Hari Kolam on Findemin toimitusjohtaja ja perustaja – Haastattelusarja

Toimitusjohtajana ja Findemin perustajana Hari vastaa yhtiön yleisestä suunnasta ja strategisesta kasvusta sekä valvoo sen päivittäistä toimintaa. Hän on sarjayrittäjä ja kokenut teknologiavaikuttaja, jolla on lähes kaksi vuosikymmentä kokemusta yritysten rakentamisesta ja uraauurtavien teknologiaratkaisujen luomisesta.

Hari oli aikaisemmin Instartin perustaja ja CTO, jossa hän johti yhtiön teknistä visiota ja käänsi asiakastarpeet toteutettaviksi, innovatiivisiksi ratkaisuiksi. Instartin aikanaan hän kirjoitti yli 50 patenttia.

Hari on myös työskennellyt johtavissa insinöörirooleissa Aster Datassa, jossa hän työskenteli kaikissa ominaisuuksissa koko kehityspinoon, sekä Sunin Solaris Cluster -ryhmässä, jossa hän osallistui kriittisten ohjelmistomoduulien kehittämiseen.

Olet ollut menestyvä yrittäjä, joka on onnistuneesti lanseerannut kaksi startupia. Voitko keskustella eureka-hetkestä ensimmäisessä startupissasi Instartissa, kun tajusit, että tiimin skaalaaminen on suuri ongelma useimmille yrittäjille?

Se ei ollut vain yksi, vaan enemmän eri kokemusten yhdistelmä. Saavutimme Instartissa pisteessä, jossa kasvimme erittäin nopeasti, mukaan lukien kansainvälistymme, ja se aiheutti erityisiä haasteita. Nyt yritämme rakentaa poikkeuksellista joukkuetta, joka on todella monimuotoinen, ja tehdä niin lyhyessä ajassa ja mantereen rajojen yli. Kilpaillessamme muiden startupien kanssa kykyjen löytämiseksi ja joukkueen nopean laajentamiseksi, päädyimme tekemään muutamia huonoja palkkausvirheitä, jotka hidastivat meitä ja aiheuttivat paljon frustraatiota. Muita ongelmia tuli, kun yritimme viestittää työntekijöidemme toiveita palkkaajille. Prosessi oli erittäin virheherkkä, ja usein joudumme tinkimään oikeasta palkkauksesta nopean sulkemisen henkeen. Nämä olivat kovia oppeja, ja ne haastoivat melkein kaikki yrittäjät, mutta olen kiitollinen, että ne sytyttivät idean ja ruokkivat tulta, joka johti Findemiin.

Voitko sitten keskustella Findemin perustamisen alkutaipaleesta?

Findem oli todella suora seuraus virheistä, joita tein palkkauksessa ja skaalauksessa urani alussa. Kuten mikä tahansa yrittäjä voi kertoa, poikkeuksellisten tiimien rakentaminen on yksi tärkein tekijä liiketoiminnan menestyksessä. Se on myös erittäin haastavaa. Insinööritaustani vuoksi olen houkutteleva ratkaisemaan joitain haasteellisimmista ongelmista, jotka johtavat suurimpiin vaikutuksiin, ja olin motivoitunut tästä tietystä haasteesta. Löytää oikeat palkkaukset, jotka voivat sulautua yrityksen kulttuuriin ja joilla on tarvittavat valmiudet tehtävän suorittamiseen, on paljon haasteellisempaa kuin kuulostaa.

Perinteisesti ainoa tapa ratkaista kykyjen skaalauksen ongelma oli voimalla ja ihmisen elementillä – ja prosessi oli täynnä virheitä, puolueellisuutta ja tehokkuutta. Kun tarkastelin sitä tarkemmin, tajusin, että se on itse asiassa dataprobleema ydintään, ja oikea tapa ratkaista se on lähestyä sitä dataprobleemana. Käyttämällä tekoälyä ja syvää analytiikkaa, olemme tuoneet onnistuneen uuden lähestymistavan prosessiin mahdollistamalla HR-johtajien etsimisen ehdokkaita halutuilla ominaisuuksilla eikä avainsanoilla tai otsikoilla ansioluetteloissa. Yritykset ovat kiinnostuneita data-pohjaisesta palkkauksesta, koska se on tehokkaampaa, vähentää kustannuksia, parantaa tasa-arvoa ja johtaa parempiin laatuun palkkauksiin. Findem aloitti intohimoprojektina, ja nyt menestymme erityisesti suuryritysten keskuudessa, jotka kokevat enemmän palkkausvaivoja, kipuja ja kustannuksia kuin pienemmät vastineensa.

Kuinka tärkeää data on palkkaamisessa?

Data on erittäin tärkeää tehokkaiden palkkaus päätösten tekemiseen. Esimerkiksi, kun yritykset yrittävät rakentaa monimuotoisempia joukkueita, työntekijöiden ja ehdokkaiden datan seuranta on usein jälkijunassa. On kuitenkin olennaista, että monimuotoisuuden, tasa-arvon ja sisällyttämisen (DE&I) aloitteet alkavat avoimuudesta nykyisestä, dataohjatusta tilasta organisaatiossa – analytiikka voi näyttää sinulle kaiken johtajuuden monimuotoisuudesta, miten olet seurannut monimuotoisuutta viiden viime vuoden aikana, palkkaoikkuuksista, monimuotoisten työntekijöiden poistumisnopeuksista. On tärkeää huomata, että datan seuranta tulisi ulottua ei vain sukupuoleen ja rotuun, vaan myös muihin tekijöihin, kuten ikään, uskontoon, vammaan ja sotilaspalveluun. Kun sinulla on se data, voit aloittaa tavoitteiden kartoittamisen ja todella työskennellä monimuotoisen ja sisällyttävän kulttuurin luomiseksi.

Myös monimuotoisen ja sisällyttävän kulttuurin rakentamisessa palkkauksen kautta on erittäin tärkeää seurata kykyjen putkea, jotta voit varmistaa, että olet lannoittanut monimuotoisuutta jo ehdokas haun alusta. Tämä on mahdotonta ilman oikeaa dataa.

Putki analytiikka on myös avain ymmärtää, mitä toimii tai ei toimi monimuotoisuuden palkkaus pyrkimyksissä. Kuinka nopeasti monimuotoiset ehdokkaat rekrytoidaan? Mitkä palkkaajat ovat todella liikkeellä täyttämään putkea monimuotoisilla ehdokkaille? Oletko lähde geografisista alueista, joissa on suurempi prosentti monimuotoisia ehdokkaita? Data voi antaa vastaukset kaikkiin näihin kysymyksiin, joita et muuten voisi vastata.

Data on myös keskiössä ennustavan analytiikan, jossa historiallista dataa käytetään etsimään kykyjä, jotka menestyvät yrityksessä. Ennustava analytiikka voi kertoa sinulle, kuinka todennäköisesti ehdokas suoriutuu tietyssä roolissa, riski hänen lähtöään, jos hän on menestyvä etätyössä ja muuta tietoa, joka voi auttaa sinua etsimään ehdokkaita, jotka ovat todennäköisesti menestyvät.

Mitkä ovat joitain data-lähteitä, joista Findem kerää tietoa?

Findem kerää kaiken julkisesti saatavilla olevan ihmisten datan, joka on vahvistettu ja trianguloitu useiden lähteiden yli, potentiaalisen ehdokkaan ominaisuuksien tallentamiseksi ja oppimiseksi. Meillä on yli 1 miljoonan ominaisuuden kirjasto jokaiselle yksilölle. Voimme rikastaa tätä dataa ja löytää uusia ominaisuuksia, jos asiakkaamme haluavat integroida sisäiset HR-työkalunsa Findemiin. Joitain esimerkkejä julkisesta tiedosta, jota keräämme, ovat väestönlaskenta data, tuotekategoriatiedot, yhtiön rahoitustiedot, markkinatiedot, patentti- ja julkaisutiedot, koulutustiedot ja tuottavuus- ja taitotiedot.

Miten työnantajat voivat parhaiten käyttää Findemin alustaa etsimään ihannetyöntekijää?

Ihannetyöntekijöiden löytämiseksi – olivat he aktiivisia tai passiivisia – työnantajat voivat käyttää alustaa etsimään heitä yli 1 miljoonan ominaisuuden yhdistelmällä. Ominaisuudet voivat olla konkreettisia, kuten onko joku nainen, entinen perustaja tai työskennellyt top-10 VC-rahalla rahoitetussa startupissa, sekä abstrakteja, kuten onko joku yrityksen arvojen mukainen, omaa yrittäjähenkisyyttä tai on menestyjä. Nämä ominaisuudet antavat dataohjatun kuvan jokaisesta yksilöstä ja voidaan käyttää löytämään täydellinen vastine avoimeen asemaan.

Ominaisuudet voidaan kohdistaa sisäisiin työntekijöihin, ATS-profiileihin, jotka on rikastettu viimeisimmällä tiedolla, ja ulkoisiin ehdokkaisiin. Yleensä yritykset aloittavat ihannetyöntekijän profiililla ja rakentavat kykyjen altaan jokaisesta henkilöstä, joka vastaa ihannetyöntekijän ominaisuuksia, vaikka jotkut valitsevat rakentaa ominaisuushaun alusta.

Toinen ainutlaatuinen lähestymistapa, jonka he voivat ottaa, on analyysin ominaisuuksia, jotka ovat yksi superstar-työntekijä – he voivat olla sisällä tai ulkopuolella palkkaavaa yritystä – ja sitten suunnitella hakua ehdokkaille, jotka ovat käytännössä heidän klooneja, eli heillä on samat ominaisuudet. Sanotaan, että he tietävät jonkun, joka menestyy etätyössä, on uskollinen ja oli CMO yrityksessä, joka oli menestyksekkäästi hankittu, työnantaja voi etsiä alustallamme joukon kopioita.

Miten Findem välttää tahattoman sukupuolen tai etnisen puolueellisuuden koneoppimisprosessistaan?

Tahaton puolueellisuus, joka tulee ilmi ilman näkyvyyttä kykyjen jakautumiseen – eli monimuotoisuuteen – valitsemalla tietyn sijainnin tai ominaisuuden hakua varten, on lähde tahattomalle puolueellisuudelle. Findem antaa kokoavan yhteenvedon kykyjen jakautumisesta dynaamisesti sijainnin ja eri hakuehtojen mukaan ja antaa tämän näkyvyyden henkilöstötiimille.

Me myös vähennämme näitä puolueellisuuksia ominaisuuksiin perustuvilla etsinnöillä, jotka voidaan tehdä ilman ihmisen osallistumista, peittämällä ehdokkaan PII-tiedot manuaalisten tarkastusten aikana ja lisäämällä automaattisesti painoja putkeen, jotta se on mahdollisimman monimuotoinen.

Yksi mielenkiintoinen käsite on, miten Findem mahdollistaa työnantajien löytää uusia ominaisuuksia kykyjen haussa. Miten tämä prosessi toimii?

Findem mahdollistaa uusien ominaisuuksien löytämisen usealla tavalla. Yksi tapa on tarkastella muiden yritysten ja niiden palkkaamia henkilöitä eri aikoina. Esimerkiksi, jos yritys aikoo kerätä Series B -rahoitusta tai mennä julki, se voi haluta ymmärtää, miten yritykset, jotka olivat erittäin menestyksekkäitä samankaltaisissa yrityksissä, olivat henkilöstöity. Meidän alustamme antaa työnantajien nähdä näiden henkilöiden ominaisuudet ja käyttää niitä omassa kykyjen haussa.

Samoin voit tehdä sen omien superstar-työntekijöidesi ja sisäisten järjestelmiesi kanssa. On mahdollista käyttää sisäistä henkilöstöhallintajärjestelmää (HRIS) erottamaan parhaat suorittajat, ja sitten voit tunnistaa ominaisuudet, jotka ovat yleisiä heille, ja käyttää niitä tulevissa haussa.

Onko jotain muuta, mitä haluaisit jakaa Findemista?

Yksi suurimmista painopisteistämme tällä hetkellä on toteuttaa visiomme tehdä kykyjen etsintäratkaisumme täysin itsepalveluna. Yksi päivän ykköstavoitteista oli rakentaa alusta, joka on riittävän yksinkertainen kenenkään HR-funktion käyttöön, ja teemme suuria edistysaskelia tällä hetkellä tämän merkittävän saavutuksen saavuttamiseksi.

Kiitos haastattelusta, lukijat, jotka haluavat oppia lisää, voivat vierailla Findem: ssä.