题目重点：回答为什么选择数据工程，用实际建模、管道和数据消费经验说明角色匹配。
题意与假设
这道练习题保留了面经中值得训练的核心约束，并将需要澄清的条件单独列出。现场拿到变体时，先和面试官确认这些条件。
- 训练问岗位动机而非Why Meta；只能用本人经历，不能编造做过的数据平台、流量或决策影响。
解题路线
- 先说明喜欢解决哪种数据问题，例如指标口径、可靠交付、建模和可复用数据产品；具体到使用者和决策，而非只列SQL/Spark工具。
- 用一个真实项目展示从需求澄清→grain/schema→采集与质量→交付与消费的链路，本人负责哪些环节，谁验收结果，故障或trade-off如何处理。
- 解释与分析/后端/ML角色的协作，DE不是把别人query搬到定时任务；需要兼顾schema变化、数据延迟、可追踪和长期维护。
- 连接目标岗位已知职责，不假设招聘团队一定做本人想做的方向；可以说明希望进一步学习的领域，同时给现有可迁移经验。
- 如果追问DE总有做不完工作，按业务影响、依赖和可靠性优先级，明确范围/延迟/替代交付，与stakeholder对齐而非无限加班。
手动走一遍
若真实项目是修复收入指标，讲清是join grain放大、本人定义主键/验证和消费影响，不只说“我喜欢数据，因为数据很重要”。没有跨公司影响就不夸大。
规模与取舍
1–2分钟主答，具体证据足够后留深挖；影响可以是质量/可用性/决策效率，不强求虚构收入数字。优先级依真实需求与SLA。
易错点与追问
容易失分的边界
- 将DE动机等同工具名列表。
- 把Why岗位与Why公司合并成空泛品牌回答。
继续深挖
- 为什么不选DA或纯后端？从目标职责解释本人选择，不贬低其他岗位。
- 技能缺口怎样诚实说明已有学习行动和可验证进展？
