บทสัมภาษณ์
Alper Tekin ประธานเจ้าหน้าที่ฝ่ายผลิตภัณฑ์ของ Findem – Interview Series
ก่อนหน้านี้คุณเป็นผู้ประกอบการต่อเนื่อง โดยทำหน้าที่เป็นผู้ก่อตั้งและ CEO ของบริษัทสตาร์ทอัพหลายแห่ง ความท้าทายในการจ้างงานที่ใหญ่ที่สุดที่คุณพบมีอะไรบ้าง
การจ้างงานถือเป็นแง่มุมที่ท้าทายที่สุดประการหนึ่งในเส้นทางการเป็นผู้ประกอบการของฉัน ในฐานะผู้ประกอบการ เรารู้ว่าผู้คนมีความสำคัญมากกว่าสิ่งอื่นใด และการสร้างทีมที่เหมาะสมถือเป็นงานที่สำคัญที่สุดของผู้นำธุรกิจ อย่างไรก็ตาม เป็นเรื่องยากมากที่จะจัดสรรเวลาให้เพียงพอเพื่อค้นหาคนที่เหมาะสม เมื่อคุณดูแลกิจกรรมทางธุรกิจอื่นๆ มากมายที่เกี่ยวข้องกับการเริ่มต้นและขยายขนาดบริษัท หากไม่มีข้อมูลที่เป็นกลางว่าใครมีอยู่บ้าง การค้นหากลุ่มคนที่เหมาะสมก็เป็นเรื่องยาก และยากยิ่งกว่าที่จะทราบว่าพวกเขาจะทำงานได้ดีในองค์กรของคุณหรือไม่
คุณช่วยแบ่งปันวิสัยทัศน์ว่า Findem กำลังสร้างแพลตฟอร์มผู้มีความสามารถอิสระสำหรับทีมทรัพยากรบุคคลแห่งอนาคตได้อย่างไร
การได้มาซึ่งความสามารถพิเศษเป็นงานที่ซับซ้อนซึ่งมีงานหลายร้อยงาน ดำเนินการโดยบุคคลหลายสิบคน โดยใช้เครื่องมือหลักหลายสิบรายการที่ไม่ได้พูดคุยกันเกือบตลอดเวลา วิสัยทัศน์ของเราคือการขจัดความซับซ้อนนี้ด้วยการผสมผสานระหว่าง AI และเวิร์กโฟลว์อัตโนมัติ
เป้าหมายแรกและสำคัญที่สุดของเราคือการสนับสนุนทีมที่มีความสามารถด้วยการทำงานที่ซ้ำซากจำเจ ทำซ้ำได้ และเสี่ยงต่อข้อผิดพลาดให้เป็นอัตโนมัติในแต่ละวัน และช่วยเหลือผู้คนในการตัดสินใจด้วยข้อมูลได้รวดเร็วยิ่งขึ้น ดีขึ้น และยุติธรรมยิ่งขึ้น เราเห็นกรณีการใช้งานแล้ว เช่น บริษัทเทคโนโลยีขนาดใหญ่ที่พวกเขาใช้ระบบแปดถึง 10 ระบบเพียงเพื่อสร้างระบบที่มีความสามารถพิเศษ และแต่ละระบบก็ถูกใช้ในลักษณะแยกส่วน พวกเขาต้องใช้เวลาคลิก 80-100 ครั้งในการทำงานชิ้นเดียวให้สำเร็จ และตอนนี้ด้วยแอปพลิเคชันอัตโนมัติ พวกเขาจึงสามารถทำงานเดียวกันได้ด้วยคลิกเดียว
เช่นเดียวกับฟังก์ชันทางธุรกิจเกือบทั้งหมด องค์กรที่มีความสามารถจะได้รับการเปลี่ยนแปลงโดยเน้นที่ AI ก่อน และแผนของเราคือการทำให้ทุกอย่างที่เป็นอัตโนมัติเป็นอัตโนมัติ ช่วยให้ผู้สรรหาบุคลากรและผู้เชี่ยวชาญด้านความสามารถอื่นๆ สามารถเข้าถึงศักยภาพสูงสุดของตนได้ แอปพลิเคชันอัตโนมัติจะมีบทบาทสำคัญในการวางแผน ไปป์ไลน์ และการวิเคราะห์ จากนั้นจะขยายไปทั่วทั้งวงจรชีวิตของผู้มีความสามารถ ครอบคลุมทุกอย่างตั้งแต่การวางแผนกำลังคนไปจนถึงกลุ่มผู้มีความสามารถ ไปจนถึงการพัฒนาอาชีพและการวางแผนสืบทอดตำแหน่ง
Findem วิเคราะห์จุดข้อมูลหลายล้านล้านจุดและใช้ประโยชน์จากสิ่งที่เรียกว่าข้อมูล 3 มิติ คุณช่วยอธิบายได้ไหมว่าข้อมูล 3 มิติคืออะไร
Findem นำเข้าจุดข้อมูล 1.6 ล้านล้านจุดจากแหล่งที่มาหลายแสนแห่งเพื่อสร้างข้อมูลผู้มีความสามารถใหม่ๆ ที่ไม่มีอยู่ในที่อื่น และให้ความเข้าใจในแต่ละบุคคลและบริษัทที่พวกเขาเกี่ยวข้องด้วยเมื่อเวลาผ่านไป Findem ใช้ข้อมูลสามมิติเหล่านี้ – ข้อมูลผู้คนและข้อมูลบริษัทในช่วงเวลาหนึ่ง – เพื่อเชื่อมโยงการเดินทางของบุคคลและบริษัท และสร้างโปรไฟล์ผู้มีความสามารถที่ได้รับการเสริมคุณค่า
ลองคิดแบบนี้: ทุกคนที่ทำงานในตลาดงานยุคใหม่ต่างมีการเดินทางและทิ้งรอยทางดิจิทัลไว้เบื้องหลัง มีตำแหน่ง การเลื่อนตำแหน่งงาน ใบรับรอง การมีส่วนร่วมในรหัส สิ่งตีพิมพ์ โพสต์ทางสังคม และอื่นๆ ในทำนองเดียวกัน บริษัทต่างๆ ก็มีการเดินทาง พวกเขามีกิจกรรมต่างๆ เช่น รอบการระดมทุน การเสนอขายหุ้น IPO และการยื่นเอกสารทางการเงิน รวมถึงคำอธิบายงาน แผนผังองค์กร การทบทวนบริษัท และประวัติความเป็นผู้นำ ข้อมูลทั้งหมดนี้สามารถจัดทำแผนภูมิการพัฒนาและความก้าวหน้าขององค์กรได้
ตามเนื้อผ้า การตัดสินใจเกี่ยวกับความสามารถจะขึ้นอยู่กับเรซูเม่ การสมัครงาน และ/หรือโปรไฟล์ LinkedIn ที่นำเสนอข้อมูลบุคคลและข้อมูลบริษัทเพียงมิติเดียวเท่านั้น อย่างไรก็ตาม เราได้สร้างแพลตฟอร์มที่สามารถรวบรวมจุดข้อมูลนับพันจุดเกี่ยวกับผู้คนและการเดินทางของบริษัท และแปลงให้เป็นโปรไฟล์ที่ได้รับการตกแต่งอย่างหนาแน่น ผลลัพธ์ที่ได้คือความเข้าใจที่ละเอียดและละเอียดมากขึ้นเกี่ยวกับประสบการณ์ ทักษะ และผลกระทบของบุคคล มากกว่าสิ่งที่เป็นไปได้ก่อนหน้านี้ด้วยการวิจัยด้วยตนเองหรือจากโปรไฟล์ LinkedIn ที่ผู้ใช้สร้างขึ้น
ด้วย Talent Data Cloud ของเรา อาชีพทั้งหมดสามารถค้นหาได้โดยใช้คำสั่งผ่านอินเทอร์เฟซ GenAI ตัวอย่างเช่น คุณสามารถขอให้แพลตฟอร์มแสดง CFO ของบริษัทในสหรัฐฯ ที่บริษัท PE เป็นเจ้าของ ซึ่งเปลี่ยนบริษัทจากระดับลบไปสู่อัตรากำไรจากการดำเนินงานเป็นบวก หรือให้รายชื่อผู้จัดการผลิตภัณฑ์ที่ภักดีซึ่งทำงานให้กับสตาร์ทอัพ B2B และเห็นมัน ผ่านซีรีส์ C ขนาดใหญ่
จุดข้อมูลประเภทต่างๆ ที่ได้รับการวิเคราะห์มีอะไรบ้าง
Talent Data Cloud ของเราใช้ประโยชน์จากโมเดลภาษาแบบไดนามิกและต่อเนื่องเพื่อสร้างข้อมูล 3 มิติจากแหล่งข้อมูลหลายแสนแหล่ง
โดยจะวิเคราะห์โปรไฟล์และข้อมูลการติดต่อจากการถูกใจของ LinkedIn, GitHub, StackOverflow, Kaggle, Dribble, Doximity, ResearchGate, WordPress และเว็บไซต์ส่วนตัว แน่นอนว่าข้อมูลสำมะโนมาจากสำนักงานสำรวจสำมะโนของสหรัฐอเมริกา นอกจากนี้ เรายังดูข้อมูลของบริษัทจากการประกาศระดมทุน รายละเอียดการเสนอขายหุ้น IPO โมเดลธุรกิจของบริษัทมากกว่า 8 ล้านแห่ง และบริษัทและหมวดหมู่ผลิตภัณฑ์รวมกว่า 100,000 รายการ สำหรับทักษะที่ได้รับการตรวจสอบแล้ว แพลตฟอร์มจะวิเคราะห์สิทธิบัตรและสิ่งพิมพ์มากกว่า 300 ล้านรายการ ชุดข้อมูลแบบเปิดและโครงการ ML มากกว่า 5 ล้านชุด และคลังเก็บโค้ดโอเพนซอร์ซมากกว่า 200 ล้านรายการ และการมีส่วนร่วมสาธารณะอื่น ๆ และที่สำคัญเรารวมข้อมูล ATS ซึ่งรวมถึงข้อมูลโปรไฟล์ของผู้สมัครจาก ATS ของผู้ใช้ ซึ่งอาจเป็น Greenhouse, Workday, SmartRecruiters, BambooHR, Lever และอื่นๆ
แมชชีนเลิร์นนิงมองหาอะไรเมื่อวิเคราะห์ข้อมูลนี้
Findem คือ BI ก่อน จากนั้นจึงใช้ AI เพื่อเรียนรู้และคาดการณ์ตามข้อมูลข้อเท็จจริง เราเรียกสิ่งนี้ว่าแบบจำลองที่กำหนดขึ้นกับแบบจำลองความน่าจะเป็น ตัวอย่างเช่น เราไม่สามารถอนุมานได้ว่าคุณมีประสบการณ์ในการเริ่มต้นธุรกิจ แต่เราพิจารณาประวัติการทำงานของคุณแทน และดูว่าบริษัทใดๆ ที่คุณทำงานด้วยถูกจัดอยู่ในประเภทการเริ่มต้นธุรกิจหรือไม่ จากนั้นจึงเพิ่มคุณลักษณะ 'ประสบการณ์การเริ่มต้น' ในโปรไฟล์ของคุณ
ข้อมูลนี้ถูกแปลงเป็นคุณลักษณะอย่างไร และคุณลักษณะคืออะไร
เมื่อการรวบรวมข้อมูลเกิดขึ้น เรามีกลไกอัจฉริยะ (คิดว่าเป็นมิดเดิลแวร์ SQL ที่ซับซ้อน) ซึ่งสามารถจับคู่ข้อมูลกับคุณลักษณะใดๆ ที่เราต้องการสร้างได้
คุณลักษณะคือทักษะ ประสบการณ์ และคุณลักษณะเฉพาะของบุคคลและบริษัท ซึ่งมีทั้งที่จับต้องได้และจับต้องไม่ได้ คุณลักษณะที่จับต้องได้ ได้แก่ บทบาท (ประสบการณ์ปัจจุบัน อดีต และบทบาท) ประสบการณ์การทำงาน การศึกษา คุณสมบัติ และข้อมูลทางเทคนิคอื่น ๆ คุณลักษณะที่จับต้องไม่ได้อาจเข้าถึงได้ไกล เช่น มีคนสร้างแรงบันดาลใจให้กับความภักดี สร้างทีมที่หลากหลาย หรือขับเคลื่อนภารกิจหรือไม่
การค้นหาตามคุณลักษณะของเราช่วยให้ทีมทรัพยากรบุคคลสามารถค้นหาผู้สมัครจากทุกช่องทางในระบบนิเวศที่มีความสามารถของพวกเขา โดยใช้เกณฑ์ใดๆ ก็ตามที่คุณคิดได้
แพลตฟอร์มจะป้องกันอคติทางเพศหรือเชื้อชาติจากการตัดสินใจจ้างงานได้อย่างไร
แพลตฟอร์มของเราได้รับการออกแบบโดยตั้งใจที่จะไม่ทำการตัดสินใจในนามของผู้ใช้ใดๆ แต่เพื่อให้ AI ช่วยเหลือผู้คนในการตัดสินใจ แพลตฟอร์มใช้กลยุทธ์ BI-first จัดลำดับความสำคัญในการรวบรวม การวิเคราะห์ และการนำเสนอข้อมูลเพื่อให้ข้อมูลเชิงลึกและการสนับสนุนสำหรับการตัดสินใจ จากนั้นใช้ AI เพื่อเรียนรู้ ให้เหตุผล และคาดการณ์หรือให้คำแนะนำด้วยผลลัพธ์ที่เชื่อถือได้
เราเป็นแพลตฟอร์มการค้นหาและจับคู่ ไม่ใช่แพลตฟอร์มการประเมินผลผู้สมัคร และไม่เคยใช้ AI เพื่อประเมินบุคคล มันไม่เคยก้าวหน้าหรือปฏิเสธผู้สมัครโดยอัตโนมัติ นอกจากนี้ เนื่องจาก Findem ไม่ได้ใช้ AI ในการค้นหาและจับคู่ (ความสามารถเหล่านี้ใช้ BI) จึงช่วยลดความเสี่ยงของการมีอคติหรือการเลือกปฏิบัติที่คืบคลานเข้ามาในกระบวนการ
Findem ลดความซับซ้อนของกระบวนการส่งเสริมพนักงานภายในอย่างไร
โดยแก่นแท้แล้ว เราไม่จำเป็นต้องแยกความแตกต่างระหว่างพรสวรรค์ 'ภายใน' และ 'ภายนอก' สำหรับบุคคลใดๆ ในฐานข้อมูลของเรา อัลกอริทึมของเราจะค้นหาผู้สมัครที่ตรงที่สุดไม่ว่าพวกเขาจะอยู่ภายนอกหรือภายในองค์กรก็ตาม
เครื่องมือการจัดการผู้มีความสามารถทั้งหมดที่นำเสนอมีอะไรบ้าง?
เรากำลังรวมกิจกรรมชั้นยอดเข้าด้วยกัน ดังนั้นทุกอย่างตั้งแต่การจัดหาผู้มีความสามารถไปจนถึง CRM ไปจนถึงการวิเคราะห์ นอกจากนี้เรายังมีโซลูชันสำหรับการเคลื่อนย้ายภายใน และเรากำลังเปิดตัวข้อเสนอสำหรับการจัดการการอ้างอิงและการวางแผนสืบทอดตำแหน่ง
การเดินทางของผู้ประกอบการควรอยู่ในขั้นตอนใดก่อนที่จะติดต่อกับ Findem?
เราให้บริการลูกค้าทุกขนาด แต่จุดสนใจของเรามักจะเป็นบริษัทที่อยู่ในโหมดปรับขนาดโดยมีพนักงานไม่กี่ร้อยคน
ขอบคุณสำหรับบทสัมภาษณ์ที่ดี ผู้อ่านที่ต้องการเรียนรู้เพิ่มเติมควรเยี่ยมชม ค้นหา.
