Hari Kolam est le PDG et co-fondateur de Findem – Série d’entretiens

En tant que PDG et co-fondateur de Findem, Hari est responsable de l’orientation générale de l’entreprise et de sa croissance stratégique, ainsi que de la supervision de ses opérations quotidiennes. Il est un entrepreneur en série et un technologue accompli, avec près de deux décennies d’expérience dans la création d’entreprises et la mise au point de solutions technologiques innovantes.

Hari était précédemment co-fondateur et directeur technique d’Instart, où il a dirigé la vision technique de l’entreprise et traduit les exigences des clients en solutions innovantes réalisables. Pendant son séjour chez Instart, il a co-écrit plus de 50 brevets.

Hari a également occupé des postes d’ingénierie de haut niveau chez Aster Data, où il a travaillé sur toutes les fonctionnalités de l’ensemble de la pile de développement, ainsi que chez le groupe Solaris Cluster de Sun, où il a contribué des modules de logiciel critiques.

Vous avez été un entrepreneur réussi ayant lancé avec succès deux startups. Pouvez-vous discuter du moment de la découverte de votre première startup, Instart, lorsque vous avez réalisé que la mise à l’échelle d’une équipe est un problème majeur pour la plupart des entrepreneurs ?

Il ne s’agissait pas d’un seul moment, mais plutôt d’une combinaison de plusieurs expériences. Nous avons atteint un point chez Instart où nous étions sur une trajectoire de croissance extrêmement rapide, y compris l’expansion de l’entreprise à l’échelle internationale, ce qui a présenté un ensemble de défis particuliers. Maintenant, nous essayons de construire une équipe exceptionnelle qui soit vraiment diverse, et de le faire en un laps de temps court et à travers les frontières continentales. Lorsque nous nous sommes lancés dans la course aux talents et que nous nous sommes précipités pour mettre à l’échelle notre équipe, nous avons fini par faire quelques mauvaises embauches, ce qui nous a retardés et a créé beaucoup de frustration. D’autres obstacles sont survenus lorsque nous avons essayé de communiquer notre liste de souhaits d’employés aux recruteurs. Le processus était très sujet à erreurs, et nous nous sommes souvent retrouvés à faire des compromis sur les bonnes embauches dans l’esprit de fermer rapidement. Ceux-ci étaient des leçons difficiles et qui défient presque tous les entrepreneurs, mais je suis reconnaissant qu’ils ont déclenché l’idée et alimenté le feu qui a conduit à Findem.

Pouvez-vous ensuite discuter de l’histoire de la création de Findem ?

Findem était vraiment le résultat direct des erreurs que j’ai commises dans le recrutement et la mise à l’échelle plus tôt dans ma carrière. Comme tout entrepreneur vous le dira, construire des équipes exceptionnelles est le facteur le plus important dans le succès d’une entreprise. C’est également extrêmement difficile. En tant que personne ayant une formation d’ingénieur, je suis attiré par la résolution de certains des problèmes les plus difficiles qui conduisent aux plus grands impacts, et j’étais motivé par ce défi particulier. Trouver les bonnes embauches qui peuvent se fondre sans heurt dans la culture de l’entreprise et avoir les compétences nécessaires pour assumer le travail est beaucoup plus difficile que cela ne le semble.

Traditionnellement, la seule façon de résoudre le problème de la mise à l’échelle des talents était par la force brute, avec un élément humain – et le processus était parsemé d’erreurs, de biais et d’inefficacités. Lorsque j’ai examiné la question plus en détail, il m’a frappé que c’est en réalité un problème de données à sa base, et que la bonne façon de le résoudre est de l’aborder comme un problème de données. En utilisant l’IA et l’analyse approfondie, nous avons apporté une nouvelle approche réussie au processus en permettant aux dirigeants RH de rechercher des candidats en fonction d’attributs souhaités plutôt que par des mots clés ou des titres sur les CV. Les entreprises sont attirées par le recrutement basé sur les données car il est plus efficace, réduit les coûts, améliore l’équité et aboutit à de meilleures embauches. Findem a commencé comme un projet de passion et nous sommes maintenant en plein essor, en particulier parmi les entreprises qui rencontrent plus de douleurs et de dépenses de recrutement que leurs homologues plus petits.

À quel point les données sont-elles importantes lorsqu’il s’agit d’embaucher ?

Les données sont crucialement importantes lorsqu’il s’agit de prendre des décisions d’embauche efficaces. Par exemple, lorsque les entreprises tentent de construire des équipes plus diversifiées, le suivi des données sur les employés et les candidats est souvent une après-pensée. Cependant, il est essentiel que les initiatives de diversité, d’équité et d’inclusion (DEI) commencent par la transparence sur l’état actuel de l’organisation, éclairé par les données – les analyses peuvent vous montrer tout, de la diversité de votre direction à la façon dont vous avez suivi la diversité au cours des cinq dernières années, en passant par les écarts de rémunération, jusqu’au taux de turnover des employés divers. Il est important de noter que le suivi des données devrait s’étendre non seulement au sexe et à la race, mais également à d’autres facteurs, tels que l’âge, la religion, le handicap et le service militaire. Lorsque vous disposez de ces données, vous pouvez commencer à tracer vos objectifs et à travailler réellement vers une culture diverse et inclusive.

De plus, lorsqu’il s’agit de construire une culture diverse et inclusive grâce au recrutement, il est très important de surveiller le pipeline de talents pour vous assurer que vous nourrissez la diversité dès le début de la recherche de candidats. C’est impossible sans les bonnes données.

Les analyses de pipeline sont également essentielles pour comprendre ce qui fonctionne ou non dans vos efforts de recrutement de la diversité. Les candidats divers sont-ils recrutés rapidement ? Quels sont les recruteurs qui ont vraiment un impact sur le remplissage du pipeline avec des candidats divers ? Êtes-vous en train de puiser dans des zones géographiques où il y a un pourcentage plus élevé de candidats divers ? Les données peuvent fournir les réponses à toutes ces questions que vous seriez incapables de répondre autrement.

Les données sont également au cœur de l’analyse prédictive, où les données historiques sont utilisées pour découvrir les talents qui excelleront au sein de votre entreprise. L’analyse prédictive peut vous indiquer à quel point un candidat est susceptible de performer bien dans un rôle donné, son risque de turnover, s’il sera couronné de succès dans un poste à distance et d’autres informations qui peuvent vous aider à cibler les candidats les plus susceptibles de prospérer.

Quelles sont certaines des sources de données que Findem collecte ?

Findem agrège toutes les données publiques sur les personnes, qui sont vérifiées et triangulées à travers plusieurs sources, dans le but d’enregistrer et d’apprendre sur les attributs d’un candidat potentiel. Nous disposons d’une bibliothèque de plus d’un million d’attributs pour chaque individu. Nous pouvons enrichir ces données et découvrir de nouveaux attributs si nos clients choisissent d’intégrer leurs outils RH internes avec Findem. Des exemples de données publiques que nous agrégeons incluent les données du recensement, les informations sur les catégories de produits, les données financières des entreprises, les données de marché, les données sur les brevets et les publications, les données éducatives, ainsi que les données sur la productivité et les compétences.

Comment les employeurs peuvent-ils utiliser au mieux la plateforme Findem pour correspondre avec le candidat idéal ?

Pour correspondre avec des candidats idéaux – qu’ils soient actifs ou passifs – les employeurs peuvent utiliser notre plateforme pour les rechercher en fonction d’une combinaison d’attributs de plus d’un million. Les attributs peuvent être tangibles, tels que le fait qu’une personne soit une femme, un ancien fondateur ou ait travaillé pour un startup financé par un VC dans le top 10, ainsi que des attributs intangibles, tels que le fait qu’une personne incarne les valeurs de l’entreprise, possède un esprit d’entrepreneur ou soit un battant. Ces attributs fournissent une image éclairée par les données de chaque individu et peuvent être utilisés pour trouver l’ajustement exact pour pourvoir un poste vacant.

Les attributs peuvent être appariés avec les employés internes, les profils ATS enrichis avec les informations les plus à jour et les candidats externes. Typiquement, les entreprises commencent par un profil de candidat idéal et construisent un bassin de talents de chaque personne qui correspond aux attributs de ce candidat idéal, bien que certaines optent pour construire une recherche d’attributs à partir de zéro.

Une autre approche unique qu’elles peuvent adopter consiste à analyser les attributs d’un employé superstar – qu’il soit à l’intérieur ou à l’extérieur de l’entreprise qui embauche – puis à concevoir une recherche pour des candidats qui sont essentiellement leurs clones, c’est-à-dire qu’ils possèdent également ces attributs exacts. Disons qu’ils savent que quelqu’un excelle dans le travail à distance, est loyal et a été directeur marketing d’une entreprise qui a été acquise avec succès, un employeur peut simplement rechercher sur notre plateforme un ensemble d’individus copie-conformes.

Comment Findem évite-t-il les préjugés involontaires de genre ou ethniques dans son processus d’apprentissage automatique ?

Le biais involontaire qui se glisse sans aucune visibilité dans la distribution des talents – c’est-à-dire la diversité – lors du choix d’un emplacement ou d’un attribut à rechercher est une source de biais inconscient. Findem fournit un résumé agrégé de la distribution des talents de manière dynamique par emplacement et divers attributs de recherche, et offre cette visibilité à l’équipe RH.

Nous diminuons également ces biais grâce à des recherches basées sur les attributs qui peuvent être effectuées sans intervention humaine, en occultant les informations personnelles des candidats lors des examens manuels et en ajoutant automatiquement des pondérations au pipeline pour nous assurer qu’il est aussi diversifié que possible.

Un concept intéressant est la façon dont Findem permet aux employeurs de découvrir de nouveaux attributs pour les recherches de talents. Comment fonctionne ce processus ?

Findem permet de découvrir de nouveaux attributs de plusieurs manières. L’une consiste à regarder d’autres entreprises et les personnes qu’elles ont embauchées à différents moments. Par exemple, si une entreprise prévoit de lever un tour de financement de série B ou de se lancer dans une introduction en bourse, elle peut vouloir comprendre comment les entreprises qui ont très bien réussi dans des entreprises similaires étaient dotées. Notre plateforme permet aux employeurs de voir les attributs de ces personnes et de les utiliser dans leurs propres recherches de talents.

De même, vous pouvez le faire avec vos propres employés superstars et systèmes internes. Il est possible d’utiliser votre système de ressources humaines interne (HRIS) pour distinguer vos meilleurs performants, puis vous pouvez identifier les attributs qui leur sont communs et les utiliser pour alimenter les recherches futures.

Y a-t-il autre chose que vous aimeriez partager sur Findem ?

L’un de nos principaux domaines de concentration en ce moment est de remplir notre vision de rendre notre solution de recherche de talents complètement autonome. Un objectif de jour 1 pour nous était de construire une plateforme suffisamment simple pour que quiconque au sein de la fonction RH puisse l’utiliser, et nous faisons d’énormes progrès en ce moment pour atteindre cet objectif.

Je vous remercie pour cette grande interview, les lecteurs qui souhaitent en savoir plus peuvent visiter Findem.