مسئولیت‌ها:

• سرپرستی، برنامه‌ریزی و مدیریت عملکرد تیم مانیتورینگ
• نظارت مستمر بر وضعیت سرویس‌ها، زیرساخت و سیستم‌های حیاتی شرکت
• مدیریت و بهینه‌سازی فرآیندهای Monitoring، Alerting و Incident Management
• تحلیل و بررسی رخدادها، هشدارها و اختلالات سرویس‌ها و پیگیری تا رفع کامل Incident
• تعریف، بازبینی و بهینه‌سازی Alertها و Thresholdهای مانیتورینگ
• کار با Elastic Stack جهت مانیتورینگ، Log Management و تحلیل رخدادها
• کار با Zabbix جهت Monitoring زیرساخت، سرورها، سرویس‌ها و تجهیزات شبکه
• تحلیل Logها و شناسایی الگوهای غیرعادی و خطاهای تکرارشونده
• همکاری نزدیک با تیم‌های Infrastructure، Network، DevOps، Development و Support برای رفع مشکلات
• مدیریت Escalation و ارجاع صحیح Incidentها به تیم‌های مربوطه
• تهیه گزارش‌های دوره‌ای از وضعیت Monitoring، Incidentها، Downtime و عملکرد تیم
• شناسایی نقاط ضعف فرآیند Monitoring و ارائه راهکار برای افزایش Reliability و Availability سرویس‌ها
• مستندسازی فرآیندها، Runbookها، رخدادهای مهم و راهکارهای رفع Incident
• آموزش، ارزیابی و توسعه اعضای تیم Monitoring
• نظارت بر اجرای صحیح شیفت‌ها و اطمینان از پوشش مناسب Monitoring در تمام ساعات
• مشارکت در بهبود فرآیندهای Incident، Problem و Root Cause Analysis (RCA)
• بررسی و تحلیل رخدادهای تکرارشونده و ارائه اقدامات پیشگیرانه برای جلوگیری از وقوع مجدد

الزامات تخصصی:

• تسلط عملی به Elastic Stack / ELK
• تسلط به Zabbix و مفاهیم Monitoring و Alerting
• توانایی تحلیل Log و Troubleshooting سرویس‌ها
• توانایی کار با ابزارهای Ticketing و ثبت و پیگیری Incidentها
• توانایی تهیه مستندات فنی و Runbook
• توانایی تحلیل داده‌های Monitoring و ارائه گزارش مدیریتی
• آشنایی مناسب با مفاهیم Linux و Windows Server
• آشنایی با مفاهیم شبکه شامل TCP/IP، DNS، HTTP/HTTPS، Routing و Switching
• آشنایی با مفاهیم Incident Management، Escalation و RCA
• آشنایی با مفاهیم Availability، SLA، SLO و Service Monitoring
• استفاده عملی از AI یکی از مهارت‌های مهم این موقعیت شغلی است
• حداقل 5 سال سابقه کاری مرتبط در حوزه Monitoring، NOC، Infrastructure یا Operations
• حداقل 1 تا 2 سال تجربه سرپرستی یا لید کردن تیم

مهارت‌های مدیریتی و رفتاری:

• توانایی مدیریت و هدایت تیم در محیط عملیاتی و حساس
• قدرت تصمیم‌گیری سریع در شرایط بحرانی
• مسئولیت‌پذیری بالا و پیگیری تا حصول نتیجه
• توانایی مدیریت فشار کاری و Incidentهای بحرانی
• مهارت ارتباطی بالا و توانایی تعامل موثر با تیم‌های فنی مختلف
• توانایی تقسیم وظایف و مدیریت اولویت‌ها
• توانایی آموزش و انتقال دانش به اعضای تیم
• نگاه فرآیندی و علاقه‌مند به بهبود مستمر
• دقت بالا و حساسیت نسبت به Availability و پایداری سرویس‌ها

مزیت محسوب می‌شود:

• آشنایی با Prometheus / Grafana
• آشنایی با APM و Observability
• آشنایی با مفاهیم DevOps و CI/CD
• آشنایی با ابزارهای Automation و Scripting مانند Bash یا Python
• تجربه طراحی Dashboardهای حرفه‌ای Monitoring
• تجربه تعریف و بهینه‌سازی فرآیندهای On-Call و Incident Response
• تجربه کار در محیط‌های High Traffic / High Availability
• تجربه فعالیت در شرکت‌های تکنولوژی، E-commerce یا پلتفرم‌های آنلاین