Accueil›Blog›Test technique Data Engineer clé en main

Tests prêts à l'emploi

Test technique Data Engineer clé en main : SQL + Python + pipeline (take-home 2h)

Ce test couvre les trois piliers du métier de Data Engineer : requêter (SQL), traiter (Python), et concevoir un pipeline fiable. En version take-home (2h) ou live, il donne une image complète du niveau. Corrigés et grille inclus. Rappel : un take-home non supervisé est moins fiable qu'un live — privilégiez le live si possible.

Data Builder·Juillet 2025·12 min de lecture·Test métier complet · Data Engineer · take-home 2h

Sommaire

Partie 1 — SQL (30 min)
Partie 2 — Python (45 min)
Partie 3 — Concevoir un pipeline
Grille par niveau

Le fil rouge du métier — et de ce test — est la fiabilité. On ne cherche pas seulement du code qui marche, mais du code robuste, testé, et un pipeline pensé pour l'échec. C'est ce qui distingue un vrai Data Engineer.

1Partie 1 — SQL (30 min)

La consigne

Une requête d'agrégation non triviale + une optimisation.

On demande une requête analytique (ex. le dernier achat de chaque client via une fonction fenêtre) puis comment l'optimiser sur gros volume. On évalue la maîtrise du SQL avancé et la conscience de la performance.

-- Dernier achat de chaque client
SELECT * FROM (
  SELECT o.*,
         ROW_NUMBER() OVER (PARTITION BY client_id ORDER BY date_commande DESC) AS rn
  FROM commandes o
) t
WHERE rn = 1;

Attendu : une fonction fenêtre (ROW_NUMBER) maîtrisée.
Attendu : une piste d'optimisation (index, partition) justifiée.

2Partie 2 — Python (45 min)

La consigne

Écrire un traitement robuste et testé.

On fournit une source imparfaite (un CSV ou une API simulée) et on demande un script qui l'ingère, la fiabilise et gère les erreurs. On regarde surtout la robustesse et la présence de tests.

def nettoyer(df):
    df = df.drop_duplicates()
    df["montant"] = pd.to_numeric(df["montant"], errors="coerce")
    return df.dropna(subset=["id", "montant"])

def test_nettoyer():
    brut = pd.DataFrame({"id":[1,1,None], "montant":["10","10","x"]})
    assert len(nettoyer(brut)) == 1   # doublon retire, ligne invalide retiree

Gère les cas d'erreur (valeurs manquantes, échec de lecture).
Écrit au moins un test unitaire sur la logique clé.
Code lisible, fonctions réutilisables.

3Partie 3 — Concevoir un pipeline

La consigne

Décrire l'orchestration d'un pipeline quotidien fiable.

Sans forcément coder, le candidat décrit comment il orchestrerait le tout en production : ordre des tâches, relances, alertes, idempotence. C'est la partie la plus discriminante.

Ordonne les étapes (extract → transform → load).
Prévoit relances, alertes et reprise sans doublons (idempotence).
Pense monitoring : comment saura-t-il qu'un run a échoué ?

Signal d'alerte : ce que révèle ce test complet : le SQL et le Python peuvent être bons, mais c'est la partie 3 (fiabilité du pipeline) qui distingue un vrai Data Engineer d'un bon développeur. Un candidat qui néglige la gestion d'échec n'a pas le réflexe du métier.

4Grille par niveau

Niveau	Maîtrise attendue	Signal GO	NO-GO
Junior	Code qui fonctionne	Réussit SQL et Python de base	Aucune gestion d'erreur ni test
Confirmé	Code robuste et testé	Gère les erreurs, écrit des tests	Pipeline sans gestion d'échec
Senior	Pipeline fiable et idempotent	Pense reprise, alertes, monitoring	Bon code mais pipeline fragile
Lead	Architecture et standards	Conçoit pour l'échec et l'échelle	Néglige la fiabilité en production

Home›Blog›Turnkey Data Engineer technical test

Ready-to-use tests

Turnkey Data Engineer technical test: SQL + Python + pipeline (take-home 2h)

This test covers the three pillars of the Data Engineer role: querying (SQL), processing (Python), and designing a reliable pipeline. As a take-home (2h) or live, it gives a complete picture of the level. Answers and grid included. Reminder: an unsupervised take-home is less reliable than a live one — prefer live if possible.

Data Builder·July 2025·12 min read·Complete role test · Data Engineer · take-home 2h

Contents

Part 1 — SQL (30 min)
Part 2 — Python (45 min)
Part 3 — Design a pipeline
Level grid

The through-line of the role — and this test — is reliability. We don't just want code that works, but robust, tested code, and a pipeline built for failure. That's what marks a real Data Engineer.

1Part 1 — SQL (30 min)

The task

A non-trivial aggregation query + an optimization.

You ask for an analytical query (e.g. each customer's latest purchase via a window function) then how to optimize it at scale. We assess advanced SQL mastery and performance awareness.

-- Dernier achat de chaque client
SELECT * FROM (
  SELECT o.*,
         ROW_NUMBER() OVER (PARTITION BY client_id ORDER BY date_commande DESC) AS rn
  FROM commandes o
) t
WHERE rn = 1;

Expected: a mastered window function (ROW_NUMBER).
Expected: a justified optimization lead (index, partition).

2Part 2 — Python (45 min)

The task

Write a robust, tested processing script.

You provide an imperfect source (a CSV or a simulated API) and ask for a script that ingests it, hardens it and handles errors. We mainly watch robustness and the presence of tests.

def nettoyer(df):
    df = df.drop_duplicates()
    df["montant"] = pd.to_numeric(df["montant"], errors="coerce")
    return df.dropna(subset=["id", "montant"])

def test_nettoyer():
    brut = pd.DataFrame({"id":[1,1,None], "montant":["10","10","x"]})
    assert len(nettoyer(brut)) == 1   # doublon retire, ligne invalide retiree

Handles error cases (missing values, read failure).
Writes at least one unit test on the key logic.
Readable code, reusable functions.

3Part 3 — Design a pipeline

The task

Describe the orchestration of a reliable daily pipeline.

Without necessarily coding, the candidate describes how they'd orchestrate it all in production: task order, retries, alerts, idempotence. It's the most discriminating part.

Orders the steps (extract → transform → load).
Plans retries, alerts and duplicate-free recovery (idempotence).
Thinks monitoring: how will they know a run failed?

Warning signal : what this complete test reveals: SQL and Python can be good, but it's part 3 (pipeline reliability) that separates a real Data Engineer from a good developer. A candidate who neglects failure handling lacks the role's reflex.

4Level grid

Level	Expected proficiency	Signal GO	NO-GO
Junior	Code that works	Passes basic SQL and Python	No error handling or tests
Mid-level	Robust, tested code	Handles errors, writes tests	Pipeline with no failure handling
Senior	Reliable, idempotent pipeline	Thinks recovery, alerts, monitoring	Good code but fragile pipeline
Lead	Architecture and standards	Designs for failure and scale	Neglects production reliability

Test technique Data Engineer clé en main : SQL + Python + pipeline (take-home 2h)

1Partie 1 — SQL (30 min)

2Partie 2 — Python (45 min)

3Partie 3 — Concevoir un pipeline

4Grille par niveau

Turnkey Data Engineer technical test: SQL + Python + pipeline (take-home 2h)

1Part 1 — SQL (30 min)

2Part 2 — Python (45 min)

3Part 3 — Design a pipeline

4Level grid

Vous recrutez un profil data ?