Manager, Site Reliability Engineering – Paylo Platform

О позиции

PDI Technologies обеспечивает ведущие бренды розничной торговли и АЗС передовыми технологическими решениями, включая мобильные приложения GasBuddy для анализа рынка и программ лояльности. Paylo — это продуктовый набор компании для обработки платежей, вознаграждений клиентов и управления ценами на топливо. Эта позиция обладает полной ответственностью за надёжность, инфраструктурную стратегию и операционное функционирование критически важных платформ, обрабатывающих транзакции по всему миру.

Чем заниматься

• Управление и развитие команды из 3 SRE-менеджеров/лидов с общей численностью ~20 инженеров
• Формирование vision, приоритетов и рабочих ритмов функции SRE; перевод бизнес-приоритетов в план улучшений надёжности
• Нанеминг, коучинг и развитие менеджеров и старших инженеров с построением карьерных трекерв
• Поддержка blameless культуры вокруг инцидентов, дежурств и операционного совершенства
• Партнёрство с директорами инженерии, product-менеджерами и бизнес-стейкхолдерами для согласования инвестиций в надёжность
• Техническое участие: обзоры архитектуры, устранение сложных проблем продакшена, внесение вклада в IaC/Kubernetes/CI/CD
• Установление стандартов для multi-cloud инфраструктуры (AWS/Azure) и оркестрации контейнеров Kubernetes
• Развитие GitOps-based continuous delivery на базе Argo CD/Argo Workflows
• Стратегия Infrastructure-as-Code (Terraform/OpenTofu) включая модули, state management, drift detection
• Архитектура CI/CD на Jenkins: автоматизация сборки/деплоя, reliability pipeline, progressive delivery
• Observability strategy на базе Datadog (APM, инфраструктура, логи, алертинг)
• Определение SLIs/SLOs, error budgets, reliability KPIs; контроль метрик ответственности команд
• End-to-end программа incident management: дежурства, эскалации, severity, postmortems
• Root-cause analysis и долгосрочные инвестиции в надёжность для снижения Sev1/Sev2 частоты
• Обеспечение resilience, disaster recovery и capacity planning для чувствительных платежных систем
• Партнёрство с Security/Compliance для соответствия PCI DSS и аудиторских требований
• Отчётность cost/capacity/KPI senior leadership

Что ждут

• 8+ лет опыта в SRE/DevOps/Infrastructure Engineering
• 4+ лет опыта управления людьми, включая управление менеджерами/лидами
• Прямое руководство командой ~20 отчётов через 3 менеджеров
• Глубокие практические навыки работы с AWS и Azure
• Экспертиза Kubernetes/Helm: кластерные операции, troubleshooting, chart design
• Экспертиза Argo CD/Argo Workflows для GitOps continuous delivery
• Экспертиза Terraform/OpenTofu для Infrastructure as Code
• Экспертиза Jenkins для CI/CD pipeline design и automation
• Экспертиза Datadog или аналогичной enterprise observability platform
• Доказанный опыт программы incident management для высокотрафиковых систем
• Отличные коммуникационные и стейкхолдер-менеджмент навыки
• Легальное право работать в США без спонсорства визы

Будет плюсом

• Опыт поддержки payment/fuel/loyalty платформ или систем с PCI DSS compliance
• Сертификации: CKA/CKAD, AWS Certified Solutions Architect, Microsoft Azure Solutions Architect, HashiCorp Terraform Associate
• Опыт работы с messaging systems (Kafka/SQS/SNS), PagerDuty, multi-region/multi-AZ patterns
• Опыт консолидации/стандартизации SRE и DevOps практик на множестве продуктовых линий
• Опыт партнёрства с продуктовыми и бизнес стейкхолдерами для перевода reliability investments в business outcomes

Условия

• Участие в работе с технологией ведущих global convenience retail и petroleum брендов
• Командный масштаб ~20 инженеров с возможностью построения организационной структуры
• Возможность глубокого технического участия при управленческих обязанностях
• Работа с современными cloud/DevOps инструментами и практиками
• Корпоративная культура с фокусом на excellence, collaboration и real impact
• Добавьте общие льготы и bennfits для подобной позиции

Навыки

• aws
• azure
• kubernetes
• helm
• argo-cd
• terraform
• opentofu
• jenkins
• datadog
• gitops
• ci/cd
• infrastructure-as-code
• observability
• incident-management
• sre
• pci-dss-compliance
• blameless-postmortems
• slos-slis
• blue-green-deployment
• canary-deployment

Могут спросить на собеседовании

1. Расскажите о вашем опыте управления менеджерами SRE/DevOps в команде от 15 до 30 человек.
2. Как вы строили observability strategy и SLO-driven culture в предыдущих проектах?
3. Приведите пример complex production incident, который вы расследовали, и какие systemic changes вы внедрили после него.
4. Какой у вас подход к balancing hands-on technical work с managerial responsibilities?
5. Как вы работали с compliance requirements (PCI DSS, GDPR) в контексте SRE и deployment processes?