Ο Hari Kolam είναι ο CEO και συνιδρυτής της Findem – Σειρά Συνεντεύξεων

Ως ο CEO και συνιδρυτής της Findem, ο Hari είναι υπεύθυνος για την οδήγηση της γενικής κατεύθυνσης της εταιρείας και της στρατηγικής της ανάπτυξης, καθώς και για την εποπτεία των ημερήσιων λειτουργιών της. Είναι ένας serial επιχειρηματίας και καταξιωμένος τεχνολόγος, με σχεδόν δύο δεκαετίες εμπειρίας στην κατασκευή εταιρειών και τη δημιουργία πρωτοποριακών τεχνολογικών λύσεων.

Ο Hari ήταν προηγουμένως συνιδρυτής και CTO της Instart, όπου ηγήθηκε της τεχνικής όρασης της εταιρείας και μετέτρεψε τις απαιτήσεις των πελατών σε πραγματοποιήσιμες, καινοτόμες λύσεις. Κατά τη διάρκεια της θητείας του στην Instart, συνυπέγραψε 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 στη Sun, όπου συνεισέφερε κρίσιμα μέρη του λογισμικού.

Έχετε υπάρξει επιτυχημένος επιχειρηματίας, έχοντας επιτύχει την επιτυχημένη εκκίνηση δύο startups. Μπορείτε να συζητήσετε το eureka moment στην πρώτη σας startup Instart, όταν συνειδητοποιήσατε ότι η κλιμάκωση μιας ομάδας είναι ένα σημαντικό πρόβλημα για τους περισσότερους επιχειρηματίες;

Δεν ήταν μόνο ένα, αλλά περισσότερο μια συνδυασμένη εμπειρία. 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 χρονικό διάστημα και σε διασυνοριακό επίπεδο. Όπως αγωνιζόμασταν με άλλες startups για ταλαντούχους ανθρώπους και βιάζαμε να κλιμακώσουμε την ομάδα μας, τελικά κάναμε μερικές κακές προσλήψεις, οι οποίες μας έθεσαν πίσω και δημιούργησαν πολλή δυσαρέσκεια. Άλλοι μπουνιές στο δρόμο ήρθαν όταν προσπαθήσαμε να επικοινωνήσουμε την λίστα ευχών μας για τους υπαλλήλους στους headhunters. Η διαδικασία ήταν εξαιρετικά ευαίσθητη σε λάθη, και βρεθήκαμε να συμβιβάζουμε πολλές φορές την σωστή πρόσληψη στο πνεύμα της γρήγορης κλείσης. Αυτά ήταν δύσκολα μαθήματα και τα οποία προκαλούν σχεδόν όλους τους επιχειρηματίες, αλλά είμαι ευγνώμων που αυτά σπίθισαν την ιδέα και θρέψαν τη φωτιά που οδήγησε στη Findem.

Μπορείτε να συζητήσετε την ιστορία γέννησης της εκκίνησης της Findem;

Η Findem ήταν πραγματικά ένα άμεσο αποτέλεσμα των λαθών που έκανα στις προσλήψεις και την κλιμάκωση νωρίτερα στην καριέρα μου. Όπως θα σας πει 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 προσελκυσμένος 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 την εκτέλεση της δουλειάς είναι πολύ πιο δύσκολο από ό,τι ακούγεται.

Παραδοσιακά, ο唯一 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 ζήτημα πιο προσεκτικά, μου έγινε σαφές ότι είναι πραγματικά ένα πρόβλημα δεδομένων στην καρδιά 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, φέραμε μια επιτυχημένη νέα προσέγγιση στη διαδικασία, ενεργοποιώντας τους ηγέτες των ανθρώπινων πόρων να αναζητούν υποψήφιους με βάση τις επιθυμητές ιδιότητες αντί για λέξεις-κλειδιά ή τίτλους σε βιογραφικά. Οι εταιρείες προσελκύονται από τη διαδικασία προσλήψεων με βάση τα δεδομένα επειδή είναι πιο αποτελεσματική, μειώνει το κόστος, βελτιώνει την ισότητα και οδηγεί σε καλύτερες προσλήψεις. Η Findem ξεκίνησε ως ένα παθιασμένο έργο και τώρα ευημερούμε, ιδιαίτερα μεταξύ των επιχειρήσεων που αντιμετωπίζουν περισσότερες προσλήψεις, πόνο και έξοδα από τους μικρότερους ομολόγους τους.

Πόσο σημαντικά είναι τα 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 υπαλλήλων και των υποψηφίων είναι συχνά ένα μεταγενέστερο σκέλος. Ωστόσο, είναι ζωτικό να ξεκινήσουν οι πρωτοβουλίες για τη diversidade, την ισότητα και την ένταξη (DE&I) με διαφάνεια σχετικά με την τρέχουσα, ενημερωμένη κατάσταση της οργάνωσης – οι αναλύσεις μπορούν να σας δείξουν όλα, από τη diversidade της ηγεσίας, μέχρι το πώς έχετε παρακολουθήσει τη diversidade τα τελευταία πέντε χρόνια, μέχρι τις αποζημιώσεις, μέχρι τους ρυθμούς εγκατάλειψης των διαφορετικών υπαλλήλων. Είναι σημαντικό να σημειωθεί ότι η παρακολούθηση των δεδομένων πρέπει να επεκταθεί όχι μόνο στο φύλο και την φυλή, αλλά και σε άλλα στοιχεία, 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 εύκολο πολιτισμό.

Επίσης, όταν πρόκειται για την κατασκευή ενός διαφορετικού και εύκολου πολιτισμού μέσω των προσλήψεων, είναι πολύ σημαντικό να παρακολουθείτε το talent pipeline για να διασφαλίσετε ότι θρέφετε τη diversidade από την αρχή της αναζήτησης των υποψηφίων. Αυτό είναι αδύνατο χωρίς τα σωστά δεδομένα.

Οι αναλύσεις του pipeline είναι επίσης κρίσιμες για την κατανόηση του τι λειτουργεί ή όχι στις προσπάθειές σας για την προσέλκυση της diversidade. Πόσο γρήγορα προσλαμβάνονται οι διαφορετικοί υποψήφιοι; Ποιοι headhunters κάνουν πραγματικά την διαφορά στην πλήρωση του pipeline με διαφορετικούς υποψήφιους; Πηγή 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 ταλαντούχους ανθρώπους 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 την εγκατάλειψη, αν θα είναι επιτυχημένος σε μια τηλεεργασία και άλλες πληροφορίες που μπορούν να σας βοηθήσουν να εντοπίσετε τους υποψήφιους που είναι πιο πιθανό να ευημερήσουν.

Ποια είναι κάποια από τα δεδομένα που συλλέγει η Findem;

Η Findem συλλέγει όλα τα δημόσια διαθέσιμα δεδομένα ατόμων, τα οποία επιβεβαιώνονται και τριγωνίζονται σε πολλαπλά σημεία, για τον σκοπό της καταγραφής και της μάθησης για τις ιδιότητες ενός潜在ικού υποψήφιου. Έχουμε μια βιβλιοθήκη με περισσότερες από 1 εκατομμύριο ιδιότητες για κάθε άτομο. Μπορούμε να εμπλουτίσουμε αυτά τα δεδομένα και να ανακαλύψουμε νέες ιδιότητες εάν οι πελάτες μας επιλέξουν να ενσωματώσουν τα εσωτερικά εργαλεία HR με τη Findem. Κάποια παραδείγματα των δημόσιων πληροφοριών που συλλέγουμε περιλαμβάνουν δεδομένα απογραφής, δεδομένα κατηγοριών 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 τους υποψήφιους με βάση μια συνδυασμένη σειρά από πάνω από 1 εκατομμύριο ιδιότητες. Οι ιδιότητες μπορούν να είναι ορατές, όπως αν κάποιος είναι γυναίκα, πρώην ιδρυτής ή εργάστηκε σε μια κορυφαία εταιρεία που χρηματοδοτήθηκε από VC, καθώς και αόρατες, όπως αν κάποιος ενσωματώνει τις αξίες της εταιρείας, έχει einen επιχειρηματικό πνεύμα ή είναι ένας go-getter. Αυτές οι ιδιότητες παρέχουν μια ενημερωμένη εικόνα κάθε ατόμου και μπορούν να χρησιμοποιηθούν για να βρουν την ακριβή αντιστοιχία για να γεμίσουν μια ανοιχτή θέση.

Οι ιδιότητες μπορούν να ταιριάξουν σε εσωτερικούς υπαλλήλους, προφίλ ATS που εμπλουτίζονται με τις πιο ενημερωμένες πληροφορίες και εξωτερικούς υποψήφιους. Συνήθως, οι εταιρείες ξεκινούν με ένα ιδανικό προφίλ υποψήφιου και χτίζουν μια πισίνα ταλέντου για κάθε άτομο που ταιριάζει με τις ιδιότητες του ιδανικού υποψήφιου, αν και μερικοί επιλέγουν να χτίσουν μια αναζήτηση ιδιοτήτων από το μηδέν.

Μια άλλη μοναδική προσέγγιση που μπορούν να ακολουθήσουν είναι να αναλύσουν τις ιδιότητες ενός superstarrυπαλλήλου – θα μπορούσαν να είναι μέσα ή έξω από την εταιρεία που προσλαμβάνει – και στη συνέχεια να σχεδιάσουν μια αναζήτηση για υποψήφιους που είναι ουσιαστικά κλώνοι, που σημαίνει ότι έχουν επίσης αυτές τις ακριβείς ιδιότητες. Λέτε ότι ξέρετε κάποιον που excels στην τηλεεργασία, είναι πιστός και ήταν CMO σε μια εταιρεία που αγοράστηκε επιτυχώς, ένας εργοδότης μπορεί απλά να αναζητήσει στην πλατφόρμα μας για ένα σύνολο ανθρώπων που είναι ουσιαστικά κλώνοι.

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

Η ακούσια προκατάληψη που εισάγεται χωρίς ορατότητα στη διανομή του ταλέντου – δηλαδή την diversidade – όταν επιλέγετε μια συγκεκριμένη τοποθεσία ή ιδιότητα για αναζήτηση είναι μια πηγή της ασυνείδητης προκατάληψης. Η Findem παρέχει μια συνολική περίληψη της δυναμικής διανομής του ταλέντου ανά τοποθεσία και διάφορες ιδιότητες αναζήτησης και δίνει αυτή την ορατότητα στην ομάδα ανθρώπινων πόρων.

Επίσης, μειώνουμε αυτές τις προκαταλήψεις μέσω αναζητήσεων με βάση τις ιδιότητες που μπορούν να γίνουν χωρίς ανθρώπινη εμπλοκή, αποσκοπώντας να αποκρύψουμε τις πληροφορίες PII των υποψηφίων κατά τη διεξαγωγή χειροκίνητων αναθεωρήσεων και αυτόματα προσθέτοντας βάρη στο pipeline για να διασφαλίσουμε ότι είναι όσο το δυνατόν πιο διαφορετικό.

Μια ενδιαφέρουσα концепτός είναι το πώς η Findem ermögňuje στους εργοδότες να ανακαλύψουν νέες ιδιότητες για τις αναζητήσεις ταλέντου. Πώς λειτουργεί αυτή η διαδικασία;

Η Findem ermögňuje την ανακάλυψη νέων ιδιοτήτων 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 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 τις ιδιότητες αυτών των ανθρώπων και να τις χρησιμοποιήσουν στις δικές τους αναζητήσεις ταλέντου.

Ομοίως, μπορείτε να το κάνετε αυτό με τους δικούς σας superstarrυπαλλήλους και εσωτερικά συστήματα. Είναι δυνατό να χρησιμοποιήσετε το δικό σας σύστημα ανθρώπινων πόρων (HRIS) για να διακρίνετε τους καλύτερους υπαλλήλους σας και στη συνέχεια να αναγνωρίσετε τις ιδιότητες που είναι κοινές σε αυτούς και να τις χρησιμοποιήσετε για να τροφοδοτήσετε μελλοντικές αναζητήσεις.

Υπάρχει κάτι άλλο που θα θέλατε να μοιραστείτε σχετικά με τη Findem;

Ένας από τους μεγαλύτερους τομείς εστίασης μας αυτή τη στιγμή είναι η εκπλήρωση του οράματος μας για να κάνουμε τη λύση προσλήψεων μας完全 self-service. Ένας στόχος από την πρώτη μας μέρα ήταν να χτίσουμε μια πλατφόρμα που ήταν αρκετά απλή για να χρησιμοποιηθεί από οποιονδήποτε εντός της λειτουργίας HR, και κάνουμε τεράστιες προόδους αυτή τη στιγμή για να φτάσουμε σε αυτό το ορόσημο.

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