我在 2026 年初走完了 Bloomberg data engineer 的流程，NYC 岗。分享一下实际考的内容，因为我搜到的大多很泛，或者是三年前的。
Phone screen 是 recruiter，标准背景问题。然后是 45 分钟技术面，面试官是工程师。一半 SQL，一半 Python 数据处理。SQL 真挺难的：CTE、window functions、ranking，还有几道题得想清楚 aggregation 顺序才能避免 double-counting。不是 LeetCode 那种 puzzle，更像「给你个很脏的数据集，回答一个业务问题。」这种 framing 很 Bloomberg。
Onsite 两天四轮（虚拟）：
Data modeling / pipeline design。给了一个 ingesting market data feeds 的场景：高吞吐、late-arriving data、deduplication。你要讲 schema 选择、partitioning strategy、以及怎么处理 reruns。Kafka 会出现。我提了 exactly-once semantics，结果他们就这个聊了 20 分钟，所以 streaming 基础要懂。
SQL depth round。更多 window functions。还有一个 query optimization 题：基本就是「带我过一遍，你怎么 debug 一个在十亿行表上很慢的 query。」execution plans、indexes、partition pruning。
Coding。Python。一道 string parsing，一道本质上是把 join 用代码做出来（不是 SQL）。原始难度不高，但时间很紧。全程要解释你的思路。
Behavioral。Bloomberg 的 behavioral 更偏 ownership 和 crisis response。「Tell me about a pipeline that failed in production and what you did.（跟我讲一个在生产环境里失败的 pipeline，以及你做了什么。）」准备两三个真实事故案例。他们不想听理论答案。
我当时有 7 年 data eng 经验，主要在 fintech，金融数据的角度确实加分。如果你来自别的领域，建议补一点 market data 概念：tick data、time-series、order books（高层理解就够）。
整个流程从投递到 offer 大概 6 周。recruiter 沟通还不错，比平均水平好一点。