Руководитель отдела управления платформами

Эта роль приводит управление платформами, обеспечивающими данные, аналитические и ИИ рабочие процессы, обеспечивая стабильность, масштабируемость и безопасность критических данных и инфраструктуры платформ, в то время как ведется инновация в области инженерии данных, DataOps и MLOps, создание многопрофильной команды, оптимизация операций и содействие достижению стратегических целей организации. Обязанности Соответствовать и реализовывать видение, стратегию и дорожную карту для администрирования платформ с организационными целями. Оценивать и рекомендовать внедрение новых технологий (облачные платформы данных, оркестрация, MLOps, потоковая передача данных в реальном времени). Обеспечить стандартизацию, лучшие практики и управление по функциям RDBMS, DataOps и MLOps. Руководить и развивать многопрофильную команду администраторов баз данных, инженеров DataOps, инженеров платформ и специалистов MLOps. Содействовать сотрудничеству с кросс-функциональными заинтересованными сторонами (наука данных, аналитика, ИТ-безопасность, бизнес-единицы). Поддерживать администрирование реляционных баз данных (MS SQL, PostgreSQL) для производительности, доступности, восстановления после сбоев и соблюдения норм. Управлять и оптимизировать компоненты современного дата-стека (MinIO, Trino, Iceberg, Spark, Airflow, Kafka, Dataiku) для загрузки, хранения, обработки и анализа. Создавать основы для масштабируемости платформ, мониторинга, автоматизации и управления затратами. Обеспечить интеграцию платформ с корпоративными системами и рамками безопасности. Определять и осуществлять SLA, SLO и KPI для надежности платформы и доступности данных. Внедрять проактивный мониторинг, оповещения и процессы реагирования на инциденты. Руководить планированием мощностей, настройкой производительности и инициативами по управлению затратами. Стимулировать автоматизацию в процессах предоставления, развертывания и технического обслуживания. Обеспечить бесшовное сотрудничество между командами Data Science и ИТ для реализации моделей машинного обучения. Установить версионирование моделей, CI/CD конвейеры, воспроизводимость и процессы мониторинга. Применять современные практики DataOps для ускорения рабочих процессов данных и сокращения времени до получения информации. Гарантировать соответствие требованиям безопасности данных, конфиденциальности и регуляторным требованиям. Работать с информационной безопасностью для реализации контроля доступа, шифрования и рамок аудита. Создавать процессы управления качеством данных, происхождением и жизненным циклом.