Собеседование на Data Engineer в AliExpress Россия

Почему AliExpress Россия — особенный работодатель для DE

AliExpress Россия — маркетплейс с двумя мирами внутри одной платформы: cross-border (заказы у зарубежных, в основном китайских, продавцов) и локальная часть (российские продавцы, локальные склады и доставка). Для Data Engineer это означает данные, которые редко встретишь в одном месте: миллионы SKU в постоянно меняющемся каталоге, заказы с длинным жизненным циклом (оплата → таможня → международная логистика → локальная доставка), мультивалютность, разные тайм-зоны и источники в разных форматах.

Что делает DE в такой команде на практике: строит и поддерживает пайплайны для продуктовой аналитики и отчётности, готовит фичи для рекомендательных систем (recsys) и ранжирования поиска, собирает потоки событий (клики, просмотры, добавления в корзину, оформления заказа) и превращает их в витрины, на которых считаются метрики маркетплейса — конверсия, GMV, retention продавцов и покупателей. Основной стек, который упоминают кандидаты: Spark для распределённых трансформаций, ClickHouse как аналитическое хранилище, Kafka для стриминга событий, плюс оркестрация пайплайнов и слой DWH.

Главная специфика — cross-border. Данные приходят из внешних систем с задержками и расхождениями, заказ может «жить» неделями, а статусы обновляться асинхронно. Пайплайн, который наивно джойнит заказ и доставку по времени события, здесь ломается: нужно уметь работать с late-arriving data, идемпотентностью и восстановлением истории. Актуальные вакансии и детали процесса — на странице карьеры AliExpress Россия.

Этапы собеседования

Обычно 5–6 этапов, от первого звонка до оффера — 2–4 недели. Процесс стандартный для крупного маркетплейса: скрининг, SQL, Python/ETL, системный дизайн, поведенческая секция и финал. Ниже — что обычно спрашивают на каждом.

1. HR-скрининг (30–45 минут)

Рекрутер знакомится и сверяет базовое: опыт с распределёнными данными, знание стека (Spark, ClickHouse, Kafka), масштабы данных, с которыми работал, и мотивацию идти в маркетплейс. Полезно заранее собрать 90-секундный питч: какой продукт делал, какие пайплайны, какие объёмы и какой эффект на бизнес-метрику. Если был опыт в e-commerce или классифайдах — назовите это в первую минуту, для маркетплейса это сильный сигнал.

2. SQL deep (60 минут)

DE здесь пишет много SQL — и для аналитики, и внутри ETL. Спрашивают оконные функции, CTE, дедупликацию, работу с медленно меняющимися измерениями (SCD) и late-arriving data, а также специфику ClickHouse: движки семейства MergeTree, партиционирование, материализованные представления, отличия от классического OLTP. Частый практический вопрос — как посчитать метрику по заказам, где статусы приходят несколькими событиями, и не задвоить строки.

Подготовка: SQL для Data Engineer, SQL-тренажёр.

3. Python + ETL (60–90 минут)

Живое кодирование и разбор пайплайнов. Смотрят на умение писать читаемый код обработки данных (pandas или Spark), понимание того, как устроен ETL/ELT, идемпотентность запусков, обработку ошибок и повторные прогоны. Могут дать задачу «спроектируй трансформацию потока заказов в витрину» и попросить проговорить, что произойдёт при повторной доставке события или при падении шага посередине.

Подготовка: Spark на собесе DE, Airflow на собесе DE.

4. System design (60–90 минут)

Ключевая секция для middle+. Разбирают архитектуру маркетплейс-пайплайнов: как построить обработку каталога на миллионы SKU, как собрать поток событий для recsys, как считать GMV в реальном времени, как обеспечить консистентность данных при cross-border задержках. Оценивают не знание конкретного инструмента, а умение проговорить trade-off: batch против streaming, exactly-once против at-least-once, стоимость хранения против скорости чтения.

Подготовка: Kafka на собесе DE, DWH ClickHouse на собесе DE.

5. Поведенческое + финал (45–60 минут)

Беседа с тимлидом или руководителем направления. STAR-истории про сложные пайплайны, инциденты в проде, работу со смежными командами (аналитика, ML, продукт), пропущенные дедлайны и как выходили. Здесь же обсуждают формат работы и ожидания по грейду.

Что AliExpress Россия ценит в DE

• Уверенный Spark. Основной инструмент тяжёлых распределённых трансформаций. Ждут понимания, как работают шаффлы, партиционирование, join-стратегии и почему пайплайн тормозит на перекосе данных (skew).
• ClickHouse не поверхностно. Не «слышал про MergeTree», а понимание партиционирования, порядка сортировки, материализованных представлений и того, какие запросы ClickHouse тянет плохо.
• Работа с marketplace-данными. Каталог, заказы, события, продавцы и покупатели — это разные сущности с разной семантикой обновления. Ценят кандидата, который понимает эту доменную специфику, а не только инструменты.
• Понимание cross-border специфики. Задержки, мультивалютность, асинхронные статусы, late-arriving data — умение проектировать пайплайн, который это переживает.
• DWH и моделирование. Как разложить сырые данные на слои (raw → staging → marts), как строить витрины, чтобы аналитики не пересчитывали одно и то же.

Типичные задачи и кейсы

• Пайплайн каталога на миллионы SKU. Как инкрементально обновлять товары, не перегоняя весь каталог целиком, и держать консистентность цен и остатков.
• Пайплайн заказов cross-border. Как собрать полный жизненный цикл заказа из нескольких асинхронных источников и корректно посчитать метрики, когда события приходят с опозданием.
• Партиционирование в ClickHouse. Как выбрать ключ партиционирования и порядок сортировки для таблицы событий, чтобы тяжёлые аналитические запросы не сканировали лишнее.
• Фичи для recsys. Как построить пайплайн, который считает поведенческие фичи (просмотры, добавления, покупки за окно) и отдаёт их модели без рассинхрона между обучением и продом.
• Оптимизация Spark-джобы. Дают медленный пайплайн и просят найти узкое место: перекос данных, лишние шаффлы, неправильный размер партиций.

Как готовиться: план

За 4–6 недель до собеса:

1. Неделя 1–2 — Spark и оптимизация. Модель выполнения (transformations vs actions, ленивость), шаффлы и join-стратегии, борьба с data skew, кэширование. Разберите 3–4 реальных кейса оптимизации. Spark на собесе DE.
2. Неделя 3 — ClickHouse и DWH. MergeTree и его варианты, партиционирование, материализованные представления, слои DWH и моделирование витрин. DWH ClickHouse на собесе DE.
3. Неделя 3–4 — SQL до автоматизма. Оконные функции, дедупликация, SCD, late-arriving data. Прорешайте 25–30 задач уровня Medium на Карьернике: база SQL и Python для DE закрывается за месяц по 15–20 минут в день.
4. Неделя 4–5 — System design. Marketplace-пайплайны: каталог, заказы, события, recsys-фичи. Тренируйте структуру ответа: бизнес-цель → данные → архитектура → trade-off → мониторинг. Kafka на собесе DE.
5. Неделя 6 — Mocks и behavioral. Мок-интервью и 5–6 STAR-историй: сложный пайплайн, инцидент в проде, работа со смежниками.

Частые ошибки

• Слабый SQL. Кандидат уверенно говорит про архитектуру, но плывёт на дедупликации и оконных функциях. SQL здесь ежедневный инструмент — на нём проверяют базу.
• ClickHouse поверхностно. «Быстрая колоночная база» — и всё. Без понимания партиционирования и движков MergeTree на system design легко сесть в лужу.
• Игнорировать cross-border специфику. Кандидат проектирует пайплайн заказов так, будто все события приходят вовремя и по порядку. Для этого маркетплейса late-arriving data и асинхронные статусы — норма, а не крайний случай.
• Инструменты без trade-off. Ответ «возьмём Kafka и Spark» без объяснения, почему именно так и что при этом теряем, читается как заученный, а не осмысленный.

Связанные темы

• Собеседование на DE в Ozon
• Собеседование на DE в Avito
• Собеседование на DE в Wildberries
• Spark на собесе DE
• Собеседование на PM в AliExpress

FAQ

Сколько этапов?

Обычно 5–6: HR-скрининг, SQL, Python/ETL, system design, поведенческое и финал. Весь цикл — 2–4 недели. По командам и грейдам число этапов отличается.

Нужен ли опыт в маркетплейсе?

Не обязателен, но желателен. Опыт в e-commerce, классифайдах или другом маркетплейсе — сильный плюс: вы уже понимаете каталог, заказы и логистику как данные. Без него ждут, что вы быстро разберётесь в домене.

Какие инструменты нужно знать?

Ядро — Spark, ClickHouse, Kafka, плюс SQL и оркестрация пайплайнов. Глубже всего спрашивают Spark и ClickHouse: не знание синтаксиса, а понимание, как они устроены под капотом.

Какой уровень SQL ждут?

Middle–senior: уверенные оконные функции, дедупликация, SCD, работа с late-arriving data и специфика ClickHouse. Простых агрегатов недостаточно.

Это официальная информация?

Нет. Этапы основаны на публичных источниках и опыте кандидатов. Конкретный формат зависит от команды и грейда — уточняйте у рекрутера.

Тренируйте Data Engineering — откройте тренажёр с 1500+ вопросами для собесов.