Findem’in CEO ve Kurucu Ortağı Hari Kolam ile Röportaj Serisi

Findem’in CEO ve kurucu ortağı olarak, Hari şirketin genel yönünü ve stratejik büyümesini yönlendirmekle sorumludur ve ayrıca günlük operasyonlarını denetler. O, bir dizi girişimci ve teknoloji çözümleri oluşturmuş bir teknoloji uzmanıdır ve neredeyse iki thập kỷdır şirketler kuruyor ve öncü teknoloji çözümleri oluşturuyor.

Hari, daha önce Instart’ın kurucu ortağı ve CTO’suydu, burada şirketin teknik vizyonunu yönlendirdi ve müşteri gereksinimlerini gerçeğe dönüştürülebilir, yenilikçi çözümlere çevirdi. Instart’ta bulunduğu süre boyunca, 50’den fazla patente ortak oldu.

Hari, ayrıca Aster Data’da senior düzeyde mühendislik pozisyonlarında bulunmuştur, burada tüm özellikler boyunca tüm geliştirme yığını üzerinde çalışmış ve Sun’un Solaris Cluster grubunda kritik yazılım modüllerine katkıda bulunmuştur.

Siz başarılı bir girişimci olarak iki startup’ı başarıyla başlattınız. İlk startupınız Instart’da, bir ekibi ölçeklendirme vấnmasının çoğu girişimci için büyük bir sorun olduğunu anladığınız anda neler yaşandı?

Bu, sadece bir değil, birkaç farklı deneyimin birleşmesiydi. Instart’ta cực hızlı bir büyüme yolundaydık, şirketin uluslararası olarak genişletilmesi de dahil olmak üzere ve bu, özel bir dizi zorluk getirdi. Şimdi, gerçekten çeşitli bir ekip oluşturmaya çalışıyoruz ve bunu kısa sürede ve kıta sınırları boyunca yapmaya çalışıyoruz. Yetenek için diğer startup’lar ile rekabet ediyor ve ekibimizi hızlı bir şekilde ölçeklendirirken, birkaç kötü işe alım yaptık ve bu, bizi geri bıraktı ve çok fazla hayal kırıklığı yarattı. Diğer zorluklar, işe alım ajanslarına personel arzumuzu iletmeye çalışırken ortaya çıktı. Süreç, yüksek hata oranına sahipti ve hızlı bir şekilde doğru işe alım yapmak için birçok kez doğru işe alım üzerinde uzlaştık. Bunlar, çoğu girişimcinin karşılaştığı zorlu derslerdi, ancak bunlar, Findem’i oluşturma fikrine yol açan ve bu fikri besleyen ateşin parlamasına neden oldu.

Findem’i başlatma hikayesini anlatır mısınız?

Findem, aslında kariyerimdeki önceki hatalarımın ve işe alım ve ölçeklendirme deneyimlerinin doğrudan bir sonucudur. Her girişimcinin söyleyebileceği gibi, mükemmel ekipler oluşturmak, bir işin başarısının en önemli faktörüdür. Ayrıca, bu çok zordur. Mühendislik geçmişim nedeniyle, en zor sorunları ve en büyük etkileri yaratan sorunları çözmeye çekiliyorum ve bu özel zorluk beni motive etti. Şirket kültürü ile uyumlu ve işi yapma yeteneklerine sahip doğru kişileri bulmak, söz konusu olduğu kadar zor değildir.

Geleneksel olarak, yetenek ölçekleme sorununu çözmek için tek yol, insan öğesi ile birlikte brute-force idi ve bu süreç, hatalarla, önyargılarla ve verimsizliklerle doluydu. Daha yakından incelediğimde, aslında temelde bir veri sorunu olduğu ve bunu çözmek için veri sorununa yaklaştığım ortaya çıktı. AI ve derin analitik kullanarak, bu sürece başarılı bir yeni yaklaşım getirdik ve HR liderlerine, adayları özelliklerine göre değil, özgeçmişlerinde bulunan kelimelere veya unvanlara göre arama yapma olanağı sağladık. Şirketler, daha verimli, maliyetleri azaltan, eşitsizliği azaltan ve daha iyi nitelikli işe alımlar sağlayan veri tabanlı işe alım yapmaya yöneliyorlar. Findem, bir tutku projesi olarak başladı ve şimdi, özellikle daha büyük şirketlerin karşılaştığı işe alım sorunlarına çözüm olarak büyüyoruz.

İşe alım söz konusu olduğunda veri ne kadar önemlidir?

Veri, etkili işe alım kararları alırken çok önemlidir. Örneğin, şirketler daha çeşitli ekipler oluşturmaya çalıştıklarında, personel ve aday verilerini izlemek genellikle bir sonra düşünülür. Ancak, çeşitlilik, eşitlik ve kapsayıcılık (DE&I) girişimlerinin, organizasyonun hiện durumuna ilişkin şeffaflıkla başlaması çok önemlidir – analitik, liderlikteki çeşitlilikten, son beş yıldaki çeşitlilik izleme geçmişine, ücret farklılıklarına, çeşitli personelin devir oranlarına kadar her şeyi gösterebilir. Ayrıca, veri izlemenin yalnızca cinsiyet ve ırka değil, yaş, din, engellilik ve askeri hizmet gibi diğer faktörleri de içermesi gerektiğini unutmamak önemlidir.

Ayrıca, işe alım yoluyla çeşitli ve kapsayıcı bir kültür oluştururken, aday arama başlangıcından itibaren yetenek havuzunu izlemek çok önemlidir. Bu, doğru verilere sahip olmadan imkansızdır.

Pipeline analitiği, çeşitlilik işe alım çabalarınızın neyin işe yarayıp neyin yaramadığını anlamak için de çok önemlidir. Diverse adaylar nasıl işe alınır? Hangi işe alım uzmanları, pipeline’ı diverse adaylarla doldurmakta gerçekten etkili oluyor? Daha yüksek oranda diverse adayların bulunduğu coğrafi alanlardan adayları kaynaklıyor musunuz? Veri, bu sorulara cevap verebileceğiniz şekilde tasarlanmıştır.

Veri, ayrıca, tarihi verilerin, şirket içinde başarılı olacak yetenekleri ortaya çıkarmak için kullanıldığı öngörülü analitiklerin de merkezinde yer alır. Öngörülü analitik, bir adayın belirli bir role göre nasıl performans göstereceğini, devir riskini, uzaktan çalışma pozisyonunda başarılı olup olmayacağını ve size en uygun adayları belirlemenize yardımcı olabilecek diğer bilgileri size söyleyebilir.

Findem hangi veri kaynaklarından bilgi topluyor?

Findem, insanların özelliklerini kaydetmek ve öğrenmek amacıyla, doğrulanan ve çoklu kaynaklar arasında üçgenleştirilen tüm kamuoyuna açık insan verilerini topluyor. Her birey için 1 milyondan fazla özellikten oluşan bir kütüphanemiz var. Müşterilerimiz, iç HR araçlarını Findem ile entegre etmeyi seçerse, bu verileri zenginleştirebilir ve yeni özellikler keşfedebiliriz. Topladığımız kamu bilgilerinin örnekleri arasında, nüfus verileri, ürün kategorisi bilgileri, şirket finansal verileri, piyasa verileri, patent ve yayın verileri, eğitim verileri ve üretkenlik ve beceri verileri yer alır.

İşverenler Findem platformunu ideal adaylarla eşleştirmek için nasıl kullanabilirler?

İşverenler, aktif veya pasif olsun, adayları 1 milyondan fazla özellikten oluşan bir kombinasyonuna göre arama yaparak ideal adaylarla eşleştirebilirler. Özellikler, somut olanları, Örneğin, bir kişinin kadın, önceki bir kurucu veya bir üst 10 VC-finansmanlı startup’ta çalışmış olması gibi, veya soyut olanları, Örneğin, bir kişinin şirket değerlerini taşıması, girişimci bir ruhunun olması veya bir go-getter olması gibi olabilir. Bu özellikler, her bireyin veri tabanlı bir resmini sunar ve açık bir pozisyonu doldurmak için tam bir eşleşme bulmak için kullanılabilir.

Özellikler, iç personelle, en güncel bilgilerle zenginleştirilmiş ATS profilleriyle ve dış adaylarla eşleştirilebilir. Şirketler genellikle ideal bir aday profili ile başlar ve bu özelliklere sahip her kişinin yetenek havuzunu oluşturur, ancak bazıları, özelliklere dayalı bir arama oluşturmak için sıfırdan başlar.

Onlar, süperstar bir çalışanın özelliklerini analiz ederek ve sonra bu özelliklere sahip adayları arayan benzersiz bir yaklaşım da benimseyebilirler – bunlar, iç veya dış olabilir ve bu özelliklere sahip diğer adayları bulmaya çalışırlar. Örneğin, uzaktan çalışma konusunda başarılı, sadık ve başarılı bir şekilde satın alınan bir şirketin CMO’su gibi birini tanıyorsanız, einfach olarak bizim platformumuzda bu özelliklere sahip bir dizi klon arama yapabilirsiniz.

Findem, makine öğrenimi sürecinden istemeyen cinsiyet veya etnik önyargıdan nasıl kaçınır?

Önyargı, genellikle, belirli bir konum veya özellikte arama yaparken, yetenek dağılımına ilişkin görünürlük olmadan ortaya çıkar. Findem, konum ve çeşitli arama özelliklerine göre yetenek dağılımının özet bir görünümünü sağlar ve bu görünürlüğü insan kaynakları ekibine sunar.

Ayrıca, insan katılımı olmadan özelliklere dayalı aramalar yaparak, adayların kişisel bilgilerini manuel incelemeler sırasında gizleyerek ve pipeline’a çeşitliliği sağlamak için otomatik olarak ağırlıklar ekleyerek bu önyargıları azaltıyoruz.

Findem, işe alım aramalarında yeni özellikler bulma konusundaki ilginç bir kavramı nasıl sağlar?

Findem, yeni özellikleri çeşitli yollardan keşfetmenize olanak tanır. Birisi, diğer şirketlere ve farklı zamanlarda işe aldıkları insanlara bakabilir. Örneğin, bir şirket, Seri B turunu artırma veya halka açılma planı yapıyorsa, benzer girişimlerde başarılı olan şirketlerin nasıl staff edildiğini anlamak isteyebilir. Platformumuz, bu insanların özelliklerini görmenize ve kendi işe alım aramalarınızda kullanmanıza olanak tanır.

Bu, ayrıca, süperstar çalışanlarınız ve iç sistemlerinizle de yapılabilir. İç insan kaynakları bilgi sisteminizi kullanarak, en iyi performans gösterenleri ayırt edebilir ve sonra bu özelliklere sahip olanları gelecekteki aramalar için kullanabilirsiniz.

Findem hakkında paylaşmak istediğiniz başka bir şey var mı?

Şu anda odaklandığımız en büyük alanlardan biri, yetenek kaynağı çözümümüzü tamamen self-servis haline getirmektir. Birinci gün hedefimiz, herhangi bir HR fonksiyonu içinde herkesin kullanabileceği kadar basit bir platform oluşturmaktı ve şu anda bu kilometre taşına ulaşmak için büyük adımlar atıyoruz.

Harika bir röportaj için teşekkür ederiz, daha fazla bilgi öğrenmek isteyen okuyucular Findem’i ziyaret edebilir.