17 perguntas · Engenharia de dados

Perguntas de entrevista para Engenheiro de dados

Perguntas para entrevistar engenheiros de dados: pipelines, modelagem, SQL e Python, Spark e o instinto de qualidade de dados que mantém os dashboards honestos. Para encontrar quem constrói sistemas que sobrevivem a dados ruins.

Teste grátis 14 dias Ver todos os cargos

Um engenheiro de dados é avaliado pelos pipelines que ninguém percebe: os que rodam toda noite, se recuperam de um arquivo malformado e nunca perdem metade das linhas em silêncio. Então, embora a pessoa precise escrever um join correto e explicar uma estratégia de particionamento, o sinal mais profundo é se ela projeta pensando em falha. Dado de produção chega atrasado, duplicado, com schema alterado e, de vez em quando, puro lixo. Os engenheiros que valem a contratação partem disso e constroem sistemas idempotentes e observáveis em volta.

As perguntas abaixo vão dos fundamentos (fluência em SQL, batch versus streaming, modelagem dimensional) ao terreno mais difícil do desenho de pipelines e da qualidade de dados. Use as primeiras para confirmar que a pessoa sabe mover e moldar dados e gaste a maior parte da entrevista em cenários: como fazer o backfill de três meses de histórico sem contar em dobro, o que fazer quando uma API de origem muda o tipo de um campo sem avisar, como decidir entre ELT no warehouse e transformação no Spark.

Valorize quem fala de idempotência, dados que chegam atrasados, evolução de schema e monitoramento sem ser provocado. São esses hábitos que separam quem já colocou pipelines em produção de quem só leu sobre o assunto. Desconfie de quem confunde "o job rodou" com "o dado está certo" e prefira quem instrumenta os próprios pipelines para achar o problema antes do negócio.

Fundamentos: SQL, Python e modelagem5 perguntas

Explique a diferença entre ETL e ELT e quando você escolheria cada um.
O que observar: Onde a transformação acontece e por que warehouses modernos favorecem ELT, sem descartar ETL quando é preciso limpar ou mascarar dados antes de carregar.
Qual a diferença entre star schema e snowflake schema, e quando cada um faz sentido?
O que observar: Dimensões desnormalizadas versus normalizadas, e o trade-off entre simplicidade de consulta e redundância.
Como você decide se uma coluna pertence a uma tabela fato ou a uma dimensão?
O que observar: Medidas numéricas e eventos na fato, atributos descritivos usados para filtrar e agrupar na dimensão, e clareza sobre a granularidade.
Explique como você removeria duplicatas de uma tabela com milhões de linhas em SQL de forma eficiente.
O que observar: ROW_NUMBER() com PARTITION BY na chave natural, critério claro de qual linha manter e cuidado com o custo da operação.
Quando você usaria Python em vez de SQL numa etapa de transformação, e por quê?
O que observar: SQL para transformações de conjunto no warehouse, Python para chamadas a APIs, parsing complexo ou lógica difícil de expressar em SQL.

Pipelines e processamento5 perguntas

O que significa um pipeline ser idempotente e por que isso importa num job batch noturno?
O que observar: Rodar de novo produz o mesmo resultado, com técnicas como sobrescrever partições ou fazer merge por chave em vez de só inserir.
Explique a diferença entre processamento batch e streaming e dê um caso em que streaming é realmente necessário.
O que observar: Um caso com exigência real de baixa latência, como detecção de fraude, e reconhecimento de que streaming custa mais para operar.
No Spark, o que é um shuffle e como você reduziria o custo dele num job lento?
O que observar: Redistribuição de dados entre executores, e técnicas como broadcast join, particionamento adequado e tratamento de dados enviesados (skew).
Como você orquestraria um conjunto de jobs dependentes e lidaria com uma falha no meio do caminho?
O que observar: Um orquestrador com DAG, retentativas, alertas e tarefas idempotentes que permitem retomar do ponto da falha.
O que é uma dimensão de mudança lenta (SCD) e como você implementaria o histórico Tipo 2?
O que observar: Nova linha a cada mudança com datas de vigência e indicador de registro atual, e chave substituta para os joins.

Qualidade de dados e cenários7 perguntas

Você precisa fazer o backfill de três meses de histórico numa tabela que já alimenta um relatório diário. Como evita contar em dobro?
O que observar: Reprocessar por partição com sobrescrita ou merge idempotente, testar antes em ambiente separado e avisar quem consome o relatório.
Uma API de origem muda um campo de inteiro para texto durante a noite, sem aviso. Como o seu pipeline se comporta, e como deveria se comportar?
O que observar: Validação de schema na entrada, falha visível ou quarentena dos registros, e alerta, em vez de converter ou descartar em silêncio.
Um stakeholder diz que o faturamento de ontem parece errado. Explique como você investigaria.
O que observar: Comparar com a fonte, checar se os jobs rodaram completos, procurar duplicatas e atrasos, e seguir a linhagem do dado etapa por etapa.
Como você detecta que um pipeline rodou com sucesso técnico, mas gerou dados ruins?
O que observar: Testes de dados (contagem, nulos, unicidade, faixas) e monitoramento de volume e atualização, não só status do job.
Que verificações de qualidade de dados você coloca e em que ponto do pipeline?
O que observar: Na entrada (schema, formato), após transformações (regras de negócio) e antes de publicar, com decisão clara entre bloquear ou alertar.
Como você lidaria com eventos que chegam atrasados e pertencem a uma janela que você já fechou?
O que observar: Watermarks e tolerância de atraso, reprocessamento da janela afetada e regras claras sobre até quando um dado pode chegar.
Descreva uma vez em que um pipeline seu quebrou em produção. Qual foi a causa raiz e o que você mudou?
O que observar: Uma história concreta, com causa raiz e uma mudança de processo ou de monitoramento, não só o conserto pontual.

Dicas para a entrevista de Engenheiro de dados

Entregue um conjunto de dados pequeno e bagunçado e peça para a pessoa desenhar a ingestão, não só consultar.
Investigue idempotência e como ela lida com reprocessamentos e backfills.
Pergunte que monitoramento ou alerta ela coloca nos próprios pipelines.
Prefira quem assume que o dado de origem vai chegar atrasado, duplicado ou malformado.
Combine uma pergunta de modelagem com um cenário de depuração do tipo "o número parece errado".

FAQ

Perguntas frequentes

Qual a diferença entre engenheiro de dados e analista de dados?

O engenheiro de dados constrói e mantém os pipelines, warehouses e modelos que movem e moldam os dados. O analista usa esses dados para responder perguntas de negócio. O engenheiro otimiza confiabilidade e escala; o analista, a geração de insight.

Devo testar Spark especificamente?

Só se a sua stack usar. Muitos times rodam inteiramente em warehouses SQL e ferramentas de orquestração. Teste o modelo de processamento que você realmente usa, não uma palavra da moda no currículo.

Quão técnico precisa ser o entrevistador?

Técnico o bastante para fazer as perguntas seguintes. Se você não consegue avaliar uma resposta de desenho de pipeline, entreviste junto com um engenheiro ou use um desafio que um engenheiro sênior avalie.

Quanto tempo deve durar uma entrevista de engenharia de dados?

Cerca de 45 a 60 minutos para a etapa técnica: algumas perguntas de fundamentos e um cenário profundo de desenho de pipeline ou de depuração dão uma leitura confiável.

Como triar engenheiros de dados antes da entrevista?

Use um teste curto de SQL e modelagem para filtrar a fluência real antes de gastar tempo de entrevista. Na Hireaan, os testes de habilidades, as perguntas de triagem e o ranking com IA ajudam a entrevistar só quem sabe construir e raciocinar sobre pipelines.

Mais bancos de perguntas de entrevista

Abriu a vaga de Engenheiro de dados? Rode o processo na Hireaan.

A IA ranqueia os candidatos, você agenda as entrevistas, aplica testes de habilidades e envia a proposta, com um preço fixo para o time inteiro.

Teste grátis 14 dias Ver planos

14 dias grátis
Sem cartão de crédito
Cancele quando quiser
Conforme a LGPD