Хари Колам — генеральный директор и соучредитель Findem — серия интервью

Как генеральный директор и соучредитель Финдем, Хари отвечает за общее направление и стратегический рост компании, а также контролирует ее повседневную деятельность. Он серийный предприниматель и опытный технолог с почти двадцатилетним опытом создания компаний и создания новаторских технологических решений.

Ранее Хари был соучредителем и техническим директором Instart, где он руководил техническим видением компании и преобразовывал требования клиентов в реализуемые инновационные решения. За время работы в Instart он стал соавтором более 50 патентов.

Хари также занимал руководящие должности инженеров в Aster Data, где он работал над всеми функциями всего стека разработки, а также в группе Solaris Cluster в Sun, где он вносил критические модули программного обеспечения.

Вы были успешным предпринимателем, успешно запустившим два стартапа. Не могли бы вы рассказать о моменте озарения в вашем первом стартапе Instart, когда вы поняли, что масштабирование команды является серьезной проблемой для большинства предпринимателей?

Это был не один, а скорее комбинация нескольких разных переживаний. Мы достигли точки в Instart, когда мы были на чрезвычайно быстром пути роста, включая расширение компании на международном уровне, и это поставило перед нами особый набор задач. Теперь мы пытаемся создать исключительную команду, которая действительно разнообразна, и делаем это в короткие сроки и за пределами континента. Поскольку мы конкурировали с другими стартапами за таланты и торопились увеличить нашу команду, в итоге мы наняли пару неудачных сотрудников, что отбросило нас назад и вызвало много разочарований. Другие проблемы возникли, когда мы попытались передать рекрутерам наш список пожеланий сотрудников. Процесс был очень подвержен ошибкам, и мы много раз шли на компромисс с правильным наймом в духе быстрого закрытия. Это были тяжелые уроки, которые бросают вызов почти всем предпринимателям, но я благодарен за то, что они зажгли идею и разожгли огонь, который привел к Findem.

Не могли бы вы обсудить историю создания Findem?

Findem на самом деле был прямым результатом ошибок, которые я допустил при найме и масштабировании в начале своей карьеры. Любой предприниматель скажет вам, что создание выдающихся команд — это самый важный фактор успеха бизнеса. Это также чрезвычайно сложно. Как человек с инженерным образованием, меня привлекает решение некоторых из самых сложных проблем, которые приводят к самым большим последствиям, и меня мотивировала эта конкретная задача. Найти подходящих сотрудников, которые могут легко влиться в культуру компании и обладать компетенциями, необходимыми для выполнения работы, гораздо сложнее, чем кажется.

Традиционно единственным способом решить проблему масштабирования талантов был грубый перебор с человеческим фактором, и этот процесс был усеян ошибками, предвзятостью и неэффективностью. Когда я исследовал ее дальше, меня осенило, что на самом деле это проблема данных по своей сути, и правильный способ решить ее — подойти к ней как к проблеме данных. Используя искусственный интеллект и глубокую аналитику, мы внедрили новый успешный подход к процессу, предоставив HR-руководителям возможность искать кандидатов на основе желаемых качеств, а не по ключевым словам или должностям в резюме. Компании стремятся к рекрутингу на основе данных, потому что он более эффективен, снижает затраты, улучшает справедливость и приводит к более качественному найму. Findem начинался как страстный проект, и теперь мы процветаем, особенно среди предприятий, которые сталкиваются с большим количеством проблем с наймом, трудностями и расходами, чем их более мелкие коллеги.

Насколько важны данные при приеме на работу?

Данные имеют решающее значение, когда речь идет о принятии эффективных решений о найме. Например, когда компании пытаются создать более разнообразные команды, об отслеживании данных о сотрудниках и кандидатах часто забывают. Однако очень важно, чтобы инициативы по разнообразию, справедливости и включению (DE&I) начинались с прозрачности текущего состояния организации на основе данных — аналитика может показать вам все, от разнообразия вашего руководства до того, как вы отслеживаете разнообразие. за последние пять лет, к компенсационным расхождениям, к показателям текучести разнородных сотрудников. Важно отметить, что отслеживание данных должно распространяться не только на пол и расу, но и на другие факторы, такие как возраст, религия, инвалидность и военная служба. Когда у вас есть эти данные, вы можете начать планировать свои цели и действительно работать над созданием разнообразной и инклюзивной культуры.

Кроме того, когда дело доходит до создания этой разнообразной и инклюзивной культуры посредством найма, очень важно следить за потоком талантов, чтобы убедиться, что вы поощряете разнообразие с самого начала поиска кандидатов. Это невозможно без правильных данных.

Аналитика конвейера также является ключом к пониманию того, что работает, а что нет в ваших усилиях по подбору разнообразия. Как быстро набираются разнообразные кандидаты? Какие рекрутеры действительно двигают иглу, когда дело доходит до заполнения конвейера разнообразными кандидатами? Вы осуществляете поиск из географических регионов, где процент разнообразных кандидатов выше? Данные могут дать ответы на все эти вопросы, на которые иначе вы бы не смогли ответить.

Данные также лежат в основе предиктивной аналитики, где исторические данные используются для выявления талантов, которые будут преуспевать в вашей компании. Прогнозная аналитика может сказать вам, насколько вероятно, что кандидат будет хорошо работать на определенной должности, его риск текучести кадров, будет ли он успешным на удаленной должности и другую информацию, которая может помочь вам определить кандидатов, которые с наибольшей вероятностью преуспеют.

Из каких источников данных Findem собирает информацию?

Findem объединяет все общедоступные данные о людях, которые проверяются и триангулируются по нескольким источникам с целью записи и изучения атрибутов потенциального кандидата. У нас есть библиотека из более чем 1 миллиона атрибутов для каждого человека. Мы можем обогатить эти данные и обнаружить новые атрибуты, если наши клиенты решат интегрировать свои внутренние инструменты управления персоналом с Findem. Некоторые примеры общедоступной информации, которую мы собираем, включают данные переписи, информационные данные о категориях продуктов, финансовые данные компании, рыночные данные, данные о патентах и ​​публикациях, данные об образовании, а также данные о производительности и навыках.

Как работодатели могут наилучшим образом использовать платформу Findem, чтобы найти идеального кандидата?

Чтобы найти идеальных кандидатов — активных или пассивных — работодатели могут использовать нашу платформу для их поиска на основе комбинации более 1 миллиона атрибутов. Атрибуты могут быть материальными, например, является ли кто-то женщиной, предыдущим основателем или работал в топ-10 стартапов, финансируемых венчурным капиталом, а также нематериальными, например, воплощает ли кто-то ценности компании, обладает ли он предпринимательским духом или целеустремленностью. добытчик. Эти атрибуты дают представление о каждом человеке на основе данных и могут использоваться для точного подбора кандидатов для заполнения открытой позиции.

Атрибуты могут быть сопоставлены между внутренними сотрудниками, профилями ATS, обогащенными самой актуальной информацией, и внешними кандидатами. Как правило, компании начинают с профиля идеального кандидата и создают кадровый резерв из каждого человека, который соответствует атрибутам идеального кандидата, хотя некоторые предпочитают создавать поиск по атрибутам с нуля.

Еще один уникальный подход, который они могут использовать, заключается в анализе качеств кого-то, кто является суперзвездным сотрудником — он может быть внутри или вне компании, которая нанимает, — а затем спланировать поиск кандидатов, которые по сути являются их клонами, то есть они также обладают точно такими же качествами. . Скажем, они знают кого-то, кто преуспевает в удаленной работе, является лояльным и был директором по маркетингу в компании, которая была успешно приобретена, работодатель может просто найти на нашей платформе набор подражателей.

Как Findem позволяет избежать непреднамеренных гендерных или этнических предубеждений в процессе машинного обучения?

Непреднамеренная предвзятость, которая возникает без какой-либо видимости в распределении талантов — также известном как разнообразие — при выборе определенного местоположения или атрибута для поиска, является источником бессознательной предвзятости. Findem динамически предоставляет агрегированную сводку о распределении талантов по местоположению и различным поисковым атрибутам, а также предоставляет эту информацию группе людей.

Мы также уменьшаем эти предубеждения с помощью поиска на основе атрибутов, который может быть выполнен без участия человека, запутывая информацию о кандидатах PII при проведении проверок вручную и автоматически добавляя веса в конвейер, чтобы обеспечить его максимальное разнообразие.

Одна интересная концепция заключается в том, как Findem позволяет работодателям находить новые атрибуты для поиска талантов. Как работает этот процесс?

Findem позволяет обнаруживать новые атрибуты несколькими способами. Один из них — посмотреть на другие компании и людей, которых они наняли в разное время. Например, если компания планирует провести раунд серии B или выйти на биржу, она может захотеть понять, как были укомплектованы компании, добившиеся больших успехов в подобных начинаниях. Наша платформа позволяет работодателям видеть качества этих людей и использовать их в своих собственных поисках талантов.

Точно так же вы можете сделать это со своими суперзвездными сотрудниками и внутренними системами. Можно использовать вашу внутреннюю информационную систему управления персоналом (HRIS), чтобы различать ваших лучших исполнителей, а затем вы можете определить общие для них атрибуты и использовать их для будущих поисков.

Есть ли что-нибудь еще, что вы хотели бы рассказать о Findem?

Одной из наших самых больших задач сейчас является реализация нашего видения, заключающегося в том, чтобы сделать наше решение по поиску талантов полностью самообслуживаемым. Целью первого дня для нас было создание платформы, которая была бы достаточно простой для использования любым сотрудником службы управления персоналом, и прямо сейчас мы делаем огромные шаги в достижении этой вехи.

Спасибо за отличное интервью, читатели, которые хотят узнать больше, должны посетить Финдем.