Специалисты

Система расчета рейтингов и рисков

Роль в проекте Старший Java-разработчик Цель проекта Разработка системы формирования индивидуального банковского портфеля на основании детального анализа риск-профиля клиента банка, его финансовых целей и актуальной рыночной обстановки. Программа выполняет глубокий многоуровневый анализ поступающих данных и предлагает клиентам индивидуальные рекомендации, позволяющие учитывать личные потребности каждого клиента и динамику рынка. Архитектура ● Микросервисная ● Backend: Java 21, Spring Framework, Kotlin ● Frontend: JavaScript, TypeScript ● СУБД: PostgreSQL, Greenplum, Redis ● Взаимодействие: REST, GraphQL, WebSocket ● Kafka / RabbitMQ ● Модели расчета: Python/R Непосредственные задачи ● Создал графовые запросы и мутации на GraphQL для выборки и изменения сложных структурированных данных клиентов и банковских продуктов. ● Реализовал механизмы веб-сокетов (WebSocket) для предоставления пользователям обновлений состояния портфелей и рекомендаций в режиме реального времени. ● Интегрировал систему с внешней платформой для проверки кредитоспособности. ● Реализовал хранение исторических данных по пользователей в ClickHouse, оптимизировал схемы хранения и создал агрегационные индексы. ● Создал сервис агрегирования финансовой отчетности, интегрирующийся со сторонними системами. ● Оптимизировал работу критически важных компонентов инфраструктуры, сократив среднее время отклика сервиса с 150 мс до менее 50 мс за счет перехода на использование управляемого кеша Redis. ● Автоматизировал процессы сборки и деплоймента микросервисов с использованием Docker, Kubernetes и GitLab CI/CD. ● Написал исчерпывающий набор unit-тестов с покрытием всех ключевых бизнес-функций, увеличив тестовое покрытие до 90% и снизив число багов в релизе на 40%. ● Провел аудит производительности БД, реализовал схему миграции на ClickHouse и уменьшил объем хранимых данных в PostgreSQL на 60%. Административные задачи: ● Руководил подкомандой из 5 java-разработчиков. ● Организовал обучение сотрудников работе с новыми технологиями, повысил общий уровень квалификации команды, позволив быстрее адаптироваться к новым требованиям разработки. ● Оценивал задачи, проводил демо, код-ревью и онбординг новых сотрудников в проект. Состав команды Руководитель проекта, стейкхолдеры, 15 backend-разработчиков, 7 frontend-разработчиков, 8 QA, 6 аналитиков, 1 DevOps

Java 11/21, Spring Framework, Spring Transactional, Spring Data JPA, Kafka / RabbitMQ, PostgreSQL, ClickHouse, Redis, HTTP/REST, Open API (Swagger), Spring MVC, Spring test, Collection API, Liquibase, GraphQL, WebSockets, Docker, Kubernetes, GitLab CI/CD, Jenkins, ELK Stack, Prometheus, Grafana, Scrum, Jira

25 месяцев

Система противодействия мошенникам (банковский антифрод)»

Роль в проекте Старший Java разработчик Цель проекта Разработка комплекса мер для предотвращения и оперативного выявления мошеннических действий внутри финансовой инфраструктуры банка. Система предназначена для круглосуточного мониторинга и детекции рисков мошенничества в ходе совершения финансовых операций клиентами и партнерами банка. Система интегрирована с внутренними базами данных банка и сторонними источниками информации (черные списки, государственные регистры и кредитные бюро), обеспечивая разнообразную проверку подлинности операций и выявление подозрительного поведения. Архитектура Бэкенд на Java Основные функциональные модули системы включают: ● Модуль оценки риска: рассчитывает вероятность мошенничества на основе большого объема исторических данных, включая поведение клиента, тип операции, сумму и регион транзакции. ● Географический фильтр: контроль над соответствием местоположения пользователя IP-геоданным, профилю клиента и предыдущему опыту транзакций. ● Анализ временных рядов: продвинутые алгоритмы Machine Learning для обнаружения аномалий в поведении клиентов и предсказания возможных попыток мошенничества. ● Механизм идентификации пользователя: строгая многоступенчатая процедура аутентификации с применением токенов, биометрии и уникальных идентификаторов для повышения уровня защищенности. ● Автоматическое управление транзакциями: автоматическая реакция на обнаруженные угрозы, вплоть до временного приостановления подозрительных операций или полного ограничения доступа к счету. ● Постоянное обновление правил и критериев оценки риска посредством регулярных проверок исторических данных и тестирования новых гипотез. ● API-интерфейсы интеграции: интеграция с системами третьих лиц, такими как правоохранительные органы и партнеры по обработке данных для обеспечения высокого уровня прозрачности и согласованной борьбы с мошенничеством. Непосредственные задачи Разработал модуль расчета статистических показателей для каждого платежа, позволяющий выделять аномальные транзакции и оценивать уровень риска на основе исторически накопленных данных клиентов и рынка. ● Создал механизм фильтрации операций по геоданным, включающий проверку соответствия региона осуществления сделки региону проживания клиента, истории активности и возможным страновым зонам повышенного риска. ● Разработал классификатор операций («красная», «желтая», «зеленая»), учитывающий историю операций, частоту и характер платежей, поведенческие характеристики пользователей и выдающий рекомендованное решение. ● Оптимизировал аутентификацию, внедрив многоуровневую верификацию с использованием двухфакторной аутентификации (SMS, push-уведомления) и протокол анализа устройства клиента (IP, браузер, ОС). ● Реализовал механизмы параллельной обработки больших объемов данных для быстрого обнаружения аномальных моделей поведения, улучшения производительности анализа временных рядов и снижения количества ложноположительных сигналов. ● Внедрил ML модели для автоматического выявления новых видов мошенничества, основанных на анализе корреляций данных, структурированных и неструктурированных объектов, профилей пользователей и паттернов поведения. ● Реализовал инструменты для автоматической сегментации сообщений, индексирования поступающих заявок и последующей автоматической классификации подозрительной активности, помогающей специалистам анализировать объемы данных быстрее и эффективнее. ● Регулярно проводил оценку точности предиктивных моделей, оптимизировал показатели True Positive Rate (TPR) и False Positive Rate (FPR), минимизируя убытки банка от ошибочных отказов клиентам. ● Интегрировал API-антифрод-систем с сервисами партнеров. ● Участвовал в разработке функционала передачи сигнала специалистам службы безопасности банка и автоматизации этапов принятия решений относительно блокировки счетов и операций, оптимизации ручного вмешательства и сокращения сроков реакции на тревожные события. Состав команды Владелец продукта, руководитель проекта, 3 аналитика, 2 архитектора, 2 старших java разработчика, 9 backend разработчиков,3 QA, 2 AQA, 2 ИБ, 2 DevOps, 1 DBA, 2 ML-инженера, 2 техписа, 1 менеджер релизов

Java, Spring Boot, Hibernate / JPA, Kafka, PostgreSQL, Redis, RabbitMQ, Docker, Kubernetes, Prometheus / Grafana, ELK Stack (Elasticsearch, Logstash, Kibana), GitLab CI/CD, Kafka Streams, Airflow, ActiveMQ, AWS, Ansible / Terraform

30 месяцев

Универсальная интеграционная платформа банка

Роль в проекте Старший Java-разработчик Цель проекта Разработка и внедрение высоконагруженной интеграционной платформы для финтеха, обеспечивающей унифицированную обработку запросов и взаимодействие между внутренними сервисами и сторонними системами. Реализован интеграционный шлюз с поддержкой множества протоколов и форматов данных, обеспечивая масштабируемость, надежность и безопасность транзакций. Платформа поддерживает микросервисную архитектуру, API-шлюзы, очереди сообщений и асинхронную обработку данных. Решение внедрено в крупном финансовом учреждении, что существенно улучшило производительность и стабильность интеграции клиентских сервисов. Архитектура ● Микросервисная ● Бэкенд на Java, Spring Boot ● Фронтенд на React.js ● API Gateway ● Взаимодействие: RESTful API, GraphQL ● СУБД: PostgreSQL, MySQL, MongoDB. Redis для кэширования ● Data Lake: Hadoop ● Обмен сообщениями: Kafka, RabbitMQ ● Контейнеризация: Docker, Kubernetes для оркестрации Непосредственные задачи Участвовал в проектировании архитектуры сервиса, включая интеграцию с банками и процессинговыми центрами. ● Разработал новый микросервис, отвечающий за передачу платежей внешним платежным провайдерам, выполнил интеграцию с несколькими банковскими системами и платёжными платформами. ● Провёл рефакторинг схемы базы данных для повышения эффективности операций чтения-записи. Были добавлены механизмы кэширования часто запрашиваемых данных в распределённой памяти и организована схема балансировки нагрузки с использованием Hazelcast. ● Спроектировал новые шаблоны рассылки сообщений с возможностью кастомизации содержимого писем и уведомлений. Разработал правила автоматического повторения попыток отправки сообщений при сбоях. ● Разработал систему профилирования и анализа узких мест с использованием инструментов для сбора метрик и построения дашбордов в Grafana. ● Написал обработчики входящих и исходящих запросов, обработку ошибок и исключительных ситуаций. ● Написал интеграционные тесты для проверки взаимодействия с внешними сервисами. Состав команды Общая команда более 50 человек, рабочая группа состоит из 8-10 человек. В каждой рабочей группе 1 тимлид, 2-3 аналитика, 2-4 java-разработчика, frontend-разработчик. Есть отдельная команда DevOps, QA, 1 архитектор решений

Java 11, Spring Boot, PostgreSQL, MySQL, MongoDB, Redis, Hazelcast, GraphQL, gRPC, HTTP/REST, Kafka, RabbitMQ, Micrometer, Prometheus, Grafana, Hadoop, Docker, Kubernetes

Конструктор бизнес-процессов банка

Роль в проекте Java разработчик Цель проекта Разработка приложения для автоматизации банковских бизнес-процессов на платформе Camunda Platform 8. Создание механизмов автоматического выбора бизнес-процесса в зависимости от типа входящего запроса, интеграции с системой единого входа (SSO). Разработка системы управления версиями бизнес-процессов и их состояний, включающую хранение, редактирование и проверку валидности процессов перед выполнением. Проект позволил банку значительно повысить эффективность внутренних операций благодаря унифицированной обработке и мониторингу бизнес-процессов Архитектура ● Микросервисная. ● Бэкенд на Java 17, Spring Boot. ● СУБД PostgreSQL. ● Взаимодействие через Kafka, Rabbit MQ, REST API. ● Автоматизация бизнес-процессов: Camunda Platform 8. Непосредственные задачи ● Реализовал RabbitMQ коннектор для отправки сообщений в очереди из BPMN процесса. ● Реализовал kafka коннектор для отправки эвентов в kafka-топики из BPMN процесса. ● Реализовал кастомный HTTP коннектор, дополнил логикой обогащения запросов пользовательских данных для передачи в сервисы компании. ● Разработал и реализовал механизм автоматического определения запуска процесса, исходя из источника запроса на запуск процесса. ● Доработал существующие коннекторы для поддержки передачи трассировочной информации в заголовках (traceparent). ● Доработал security компоненты для работы с SSO. ● Реализовал кастомное решение для работы с пользовательскими задачами. ● Реализовал функционал хранения, редактирования состояния бизнес-процессов и их валидацию (проверка возможности компиляции) на стороне бэкэнда. ● Реализовал версионность бизнес-процессов для возможности быстрого отката изменений в случае необходимости. ● Участвовал в проектировании и реализации системы бизнес-логирования выполняемых процессов. Состав команды Руководитель проекта, 3 Java-разработчика, 2 QA (ручной + авто), 1 аналитик, 1 DevOps, 1 архитектор

Java 17, Spring Boot, PostgreSQL, Camunda Platform 8, Kafka, Rabbit MQ, HTTP/HTTPS, Log4j, FileBeat, SSO, BPMN

32 месяца

Биллинговая система

Роль в проекте Java разработчик Цель проекта Биллинговая система для автоматизации управления подписками на продукты и сервисы компании. Она позволяет клиентам самостоятельно оформлять подписки, оплачивать их и получать доступ к сервисам. Система управляет продуктовым каталогом, моделями ценообразования, политикой приостановки сервисов, балансами и т.д., также обеспечивает генерацию сопроводительной документации и масштабирование продаж. Архитектура ● Основная логика KillBill, расширяемая при помощи Java-плагинов ● Микросервисы (данные клиентов, уведомления и т.п.) ● Бэкенд на Java, Spring Boot ● Фронтенд на JavaScript (взаимодействие через BFF) ● СУБД PostgreSQL ● Обмен сообщениями: Kafka ● Кэширование: Redis ● Авторизации и управления пользователями: Keycloak Непосредственные задачи ● Реализовал функционал менеджера по созданию подписки для клиента. ● Разработал логику для выбора тарифа и подтверждения оплаты подписки пользователем. ● Провёл интеграции с внешними платежными сервисами. ● Добавил функционал автоматического расчета стоимости подписки на основе различных факторов (тариф, скидки, акции и т.д.). ● Разработал аналитический плагин для анализа больших объемов данных биллинга, включая агрегирование статистики по заказам и расчет KPI. ● Реализовал логику автоматической блокировки аккаунтов пользователей при достижении определенных условий (неоплата, нарушение правил пользования). ● Реализовал инструменты для настройки индивидуальных схем начисления комиссий и управления скидками для каждого клиента отдельно. ● Реализовал поддержку сценария перерасчетов, продления сроков подписки, отмены и возврата денежных средств. ● Провёл рефакторинг устаревших частей системы. ● Провёл оптимизацию скорости отклика системы с использованием кеширования (Redis) для ускорения операций чтения данных. ● Настроил мониторинг системы с помощью Prometheus и Grafana для сбора и визуализации метрик производительности. Состав команды Руководитель проекта, 2 аналитика, 5 java-разработчиков, 1 frontend-разработчик, 1 QA

Java 8 / Java 11, Spring, Hibernate, PostgreSQL, KillBill, OSGi, Shiro, Guice, WebFlux, FlyWay, PL/SQL

10 месяцев

Платформа клиринга для биржевой торговли

Java/Kotlin разработчик Цель проекта Разработка и поддержка высоконагруженной платформы клиринга для биржевой торговли. Система отвечает за расчеты между участниками торгов, обеспечение гарантий исполнения сделок и управление рисками в режиме реального времени. Архитектура ● Микросервисная ● Бэкенд на Java/Kotlin ● Фронтенд на JS, TS ● Межсервисное взаимодействие: Kafka и REST API ● СУБД PostgreSQL, Oracle ● Контейнеризация: Docker, Kubernetes для оркестрации Непосредственные задачи ● Разработал микросервис расчета обязательств участников торгов и реализовал обработку транзакций в режиме реального времени. ● Разработал и оптимизировал схемы PostgreSQL и Oracle, создавал индексы, хранимые процедуры и триггеры для обеспечения высокой скорости чтения и записи. ● Автоматизировал процесс миграции схем и данных в продакшн. ● Настроил кэширование в Redis. ● Организовал межсервисное взаимодействие посредством Apache Kafka и REST API. ● Автоматизировал процессы сборки и деплоя. ● Реализовал мониторинг состояния и производительности сервисов с помощью Prometheus и Grafana, анализ логов с помощью ELK-стека (Elasticsearch, Logstash, Kibana). ● Провёл рефакторинг legacy-кода. ● Участвовал в проектировании и реализации новых архитектурных решений, направленных на улучшение отказоустойчивости, масштабируемости и производительности платформы. ● Писал тесты, устранял узкие места и повышал эффективность использования ресурсов, проводил профилирование и оптимизацию алгоритмов и структуры данных. ● Проводил code-review. Состав команды Руководитель проекта, техлид, 1 разработчик Java/Kotlin, 5 Java разработчиков, 1 frontend-разработчик, DevOps, 2 AQA, 2 ИБ, 2 аналитика

Java, Kotlin, Spring Boot, Micronaut, PostgreSQL, Oracle, Redis, Kafka, Liquibase, HTTP/REST, Spring WebFlux, Project Reactor, Docker, Kubernetes, GitLab CI, Prometheus/Grafana, ELK-стек (Elasticsearch, Logstash, Kibana), JUnit, Testcontainers

20 месяцев

Геймдев

Java разработчик Цель проекта Разработка популярных сетевых игр, эмуляторов серверов и вспомогательных утилиты для управления ресурсами игры. Непосредственные задачи ● Разработал и поддерживал игровой бэкенд высоконагруженных онлайн-игр. ● Оптимизировал трафик сервера, обеспечивал сокращение нагрузки. ● Реализовал алгоритмы производительности, поддерживающие одновременную игру более 2000 пользователей. ● Проектировал сложные игровые механики, включая расчеты путей движения персонажей, проверку видимости объектов, оптимизацию расчетов дальних маршрутов и предиктивное движение игроков. ● Участвовал в разработке и поддержке инфраструктуры игровых серверов для многопользовательских игр. ● Работал над алгоритмами поиска пути и реализацией физических взаимодействий в игровом мире. ● Разработал инструменты для анализа и улучшения архитектуры сетевого взаимодействия. ● Получил опыт написания эффективных и масштабируемых архитектур, обеспечивающих стабильную работу системы даже при высоких нагрузках

Java