Buscamos sumar un/a SRE Observability & Reliability Sr. para formar parte de una importante empresa del ecosistema de medios de pago, con foco en la confiabilidad, observabilidad y disponibilidad de servicios críticos, tanto en entornos Cloud como On-Premise.
Tu rol será clave para construir y evolucionar el esquema de observabilidad de punta a punta, integrando infraestructura, aplicaciones, servicios y métricas transaccionales de negocio. Buscamos un perfil con visión integral, capaz de implementar soluciones de monitoreo, trazabilidad y alertamiento en arquitecturas modernas y sistemas legacy, promoviendo la automatización y la mejora continua.
Lo que valoramos de tu perfil
- Pensamiento sistémico y visión end-to-end, con capacidad para comprender la interacción entre aplicaciones, infraestructura, redes y procesos de negocio.
- Experiencia construyendo esquemas de observabilidad integrales en entornos Cloud y On-Premise.
- Capacidad analítica para interpretar métricas técnicas y transaccionales, identificar desvíos y anticipar incidentes.
- Proactividad, autonomía y orientación a la mejora continua.
- Capacidad para resolver problemas complejos en ambientes productivos críticos.
- Orientación a la automatización, la eficiencia operativa y la eliminación de tareas repetitivas.
- Buenas habilidades de comunicación y capacidad para coordinar equipos técnicos, proveedores y áreas de negocio.
- Capacidad para definir estándares, establecer prioridades y promover buenas prácticas en equipos multidisciplinarios.
Tus principales desafíos serán
- Diseñar, implementar y evolucionar el esquema de observabilidad de punta a punta, abarcando aplicaciones, infraestructura, redes, servicios Cloud y plataformas On-Premise.
- Definir y mantener estándares de Site Reliability Engineering, incluyendo SLIs, SLOs y Error Budgets para servicios críticos.
- Diseñar y desarrollar dashboards de métricas transaccionales en Grafana, con indicadores de negocio como tasas de aprobación y rechazo, volúmenes de transacciones y comportamiento operativo de los servicios.
- Construir alertas basadas en métricas técnicas y de negocio, identificando anomalías, desvíos y posibles impactos sobre la operación.
- Implementar y evolucionar soluciones de Dynatrace, incluyendo instalación y configuración de agentes, Application Performance Monitoring (APM), instrumentación y mapeo de servicios y sus dependencias.
- Integrar fuentes de telemetría y correlacionar métricas, logs y trazas para facilitar el diagnóstico y el análisis de causa raíz.
- Diseñar estrategias de monitoreo y trazabilidad para entornos On-Premise, incluyendo servidores físicos, redes y sistemas legacy, contemplando escenarios en los que no sea posible instalar agentes.
- Configurar y mantener integraciones con servicios AWS, considerando cuentas, redes, permisos, IAM y servicios administrados.
- Diseñar y optimizar esquemas de alertamiento, definiendo severidades, thresholds, routing, escalamiento y acciones esperadas.
- Identificar y reducir alertas no accionables, ruido operativo y falsos positivos.
- Elaborar, probar y mantener runbooks para el diagnóstico, la mitigación y la recuperación de incidentes.
- Participar en la definición y evolución de procesos de Incident Management, incluyendo clasificación por severidad, guardias, escalamiento y coordinación durante incidentes críticos.
- Analizar incidentes y oportunidades de mejora, trabajando sobre MTTD, MTTR, disponibilidad y resiliencia.
- Identificar riesgos de confiabilidad, puntos únicos de falla, problemas recurrentes y oportunidades de automatización.
- Construir y priorizar un Reliability Engineering Backlog, transformando incidentes y riesgos en iniciativas concretas de mejora.
- Definir y validar criterios de Reliability Readiness para garantizar que los servicios lleguen a producción con la instrumentación, el monitoreo y el alertamiento necesarios.
- Coordinar acciones con equipos de Desarrollo, Cloud, Infraestructura, Plataforma, Producto, Operaciones, Incident Management y proveedores externos.
- Evaluar e implementar oportunidades de automatización y uso de inteligencia artificial aplicadas a la observabilidad, el análisis de incidentes y la eficiencia operativa.
- Participar en procesos de transición e internalización de servicios, asegurando la continuidad de la observabilidad y el monitoreo.
¿Qué esperamos de vos?
- Experiencia comprobable como Site Reliability Engineer (SRE), Observability Engineer o en posiciones similares.
- Experiencia trabajando sobre sistemas productivos críticos, disponibilidad y confiabilidad de servicios.
- Experiencia diseñando e implementando esquemas de observabilidad integrales en entornos Cloud y On-Premise.
- Experiencia desarrollando dashboards y alertas en Grafana, incluyendo métricas técnicas y transaccionales de negocio.
- Sólidos conocimientos de SQL y bases de datos, con capacidad para consultar, analizar y construir indicadores a partir de datos transaccionales.
- Experiencia implementando y administrando Dynatrace, incluyendo instalación de agentes, APM, instrumentación y mapeo de servicios y dependencias.
- Sólidos conocimientos de observabilidad: logs, métricas, trazas distribuidas, telemetría y health checks.
- Experiencia con estándares de instrumentación y telemetría, utilizando OpenTelemetry o tecnologías equivalentes.
- Experiencia con herramientas como Grafana, Prometheus, Dynatrace, Datadog, Elastic o similares.
- Experiencia definiendo y trabajando con SLI, SLO, SLA y Error Budgets.
- Experiencia diseñando y administrando alertas, thresholds, severidades, escalamiento y reducción de alertas no accionables.
- Experiencia en análisis y resolución de incidentes, incluyendo RCA (Root Cause Analysis) y métricas como MTTD y MTTR.
- Experiencia monitoreando infraestructura On-Premise, incluyendo servidores físicos, redes y sistemas legacy, con conocimiento de alternativas de monitoreo cuando no es posible instalar agentes.
- Sólidos conocimientos de AWS, incluyendo gestión de cuentas, redes, IAM, permisos y servicios administrados.
- Experiencia trabajando con arquitecturas de microservicios, contenedores y ambientes Cloud.
- Experiencia con Kubernetes y Docker.
- Conocimientos de Linux.
- Experiencia en scripting y automatización, preferentemente con Python, Bash o similares.
- Conocimientos de Infrastructure as Code, preferentemente Terraform.
- Conocimientos de CI/CD y herramientas de integración y deployment.
- Capacidad para analizar indicadores de servicio y traducir datos técnicos en información relevante para la operación y el negocio.
- Se valorará experiencia diseñando o implementando procesos de Incident Management, incluyendo severidades, guardias, escalamiento y coordinación de incidentes críticos.
- Se valorará experiencia coordinando proveedores, equipos externos y múltiples áreas técnicas.
- Se valorará experiencia aplicando inteligencia artificial o automatización para optimizar la operación, el análisis de eventos y la gestión de incidentes.
- Formación universitaria o terciaria en Sistemas, Informática, Tecnología o carreras afines será valorada.
¿Qué ofrece el cliente?
- Relación de dependencia directa con una empresa líder en soluciones de pagos.
- Modalidad híbrida (CABA).
- 30 días al año de trabajo remoto desde cualquier parte del mundo.
- Bono anual por performance y revisión salarial periódica.
- Reintegro mensual de internet y crédito en plataformas de delivery.
- Prepaga de primer nivel para vos y tu grupo familiar.
- Días hábiles de vacaciones y licencias extendidas de familia.
- Acceso a formación continua, certificaciones y convenios educativos.
- Espacios de trabajo atractivos y tecnológicos.
