Ο Hari Kolam είναι ο Διευθύνων Σύμβουλος και Συνιδρυτής της Findem – Σειρά Συνεντεύξεων

Ως Διευθύνων Σύμβουλος και συνιδρυτής της Findem, ο Hari είναι υπεύθυνος για την καθοδήγηση της εταιρείας και την στρατηγική της ανάπτυξη, καθώς και για την εποπτεία των ημερήσιων λειτουργιών της. Είναι ένας επιχειρηματίας με πολλές επιχειρηματικές δραστηριότητες και τεχνολόγος, με σχεδόν δύο δεκαετίες εμπειρίας στην κατασκευή εταιρειών και τη δημιουργία πρωτοποριακών τεχνολογικών λύσεων.

Ο Hari ήταν προηγουμένως συνιδρυτής και Τεχνικός Διευθυντής της Instart, όπου ηγήθηκε της τεχνικής όρασης της εταιρείας και μετέτρεψε τις απαιτήσεις των πελατών σε πραγματικές και καινοτόμες λύσεις. Κατά τη διάρκεια της θητείας του στην Instart, συνέγραψε περισσότερες από 50 πατέντες.

Ο Hari έχει επίσης κατέχει υψηλές θέσεις μηχανικής με την Aster Data, όπου εργάστηκε σε όλες τις λειτουργίες σε ολόκληρη τη στοίβα ανάπτυξης, καθώς και με την ομάδα Solaris Cluster στην Sun, όπου συνεισέφερε κρίσιμα μοντάκια λογισμικού.

Έχετε υπάρξει επιτυχημένος επιχειρηματίας, έχοντας ιδρύσει δύο startups. Μπορείτε να συζητήσετε τη στιγμή της ευρεσιτεχνίας στην πρώτη σας startup, την Instart, όταν συνειδητοποιήσατε ότι η κλιμάκωση μιας ομάδας είναι ένα σημαντικό πρόβλημα για τους περισσότερους επιχειρηματίες;

Δεν ήταν μόνο μια, αλλά περισσότερο μια συνδυασμός διαφόρων εμπειριών. Φτάσαμε σε ένα σημείο στην Instart όπου βρισκόμασταν σε μια εξαιρετικά γρήγορη πορεία ανάπτυξης, συμπεριλαμβανομένης της διεθνοποίησης της εταιρείας, και αυτό παρουσίασε ένα đặc biệt σύνολο προκλήσεων. Τώρα, προσπαθούμε να χτίσουμε μια εξαιρετική ομάδα που είναι πραγματικά διαφορετική, και να το κάνουμε σε σύντομο χρόνο και σε διαφορετικά σύνορα. Όταν ανταγωνιζόμασταν με άλλες startups για ταλαντούχους ανθρώπους και βιάζαμε να κλιμακωθούμε την ομάδα μας, τελικά κάναμε μερικές κακές προσλήψεις, οι οποίες μας έθεσαν πίσω και δημιούργησαν πολλή沮丧. Άλλες δυσκολίες προέκυψαν όταν προσπαθούσαμε να επικοινωνήσουμε την λίστα των επιθυμητών εργαζομένων μας στους headhunters. Η διαδικασία ήταν εξαιρετικά ευάλωτη σε λάθη, και βρεθήκαμε να συμβιβαστούμε πολλές φορές με την σωστή πρόσληψη, με σκοπό να κλείσουμε γρήγορα. Αυτές ήταν σκληρές μαθήσεις και προκλήσεις που αντιμετωπίζουν σχεδόν όλοι οι επιχειρηματίες, αλλά είμαι ευγνώμων που αυτές οι εμπειρίες έσπρωξαν την ιδέα και θέρμαναν τη φωτιά που οδήγησε στη Findem.

Μπορείτε να συζητήσετε την ιστορία της δημιουργίας της Findem;

Η Findem ήταν πραγματικά ένα άμεσο αποτέλεσμα των λαθών που έκανα στην πρόσληψη και την κλιμάκωση νωρίτερα στην καριέρα μου. Όπως θα σας έλεγε κάθε επιχειρηματίας, η κατασκευή εξαιρετικών ομάδων είναι ο πιο σημαντικός παράγοντας για την επιτυχία μιας επιχείρησης. Είναι επίσης εξαιρετικά δύσκολο. Ως κάποιος με背景 μηχανικής, είμαι προσανατολισμένος να λύσω κάποια από τα πιο δύσκολα προβλήματα που οδηγούν στις μεγαλύτερες επιπτώσεις, και με мотίβισε αυτή η συγκεκριμένη πρόκληση. Η εύρεση των σωστών προσλήψεων που μπορούν να συνδυαστούν άψογα με τον πολιτισμό της εταιρείας και να έχουν τις ικανότητες που απαιτούνται για να εκτελέσουν το έργο είναι πολύ πιο δύσκολο από ό,τι ακούγεται.

Παραδοσιακά, ο único τρόπος για να λύσετε το πρόβλημα της κλιμάκωσης του ταλέντου ήταν μέσω της βίαιης δύναμης, μαζί με ένα ανθρώπινο στοιχείο – και η διαδικασία ήταν γεμάτη με λάθη, προκατάληψη και ανεπάρκειες. Όταν εξέτασα το πρόβλημα πιο προσεκτικά, μου έγινε σαφές ότι είναι στην πραγματικότητα ένα πρόβλημα δεδομένων στη βάση του, και ο σωστός τρόπος για να το λύσετε είναι να το αντιμετωπίσετε σαν ένα πρόβλημα δεδομένων. Χρησιμοποιώντας την τεχνητή νοημοσύνη και την ανάλυση δεδομένων, abbiamo φέρει μια επιτυχημένη νέα προσέγγιση στη διαδικασία, ενεργοποιώντας τους ηγέτες των Ανθρώπινων Πόρων να αναζητούν υποψήφιους βάσει επιθυμητών χαρακτηριστικών αντί για λέξεις-κλειδιά ή τίτλους σε βιογραφικά. Οι εταιρείες έλκονται προς την προσέγγιση της προσλήψης βασισμένης σε δεδομένα, επειδή είναι πιο αποτελεσματική, μειώνει τα έξοδα, βελτιώνει την ισότητα και οδηγεί σε καλύτερες προσλήψεις. Η Findem ξεκίνησε ως ένα πάθος πρότζεκτ και τώρα ευημερούμε, ιδιαίτερα μεταξύ των επιχειρήσεων που αντιμετωπίζουν περισσότερες προσλήψεις, πόνους και έξοδα από τους μικρότερους ομολόγους τους.

Πόσο σημαντική είναι η δεδομένα όταν πρόκειται για προσλήψεις;

Τα δεδομένα είναι εξαιρετικά σημαντικά όταν πρόκειται για την λήψη αποτελεσματικών αποφάσεων για προσλήψεις. Για παράδειγμα, όταν οι εταιρείες προσπαθούν να χτίσουν πιο διαφορετικές ομάδες, η παρακολούθηση των δεδομένων των εργαζομένων και των υποψηφίων είναι συχνά ένα μεταγενέστερο σκέλος. Ωστόσο, είναι ζωτικό να ξεκινήσουν οι πρωτοβουλίες για τη διαφορετικότητα, την ισότητα και την ένταξη (DE&I) με διαφάνεια σχετικά με την τρέχουσα, δεδομένα-ενημερωμένη κατάσταση της οργάνωσης – οι αναλύσεις μπορούν να σας δείξουν όλα, από τη διαφορετικότητα της ηγεσίας, σε πώς έχετε παρακολουθήσει τη διαφορετικότητα τα τελευταία πέντε χρόνια, σε ανισότητες αποζημίωσης, σε ποσοστά αποχώρησης διαφορετικών εργαζομένων. Είναι σημαντικό να σημειωθεί ότι η παρακολούθηση των δεδομένων πρέπει να επεκταθεί όχι μόνο στο φύλο και την φυλή, αλλά και σε άλλους παράγοντες, όπως η ηλικία, η θρησκεία, η αναπηρία και η στρατιωτική υπηρεσία. Όταν έχετε αυτά τα δεδομένα, μπορείτε να αρχίσετε να χαρτογραφείτε τους στόχους σας και να εργάζεστε πραγματικά για einen διαφορετικό και ένταξη πολιτισμό.

Επίσης, όταν πρόκειται για την κατασκευή ενός διαφορετικού και ένταξης πολιτισμού μέσω της πρόσληψης, είναι πολύ σημαντικό να παρακολουθείτε τον αγωγό ταλέντου για να διασφαλίσετε ότι θρέφετε τη διαφορετικότητα από την αρχή της αναζήτησης των υποψηφίων. Αυτό είναι αδύνατο χωρίς τα σωστά δεδομένα.

Οι αναλύσεις του αγωγού είναι επίσης κρίσιμες για να κατανοήσετε τι λειτουργεί ή όχι στις προσπάθειές σας για την προσέλκυση της διαφορετικότητας. Πόσο γρήγορα προσλαμβάνονται οι διαφορετικοί υποψήφιοι; Ποιοι headhunters κάνουν πραγματικά τη διαφορά όταν πρόκειται για τη γέμισή του αγωγού με διαφορετικούς υποψήφιους; Αναζητάτε υποψήφιους από γεωγραφικές περιοχές όπου υπάρχει υψηλότερος ποσοστό διαφορετικών υποψηφίων; Τα δεδομένα μπορούν να σας δώσουν τις απαντήσεις σε όλα αυτά τα ερωτήματα που δεν θα μπορούσατε να απαντήσετε αλλιώς.

Τα δεδομένα είναι επίσης στο κέντρο των προβλεπτικών αναλύσεων, όπου τα ιστορικά δεδομένα χρησιμοποιούνται για να ανακαλύψουν ταλέντα που θα excelize μέσα στην εταιρεία σας. Οι προβλεπτικές αναλύσεις μπορούν να σας πουν πόσο πιθανό είναι ένας υποψήφιος να εκτελέσει καλά σε ένα συγκεκριμένο ρόλο, το ρίσκο για αποχώρηση, αν θα είναι επιτυχημένος σε μια τηλε-θέση και άλλα στοιχεία που μπορούν να σας βοηθήσουν να εντοπίσετε υποψήφιους που είναι πιο πιθανό να ευημερήσουν.

Ποια είναι κάποια από τις πηγές δεδομένων που η Findem συλλέγει πληροφορίες από;

Η Findem συλλέγει όλα τα δημόσια διαθέσιμα δεδομένα ατόμων, τα οποία επικυρώνονται και τριγωνίζονται σε πολλαπλά σημεία, για τον σκοπό της καταγραφής και της μάθησης για τα χαρακτηριστικά ενός潜在ικού υποψηφίου. Έχουμε μια βιβλιοθήκη με περισσότερα από 1 εκατομμύριο χαρακτηριστικά για κάθε άτομο. Μπορούμε να εμπλουτίσουμε αυτά τα δεδομένα και να ανακαλύψουμε νέα χαρακτηριστικά εάν οι πελάτες μας επιλέξουν να ενσωματώσουν τα εσωτερικά εργαλεία Ανθρώπινων Πόρων με τη Findem. Κάποια παραδείγματα των δημόσιων πληροφοριών που συλλέγουμε περιλαμβάνουν δεδομένα απογραφής, δεδομένα κατηγορίας προϊόντων, οικονομικά δεδομένα εταιρειών, δεδομένα αγοράς, δεδομένα πατεντών και δημοσιεύσεων, εκπαιδευτικά δεδομένα και δεδομένα παραγωγικότητας και δεξιοτήτων.

Πώς μπορούν οι εργοδότες να χρησιμοποιήσουν καλύτερα την πλατφόρμα της Findem για να ταιριάξουν με τον ιδανικό υποψήφιο;

Για να ταιριάξουν με ιδανικούς υποψήφιους – είτε είναι ενεργοί είτε μη ενεργοί – οι εργοδότες μπορούν να χρησιμοποιήσουν την πλατφόρμα μας για να αναζητήσουν υποψήφιους βάσει μιας συνδυασμού περισσότερων από 1 εκατομμύριο χαρακτηριστικών. Τα χαρακτηριστικά μπορούν να είναι ουσιαστικά, όπως αν κάποιος είναι γυναίκα, ένας πρώην ιδρυτής ή εργάστηκε για μια εταιρεία που χρηματοδοτήθηκε από το Top-10 VC, καθώς και αφηρημένα, όπως αν κάποιος ενσωματώνει τις αξίες της εταιρείας, έχει einen επιχειρηματικό πνεύμα ή είναι ένας go-getter. Αυτά τα χαρακτηριστικά παρέχουν μια δεδομένα-ενημερωμένη εικόνα κάθε ατόμου και μπορούν να χρησιμοποιηθούν για να βρεθεί η ακριβής αντιστοιχία για να γεμίσει μια ανοιχτή θέση.

Τα χαρακτηριστικά μπορούν να ταιριάξουν σε εσωτερικούς εργαζόμενους, προφίλ ATS που εμπλουτίζονται με τις πιο πρόσφατες πληροφορίες και εξωτερικούς υποψήφιους. Συνήθως, οι εταιρείες ξεκινούν με ένα ιδανικό προφίλ υποψηφίου και χτίζουν einen πισίνα ταλέντου για κάθε άτομο που ταιριάζει με τα χαρακτηριστικά του ιδανικού υποψηφίου, αν και κάποιοι επιλέγουν να χτίσουν μια αναζήτηση χαρακτηριστικών από την αρχή.

Μια άλλη μοναδική προσέγγιση που μπορούν να ακολουθήσουν είναι να αναλύσουν τα χαρακτηριστικά ενός υπερ-εργαζομένου – μπορεί να είναι μέσα ή έξω από την εταιρεία που προσλαμβάνει – και στη συνέχεια να σχεδιάσουν μια αναζήτηση για υποψήφιους που είναι ουσιαστικά κλώνοι, δηλαδή έχουν τα ίδια ακριβώς χαρακτηριστικά. Λέμε ότι ξέρουν κάποιον που excels σε τηλε-εργασία, είναι πιστός και ήταν CMO σε μια εταιρεία που αγοράστηκε επιτυχώς, ένας εργοδότης μπορεί απλώς να αναζητήσει στην πλατφόρμα μας για ένα σύνολο αντίγραφων ατόμων.

Πώς η Findem αποφεύγει την ακούσια προκατάληψη φύλου ή εθνικής προέλευσης από τη διαδικασία της μηχανικής μάθησης;

Η ακούσια προκατάληψη που εισάγεται χωρίς ορατότητα στη διανομή ταλέντου – δηλαδή τη διαφορετικότητα – όταν επιλέγετε μια συγκεκριμένη τοποθεσία ή χαρακτηριστικό για αναζήτηση είναι μια πηγή ασυνείδητης προκατάληψης. Η Findem παρέχει einen συνοπτικό περίγραμμα της διανομής ταλέντου δυναμικά ανά τοποθεσία και διάφορα χαρακτηριστικά αναζήτησης και δίνει αυτή την ορατότητα στην ομάδα Ανθρώπινων Πόρων.

Επίσης, μειώνουμε αυτές τις προκαταλήψεις μέσω αναζητήσεων βάσει χαρακτηριστικών που μπορούν να γίνουν χωρίς ανθρώπινη εμπλοκή, αποσκοπώντας να αποκρύψουμε τις προσωπικές πληροφορίες των υποψηφίων κατά τη διεξαγωγή χειροκίνητων αναζητήσεων και αυτόματα προσθέτοντας βάρη στο αγωγό για να διασφαλίσουμε ότι είναι όσο το δυνατόν πιο διαφορετικός.

Μια ενδιαφέρουσα концепция είναι πώς η Findem επιτρέπει στους εργοδότες να βρουν νέα χαρακτηριστικά για αναζητήσεις ταλέντου. Πώς λειτουργεί αυτή η διαδικασία;

Η Findem επιτρέπει νέα χαρακτηριστικά να ανακαλυφθούν με πολλούς τρόπους. Ο ένας είναι να κοιτάξετε άλλες εταιρείες και τους ανθρώπους που έχουν προσλάβει σε διαφορετικές χρονικές στιγμές. Για παράδειγμα, αν μια εταιρεία σχεδιάζει να αυξήσει την κεφαλαιοποίηση της σε μια σειρά B ή να βγει στο χρηματιστήριο, μπορεί να θέλει να κατανοήσει πώς οι εταιρείες που ήταν πολύ επιτυχημένες σε παρόμοιες προσπάθειες ήταν οργανωμένες. Η πλατφόρμα μας επιτρέπει στους εργοδότες να δουν τα χαρακτηριστικά των ατόμων και να τα χρησιμοποιήσουν στις δικές τους αναζητήσεις ταλέντου.

Ομοίως, μπορείτε να κάνετε το ίδιο με τους δικούς σας υπερ-εργαζόμενους και εσωτερικά συστήματα. Είναι δυνατό να χρησιμοποιήσετε το εσωτερικό σύστημα Ανθρώπινων Πόρων για να διακρίνετε τους καλύτερους επιτελείς σας και στη συνέχεια να αναγνωρίσετε τα χαρακτηριστικά που είναι κοινά σε αυτούς και να τα χρησιμοποιήσετε για να τροφοδοτήσετε μελλοντικές αναζητήσεις.

Υπάρχει κάτι άλλο που θα ήθελε να μοιραστείτε σχετικά με την Findem;

Ένας από τους μεγαλύτερους τομείς εστίασης μας αυτή τη στιγμή είναι η εκπλήρωση της οράματός μας για την κατασκευή της λύσης ταλέντου μας完全 self-service. Ένας στόχος από την πρώτη μέρα για εμάς ήταν να χτίσουμε μια πλατφόρμα που ήταν αρκετά απλή για να χρησιμοποιηθεί από οποιονδήποτε εντός της λειτουργίας Ανθρώπινων Πόρων, και κάνουμε τεράστιες προόδους αυτή τη στιγμή για να φτάσουμε αυτό το ορόσημο.

Ευχαριστούμε για τη μεγάλη συνέντευξη, οι αναγνώστες που επιθυμούν να μάθουν περισσότερα μπορούν να επισκεφθούν την Findem.