度，處理隨時間變化的屬性，並設計出分析師查詢時不會踩雷的資料表。
• 資料管線與系統設計。批次處理與串流處理、分區、冪等寫入、回補、延遲抵達的事件、結構變更與資料品質檢查。要準備好面試官中途更改需求的追問。
• 行為判斷。對失誤負責的態度、與利害關係人在指標定義上的分歧，以及速度與正確性之間的取捨。
• 動機。Netflix 表示面試官想了解哪類工作最讓你興奮。含糊的回答會浪費一個公司已明確表示在意的問題。

貫穿這一切的共通點是邊想邊說。一位默默寫出正確查詢的候選人，和一位動手前先講清楚粒度、連接鍵與邊界情況的候選人，即使程式碼完全相同，得到的回饋也常常不同。依技能分類整理的更多練習題見題庫。

在大多數大型科技公司，資料工程師的面試與相鄰的兩個職務有重疊，但著重點不同。Netflix 沒有公開資深員工各職務之間的差異，所以下面的比較反映的是一般做法，並不代表 Netflix 其他職務的面試。

• 與軟體工程相比。演算法謎題的比重較低，SQL、資料建模與資料管線可靠性的比重更高。系統設計題往往圍繞資料如何流動、落地與修正，而不是處理請求的服務。
• 與資料科學相比。統計、實驗與結果建模較少；更多是建置與維運分析師和科學家所依賴的資料表。你仍可能被問到某個指標是如何定義的，因為資料工程師往往負責指標背後的資料表。
• 與分析工程相比。界線比較模糊。分析工程師職務通常更偏向面向報表的建模與 SQL，而資料工程師職務則更深入資料擷取、分散式處理與基礎架構。

不同公司之間更大的差異，通常在於面試在多大程度上依賴帶回家的作業，而不是現場解題。Netflix 所述的應屆生與實習生流程以帶回家的測驗開始，這類測驗看重乾淨、有文件的成果，而不是速度。其他公司的面試結構指南收錄在公司面試專區。

Netflix 沒有公開資料工程師招募的時間表。安排取決於團隊、你的職級與面試官的時間，所以進入流程後，應該向招募人員詢問。

難度比較適合用定性方式描述。Netflix 表示是否晉級取決於每個階段的回饋，這意味著每個階段都是一道關卡，而不是最後取平均的分數。一份不理想的帶回家測驗，或一次表現不穩的 SQL 初篩，都可能在設計環節開始之前就結束流程，無論你之後本來能表現得多好。

對大多數候選人來說，難點不在冷僻的語法，而在追問之下的深度：你設計了一條資料管線，面試官加入延遲抵達的資料，再加一次結構變更，然後問你如何發現輸出是錯的。在正式環境中維運過資料管線的候選人，往往比只建置過的人更能應付這種不斷變化的追問。

資深候選人還應預期判斷力的權重更高。決定不做什麼、向非技術的利害關係人解釋取捨，以及承擔過去的失誤，在這個職級上都屬於職務專項能力。

圍繞 Netflix 點明的三個面向來準備，如果招募人員確認有帶回家的測驗，再把它加進去。

• 技術：先練 SQL。反覆練習視窗函數、去重與事件工作階段切分，直到不看資料也能寫出來。每寫一個查詢，先把結果的粒度大聲說出來，再執行。
• 技術：程式碼。用你最常用的語言練習轉換巢狀或雜亂的紀錄，並複習核心資料結構，以防初篩出現經典演算法題。
• 職務專項：建模與資料管線。選一個你熟悉的領域，例如訂閱或事件日誌，畫出資料表、粒度以及填充這些表的資料管線。然後對設計施壓：部分失敗後重跑、回補、延遲的批次、被重新命名的欄位。
• 行為：有後果的故事。準備一次你負責過的資料管線故障、一次關於指標定義的分歧，以及一個現在會做出不同選擇的取捨。如果你容易說得冗長，STAR 結構會有幫助，但結果要講得具體。
• 動機：讓你興奮的工作。Netflix 表示面試官想了解這一點。說出一類資料問題，並舉出能體現它的專案，而不是稱讚公司。
• 帶回家的測驗（若有安排）。當作正式環境的工作來對待：寫測試，用一份簡短的 README 說明你的假設，並清楚處理異常輸入。

設想一位資料工程師，經驗主要是在零售商做夜間批次 ETL。他先用頭幾次練習攻克視窗函數 SQL，然後演練如何解釋讓回補可以安全重跑，因為他真正的故事就在這裡。輪到行為問題時，他講的是自己負責過的一次資料管線故障，而不是泛泛的團隊合作例子。

最後一步是把這一切大聲說出來，因為每個階段都是一場對話。SubcueAI 的模擬面試頁面可以讓你在真正的初篩之前，開口練習資料工程問題。