Собеседование на Data Engineer в Норникель

Почему Норникель — особенный работодатель для DE

Норникель — крупнейший производитель никеля, палладия и платины: горно-обогатительные комбинаты в Норильске, Кольский комбинат, плавильные мощности, транспортные подразделения, проекты по электромобильности и литий-ионной батарейной цепочке. Для Data Engineer это редкий и специфический работодатель: задачи крутятся вокруг построения data infrastructure горно-обогатительных процессов, металлургии, гигантских транспортных операций и заполярной инфраструктуры.

Главные DE-домены: построение data lake промышленных данных горно-обогатительных комбинатов (MES, SCADA, вибромониторинг мельниц); pipeline для predictive maintenance тяжёлого оборудования; pipeline для металлургического контроля качества; CV pipeline (анализ руды, контроль безопасности в шахтах); ESG-витрины (выбросы SO2, экологический мониторинг); pipeline для логистики Заполярья; корпоративные витрины ERP.

Стек: Oracle (наследие АСУТП и ERP) + Hadoop/HDFS + Greenplum + ClickHouse для аналитики; Airflow + dbt + Spark; Kafka + специализированные коннекторы к SCADA; PI System как источник промышленной телеметрии; GIS-инструменты для экологического мониторинга. Часть legacy на Informatica и SAS, активно мигрируется.

Актуальные вакансии — на hh.ru и сайте Норникеля.

Этапы собеседования

Полный цикл — 5-8 недель, 5-6 этапов. Процесс корпоративный с тестовым и СБ: HR, тестовое, техническое интервью, профильное интервью с заказчиком (главный технолог, начальник производства), финал.

1. HR-скрининг (30-45 минут)

Рекрутер уточняет: production-опыт DE (от 2 лет, желательно с big-data или промышленным контекстом), знание стека, готовность к командировкам или гибриду с присутствием на производстве, мотивацию идти в Норникель, ожидания по компенсации и формату. Готовь питч на 90 секунд про самый зрелый production-pipeline.

2. Тестовое задание (5-10 дней)

Часто для middle+ позиций: реальный кейс — pipeline для вибромониторинга мельницы, расчёт OEE по горно-обогатительной фабрике, реконсиляция данных MES с метрологическим учётом. Защита тестового — на следующем этапе.

3. Техническое интервью / SQL и архитектура (60-90 минут)

Базовая секция с senior DE из команды. Темы: SQL deep dive (оконные функции, оптимизация на больших временных рядах вибромониторинга), модели данных, batch vs streaming, CDC, data quality. Специфический вопрос: «как ты бы построил pipeline для вибромониторинга мельниц с edge-обработкой на промплощадке и подачей в DWH для predictive maintenance».

Подготовка: SQL для DE, Kafka streaming, Data modeling.

4. Python + SQL live coding (60 минут)

Задачи прагматичные: 1-2 на SQL (оконки, JOIN, агрегаты по времени), 1-2 на Python (pandas, PySpark, простые ETL). Часто живой кейс на промышленных данных: «дам тебе фрейм с метриками вибрации, найди интервалы с аномальным режимом». Готовиться: 30-50 SQL Medium-Hard задач + 20 простых на Python.

Подготовка: SQL для DE.

5. Профильное интервью с заказчиком (90 минут)

Беседа с главным технологом комбината, начальником производства, главным механиком ДО. Темы: как ты понимаешь промышленный контекст, как договариваешься с инженерами и металлургами. STAR-формат: расскажи про длинный compliance-проект.

6. Финал / СБ + оффер (1-3 недели)

Согласование оффера, проверка СБ.

Особенности по командам

Data lake горно-обогатительных процессов. Команда строит data lake для MES обогатительной фабрики: флотомашины, мельницы, конвейеры, дробилки. Стек — Python + Spark + Hadoop + интеграция с MES и SCADA. Челлендж — большие объёмы вибромониторинга (миллиарды точек в день), нерегулярная связь в Заполярье. Подойдёт DE с big-data или промышленным фоном.

Predictive maintenance тяжёлого оборудования. Команда работает с pipeline вибромониторинга, телеметрии мельниц/дробилок/конвейеров для predictive maintenance. Стек — Kafka + ClickHouse + Spark + интеграция с ML-сервисами. Подойдёт DE с интересом к индустриальному ML.

Металлургия и контроль качества. Команда по pipeline для металлургических переделов: плавка, рафинирование, контроль качества металла. Стек — Spark + Greenplum + интеграция с MES плавильных производств. Подойдёт DE с background в металлургии.

CV pipeline для производства и безопасности. Команда занимается pipeline для CV-моделей: анализ руды по фото, контроль футеровки печей, контроль безопасности в шахтах. Стек — Kafka + PyTorch + S3 + интеграция с CV-сервисами. Подойдёт DE с CV-фоном.

ESG и геомониторинг. Команда занимается анализом выбросов и состояния инфраструктуры через спутники и дроны. Стек — Spark + GIS + специализированные системы. Подойдёт DE с CV/гео-фоном.

Что Норникель ценит в DE

Промышленный контекст. Опыт в металлургии, горном деле, машиностроении, нефтегазе — большой плюс.

Готовность к Заполярью. Часть ролей предполагает командировки в Норильск или Мончегорск.

Compliance-зрелость. В Норникеле compliance Ростехнадзора и экологии — критическая часть работы.

Weak vs strong на архитектурном кейсе. Слабый ответ: «возьмём Kafka + Spark Streaming для вибромониторинга мельниц». Сильный ответ: «вибромониторинг мельниц — это десятки тысяч точек в секунду с каждой машины. Архитектура: edge-обработка на промплощадке (FFT и first-pass features) → snapshot-events в Kafka с минимальным payload → исторические данные в Hadoop/HDFS для дообучения ML-моделей. Real-time агрегаты для дашбордов в ClickHouse, batch-расчёты остаточного ресурса в Spark раз в сутки. Connectivity Заполярья: edge-буфер на 24 часа на случай разрыва связи. Reconciliation с ручной инспекцией ОТК обязательно. Audit trail для Ростехнадзора».

Готовность к корпоративной среде и СБ. Норникель — большая корпорация.

Self-management. Циклы длинные.

Как готовиться: план

За 6-10 недель до планируемого собеса:

1. Неделя 1-2 — SQL deep dive + big-data. SQL Medium-Hard 30+ задач, Hadoop, Spark deep dive. Параллельно — на Карьернике обнови базу по SQL и Python: 1500+ задач, по 15-20 минут в день, чтобы за месяц закрыть пробелы.
2. Неделя 3 — Современный data stack + промышленные интеграции. Airflow patterns, dbt, Kafka, OPC-UA, PI System.
3. Неделя 4 — Металлургия и горное дело контекст. Прочитай статьи Норникеля, НЛМК, Северстали, СИБУРа. Запомни понятия: флотация, измельчение, рафинирование, штейн, концентрат, MES, OEE, FMEA, ASIC-измерение.
4. Неделя 5 — Архитектурные кейсы. Прорешай 5-6 кейсов: вибромониторинг + DWH, CV-pipeline для безопасности, металлургический pipeline, ESG-мониторинг, логистика Заполярья. Структура — требования → C4 → API → процессы → audit trail. Spark deep dive.
5. Неделя 6 — Тестовое + защита.
6. Неделя 7-10 — Mocks и behavioral + СБ-документы. Mock-интервью, 5-7 STAR-историй: конфликт с технологом, факап в проде, длинная миграция.

Частые ошибки

Игнорируют edge и unreliable connectivity. MES в Заполярье работает в условиях, где связь может прерываться часами.

Не понимают физики процесса. Модели данных должны учитывать физико-химические законы.

Не разбираются в металлургии. «Что такое флотация, рафинирование?» — кандидат теряется на профильном интервью.

Не задают вопросы про регуляторику. На кейсе сразу — стек, а не «какие требования Ростехнадзора, какая аудитность». Это первый фильтр.

Не готовы к командировкам. Норникель — компания с производственными активами в Норильске и Мончегорске. Кандидат, который категорически не готов к командировкам, не подойдёт для большинства проектных ролей.

Связанные темы

• Собеседование на Data Engineer
• Spark deep dive
• Kafka streaming
• Собеседование на Data Engineer в Газпром
• Собеседование на Data Scientist в Норникель

FAQ

Удалёнка в Норникеле для DE?

Гибрид. Головной офис в Москве, производственные комбинаты в Норильске и Мончегорске. Полная удалёнка возможна для аналитических ролей, для проектных — гибрид с командировками.

Зарплатные вилки 2026?

Middle DE: 250-380k. Senior: 380-600k. Lead — выше. Компенсации за работу в условиях Заполярья — отдельная статья.

Нужен ли английский?

Базовый — для документации, общения с международными подрядчиками.

Сколько этапов?

5-6 этапов, 5-8 недель.

Реально ли пройти без металлургии?

Сложно. Хотя бы базовое понимание горно-обогатительных или плавильных процессов должно быть. Помогает background в нефтегазе или machinery manufacturing.

Какие книги и ресурсы помогут подготовиться?

«Designing Data-Intensive Applications» Мартина Клеппманна, статьи Норникеля, Northvolt, Sandvik про data infrastructure в металлургии и горнодобыче. По SQL — задачник Карьерника.

Что подчеркнуть на финале в Норникеле?

Готовность к Заполярью и командировкам, опыт работы с big-data на промышленных данных, понимание Ростехнадзор-compliance. Если есть опыт работы с производственной инфраструктурой в удалённых локациях — это серьёзный плюс. Также ценится опыт работы с большими проектными командами (10+ человек) и длинными циклами согласования.

Чем работа в Норникеле отличается от нефтегаза?

Норникель — металлургия и горное дело, не нефтегаз. Цикл процессов другой: вместо скважин — карьеры/шахты и обогатительные фабрики, вместо НПЗ — плавильные комбинаты. SCADA-протоколы пересекаются (OPC-UA), но MES-системы специфичны для металлургии. Если опыт в нефтегазе — нужно доучить терминологию (флотация, штейн, рафинирование) и базовую химию плавки.

Это официальная информация?

Этапы основаны на публичных источниках и опыте кандидатов. Уточняйте у рекрутера — формат и грейды отличаются по комбинатам.