Хари Колам – генеральный директор и сооснователь Findem – Интервью

Как генеральный директор и сооснователь Findem, Хари отвечает за общее направление и стратегический рост компании, а также за ее повседневную деятельность. Он является серийным предпринимателем и опытным технологом, имеющим почти два десятилетия опыта создания компаний и разработки инновационных технологических решений.

Ранее Хари был сооснователем и техническим директором Instart, где он руководил технической концепцией компании и переводил требования клиентов в реализуемые инновационные решения. Во время работы в Instart он стал соавтором более 50 патентов.

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

Вы являетесь успешным предпринимателем, имеющим два запущенных стартапа. Можете ли вы рассказать об эврике в вашем первом стартапе Instart, когда вы поняли, что масштабирование команды является серьезной проблемой для большинства предпринимателей?

Это не было одним моментом, а скорее комбинацией нескольких опытов. Мы достигли точки в Instart, где мы были на чрезвычайно быстрой траектории роста, включая расширение компании на международном уровне, и это представило нам особый набор проблем. Теперь мы пытаемся построить исключительную команду, которая действительно разнообразна, и делать это в короткий срок и на трансграничном уровне. Когда мы конкурировали с другими стартапами за таланты и спешили масштабировать нашу команду, мы совершили несколько плохих наймов, что отбросило нас назад и создало много разочарования. Другие проблемы возникли, когда мы пытались передать наш список желаемых сотрудников рекрутерам. Процесс был высоко ошибочным, и мы часто шли на компромисс с правильным наймом в духе быстрого закрытия. Эти были тяжелые уроки и те, которые бросают вызов почти всем предпринимателям, но я благодарен, что они зажгли идею и разожгли огонь, который привел к Findem.

Можете ли вы затем рассказать историю о запуске Findem?

Findem был прямым результатом ошибок, которые я совершил при найме и масштабировании ранее в своей карьере. Как любой предприниматель вам скажет, построение исключительных команд является самым важным фактором успеха бизнеса. Это также чрезвычайно трудно. Как человек с инженерным прошлым, я привлечен к решению некоторых из самых трудных проблем, которые приводят к самым большим результатам, и я был мотивирован этой конкретной проблемой. Найти правильных сотрудников, которые могут без проблем вписаться в культуру компании и иметь необходимые навыки для выполнения работы, намного труднее, чем кажется.

Традиционно, единственный способ решить проблему масштабирования талантов был через брутфорс, вместе с человеческим фактором – и процесс был наполнен ошибками, предубеждениями и неэффективностью. Когда я рассмотрел это дальше, мне стало ясно, что это на самом деле проблема данных в своей основе, и правильный способ решить ее – подойти к ней как к проблеме данных. Используя ИИ и глубокий анализ, мы привнесли успешный новый подход к процессу, позволяя лидерам по персоналу искать кандидатов на основе желаемых атрибутов, а не по ключевым словам или названиям должностей в резюме. Компании привлекаются к данным, основанным на наборе персонала, потому что это более эффективно, снижает затраты, улучшает справедливость и приводит к лучшим кандидатам. Findem начался как проект страсти и теперь мы процветаем, особенно среди корпораций, которые сталкиваются с большими проблемами и затратами при найме, чем их более мелкие аналоги.

Насколько важны данные при найме?

Данные чрезвычайно важны при принятии эффективных решений о найме. Например, когда компании пытаются построить более разнообразные команды, отслеживание данных о сотрудниках и кандидатах часто является после мысли. Однако важно, чтобы инициативы по разнообразию, справедливости и включению (DE&I) начинались с прозрачности о текущем состоянии организации, основанном на данных – аналитика может показать вам все, от разнообразия вашего руководства до того, как вы отслеживали разнообразие за последние пять лет, до несоответствий в оплате, до показателей текучести кадров разнообразных 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 разнообразной и инклюзивной культурой.

Кроме того, при построении разнообразной и инклюзивной культуры через найм важно отслеживать талантливый пул, чтобы обеспечить, что вы воспитываете разнообразие с самого начала поиска кандидатов. Это невозможно без правильных данных.

Аналитика конвейера также является ключом к пониманию того, что работает или не работает в ваших усилиях по набору разнообразных кандидатов. Как быстро набираются разнообразные кандидаты? Какие рекрутеры действительно двигают дело, когда речь идет о наполнении конвейера разнообразными кандидатами? Вы набираете из географических районов, где есть более высокий процент разнообразных кандидатов? Данные могут дать ответы на все эти вопросы, которые вы не смогли бы ответить иначе.

Данные также являются основой прогностической аналитики, где исторические данные используются для обнаружения талантов, которые будут преуспевать в вашей компании. Прогностическая аналитика может сказать вам, насколько вероятно, что кандидат будет хорошо работать в определенной роли, его риск текучести, будет ли он успешен на удаленной работе и другую информацию, которая может помочь вам выявить кандидатов, которые наиболее вероятно процветают.

Какие источники данных собирает Findem?

Findem агрегирует все публично доступные данные о людях, которые проверяются и подтверждаются через несколько источников, с целью записи и изучения потенциальных кандидатов. У нас есть библиотека более 1 миллиона атрибутов для каждого человека. Мы можем обогащать эти данные и открывать новые атрибуты, если наши клиенты решат интегрировать свои внутренние инструменты HR с Findem. Некоторые примеры публичной информации, которую мы агрегируем, включают данные переписи, информацию о категориях продуктов, финансовые данные компаний, рыночные данные, патенты и публикации, образовательные данные и данные о производительности и навыках.

Как работодатели могут лучше всего использовать платформу Findem, чтобы найти идеального кандидата?

Чтобы найти идеальных кандидатов – будь то активные или пассивные – работодатели могут использовать нашу платформу, чтобы искать их на основе комбинации более 1 миллиона атрибутов. Атрибуты могут быть осязаемыми, такими как то, является ли кто-то женщиной, бывшим основателем или работал в топ-10 стартапа, финансируемого венчурным капиталом, а также неосязаемыми, такими как то, воплощает ли кто-то ценности компании, обладает ли предпринимательским духом или является ли он го-ゲтером. Эти атрибуты предоставляют данный образ каждого человека и могут быть использованы для нахождения точного совпадения, чтобы заполнить открытую позицию.

Атрибуты могут быть сопоставлены с внутренними сотрудниками, профилями ATS, обогащенными самой актуальной информацией, и внешними кандидатами. Обычно компании начинают с идеального профиля кандидата и строят талантливый пул из каждого человека, который соответствует этим атрибутам, хотя некоторые предпочитают строить поиск атрибутов с нуля.

Другой уникальный подход, который они могут использовать, – проанализировать атрибуты суперзвездного сотрудника – они могут быть внутри или вне компании, которая нанимает – и затем спроектировать поиск кандидатов, которые по сути являются их клонами, то есть они также обладают этими атрибутами. Скажем, они знают, что кто-то превосходно работает на удаленной работе, лоялен и был CMO в компании, которая была успешно приобретена, работодатель может просто искать на нашей платформе набор копированных людей.

Как Findem избегает непреднамеренного гендерного или этнического предубеждения в своем процессе машинного обучения?

Непреднамеренное предубеждение, которое вводится без видимости распределения талантов – то есть разнообразия – при выборе определенного местоположения или атрибута для поиска, является источником бессознательного предубеждения. Findem предоставляет агрегированную сводку распределения талантов динамически по местоположению и различным атрибутам поиска и дает эту информацию команде по персоналу.

Мы также уменьшаем эти предубеждения за счет поисков на основе атрибутов, которые могут быть выполнены без участия человека, путем сокрытия информации о личности кандидата (PII) при проведении ручных обзоров и автоматического добавления весов в конвейер, чтобы обеспечить его максимально возможное разнообразие.

Одна из интересных концепций – это то, как Findem позволяет работодателям находить новые атрибуты для поиска талантов. Как работает этот процесс?

Findem позволяет открывать новые атрибуты несколькими способами. Один из них – это рассмотрение других компаний и людей, которых они наняли в разное время. Например, если компания планирует привлечь финансирование серии B или выйти на биржу, она может захотеть понять, как компании, которые были очень успешны в подобных начинаниях, были укомплектованы. Наша платформа позволяет работодателям видеть атрибуты этих людей и использовать их в своих собственных поисках талантов.

Аналогично, вы можете сделать это со своими суперзвездными сотрудниками и внутренними системами. Возможно использовать вашу внутреннюю систему управления человеческими ресурсами (HRIS), чтобы выделить ваших лучших исполнителей, и затем вы можете определить атрибуты, которые являются общими для них, и использовать это для будущих поисков.

Есть ли что-то еще, что вы хотели бы поделиться о Findem?

Одной из наших главных областей внимания в настоящее время является выполнение нашей цели сделать нашу систему поиска талантов полностью самодостаточной. С первого дня нашей целью было построить платформу, которая была бы достаточно простой для использования любым человеком в функции HR, и мы делаем большие шаги в достижении этой цели.

Благодарим за отличное интервью, читателям, которые хотят узнать больше, следует посетить Findem.