Hari Kolam is de CEO en mede-oprichter van Findem – Interview Series

Als CEO en mede-oprichter van Findem, is Hari verantwoordelijk voor het bepalen van de algemene richting en strategische groei van het bedrijf, evenals het toezicht houden op de dagelijkse activiteiten. Hij is een serie-ondernemer en een ervaren technoloog, met bijna twee decennia ervaring in het opbouwen van bedrijven en het creëren van baanbrekende technologieoplossingen.

Hari was eerder mede-oprichter en CTO van Instart, waar hij de technische visie van het bedrijf leidde en de klantvereisten omzette in realiseerbare, innovatieve oplossingen. Tijdens zijn tijd bij Instart, was hij mede-auteur van meer dan 50 octrooien.

Hari heeft ook senior-engineerposities bekleed bij Aster Data, waar hij werkte aan alle functies in de hele ontwikkelstack, evenals bij de Solaris Cluster-groep bij Sun, waar hij kritieke softwaremodules bijdroeg.

U bent een succesvolle ondernemer met twee succesvolle startups. Kunt u discussiëren over het eureka-moment bij uw eerste startup Instart, toen u besefte dat het schalen van een team een groot probleem is voor de meeste ondernemers?

Het was niet één, maar meer een combinatie van een paar verschillende ervaringen. We bereikten een punt bij Instart waar we op een extreem snelle groeipad waren, inclusief het uitbreiden van het bedrijf internationaal, en dat presenteerde een speciale set uitdagingen. Nu proberen we een uitzonderlijk team op te bouwen dat echt divers is, en dat doen we in korte tijd en over continentale grenzen. Terwijl we concurrerend waren met andere startups om talent en haastten om ons team te schalen, hebben we een paar slechte aanwervingen gedaan, die ons terugzetten en veel frustratie creëerden. Andere hindernissen kwamen toen we onze wensenlijst voor werknemers probeerden te communiceren met recruiters. Het proces was zeer foutgevoelig, en we vonden onszelf vaak compromitterend met de juiste aanwerving in de geest van snel sluiten. Deze waren harde lessen en uitdagingen die bijna alle ondernemers tegenkomen, maar ik ben dankbaar dat ze het idee en de vonk hebben aangewakkerd die leidde tot Findem.

Kunt u dan discussiëren over het verhaal van de lancering van Findem?

Findem was echt een direct resultaat van de fouten die ik maakte bij het aannemen en schalen eerder in mijn carrière. Zoals elke ondernemer u zal vertellen, is het opbouwen van uitzonderlijke teams het belangrijkste factor in het succes van een bedrijf. Het is ook uiterst moeilijk. Als iemand met een technische achtergrond, ben ik aangetrokken tot het oplossen van enkele van de moeilijkste problemen die tot de grootste impact leiden, en ik was gemotiveerd door deze specifieke uitdaging. Het vinden van de juiste aanwervingen die naadloos kunnen integreren met de cultuur van het bedrijf en de competenties hebben die nodig zijn om de taak uit te voeren, is veel moeilijker dan het klinkt.

Traditioneel was de enige manier om het talentenschalingsprobleem op te lossen door brute kracht, samen met een menselijk element – en het proces was bezaaid met fouten, vooroordelen en inefficiënties. Toen ik het verder onderzocht, besefte ik dat het eigenlijk een dataprobleem is in zijn kern, en de juiste manier om het op te lossen is om het te benaderen als een dataprobleem. Met behulp van AI en diepe analytics, hebben we een succesvolle nieuwe aanpak geïntroduceerd in het proces door HR-leiders in staat te stellen kandidaten te zoeken op basis van gewenste kenmerken in plaats van door trefwoorden of titels op cv’s. Bedrijven worden aangetrokken door gegevensgebaseerde werving omdat het efficiënter is, kosten vermindert, gelijkheid verbetert en resulteert in betere kwaliteit aanwervingen. Findem begon als een passieproject en nu zijn we bloeiend, vooral onder ondernemingen die meer wervingspijn, kosten en uitgaven hebben dan hun kleinere tegenhangers.

Hoe belangrijk is data als het gaat om het aannemen van personeel?

Data is cruciaal belangrijk als het gaat om effectieve aanwervingsbeslissingen te nemen. Bijvoorbeeld, wanneer bedrijven proberen om meer diverse teams op te bouwen, is het volgen van werknemer- en kandidaatgegevens vaak een afterthought. Echter, het is essentieel dat diversiteit, gelijkheid en inclusie (DE&I) initiatieven beginnen met transparantie over de huidige, gegevensgeïnformeerde staat van de organisatie – analytics kunnen u laten zien alles van de diversiteit van uw leiderschap, tot hoe u de diversiteit de afgelopen vijf jaar hebt gevolgd, tot compensatie-ongelijkheden, tot verlooppercentages van diverse werknemers. Het is belangrijk op te merken dat gegevenstracking niet alleen moet worden uitgebreid tot geslacht en ras, maar ook tot andere factoren, zoals leeftijd, religie, handicap en militaire dienst. Wanneer u over die gegevens beschikt, kunt u beginnen met het in kaart brengen van uw doelen en echt werken aan een diverse en inclusieve cultuur.

Ook is het, wanneer het gaat om het opbouwen van een diverse en inclusieve cultuur door middel van werving, zeer belangrijk om de talentenpijpleiding te controleren om ervoor te zorgen dat u diversiteit al vanaf het begin van de kandidaatzoeking voedt. Dit is onmogelijk zonder de juiste gegevens.

Pipeline-analyse is ook cruciaal om te begrijpen wat werkt of niet in uw diversiteitswervingsinspanningen. Hoe snel worden diverse kandidaten geworven? Welke recruiters zijn echt het verschil maken bij het vullen van de pijpleiding met diverse kandidaten? Bent u aan het werven uit geografische gebieden waar een hoger percentage diverse kandidaten zijn? Gegevens kunnen de antwoorden geven op al deze vragen die u anders niet zou kunnen beantwoorden.

Data staat ook centraal in predictieve analytics, waar historische gegevens worden gebruikt om talent te ontdekken die binnen uw bedrijf zullen uitblinken. Predictieve analytics kunnen u vertellen hoe waarschijnlijk het is dat een kandidaat goed zal presteren in een bepaalde rol, het risico op verloop, of ze succesvol zullen zijn in een remote positie en andere informatie die u kan helpen bij het identificeren van kandidaten die het meest waarschijnlijk zullen floreren.

Wat zijn enkele van de gegevensbronnen waar Findem informatie uit verzamelt?

Findem agreggeert alle openbaar beschikbare mensengegevens, die worden geverifieerd en getrianguleerd over meerdere bronnen, met het doel om een potentieel kandidaatskenmerk op te nemen en te leren. We hebben een bibliotheek van meer dan 1 miljoen kenmerken voor elke individu. We kunnen deze gegevens verrijken en nieuwe kenmerken ontdekken als onze klanten ervoor kiezen om hun interne HR-hulpmiddelen te integreren met Findem. Enkele voorbeelden van de openbaar beschikbare informatie die we aggreggeren, zijn volkstellinggegevens, productcategoriegegevens, bedrijfsfinanciële gegevens, marktgegevens, octrooien en publicatiegegevens, onderwijsgegevens en productiviteits- en vaardigheidsgegevens.

Hoe kunnen werkgevers het Findem-platform het beste gebruiken om te matchen met de ideale kandidaat?

Om te matchen met ideale kandidaten – of ze nu actief of passief zijn – kunnen werkgevers ons platform gebruiken om te zoeken naar hen op basis van een combinatie van meer dan 1 miljoen kenmerken. Kenmerken kunnen tastbaar zijn, zoals of iemand vrouw is, een voormalig oprichter of heeft gewerkt voor een top-10 VC-gefinancierde startup, evenals intangible, zoals of iemand de waarden van het bedrijf belichaamt, een ondernemingsgeest heeft of een doorgewinterde professional is. Deze kenmerken geven een gegevensgeïnformeerde beeld van elke individu en kunnen worden gebruikt om de exacte match te vinden om een open positie in te vullen.

Kenmerken kunnen worden gematcht over interne werknemers, ATS-profielen die zijn verrijkt met de meest actuele informatie en externe kandidaten. Typisch beginnen bedrijven met een ideale kandidaatprofiel en bouwen een talentenpool van elke persoon die overeenkomt met de kenmerken van die ideale kandidaat, hoewel sommigen ervoor kiezen om een kenmerkzoeking van scratch te bouwen.

Een andere unieke aanpak die ze kunnen nemen, is om de kenmerken van iemand die een superster-werknemer is te analyseren – ze kunnen binnen of buiten het bedrijf dat aan het werven is – en vervolgens een zoekopdracht te ontwerpen voor kandidaten die in wezen hun klonen zijn, wat betekent dat ze ook die exacte kenmerken bezitten. Zeg dat ze iemand kennen die uitblinkt in remote werk, loyaal is en CMO was van een bedrijf dat met succes is overgenomen, een werkgever kan eenvoudig zoeken op ons platform naar een set kloon-individuen.

Hoe voorkomt Findem onbewuste geslachts- of etnische vooroordelen vanuit zijn machine learning-proces?

De onbewuste vooroordelen die worden geïntroduceerd zonder enige zichtbaarheid in de talentenverdeling – AKA diversiteit – wanneer men een bepaalde locatie of kenmerk kiest om te zoeken, is een bron van onbewust vooroordeel. Findem biedt een geaggregeerde samenvatting van de talentenverdeling dynamisch per locatie en diverse zoekkenmerken en geeft deze zichtbaarheid aan het personeelsteam.

We verminderen deze vooroordelen ook door kenmerkengebaseerde zoekopdrachten die kunnen worden uitgevoerd zonder menselijke betrokkenheid, door kandidaat-PII-informatie te verhullen tijdens het uitvoeren van handmatige beoordelingen en door automatisch gewichten toe te voegen aan de pijpleiding om ervoor te zorgen dat deze zo divers mogelijk is.

Een interessant concept is hoe Findem werkgevers in staat stelt om nieuwe kenmerken voor talentenzoekopdrachten te vinden. Hoe werkt dit proces?

Findem stelt nieuwe kenmerken in staat om op verschillende manieren te worden ontdekt. Een daarvan is door naar andere bedrijven en de mensen die ze op verschillende tijdstippen hebben aangenomen te kijken. Bijvoorbeeld, als een bedrijf van plan is om een Series B-rondes te lanceren of naar de beurs te gaan, kan het willen begrijpen hoe bedrijven die erg succesvol waren in soortgelijke ondernemingen, waren bemand. Ons platform laat werkgevers zien welke kenmerken die mensen hebben en deze gebruiken in hun eigen talentenzoekopdrachten.

Op dezelfde manier kunt u dit doen met uw eigen superster-werknemers en interne systemen. Het is mogelijk om uw interne human resource information system (HRIS) te gebruiken om uw top-presteerders te onderscheiden en vervolgens de kenmerken te identificeren die gemeenschappelijk zijn voor hen en deze te gebruiken om toekomstige zoekopdrachten te voeden.

Is er nog iets anders dat u zou willen delen over Findem?

Een van onze grootste aandachtsgebieden op dit moment is het verwezenlijken van onze visie om onze talentenzoekoplossing volledig self-service te maken. Een doel vanaf dag één voor ons was om een platform te bouwen dat eenvoudig genoeg was voor iedereen binnen de HR-functie om te gebruiken, en we maken enorme vorderingen op dit moment om dat doel te bereiken.

Bedankt voor het geweldige interview, lezers die meer willen leren, moeten Findem bezoeken.