Entrevista de Ingeniero de Datos: preguntas y respuestas.

Preguntas

Preguntas técnicas para practicar en voz alta

1. 01

   ¿Cuál es la diferencia entre ETL y ELT?

   ETL transforma antes de cargar en el destino; ELT carga datos crudos y transforma dentro de un warehouse capaz. Elige según gobierno, latencia, cómputo, reproducibilidad y control de acceso.

   Leer el desglose completo
2. 02

   ¿Cómo eliges una estrategia de particionamiento de datos?

   Particiona por columnas que coincidan con filtros frecuentes y distribuyan volumen, evitando particiones minúsculas y skew. Planifica retención, compactación, datos tardíos, metadatos y pruning.

   Leer el desglose completo
3. 03

   ¿Cómo abordas pipelines de datos exactly-once?

   Los efectos exactly-once requieren entrada reproducible, procesamiento determinista, escrituras idempotentes o transaccionales, IDs estables y checkpoints. La garantía del broker por sí sola no cubre todo el pipeline.

   Leer el desglose completo
4. 04

   ¿Cómo eliges un modelo de datos?

   Elige modelo según consumidores, granularidad, actualizaciones, historial, relaciones, latencia y gobierno. Conserva una fuente de verdad y optimiza hechos, dimensiones o vistas desnormalizadas para acceso.

   Leer el desglose completo
5. 05

   ¿Cómo construyes controles de calidad de datos?

   Ejecuta controles en ingestión y transformación para esquema, nulos, unicidad, integridad, rangos, frescura, volumen y distribuciones; aísla datos malos y asigna propietario y severidad.

   Leer el desglose completo
6. 06

   ¿Cómo gestionas evolución de esquema?

   Evoluciona esquemas de forma compatible: añade campos opcionales, versiona contratos, permite productores antiguos y nuevos, valida consumidores, rellena y elimina solo tras ventanas de uso y retención.

   Leer el desglose completo
7. 07

   ¿Cuándo eliges streaming frente a batch?

   Elige streaming si la decisión requiere baja latencia y estado continuo; batch si un retraso acotado simplifica corrección y coste. Incluye orden por tiempo de evento, datos tardíos, replay y operación.

   Leer el desglose completo
8. 08

   ¿Cómo orquestas pipelines de datos?

   Modela pipelines como tareas idempotentes con dependencias, entradas, salidas, reintentos, timeouts, backfills, límites y propietario; persiste estado y expón calidad y frescura.

   Leer el desglose completo
9. 09

   ¿Cómo implementas linaje de datos?

   Captura linaje desde campos fuente por transformaciones hasta datasets y dashboards con metadatos versionados de los jobs; conéctalo con propiedad, cambios, incidentes y análisis de impacto.

   Leer el desglose completo
10. 10

    ¿Cómo controlas costes del data warehouse?

    Controla coste atribuyendo gasto, podando particiones, seleccionando columnas necesarias, reduciendo scans repetidos, materializando resultados, dimensionando cómputo, programando cargas y usando presupuestos y alertas.

    Leer el desglose completo