하리 콜람은 Findem의 CEO이자 공동 창립자입니다 – 인터뷰 시리즈

Findem의 CEO이자 공동 창립자로서, 하리는 회사의 전반적인 방향과 전략적 성장을 주도하며 일일이 운영을 감독합니다. 그는 연속적인 기업가이며 기술적으로 성과를 내는 사람으로, 거의 2십년 동안 기업을 구축하고 개척적인 기술 솔루션을 개발해 왔습니다.

하리는 이전에 Instart의 공동 창립자이자 CTO였으며, 회사의 기술적 비전을 이끌고 고객 요구 사항을 실제로 구현 가능한 혁신적인 솔루션으로 변환했습니다. Instart에서 그의 시간 동안, 그는 50개 이상의 특허를 공동 저작했습니다.

하리는 또한 Aster Data에서 고위 엔지니어직을 맡았으며, 전체 개발 스택에 걸쳐 모든 기능에서 일했으며, Sun의 Solaris Cluster 그룹에서 중요한 소프트웨어 모듈을 기여했습니다.

당신은 두 개의 스타트업을 성공적으로 출시한 기업가입니다. Instart에서 처음 스타트업을 시작했을 때, 팀을 확장하는 것이 대부분의 기업가에게 주요 문제라는 것을 깨달은 순간에 대해 이야기해 주시겠습니까?

그것은 단 하나의 순간이 아니었고, 여러 가지 경험의 조합이었습니다. 우리는 Instart에서 매우 빠른 성장 경로에 있었고, 회사를 국제적으로 확장하는 것과 같은 특별한 도전을 마주했습니다. 이제, 우리는真正로 다양한 팀을 구축하고 싶었고, 짧은 시간에 대륙을跨越하여 그렇게 하고 싶었습니다. 우리가 재능을 위해 다른 스타트업과 경쟁하고 우리의 팀을 확장하려고 할 때, 우리는 몇몇의 나쁨을雇用했습니다. 그것은 우리를 뒤로 밀어넣었고, 많은 좌절을 가져왔습니다. 다른 도전은 우리가 우리의 직원 souhaite 목록을 채용 담당자에게 전달할 때 발생했습니다. 그 과정은 매우 오류가 많았으며, 우리는 빠르게 마감하기 위해 올바른人을雇用하는 것을 여러 번 양보했습니다. 이러한 경험이 매우 어려웠지만, 그것이 Findem이라는 아이디어를 불러일으키고, 그것을 구축하는 데 도움이 되었습니다.

그런 다음 Findem을 출시한 이야기를 이야기해 주시겠습니까?

Findem은 실제로 내 이전 경력에서雇用과 확장에서犯した 실수로부터 직접적인 결과였습니다. 어떤 기업가도 말할 수 있듯이, 예외적인 팀을 구축하는 것은 비즈니스에서 가장 중요한 요소입니다. 그것은 또한 매우 어렵습니다. 기술적인 배경을 가진 사람으로서,私は 가장 어려운 문제를 해결하고, 가장 큰 영향을 미치는 것을 좋아합니다. 나는 이 도전을 мотив화했습니다. 회사의 문화와 일에 필요한 역량을 갖춘 올바른 사람을 찾는 것은 쉽지 않습니다.

전통적으로, 재능을 확장하는 문제를 해결하는唯一의 방법은蛮力과 인간의 요소를 통해였으며, 그 과정은 오류, 편견, 비효율性으로 가득 차 있었습니다. 나는 그것을 더 자세히 조사했을 때, 그것은 실제로 데이터 문제라는 것을 깨달았습니다. 우리는 AI와 심층 분석을 사용하여, HR 담당자가 키워드나 제목이 아닌 원하는 속성에 따라 후보자를 검색할 수 있는 새로운 접근 방식을 도입했습니다. 회사는 더 효율적이고 비용을 절감하며, 다양성과 품질을 향상시키는 데이터 기반의 채용을 찾고 있습니다. Findem은 열정을 가진 프로젝트로 시작했으며, 현재는 특히 더 많은 채용의 고통과 비용을 겪는 대기업에서 번창하고 있습니다.

채용에서 데이터는 얼마나 중요합니까?

데이터는 효과적인 채용 결정을 내리기 위해 매우 중요합니다. 예를 들어, 회사가 더 다양한 팀을 구축하려고 할 때, 직원과 후보자의 데이터를 추적하는 것은 종종 사후 작업입니다. 그러나 다양성, 공정성, 포용性的 이니셔티브는 조직의 현재 상태에 대한 투명성으로 시작해야 합니다. 분석은 리더십의 다양성, 지난 5년간의 다양성 추적, 보상 불균형, 다양한 직원의离职 率 등 모든 것을 보여줄 수 있습니다. 데이터 추적은 성별과 인종뿐만 아니라 나이, 종교, 장애, 군 복무 등 다른 요소에도 확장되어야 합니다. 그 데이터가 있으면, 목표를 설정하고真正로 다양한 문화를 구축할 수 있습니다.

또한, 다양성과 포용성을 구축하기 위해, 후보자 검색의 시작부터 다양성을 육성하는 것이 중요합니다. 이것은 올바른 데이터 없이 불가능합니다.

파이프라인 분석은 또한 다양성 채용 노력에서 무엇이 작동하는지 또는 작동하지 않는지를 이해하는 데 중요합니다. 다양한 후보자는 얼마나 빠르게 채용되고 있습니까? 어떤 채용 담당자가 다양성 후보자를 파이프라인에 채우는 데真正로 기여하고 있습니까? 더 다양한 후보자가 있는 지리적 지역에서 채용하고 있습니까? 데이터는 이러한 질문에 대한 답변을 제공할 수 있습니다.

데이터는 또한 예측 분석의 핵심입니다. 여기서 역사적인 데이터를 사용하여 회사의 문화에 잘 맞는 재능을 발견합니다. 예측 분석은 후보자가 특정 역할에서 잘 수행할 가능성,离职 위험, 원격 위치에서 성공할 가능성 등 다양한 정보를 제공할 수 있습니다.

Findem은 어떤 데이터 소스를 수집합니까?

Findem은 공개적으로 이용 가능한 모든 사람의 데이터를 수집하여, 잠재적인 후보자의 속성을 기록하고 학습하는 목적으로 검증하고, 여러 소스에서 삼각 측량합니다. 우리는 1백만 개 이상의 속성을 모든 개인에게 가지고 있습니다. 고객이 내부 HR 도구를 Findem과 통합하기로 선택하면, 우리는 이러한 데이터를 강화하고 새로운 속성을 발견할 수 있습니다. 우리는 센서스 데이터, 제품 카테고리 정보 데이터, 회사 재무 데이터, 시장 데이터, 특허 및 출판 데이터, 교육 데이터, 생산성 및 기술 데이터 등을 수집합니다.

고용주는 Findem 플랫폼을 어떻게 사용하여 이상적인 후보자와 일치시킬 수 있습니까?

이deal 후보자와 일치시키기 위해, 고용주는 우리의 플랫폼을 사용하여 1백만 개 이상의 속성에 따라 후보자를 검색할 수 있습니다. 속성은 구체적인 것일 수 있습니다. 예를 들어, 어떤 사람이 여성인지, 이전에 창립자였는지, 상위 10개의 벤처 자본 지원 스타트업에서 일한 적이 있는지 등입니다. 또한, 회사 문화와 일치하는지, 기업가 정신을 갖고 있는지, 열정적인 사람인지 등과 같은 무형의 속성도 있습니다. 이러한 속성은 각 개인에 대한 데이터 기반의 그림을 제공하며, 열린 위치를 채우기 위한 정확한 일치를 찾을 수 있습니다.

속성은 내부 직원, ATS 프로필, 외부 후보자와 일치시킬 수 있습니다. 일반적으로, 회사는 ideal 후보자 프로필과 일치하는 모든 사람의 재능 풀을 시작으로, 일부는 속성 검색을 처음부터 구축합니다.

또 다른 고유한 접근 방식은, 현재 회사 내부 또는 외부에 있는 슈퍼스타 직원을 분석하여, 그들의 속성을 찾고, 그 속성을 갖춘 후보자를 검색하는 것입니다. 예를 들어, 회사가 원격 작업에 뛰어나고, 충성심이 있으며, 성공적으로 인수된 회사의 CMO였던 사람을 찾고 있다면, 고용주는 단순히 우리의 플랫폼에서 그 속성을 검색할 수 있습니다.

Findem은 기계 학습 과정에서 의도하지 않은 성별 또는 인종 편향을 어떻게 피합니까?

인간의 개입 없이 속성 기반 검색을 수행함으로써, 우리는 편향을 줄일 수 있습니다. 또한, 수동 검토 시 후보자의 개인 정보를 가리고, 파이프라인에 자동으로 가중치를 추가하여, 파이프ライン이 가능한 한 다양한 것을 보장합니다.

Findem이 재능 검색을 위해 새로운 속성을 발견하는 방법에 대해 이야기해 주시겠습니까?

Findem은 여러 가지 방법으로 새로운 속성을 발견할 수 있습니다. 예를 들어, 다른 회사가 특정 시기에雇用한 사람들의 속성을 살펴볼 수 있습니다. 예를 들어, 회사가 시리즈 B 라운드를 모으거나 공공 회사로 나갈 계획이라면, 유사한 업적을 달성한 회사가 어떻게 구성되었는지 이해하고 싶을 것입니다. 우리의 플랫폼을 사용하면, 그 사람들의 속성을 볼 수 있고, 그것을 자신의 재능 검색에 사용할 수 있습니다.

또한, 내부의 슈퍼스타 직원과 내부 시스템을 사용하여, 그들의 속성을 찾고, 그것을 미래의 검색에 사용할 수 있습니다.

Findem에 대해 더 공유하고 싶은 것이 있습니까?

우리의 가장 큰 초점 영역 중 하나는 우리의 재능 소싱 솔루션을 완전히 자체 서비스로 만드는 것입니다. 우리의 첫날 목표는 HR 기능 내의 누구든지 사용할 수 있을 만큼 간단한 플랫폼을 구축하는 것이었으며, 현재 우리는 그 목표를 달성하기 위해 큰 발전을 하고 있습니다.

이번 인터뷰에 감사드립니다. 더 많은 정보를 배우고 싶은 독자는 Findem을 방문하십시오.