Sr. Director, Site Reliability Engineering (Head o Sr. Director (경력·정규직)

• 전사적 신뢰성, 회복 탄력성 및 자율 운영을 위한 대담한 다년도 비전 설정 및 실행 가능한 로드맵 수립
• 쿠팡 전사의 SRE 전략, 운영 모델, 엔지니어링 표준 및 신뢰성 거버넌스 정의 및 소유
• 서비스 티어에 따라 신뢰성 요구 사항을 상속받을 수 있는 플랫폼 메커니즘 구축
• 가용성, 회복 탄력성, 확장성, 성능 및 운영 준비성을 실질적으로 개선하는 이니셔티브 주도
• 엔지니어링, 제품, 인프라, 보안, 재무 및 비즈니스 리더와 협력하여 고객 및 비즈니스 우선순위에 맞게 신뢰성 투자 조율
• 가용성, 탐지 및 복구 성능, 변경 위험, 장애 재발, 용량 준비성 및 운영 공수(toil)를 포함한 경영진 대상 신뢰성 지표 관리
• 전사 엔지니어링 관행에 영향을 미칠 수 있는 세계적인 수준의 SRE 조직 구축 및 확장
• 서비스 티어 정의, SLOs, SLAs, 에러 예산(error budgets), 신뢰성 스코어카드 및 객관적 인증 메커니즘 수립 및 발전
• 중복성, 부하 테스트, 재해 복구, 관측 가능성 및 장애 대응을 포함한 Tier 0, Tier 1, Tier 2 서비스에 대한 명확한 신뢰성 요구 사항 정의
• 신뢰성 거버넌스가 아키텍처, 개발, 릴리스 및 운영에 내재화되도록 보장
• 반복적인 장애, 신뢰성 리스크, 운영 부채 및 안전하지 않은 변경 패턴의 체계적인 감소 주도
• 우아한 성능 저하(graceful degradation), 결함 격리, 부하 분산(load shedding), 서킷 브레이킹 및 장애 격리를 위한 전사적 아키텍처 영향력 행사
• 장애 관리를 빠르고 규율 있고 데이터 중심적이며 점진적으로 자율적인 운영 모델로 전환
• AI 지원 탐지, 이벤트 상관관계 분석, 트리아지(triage), 에스컬레이션, 근본 원인 초안 작성, 복구 권장 및 선택적 자동 복구 기능 구현
• 장애 대응 지휘, 온콜(on-call) 품질, 에스컬레이션 메커니즘, 커뮤니케이션, 장애 후 학습 및 시정 조치 완료 개선
• 소음이 많은 알람, 수동 온콜 작업, 반복적인 진단 및 파편화된 시스템 간의 조정 시간 감소
• 장애 및 텔레메트리 데이터를 사용하여 플랫폼 표준, 테스트, 용량 모델 및 엔지니어링 로드맵을 지속적으로 개선
• 재해 복구, 지역적 회복 탄력성, 가용 영역 손실, 용량 제한 복구 및 핵심 비즈니스 연속성을 위한 전략 및 실행 모델 소유
• 서비스가 플랫폼으로부터 상속받을 수 있는 재사용 가능한 DR 및 페일오버 메커니즘 구축
• 객관적인 RPO/RTO 목표, 자동화된 준비 게이트, 정기적인 게임 데이, 결함 주입 및 증거 기반 복구 인증 수립
• 예측, 예약, 워크로드 우선순위 지정 및 수요와 장애 시나리오에 대한 자동 응답을 사용하여 선제적이고 지능적인 용량 관리 수행
• 컴퓨트, 트래픽, 네트워킹, 스토리지 및 애플리케이션 리더와 협력하여 안전한 존 이탈(zone evacuation), 지역 페일오버 및 급증 대비 지원
• Observability 및 TestOps 리더와 협력하여 로그, 메트릭, 트레이스, 지속적 프로파일링, 테스트 및 장애 인텔리전스를 하나의 신뢰성 피드백 루프로 통합
• 모든 핵심 서비스가 실행 가능한 텔레메트리, 의미 있는 SLOs, 릴리스 품질 신호 및 운영 준비성 증거를 갖추도록 보장
• 운영 패턴을 사용하여 타겟팅된 통합, 부하, 회복 탄력성 및 회귀 테스트 수행
• 서비스 상태, 리스크, 용량 및 운영 효율성을 제공하는 경영진용 신뢰성 대시보드 구축
• 시니어 매니저, 디렉터, 프린시펄 엔지니어 및 시니어 개별 기여자를 포함한 다층 구조의 SRE 리더 조직 관리
• 조직 설계, 글로벌 채용 전략, 리더십 개발, 승계 계획 및 강력한 리더십 층 형성 주도
• 최고 수준의 기술 기업으로부터 뛰어난 SRE, 분산 시스템, 회복 탄력성, 장애 관리 및 용량 엔지니어링 인재 유치
• 명확한 책임, 강력한 기술적 판단력, 높은 실행 속도 및 전사적 관점을 가진 권한 부여된 조직 구축
• 기술 및 조직 리더를 멘토링하고 엔지니어링 전반의 신뢰성 역량을 높이는 촉매제 역할 수행
• 대규모 분산 시스템 및 클라우드 네이티브 인프라 전반의 신뢰성 아키텍처 결정 주도
• 중복성, 페일오버, 트래픽 관리, 데이터 복구, 워크로드 우선순위 지정 및 종속성 격리를 위한 회복 탄력적 패턴 정의
• 안전한 확장, 결함 허용 및 운영 단순성을 위한 아키텍처 리뷰 및 플랫폼 표준 가이드
• 주요 기술 결정 시 가용성, 고객 영향, 엔지니어링 속도, 비용 및 운영 복잡성 간의 균형 유지
• 가정(assumptions)에 이의를 제기하고, 프린시펄 엔지니어를 가이드하며, 중대한 장애 발생 시 고품질의 결정을 내릴 수 있는 충분한 기술적 깊이 유지
• 가용성, 탐지 시간, 완화 시간, 복구 시간, 장애 재발률, 변경 실패율 및 온콜 부담의 측정 가능한 개선 달성
• 전략적 신뢰성 프로그램을 위한 규율 있는 운영 리듬, 마일스톤, 소유 모델 및 분기별 목표 수립
• 공통 신뢰성 메커니즘의 채택을 늘리고 팀별 개별 구현 및 수동 운영 감소
• 고객 경험 개선, 장애 노출 감소, 피크 타임 대비 강화 및 인프라 용량의 효율적 사용을 통해 비즈니스 영향 입증
• 예측 가능한 인도, 투명한 리스크 관리 및 객관적인 신뢰성 개선 증거를 통해 신뢰 구축