Структура собеседования Junior DE

Типичное собеседование Junior DE — это 3-5 этапов, общим объёмом 4-8 часов:

1. Скрининг рекрутера (30 мин) — общие вопросы, мотивация, английский.
2. Технический скрининг (1 час) — SQL + Python live coding, могут быть basic concepts.
3. Глубокое техническое (1-2 часа) — SQL deep, Python deep, иногда system design easy.
4. System design (1 час) — если задано — спроектировать pipeline для X.
5. Hiring manager (30-60 мин) — мотивация, культурное соответствие, вопросы про проекты.
6. Иногда behavioral / values (30-60 мин) — про прошлый опыт, конфликты, обучение.

Не все компании имеют все этапы. В стартапах могут быть 2 этапа, в Big Tech — 5+.

Блок 1: SQL

Самый важный блок. Если завалишь SQL — оффер не получишь, даже с идеальным остальным.

Что спрашивают:

Базовое — обязательно

• JOIN типы (INNER/LEFT/RIGHT/FULL OUTER/CROSS), когда какой.
• GROUP BY + aggregation.
• WHERE vs HAVING.
• Subqueries: scalar, correlated, EXISTS.

Middle — почти всегда

• Window functions: ROW_NUMBER, RANK, DENSE_RANK, LAG, LEAD, SUM/AVG OVER.
• CTE (Common Table Expressions) — single и multi-level.
• Self-join.
• Set operations: UNION ALL vs UNION, INTERSECT, EXCEPT.

Advanced — встречаются

• Recursive CTE.
• Pivot / unpivot.
• DATE arithmetic, intervals.
• NULL handling (IS NULL, COALESCE, NULLIF).
• Performance: EXPLAIN, индексы, partition pruning.

Типичные задачи

Задача 1: Топ-N по группе.

Найди top-3 заказа по сумме для каждого customer.

WITH ranked AS (
  SELECT *,
    ROW_NUMBER() OVER (PARTITION BY customer_id ORDER BY amount DESC) AS rn
  FROM orders
)
SELECT * FROM ranked WHERE rn <= 3;

Задача 2: Подсчёт сессий.

Группируй log-события в сессии: новая сессия, если разрыв более 30 минут.

WITH gaps AS (
  SELECT user_id, event_time,
    CASE WHEN event_time - LAG(event_time) OVER (PARTITION BY user_id ORDER BY event_time)
              > INTERVAL '30 minutes' THEN 1 ELSE 0 END AS new_session
  FROM events
),
sessions AS (
  SELECT user_id, event_time,
    SUM(new_session) OVER (PARTITION BY user_id ORDER BY event_time) AS session_id
  FROM gaps
)
SELECT user_id, session_id, MIN(event_time) AS start, MAX(event_time) AS end
FROM sessions GROUP BY user_id, session_id;

Задача 3: Retention / cohort.

Сколько % пользователей зарегистрировавшихся в неделе X вернулись в неделе X+N.

Это сложнее — обычно на финальном раунде.

Где практиковаться

• StrataScratch — лучшая SQL-практика, реальные company-questions (Netflix, Airbnb).
• DataLemur — фокус на DE/DA вопросах.
• LeetCode SQL — базовая практика, free.
• HackerRank SQL — короткие задачки, хорошо для разминки.

Стратегия: 30 задач разной сложности (10 easy, 15 medium, 5 hard) за месяц. Каждый раз пиши без подсказок сначала.

Блок 2: Python

Python live coding для DE-джуна — обычно средняя сложность. Не Leet-Code Hard.

Что спрашивают:

Базовое

• Списки, словари, sets — операции, временные сложности.
• List comprehension.
• Iterators, generators.
• File I/O — читать CSV/JSON.
• Exception handling — try/except.

DE-specific

• pandas: DataFrame operations, merge, groupby, фильтрация.
• API call: написать requests.get с retry и error handling.
• SQL via sqlalchemy или native connector — execute, fetch, transaction.

Типичные задачи

Задача 1: Парсинг JSON.

Дан список dict с записями о заказах. Посчитай total revenue по category.

from collections import defaultdict

orders = [
    {"order_id": 1, "category": "books", "amount": 50},
    {"order_id": 2, "category": "books", "amount": 30},
    {"order_id": 3, "category": "tech", "amount": 200},
]

revenue = defaultdict(float)
for order in orders:
    revenue[order["category"]] += order["amount"]

print(dict(revenue))  # {"books": 80, "tech": 200}

Задача 2: Дедупликация.

Из списка записей оставь только уникальные по event_id, оставляя последнюю по timestamp.

def dedup_keep_latest(records):
    seen = {}
    for r in records:
        eid = r["event_id"]
        if eid not in seen or r["timestamp"] > seen[eid]["timestamp"]:
            seen[eid] = r
    return list(seen.values())

Задача 3: API client с retry.

Напиши функцию fetch_with_retry(url, max_attempts=3), которая retry-ит на 5xx ошибках с exponential backoff.

import time, requests

def fetch_with_retry(url, max_attempts=3):
    for attempt in range(max_attempts):
        try:
            r = requests.get(url, timeout=10)
            if r.status_code >= 500:
                raise requests.HTTPError(f"5xx: {r.status_code}")
            r.raise_for_status()
            return r.json()
        except (requests.ConnectionError, requests.Timeout, requests.HTTPError) as e:
            if attempt == max_attempts - 1:
                raise
            time.sleep(2 ** attempt)

Anti-задачи

Если на джуниора кидают LeetCode Hard про segment trees / dynamic programming — это не junior DE, это, видимо, перепутали с algorithmic интервью. Уточни scope с рекрутером, переноси на нормальный DE-собес.

Блок 3: System Design Easy

Junior level system design в DE — это спроектировать простой pipeline для конкретной задачи.

Типичный вопрос:

Спроектируй pipeline для ежедневной загрузки данных о заказах из REST API партнёра в наш DWH. Что выберешь, как пойдёшь.

Что собеседующий хочет услышать

1. Уточняющие вопросы. “Какой объём? Сколько заказов в день? Какой SLA? Есть ли late-arriving data? Какой DWH?” Без этого решение неполное.
2. High-level дизайн. API -> ingester -> staging -> DWH -> transformations -> BI. Нарисовать на доске.
3. Конкретные tools. “Airflow для оркестрации, Python для extraction, Snowflake для DWH, dbt для transformations.”
4. Идемпотентность, retry. “Detereministic path по date, MERGE INTO, retry с exponential backoff.”
5. Observability. “Метрики: freshness, volume, error rate. Алерты в Slack.”
6. Backfill story. “Можно ли перезалить за прошлую дату? Через Airflow catchup.”

Чего НЕ делать

• Закидывать buzzwords (Kafka, Spark, Iceberg, Flink) без надобности. Если задача — “1M заказов в день, batch-load”, Kafka — over-engineering.
• Молчать. Думай вслух.
• Игнорировать requirements. Спрашивай.

Стратегия подготовки

Возьми 5 типичных задач:

1. Pipeline ингестии REST API в DWH (daily batch).
2. Streaming pipeline для clicks-events (real-time).
3. CDC pipeline из OLTP в OLAP (Debezium / WAL).
4. Web-analytics aggregation (page views, sessions).
5. ML feature pipeline (features -> feature store).

Распиши на бумаге архитектуру каждой. Это и есть подготовка к system design.

Блок 4: Behavioral / soft skills

Часто игнорируется, но может завалить даже сильного технически кандидата.

Типичные вопросы:

• “Расскажи о проекте, которым гордишься.” — Готовь STAR-ответ (Situation, Task, Action, Result).
• “Расскажи о ситуации, когда ты ошибся / что-то сломал.” — Покажи self-awareness, не сваливай вину.
• “Как разрешаешь конфликты в команде?” — Готовь реальный пример.
• “Почему DE? Почему наша компания?” — Не “потому что хорошие зарплаты”.
• “Какие у тебя слабости?” — Не “я перфекционист”. Реальная слабость + что делаешь, чтобы улучшить.

STAR-метод

Когда отвечаешь на “Расскажи о ситуации”:

• S — Situation: контекст.
• T — Task: что нужно было сделать.
• A — Action: что сделал ты конкретно.
• R — Result: что получилось, какие выводы.

Не “мы вместе решили проблему”, а “я сделал X, Y, Z” — собеседующий хочет видеть твою роль.

Чего НЕ делать

Антипаттерны на собеседовании:

1. Зубрить Spark internals или RDD/DataFrame deep — это middle-уровень. Junior такое не спрашивают.
2. Учить distributed systems глубоко — паксос, consensus, CAP — не junior DE.
3. Игнорировать SQL в пользу “модных” тем. SQL — 50% собеса.
4. Перегружать pet-project технологиями — Kafka + Spark + Iceberg в pet-проекте без надобности — фейк, сразу видно.
5. Не готовить вопросы собеседующему — это сигнал слабого интереса.
6. Опаздывать или забывать про время-зону для remote interview.

Полезные ресурсы

SQL

• StrataScratch, DataLemur — практика.
• “SQL Antipatterns” (Bill Karwin) — короткая книга.
• “SQL Performance Explained” (Markus Winand) — оптимизация.

Python

• “Fluent Python” (Luciano Ramalho) — основа.
• pandas documentation + 10-min tutorial.

System Design

• “Designing Data-Intensive Applications” (Martin Kleppmann) — bible (читать по главам, не от корки до корки для junior).
• “Fundamentals of Data Engineering” (Joe Reis & Matt Housley) — современный гайд по DE.

Online

• Этот курс + deep-dive courses на платформе.
• DataExpert.io (Zach Wilson) — DE focused tutorials.
• Seattle Data Guy — YouTube.

Чек-лист за неделю до собеса

• Pet-project работает локально, README актуален, последние коммиты — недавние.
• LinkedIn / резюме обновлены.
• STAR-истории для 3-5 behavioral вопросов написаны.
• 10 SQL-задач разной сложности решены без подсказок за час.
• 3-5 system design сценариев распланированы на бумаге.
• Список технологий компании прочитан — сама компания изучена.
• 3-5 вопросов к компании / команде подготовлены.

Попробуй сам

1. На StrataScratch (или DataLemur) сделай 10 задач уровня “easy” и 5 уровня “medium”. Записывай время на каждую. Цель — не идеально, а понять свой baseline.
2. Возьми задачу из system design (например, “pipeline для tweets analytics”). Распиши архитектуру на бумаге, без кода. 30 минут.
3. Напиши 3 STAR-истории: про успех, про ошибку, про конфликт. Каждая — на 1-2 минуты разговора.