今年春天走完了完整的 Target data engineering 面试 loop。发这个是因为我当时搜到的几乎都不是近期的。下面是完整拆解。
Online Assessment。 标准 HackerRank 形式。两道 SQL（中等复杂度：窗口函数、CTE、self-join 的场景）加一道 Python/pandas，围绕清洗一个格式有问题的数据集。总共 75 分钟。SQL 是那种生产里真会用到的水平，不是课本题。有一道题是「找每个客户第二新的订单」这种结构，如果你对 ROW_NUMBER() 和 partitioning 不熟，会很容易翻车。
Hiring Manager Screen（30 分钟）。 主要是背景和匹配度。他们问了我 batch vs streaming pipeline 的经验、我用过哪些云平台（他们在 Target 很重度用 Azure，值得提前了解），以及我在生产 pipeline 里怎么处理数据质量问题。
Technical Deep-Dive Round（60 分钟）。 两部分。前半是设计：让我讲如果要做一条端到端 pipeline，每天从 2,000 家门店摄取 POS（point of sale）交易数据，做转换，并提供给分析使用，你会怎么搭。聊到了 partitioning 策略、处理 late-arriving data、幂等、schema evolution。都是实战内容。
后半是现场写 SQL：给了一个 schema（orders、products、stores、customers），写 3 个问题的 query。一个带过滤的聚合，一个用窗口函数的排名，一个需要多步 CTE。节奏有压力但算合理。
Behavioral Round。 标准 STAR 问题，重点在你怎么处理数据质量事故、如何和 stakeholder 一起定义数据需求、以及生产环境 pipeline 崩了你怎么应对。
整个流程从 OA 到 offer 大概 5 周。我的 offer 在 Minneapolis 的 senior data engineer 的中高档。不是湾区水平，但在当地很够用。