刚结束在 Wells Fargo 的一轮 data engineer loop。岗位在 enterprise data platform 团队，负责支撑监管报表的数据 pipelines。我有 7 年 data engineering 经验，所以目标是 senior 的 DE 岗。下面是拆解。
Pipeline / architecture 轮： 这轮就是 WF 和 fintech 或 startup 的 DE 面试不一样的地方。他们特别在意 data lineage、可审计性、以及失败恢复。问题是：设计一个 pipeline，从多个 core banking 系统 ingest 交易数据，做转换，然后输出到一个监管报表。约束：数据一旦 ingest 必须不可变（append-only），转换必须可审计（你能把报表上的一个数字追溯到产生它的原始交易），并且 pipeline 必须能检测 late-arriving data。
我画了 medallion architecture（bronze/silver/gold lake layers），用 Kafka 做 ingestion，Spark 做转换，Delta Lake 提供 ACID 和 time-travel。他们在 late-arriving data 上追得很狠。你的监管报表 SLA 是什么？如果某个源系统今天才补交昨天的交易，你怎么处理？
SQL 轮： 很重。window functions、recursive CTEs（是的，recursive），还有一个 query optimization 题：给我一个很慢的 query，让我找出慢的原因并修。这个 query 在 join key 上缺了 index，还在用 SELECT *。他们希望我先用语言说出 execution plan 的逻辑，再提出修复方案。
工具问题： 他们会具体问我 Informatica 和 Ab Initio 的经验，这些是 WF legacy 系统里用的。我没有很深的 Informatica 经验。我如实说了，然后把话题转到我会怎么快速上手。他们看起来能接受，但如果你有时间，最好补一下 ETL 工具相关概念。
Behavioral： 两道 behavioral，都是处理模糊性和跨团队协作。其中一道很具体：说说你有一次必须和一个 upstream 团队谈判 SLA、但对方一直达不到的经历。银行内部在数据归属上政治很多，这题在测你能不能外交式地推进合作，而不是动不动就 escalation。
我拿到的 offer： $161k base，10% bonus target，Charlotte 每周到岗 3 天。和我上一家公司差不多，但 benefits 更好。