大概六周前在 Ramp 面了一个 data engineering 岗。没拿到 offer（我觉得是 system design 那轮炸了），但这个流程挺有意思，值得记录一下。
Ramp 的 data platform 据说主要是 Snowflake 和 dbt。这些背景会影响很多面试内容。
SQL 轮： 这轮是真的，而且很难。不是「write a basic JOIN（写一个基础的 JOIN）」那种难，更像是：在交易 schema 上写多步骤分析 query，需要 window function，还要考虑性能。我拿到的题大概是：对每张 corporate card，按类别计算滚动 30 天的消费额，并标记在窗口内至少 3 天超过该类别额度上限的类别。这是一个真实 fintech 业务问题，不是 leetcode 式的 SQL 小谜题。
你需要现场写，讲清假设，并处理追问：如果数据集很大（几十亿行，分区、聚簇策略），你会怎么优化。
Pipeline 设计： 我在这轮翻车了。他们让我设计一个 merchant 交易数据的 ingestion pipeline，数据来自 card networks，需要处理 late-arriving events、幂等性要求，还得能回填历史数据。我知道组件（Kafka 做流，dbt 做 transform，Snowflake 做存储），但我没把去重逻辑讲清楚，他们在这点上追得很紧。
如果你只准备一件事，就准备流式 pipeline 里的幂等性。尤其在 fintech。一定会问。
Behavioral / culture： 对 data 岗更短，大概 30 分钟。他们问了我一次我如何 owner 一个数据质量事故。准备一个具体故事。
总体：门槛很高。SQL 要熟，dbt pattern 要熟，知道怎么针对 late-arriving data 做设计。