ResumeSkip

Questions d'entretien

Data engineer : questions d'entretien

Les entretiens de data engineer portent sur les pipelines, la modélisation des données, le SQL à grande échelle et la fiabilité des systèmes qui alimentent l'analytique et le ML. Les équipes cherchent quelqu'un qui construit une infrastructure de données qui reste juste, à jour et facile à débugger.

Ce que les recruteurs évaluent

La conception de pipelines et d'entrepôts de données, votre maîtrise du SQL, votre jugement en modélisation, votre compréhension du batch et du streaming, et la façon dont vous gardez la qualité et le lignage des données sous contrôle.

Questions comportementales

Parlez-moi d'un pipeline qui est tombé en panne sans prévenir. Comment l'avez-vous repéré ?

Ce qu'ils évaluent vraiment : La corruption silencieuse des données est le cauchemar du poste. Ils veulent des contrôles de qualité proactifs.

Décrivez une situation où vous avez dû retraiter un gros volume de données historiques.

Ce qu'ils évaluent vraiment : Les backfills testent votre maîtrise de l'idempotence, des coûts, et votre souci de ne pas pénaliser les utilisateurs en aval.

Comment répondez-vous proprement à une demande portant sur des données qui n'existent pas encore ?

Ce qu'ils évaluent vraiment : Cela montre comment vous travaillez avec les analystes et comment vous modélisez de nouvelles sources de façon responsable.

Questions propres au métier

Concevez un pipeline qui ingère des données d'événements et les rend interrogeables en moins d'une heure.

Pourquoi ils la posent : La question type du data engineering, qui couvre l'ingestion, le stockage et la latence.

Quand utiliseriez-vous le batch plutôt que le streaming, et qu'est-ce que cela change dans la conception ?

Pourquoi ils la posent : On vérifie que vous adaptez l'architecture aux besoins de fraîcheur des données au lieu de choisir toujours la même option.

Comment modélisez-vous les dimensions à évolution lente dans un entrepôt de données ?

Pourquoi ils la posent : Un problème de modélisation central qui distingue les vrais praticiens des débutants.

Écrivez une requête SQL qui dédoublonne des enregistrements en gardant la dernière version pour chaque clé.

Pourquoi ils la posent : Le dédoublonnage et les fonctions de fenêtrage font partie du quotidien en data engineering.

Comment garantissez-vous qu'un pipeline est idempotent et qu'on peut le relancer sans risque ?

Pourquoi ils la posent : Les relances sont inévitables. Un pipeline mal conçu provoque des doubles comptages et des indicateurs faussés.

Comment suivez-vous le lignage des données et repérez-vous les problèmes de qualité avant les analystes ?

Pourquoi ils la posent : L'observabilité et les tests sur les données sont ce qui garde toute la stack fiable.

Comment vous préparer

  • Entraînez-vous à concevoir un pipeline de bout en bout à voix haute : source, ingestion, transformation, stockage, mise à disposition.
  • Perfectionnez votre SQL avancé : fonctions de fenêtrage, CTE, dédoublonnage et traitements incrémentaux.
  • Révisez la modélisation dimensionnelle (faits, dimensions, SCD) et les cas où il faut dénormaliser.
  • Préparez le récit d'un incident de qualité des données et du contrôle que vous avez ajouté pour éviter qu'il se reproduise.
  • Connaissez les compromis entre batch et streaming, ainsi que les outils de leur stack.

Questions fréquentes

Est-ce un entretien de développement ou d'analyse ?

C'est surtout un entretien sur les systèmes et la modélisation des données, avec beaucoup de SQL. Attendez-vous à des questions sur la conception de pipelines et la qualité des données plus qu'à des casse-têtes algorithmiques, même s'il y a quand même du code.

Est-ce important de connaître des outils précis ?

Les concepts se transposent, mais connaître l'écosystème cité dans l'offre d'emploi (entrepôt de données, orchestration, outils de streaming) vous aide à entrer dans le concret. Concentrez-vous sur les principes que ces outils mettent en œuvre.

Sur quoi creusent-ils le plus ?

La fiabilité et l'exactitude : idempotence, gestion des données en retard ou en double, backfills, et la façon dont vous repérez les problèmes avant qu'ils atteignent les tableaux de bord ou les modèles.

La préparation va de pair avec l'adaptation de votre CV : Comment adapter votre CV à une offre d'emploi.

Des questions tirées de votre vrai CV et de l'offre d'emploi, gratuitement