Лидер направления SRE (мониторинг и алертинг)

Мы усиливаем команду SRE и ищем лидера направления, который выстроит современный мониторинг и алертинг, а затем сформирует собственную команду.

Чем предстоит заниматься:

• Развивать и поддерживать систему мониторинга и алертинга на базе Zabbix, Grafana, Prometheus;
• Построить единые подходы к наблюдаемости и взаимодействию с продуктовыми командами;
• Разрабатывать и внедрять дашборды, метрики и алерты для продуктовых и инфраструктурных систем;
• Настроить мониторинг интеграций между системами и внешними сервисами;
• Автоматизировать процессы сбора метрик и обработки событий;
• Участвовать в анализе инцидентов и постмортемах, внедрять улучшения для предотвращения повторных аварий;
• Снижать MTTR (mean time to recovery) и повышать надежность бизнес-критичных систем;
• В перспективе — набирать команду инженеров, обучать и развивать их, распределять задачи внутри направления.

Что мы ждём:

• Опыт работы с системами мониторинга (Zabbix, Grafana, Prometheus или аналогами);
• Знание принципов построения эффективного мониторинга и алертинга (SLA/SLO/Error budget);
• Понимание архитектуры распределённых систем и интеграций;
• Опыт автоматизации (bash/python/go, Ansible/Terraform будет плюсом);
• Навыки анализа инцидентов и поиска первопричин проблем;
• Опыт взаимодействия с продуктовыми командами и умение объяснять ценность наблюдаемости;
• Лидерские качества: готовность брать ответственность, формировать команду и развивать специалистов.

Будет плюсом:

• Опыт работы в финансовых или других высоконагруженных/критичных системах;
• Практика внедрения SRE-практик (postmortem, error budget, chaos testing);
• Опыт управления командой или наставничества;
• Знание CI/CD и контейнерных технологий (Docker, Kubernetes).