Специалисты

Микросервисная система работы со страховыми случаями и полисами

Роль в проекте Java разработчик Команда проекта PM, Лид/Архитектор, 4 BE, 2 FE, 2 аналитика, 3 тестировщика, DevOps; Scrum, code review, груминги, ретро Описание проекта Микросервисная система полного цикла работы со страховыми случаями и полисами: учёт данных клиента и договоров, прием и обработка заявлений о страховых событиях, расчёт и выплата компенсаций; интеграции с государственной инфраструктурой. Трафик: до 1k rps, p99 ~ 500 мс Обязанности на проекте ● Проектирование и разработка доменных микросервисов: полисы, клиенты, страховые случаи, расчёт возмещений, платежи/выплаты, уведомления ● Оптимизация производительности ключевых сценариев: поиск/просмотр случая, расчёт выплаты, обновление статусов ● Надёжная обработка платёжных и статусных событий из очередей сообщений ● Наблюдаемость и аудит: единые логи и метрики, дашборды, трассировка запросов, аудит событий ● Отказоустойчивость: горизонтальное масштабирование, лимитирование, деградация функционала при сбоях внешних интеграций ● Контракты и поставка: описание API в OpenAPI/Swagger, сборка и поставка через CI/CD Личные результаты ● Участвовал в проектировании и реализовал долю функционала «Расчёт страхового случая» с приёмом заявки и строгой схемной валидацией ● Сократил долю некорректных/неполных заявлений примерно с 15–18% до 6–8%, увеличил долю заявок, проходящих весь путь без ручных правок, на 20–25 п.п. ● Внедрил и доработал сквозной workflow «заявление → экспертиза → расчёт → согласование → выплата» ● Сократил среднее время обработки страхового случая до выплаты примерно на 20–30% (по внутренним SLA), 4 ● Увеличил долю автоматизированных решений без вмешательства операционистов примерно с 50% до 70–75% ● Обеспечил соответствие требованиям безопасности и регуляторов (хранение согласий, аудит доступа, минимизация/шифрование ПДн в логах) ● Успешно пройдено 2+ внешних/внутренних аудита без критичных замечаний по нашему контуру ● Снизил количество инцидентов, связанных с логированием ПДн, до 0 после внедрения маскирования ● Провёл миграцию активных заявок из legacy в новый процесс ● Перенесено 100% активных страховых случаев и полисов без потери данных, ● Миграция прошла в режиме zero downtime, без влияния на онлайн-обработку заявлений ● Снизил стоимость хранения и ускорил отдачу файлов: внедрил хранение вложений в S3-хранилище ● Уменьшил затраты на хранение вложений примерно на 20–30%, ● Ускорил среднее время выдачи вложений (фото, сканы, акты) с 3с до 200–300 мс ● Усилил наблюдаемость и командные практики ● Внедрил код-ревью-чеклист и статический анализ, что помогло снизить количество багов, находящихся на этапе регресса, примерно на 15–20%, ● Настроил шаблоны алертов и дашборды, сократил среднее время реагирования на инциденты (MTTR) с 2–3 часов до 40–60 минут ● Наставничество 2–3 разработчиков до уровня самостоятельного ведения задач ● Ускорил их онбординг (выход на продуктивность) с 3–4 месяцев до 1.5–2 месяцев, часть задач по доменным сервисам 5 (расчёт/выплаты/уведомления) полностью передана джунам/мидлам под моим контролем.

Java 17/21, Spring Boot 3, Spring Security, Spring Cloud, Spring AOP, Kafka, Hibernate, PostgreSQL, Redis, Liquibase, CI/CD, Kubernetes, Jenkins, Git, Gradle, Postman, Swagger/OpenAPI, Docker, ELK, Lens, Grafana Hibernate, PostgreSQL, S3, Redis, Liquibase, CI/CD, Kubernetes, Jenkins, Git, Gradle, Postman, Swagger, Docker, ELK, Lens, Grafana

37 месяцев

Микросервисная CRM система для розницы

Роль в проекте Java-разработчик Команда проекта PM, Лид, 3 BE, 2 FE, 2 аналитика, 2 тестировщика Описание проекта Микросервисная CRM система для розницы: работа с отзывами клиентов, учёт запасов и скорости их оборота, приём кассовых чеков и расчёт показателей, автоматические оповещения о проблемах; обмен данными с корпоративным хранилищем и налитическими панелями Нагрузка: 200-400к чеков/сутки Обязанности на проекте ● Разработка и поддержка микросервисов: - сервис приёма и очистки отзывов, расчёт суммарных оценок по товарам и магазинам - сервис расчёта скорости оборота запасов по товарам и категориям, подготовка снапшотов для отчётности - сервис приёма кассовых чеков и формирования дневных сводок по выручке и количеству продаж - сервис правил оповещений: пороговые значения, процентили, статус инцидентов, отправка писем и сообщений в чаты ● Интеграции с базами данных и отчётными системами ● Надёжность и быстродействие: защита от повторной обработки запросов, повторныепопытки с нарастающей задержкой, кеширование, параллельные расчёты по магазинам и категориям ● Качество и поставка: модульные и интеграционные тесты Личные результаты ● Перенёс логику из разрозненных аналитических скриптов в отдельный серверный сервис для отзывов ● Ввёл единые программные контракты, аудит действий и оповещения об аномалиях в текстах ● Сократил долю ручных задач аналитиков по отзывам примерно на 30–40%, ● Уменьшил время подготовки агрегированных показателей по отзывам с нескольких часов до 20–30 минут ● Ускорил расчёт скорости оборота запасов за счёт материализованных представлений и корректных индексов ● Время расчёта ключевых отчётов по запасам сократилось в 2–3 раза (например, с 15–20 минут до 5–7 минут) ● Нагрузка на PostgreSQL по CPU при построении отчётных панелей снизилась на 20–25% ● Внедрил автоматические оповещения по ключевым показателям продаж и остатков (пороговые значения и процентили), добавил карточки инцидентов и готовые панели ● Среднее время обнаружения проблем (продажи просели, остатки на нуле, ошибки магазинов) ● Сократилось с нескольких часов до 20–40 минут, ● Уменьшилось количество «прозёванных» инцидентов по остаткам и продажам примерно на 30%+ ● Реализовал приём кассовых чеков и дневные сводки продаж с защитой от дублей (идемпотентные ключи), пакетными обновлениями и пагинацией ● Доля дублей и некорректных записей по чекам снизилась с 2–3% до <0.5%, ● Доля успешно закрытых дневных расчётов по чекам стабилизировалась на уровне 99.8–99.9% ● Добавил технические метрики: p95 времени обработки ключевых операций (приём данных, расчёт сводок), трассировку запросов и сквозную корреляцию по идентификатору трассы ● Сократил время поиска причин инцидентов с 2–3 часов до 30–60 минут, ● Упростил разбор сложных кейсов, где участвовали несколько микросервисов и внешние системы

Java 11/17, Spring Boot 2, Spring Security, Spring Cloud, Spring AOP, PostgreSQL, Kubernetes, Kafka, Git, Liquibase, Gradle, Postman, OpenAPI/Swagger, Docker, Kibana, S3

37 месяцев