Gerente de SRE (Site Reliability Engineering)

Descrição do Cargo:

A pessoa Gerente SRE (Site Reliability Engineering) é responsável por liderar a equipe de engenheiros de confiabilidade do site, garantindo a disponibilidade, desempenho e eficiência dos sistemas e infraestrutura.

Requisitos:

Experiência prévia em funções de SRE ou operações de sistemas

Conhecimento em ferramentas de monitoramento e análise de sistemas

Habilidades de liderança e trabalho em equipe

Capacidade de resolver problemas complexos de forma eficiente

Conhecimento em práticas de DevOps e automação

Excelentes habilidades de comunicação e documentação

Formação acadêmica na área de Tecnologia da Informação ou áreas relacionadas

Experiência

Sólida vivência em Engenharia de Software, DevOps ou SRE, com experiência comprovada em posição de liderança/gestão de times técnicos.

Histórico de atuação em ambientes de alta escala e criticidade.

Stack técnica

Nuvem pública: AWS, GCP, Azure e/ou OCI.

Orquestração e containers: Kubernetes e Docker.

IaC: Terraform e Ansible.

Observabilidade: Prometheus, Grafana, Datadog e OpenTelemetry.

Linguagens: Go, Python e Bash.

Bancos de dados relacionais e NoSQL em produção.

Práticas

Disaster Recovery, segurança em infraestrutura e FinOps.

Gestão de incidentes e cultura de postmortems.

Planejamento de capacidade e performance em ambientes de microsserviços.

Soft skills

Liderança e desenvolvimento de pessoas.

Comunicação clara com públicos técnicos e executivos.

Tomada de decisão sob pressão e raciocínio analítico.

Visão de negócio e capacidade de priorização.

Responsabilidades

Liderança estratégica

Definir a visão, o roadmap e os processos da área de SRE, alinhando a infraestrutura aos objetivos de negócio.

Estabelecer e evoluir políticas de SLIs, SLOs, SLAs e error budgets.

Representar a área junto a stakeholders de Produto, Engenharia, Segurança e Negócios.

Gestão de pessoas e projetos

Liderar, desenvolver e engajar a equipe de SRE, conduzindo 1:1s, PDIs, avaliações de desempenho e processos de contratação.

Gerenciar orçamentos de Capex e Opex, acompanhando KPIs de eficiência e custo.

Priorizar iniciativas e balancear entregas de curto prazo com investimentos em confiabilidade.

Confiabilidade e performance

Elevar a resiliência dos ambientes, monitorando disponibilidade, latência, taxa de erro e saturação.

Planejar capacidade, performance e custos de infraestrutura (FinOps).

Conduzir iniciativas de Disaster Recovery, testes de resiliência e chaos engineering.

Resposta a incidentes

Atuar ativamente na gestão de crises e incidentes críticos (incident commander quando necessário).

Promover a cultura de blameless post-mortems e aprendizado contínuo.

Estruturar rotinas de on-call saudáveis e sustentáveis para o time.

Automação e engenharia de plataforma

Impulsionar o uso de IaC (Terraform, Ansible) e pipelines de CI/CD.

Reduzir toil por meio de automação e construção de capacidades de plataforma reutilizáveis.

Estabelecer padrões de observabilidade (logs, métricas, traces) com Prometheus, Grafana, Datadog e OpenTelemetry.

Modelo de Trabalho: Presencial - Recife - PE