今年早些时候走完了 Vercel DE 的全流程。总共四轮。想写下来是因为大多数 Vercel 的内容都在讲 frontend SWE，数据方向几乎没信息。
Recruiter Screen 很常规：背景、为什么 Vercel、对他们 data infrastructure 的一些泛兴趣。大概 30 分钟。
Technical Screen：一道 SQL + 一道 Python/data modeling。SQL 是多表 join 加 window function，不变态，但你得把推理过程讲出来。类似：给你一张带时间戳的 deployment events 表，找过去 30 天每个项目 build 之间的平均间隔时间，排除 build 少于 5 次的项目。经典 DE 面试 SQL。
Pipeline design 那轮最有意思。他们给了一个很模糊的场景：把高吞吐的 build telemetry 数据 ingest 到一个能被 analytics 团队查询的系统里。没指定具体技术栈。我聊了 Kafka 做流式 ingest，最后落在一个偏 Lakehouse 的模式（Bronze/Silver/Gold），也提了 dbt 做 transformation。他们会强推 data quality：怎么抓 schema drift，怎么处理 late-arriving events。整段对话都很技术，像真实工程讨论。
第四轮是 behavioral。没什么特别：一次你怎么处理坏数据导致的 incident、怎么和下游 consumer 合作、和 stakeholder 的分歧。
我没被问到的：没有传统 SWE 意义上的 system design，没有分布式系统深挖。他们重点明显在 data layer 和沟通。
有一点要知道：Vercel 的 data team 很小。这个 DE 角色更像 founding-team-adjacent 的招人，而不是在大 analytics 组织里当一颗螺丝。他们很在意你能不能独立思考，端到端 owner 一个领域。
我的时间线：从 Recruiter Screen 到 offer 大概 5 周。最后 debrief 很快，同周出结果。
下面欢迎问细节。