Hari Kolam je izvršni direktor i suosnivač Findema – serije intervjua

Kao glavni izvršni direktor i suosnivač Findem, Hari je odgovoran za vođenje cjelokupnog smjera i strateškog rasta tvrtke, kao i za nadgledanje njezinih svakodnevnih operacija. On je serijski poduzetnik i iskusni tehnolog, s gotovo dva desetljeća iskustva u izgradnji tvrtki i stvaranju pionirskih tehnoloških rješenja.

Hari je prethodno bio suosnivač i tehnički direktor Instarta, gdje je vodio tehničku viziju tvrtke i pretočio zahtjeve kupaca u ostvariva, inovativna rješenja. Tijekom svog vremena u Instartu, koautor je više od 50 patenata.

Hari je također bio na višim inženjerskim pozicijama u tvrtki Aster Data, gdje je radio na svim značajkama u cijelom razvojnom nizu, kao iu skupini Solaris Cluster u Sunu, gdje je pridonio kritičnim modulima softvera.

Bili ste uspješan poduzetnik koji ste uspješno pokrenuli dva startupa. Možete li razgovarati o trenutku eureke na vašem prvom startupu Instart, kada ste shvatili da je skaliranje tima veliki problem za većinu poduzetnika?

Nije to bilo samo jedno, nego više kombinacija nekoliko različitih iskustava. U Instartu smo dosegli točku u kojoj smo bili na iznimno brzom putu rasta, uključujući međunarodno širenje tvrtke, a to je predstavljalo poseban niz izazova. Sada pokušavamo izgraditi izniman tim koji je uistinu raznolik, i to u kratkom roku i preko kontinentalnih granica. Dok smo se natjecali s drugim startupima za talente i žurili proširiti svoj tim, na kraju smo napravili nekoliko loših zaposlenika, što nas je unazadilo i stvorilo mnogo frustracija. Druge poteškoće na putu pojavile su se kada smo pokušali prenijeti naš popis želja zaposlenika regrutima. Proces je bio vrlo sklon pogreškama i mnogo smo puta bili ugroženi s pravim zaposlenikom u duhu brzog zatvaranja. Bile su to teške lekcije i one koje predstavljaju izazov za gotovo sve poduzetnike, ali zahvalan sam što su potaknule ideju i potpirile vatru koja je dovela do Findema.

Možete li onda razgovarati o priči o nastanku pokretanja Findema?

Findem je zapravo bio izravan rezultat pogrešaka koje sam napravio pri zapošljavanju i povećanju broja zaposlenih ranije u svojoj karijeri. Kao što će vam svaki poduzetnik reći, izgradnja izuzetnih timova najvažniji je čimbenik uspjeha poduzeća. Također je iznimno teško. Kao nekoga s inženjerskim iskustvom, privlači me rješavanje nekih od najtežih problema koji dovode do najvećih utjecaja, a motivirao me upravo ovaj izazov. Pronalaženje pravih zaposlenika koji se mogu neprimjetno uklopiti u kulturu tvrtke i posjeduju kompetencije potrebne za obavljanje posla mnogo je teže nego što zvuči.

Tradicionalno, jedini način da se riješi problem skaliranja talenata bio je korištenje brutalne sile, zajedno s ljudskim elementom – a proces je bio pun pogrešaka, pristranosti i neučinkovitosti. Dok sam ga dalje ispitivao, sinulo mi je da je to zapravo problem s podacima u svojoj srži, a ispravan način da ga se riješi jest pristupiti mu se kao problemu s podacima. Koristeći AI i duboku analitiku, donijeli smo uspješan novi pristup procesu omogućavajući voditeljima ljudskih resursa da traže kandidate na temelju željenih atributa, a ne na temelju ključnih riječi ili naslova u životopisima. Tvrtke privlače zapošljavanje temeljeno na podacima jer je učinkovitije, smanjuje troškove, poboljšava kapital i rezultira kvalitetnijim zapošljavanjem. Findem je započeo kao strastven projekt, a sada napredujemo, osobito među poduzećima koja se susreću s većim poteškoćama i troškovima pri zapošljavanju od svojih manjih partnera.

Koliko su podaci važni kada je riječ o zapošljavanju?

Podaci su od ključne važnosti kada je riječ o donošenju učinkovitih odluka o zapošljavanju. Na primjer, kada tvrtke pokušavaju izgraditi raznolikije timove, praćenje podataka o zaposlenicima i kandidatima često je naknadna misao. Međutim, ključno je da inicijative za raznolikost, jednakost i uključenost (DE&I) započnu s transparentnošću o trenutnom stanju organizacije temeljenom na podacima—analitika vam može pokazati sve, od raznolikosti vašeg vodstva do načina na koji ste pratili raznolikost tijekom proteklih pet godina, na razlike u naknadama, na stope fluktuacije različitih zaposlenika. Važno je napomenuti da se praćenje podataka ne treba odnositi samo na spol i rasu, već i na druge čimbenike, poput dobi, vjere, invaliditeta i služenja vojnog roka. Kada imate te podatke, možete početi planirati svoje ciljeve i doista raditi prema raznolikoj i inkluzivnoj kulturi.

Također, kada je riječ o izgradnji te raznolike i inkluzivne kulture kroz zapošljavanje, vrlo je važno nadzirati niz talenata kako biste bili sigurni da njegujete raznolikost od samog početka traženja kandidata. To je nemoguće bez pravih podataka.

Analitika cjevovoda također je ključna za razumijevanje što funkcionira ili ne u vašim naporima zapošljavanja za raznolikost. Koliko brzo se zapošljavaju različiti kandidati? Koji regruteri stvarno pomiču iglu kada je u pitanju popunjavanje liste različitim kandidatima? Dobavljate li iz zemljopisnih područja gdje postoji veći postotak različitih kandidata? Podaci mogu dati odgovore na sva ova pitanja na koja inače ne biste mogli odgovoriti.

Podaci su također u srži prediktivne analitike, gdje se povijesni podaci koriste za otkrivanje talenata koji će briljirati u vašoj tvrtki. Prediktivna analitika može vam reći kolika je vjerojatnost da će se kandidat dobro ponašati u određenoj ulozi, njihov rizik od promjene, hoće li biti uspješan na udaljenoj poziciji i druge informacije koje vam mogu pomoći da odredite kandidate koji će najvjerojatnije uspjeti.

Koji su neki od izvora podataka iz kojih Findem prikuplja informacije?

Findem agregira sve javno dostupne podatke o ljudima, koji su provjereni i triangulirani iz više izvora, u svrhu snimanja i učenja o atributima potencijalnog kandidata. Imamo biblioteku s više od milijun atributa za svakog pojedinca. Možemo obogatiti ove podatke i otkriti nove atribute ako naši klijenti odluče integrirati svoje interne HR alate s Findemom. Neki primjeri javnih informacija koje prikupljamo uključuju podatke o popisu stanovništva, podatke o kategorijama proizvoda, financijske podatke o tvrtki, podatke o tržištu, podatke o patentima i publikacijama, podatke o obrazovanju te podatke o produktivnosti i vještinama.

Kako poslodavci mogu najbolje iskoristiti platformu Findem kako bi se spojili s idealnim kandidatom?

Za pronalaženje idealnih kandidata — bez obzira jesu li aktivni ili pasivni — poslodavci mogu koristiti našu platformu za traženje na temelju kombinacije od više od milijun atributa. Atributi mogu biti opipljivi, kao što je je li netko žena, prethodni osnivač ili je radio za startup među 1 najboljih VC-om, kao i nematerijalni, kao što je utjelovljuje li netko vrijednosti tvrtke, posjeduje li poduzetnički duh ili je inicijalna dobivač. Ovi atributi daju sliku svakog pojedinca temeljenu na podacima i mogu se koristiti za pronalaženje točne osobe za popunjavanje otvorenog radnog mjesta.

Atributi se mogu uskladiti među internim zaposlenicima, ATS profilima koji su obogaćeni najažurnijim informacijama i vanjskim kandidatima. Tipično, tvrtke počinju s idealnim profilom kandidata i izgrađuju bazen talenata od svake osobe koja odgovara atributima tog idealnog kandidata, iako se neki odlučuju za izgradnju pretraživanja atributa od nule.

Još jedan jedinstveni pristup koji mogu poduzeti jest analizirati atribute nekoga tko je superzvijezda zaposlenik—mogu biti unutar ili izvan tvrtke koja zapošljava—a zatim osmisliti potragu za kandidatima koji su u biti njihovi klonovi, što znači da također posjeduju točne atribute . Recimo da poznaju nekoga tko se ističe u radu na daljinu, lojalan je i bio je CMO u tvrtki koja je uspješno kupljena, poslodavac može jednostavno pretražiti na našoj platformi skup pojedinaca imitatora.

Kako Findem izbjegava nenamjernu rodnu ili etničku pristranost u procesu strojnog učenja?

Nenamjerna pristranost koja se uvodi bez ikakve vidljivosti u raspodjelu talenata - AKA raznolikost - kada se bira određena lokacija ili atribut za traženje, izvor je nesvjesne pristranosti. Findem pruža zbirni sažetak distribucije talenata dinamički prema lokaciji i različitim atributima pretraživanja i daje ovu vidljivost timu ljudi.

Također umanjujemo te pristranosti pretraživanjima temeljenim na atributima koja se mogu obaviti bez ljudskog angažmana, prikrivanjem podataka koji otkrivaju identitet kandidata prilikom provođenja ručnih pregleda i automatskim dodavanjem težina u cjevovod kako bismo osigurali da je što raznolikiji.

Jedan zanimljiv koncept je kako Findem omogućuje poslodavcima da pronađu nove atribute za traženje talenata. Kako taj proces funkcionira?

Findem omogućuje otkrivanje novih atributa na više načina. Jedan je promatranjem drugih tvrtki i ljudi koje su zaposlili u različito vrijeme. Na primjer, ako tvrtka planira pokrenuti seriju B ili izaći na burzu, možda će htjeti razumjeti kako su tvrtke koje su bile vrlo uspješne u sličnim nastojanjima dobile osoblje. Naša platforma omogućuje poslodavcima da vide atribute tih ljudi i koriste ih u vlastitom traženju talenata.

Slično tome, to možete učiniti sa svojim zaposlenicima superzvijezdama i internim sustavima. Moguće je upotrijebiti vaš interni informacijski sustav ljudskih resursa (HRIS) kako biste razlikovali svoje najbolje izvođače, a zatim možete identificirati atribute koji su im zajednički i koristiti ih za buduća pretraživanja.

Postoji li još nešto što biste željeli podijeliti o Findemu?

Jedno od naših najvećih područja fokusa trenutno je ispunjavanje naše vizije da naše rješenje za pronalaženje talenata postane potpuno samoposlužno. Naš cilj od prvog dana bio je izgraditi platformu koja je dovoljno jednostavna za korištenje bilo koga unutar funkcije ljudskih resursa, a upravo sada činimo velike korake u dostizanju te prekretnice.

Hvala vam na sjajnom intervjuu, čitatelji koji žele saznati više neka ga posjete Findem.