Reliability Operations Specialist

Автоматический пересказ вакансии на русском. Полный текст на языке оригинала и форма отклика — на сайте работодателя.

Специалист по надёжности в Nexcess, координирующий инциденты, постмортемы, наблюдаемость и процессы изменений. Роль связующего звена между инженерными, инфраструктурными и security-командами для повышения стабильности сервисов.

Задачи

• Участвовать в реагировании на крупные инциденты и выполнять роль Incident Commander
• Координировать эскалации, коммуникации со стейкхолдерами и статус-репортинг во время инцидентов
• Улучшать процессы управления инцидентами и операционную готовность
• Снижать MTTD и MTTR
• Вести и применять Criticality Matrix для тиров сервисов и инфраструктуры
• Координировать и проводить постмортем-ревью по значимым инцидентам
• Синтезировать выводы по инцидентам для выявления трендов и системных рисков
• Отслеживать корректирующие действия до закрытия
• Совместно с инженерными командами определять и поддерживать SLI и SLO
• Развивать стратегию наблюдаемости: мониторинг, алертинг, дашборды, телеметрия
• Анализировать метрики надёжности и операционные тренды
• Совместно с DevOps проектировать JSM-воркфлоу для Incident, Problem и Change с автоматизацией
• Устанавливать политику изменений, правила жизненного цикла, оценку рисков и CAB-оверсайт
• Отслеживать Change Failure Rate и инциденты, связанные с изменениями
• Управлять приёмкой сервисов, операционной готовностью и жизненным циклом (supported/unsupported/EOL)
• Поддерживать asset governance, точность CMDB, CI и карту связей сервисов в JSM
• Готовить отчётность по надёжности для инженерного руководства и топ-менеджмента
• Переводить технические метрики надёжности в бизнес-инсайты

Требования

• 3+ года опыта в Product Operations, Platform Operations, технической поддержке, координации инцидентов или ITSM/ITIL
• Опыт участия в координации крупных инцидентов
• Знание управления инцидентами, root cause analysis и методологий постмортемов
• Опыт с инструментами мониторинга, алертинга, наблюдаемости или операционной отчётности
• Сильные аналитические и организационные навыки, внимание к деталям
• Отличные письменные и устные коммуникационные навыки
• Умение работать кросс-функционально и влиять на результат без прямых полномочий
• Желательно: опыт с SLO, SLI и метриками надёжности
• Желательно: знакомство с облачной инфраструктурой, Linux, сетями или распределёнными платформами
• Желательно: знание ITIL, operational excellence или принципов reliability engineering
• Желательно: опыт поддержки high-availability SaaS, hosting, cloud или инфраструктурных сред
• Желательно: опыт создания операционных отчётов и презентаций для руководства

Навыки

• ITSM
• ITIL
• SLO
• SLI
• Incident Management
• Root Cause Analysis
• Post-mortem
• Observability
• Monitoring
• Alerting
• JSM
• CMDB
• Change Management
• Linux
• Cloud infrastructure
• Networking
• SaaS