9 апреля 2026
Мы финтех-компания, обеспечивающая надежную и безопасную обработку платежей для крупнейших бизнесов в России и СНГ.
В Finframe вы найдете отличные возможности для карьерного роста, профессионального развития и участия в интересных и сложных проектах. Присоединяйтесь к нашей команде и постройте успешную карьеру в перспективной и востребованной сфере!
Сейчас мы ищем Senior DataOps инженера , которому интересно не просто поддерживать инфраструктуру, а строить и развивать Data Platform с нуля по мере её появления.
В роли будет много практической работы: запуск и настройка компонентов платформы, развитие CI/CD, автоматизация развёртывания и observability, повышение стабильности и производительности data-среды. Вместе с архитектором и data-командой предстоит формировать подходы к эксплуатации платформы в production и её масштабированию.
Важно не только сопровождать системы, но и выстраивать инженерные практики эксплуатации, помогать команде быстрее и безопаснее выпускать изменения и накапливать платформенную экспертизу. Если тебе важно видеть прямой результат своей работы и влиять на то, как развивается техническая среда здесь это получится.
Обязанности:
Установка, конфигурация и сопровождение прикладного ПО Data Platform (Airflow, Spark, Trino, DBT, Superset, ClickHouse, Greenplum и др.);
Настройка и сопровождение хранения данных в объектном хранилище (S3);
Разработка и развитие CI/CD процессов для data-разработки и релизов;
Автоматизация развёртывания и обновлений компонентов платформы;
Проведение исследовательских работ, пилотных проектов, нагрузочных тестов совместно с разработчиками и аналитиками;
Настройка monitoring, alerting и observability систем;
Обеспечение стабильности, отказоустойчивости и производительности платформы;
Troubleshooting инцидентов и участие в их разборе;
Управление доступами, окружениями и конфигурациями;
Взаимодействие с Data Engineers и архитекторами при запуске новых контуров.
Опыт установки и эксплуатации data-инструментов, аналитических БД;
Опыт построения CI/CD (Git, pipelines, автоматизация релизов);
Опыт мониторинга и сопровождения production-систем;
Понимание принципов отказоустойчивости и performance tuning;
Опыт Kubernetes / контейнеризации;
Опыт эксплуатации Lakehouse решений;
Опыт построения observability data-платформ.