Регистрация
Зарегистрируйся на сайте и получи доступ к полному контенту сайта и подпискам бесплатно!

Amazing Hiring: как рекрутировать IT-специалиста автоматом?

0
0
413 0
Аудио Текст
10 февраля 2015

Многие известные предприниматели учат нас, что брать людей на работу нужно не по знакомству, а основываясь лишь на их профессиональных качествах. Можно ли быстро и точно найти компетентного IT-специалиста, затратив на это усилий столько же, сколько тратим мы в маркетплейсе? «Да», — отвечают сооснователи сервиса Amazing Hiring Виталий Обернихин и Сергей Дмитриченко.

Из передачи вы узнаете:
— как меняется ландшафт IT-рекрутинга с развитием социальных сетей и профессиональных сообществ;
— как работает алгоритм сбора данных о кандидатах Amazing Hiring;
— какие источники задействованы в поиске IT-специалистов;
— как система позволяет находить «пассивных кандидатов» — тех, кто даже не помышляет о смене работы;
— как устроено ранжирование информации и рейтинг кандидатов
— как big data изменит HR;
— и многое другое.

Многие известные предприниматели учат нас, что брать людей на работу нужно не по знакомству, а основываясь лишь на их профессиональных качествах. Можно ли быстро найти компетентного IT-специалиста, затратив на это усилий столько же, сколько тратим мы в маркетплейсе? «Да», — отвечают сооснователи сервиса Amazing Hiring Виталий Обернихин и Сергей Дмитриченко.

Виталий Обернихин, сооснователь Amazing Hiring.
Родился в 1978 году в поселке Наследницкий (Челябинская область).
В 2001 году окончил факультет общей и прикладной физики Московского физико-технического института.
В 2004 году получил степень кандидата физико-математических наук.
В 2003-2005 годах — ведущий программист в компании Trustworks.
В 2005-2012 годах — project manager, product manager, product line manager в компании Parallels.
В 2012 году стал генеральным директором компании Amazing Hiring.

Сергей Дмитриченко, сооснователь Amazing Hiring.
Родился в 1985 году в Москве.
Окончил МГТУ им. Баумана: в 2008 году — факультет робототехники и комплексной автоматизации, в 2009-м — факультет инженерного бизнеса и менеджмента.
С 2006 года занимается подбором персонала для IT-компаний.
С 2011 года — основатель и гендиректор IT-рекрутингового агентства GMS.
С 2012 года — сооснователь компании Amazing Hiring.

Сергей Иванов: Давайте начнем немножечко издалека — с глобальных определений, которые, конечно же, я уже успел подсмотреть в одной из ваших презентаций. Вы создали в одной из презентаций картину «Эволюция способов поиска и подбора персонала». Я попросил вывести: 1996 год — это офлайн-рекрутмент, дальше «Онлайн-рекрутмент 1.0», «Онлайн-рекрутмент 2.0» и так называемый современный период. Я хотел бы попросить вас дать определение этому современному периоду, который еще не получил названия. Чем он отличается?
Сергей Дмитриченко: Мы взяли историю за 20 лет, потому что последние 20 лет рекрутмент очень сильно меняется. Вы правильно сказали, еще 20 лет назад это был офлайн-рекрутмент: резюме на бумаге, объявления в газетах. Потом рекрутмент стал постепенно «переезжать» в интернет. Сначала появились сайты по поиску работы, это середина 90-х.
С. И.: Практически копия офлайн-рекрутмента, только перенесенная в онлайн.
С. Д.: По сути, да. Все процессы потихоньку переходят в онлайн. В начале 2000-х появляются профессиональные соцсети. Они меняют подходы к поиску персонала. А последние два-три года мы видим, что количество информации в интернете растет лавинообразно. И сейчас этих источников, где можно искать кандидатов, больше 50. По нашим оценкам, даже больше 80. И фактически уже невозможно это делать вручную.
С. И.: Но мы же говорим не только о том, что количество информации просто возросло. Она структурно изменилась. Я пытаюсь подвести к тому, чем занимается Amazing Hiring и чем он отличается от сервисов, которые были в эпоху так называемого Веб 2.0. Давайте Веб 2.0 и нынешний период сравним — в чем различие в подходах?
С. Д.: Действительно, раньше парадигма была такая: кандидат — это резюме, работодатель — это вакансия.
С. И.: Это офлайн и первый онлайн?
С. Д.: Офлайн и первый онлайн. Я бы даже сказал, что второй онлайн. Потому что профессиональные соцсети — это аналог резюме, которое вы размещаете не только когда ищете работу, а вообще всегда. Оно висит в интернете, и вам могут что-то предлагать. Что происходит сейчас? Сейчас та информация, которая доступна в интернете, очень разная. Специалисты выкладывают примеры своих работ в интернет. Они общаются на профессиональные темы, и это общение можно оценивать. Они продолжают выкладывать какую-то информацию о своем профессиональном опыте. И объединение этих данных позволяет построить, как мы это называем, цифровой след человека в интернет, какую-то общую картинку. А эта картинка, как пазл, складывается из кирпичиков, которые берутся с разных сайтов, предназначенных для разных вещей.
С. И.: Казалось бы, «вебдванольная» ситуация очень похожа, потому что людей рекомендуют в соцсетях. У нас была в гостях Анна Имас из Job.ru, и она как раз называла Facebook и LinkedIn одними из самых главных опасностей для традиционных job-порталов. Именно потому, что там и цифровой след, там и рекомендации, и что угодно. Этот след вы трактуете более широко, нежели…
С. Д.: Мы пошли еще дальше, я бы сказал. Я поясню на примере программистов. Есть профессиональные сети, есть классические социальные сети вроде Facebook. При этом у программистов есть ресурсы, где они выкладывают свой программный код. Один из них называется GitHub. Можно провести аналогию с Twitter. В Twitter есть элемент активности — твит, на GitHub есть элемент активности — code commit, написал программный код и выложил его. На этом ресурсе можно не просто понять, где человек работает и кем, на какие темы он переписывается в социальных сетях. Можно увидеть реальные примеры его работ и оценки этих работ другими программистами. По сути, это мы и называем современным периодом — профессиональная репутация.
С. И.: Сочетающая в себе элементы тех самых соцсетей. «Я знаю хорошего человека», — в принципе, наверное, вся оценка этим заканчивается. Если я уверен в рекомендателе и понимаю, что он плохого мне не предложит, тогда, наверное, я могу доверять рекомендации. Но какого-то инструмента оценки нет. А в том периоде, о котором вы сейчас говорите, как я понимаю, оценка более объективна, правильно я понимаю?
Виталий Обернихин: Да, все верно. Здесь скорее идет оценка не самого человека, а результатов его работы. Если один программист выложил свой код на том же GitHub, а другие его используют, они могут быть даже не знакомы с автором. Но самим фактом использования его открытого кода они подтверждают то, что код чем-то им полезен. Дальше они могут ставить звездочки на этот код, отслеживать все изменения, которые произойдут в будущем. Ну и когда они уже знакомы фактически с автором, они могут звездочку поставить на него самого и следить за всеми работами этого человека. Эти параметры объективной оценки кандидата-программиста его коллегами по цеху — очень важный момент, и эти данные достаточно объективны. То же самое касается ресурса, где программисты задают вопросы, отвечают на них, оценивают, насколько хорош был ответ. Там буквально плюс-минус 10 очков за хороший ответ, но если у человека со временем накапливается репутация из нескольких тысяч, можно уже сказать, что результаты его деятельности позитивно оцениваются коллегами.
С. И.: Ну что ж, мне кажется, мы немножечко очертили поляну, на которой работает Amazing Hiring. Я думаю, что уже можно подойти к тому, какие же конкретные инструменты и технологии предлагает сервис.
В. О.: У нас есть основная поисковая система, где рекрутеры могут задавать любые запросы: «Я хочу найти человека, знающего Java Script и PHP, живущего в Москве или работавшего в таких-то компаниях». В качестве результатов поиска выдаются единые карточки кандидатов — то, о чем говорил Сергей, когда онлайн-резюме из разных источников собираются в единую картинку, представленную рекрутеру. Есть расширение для браузера Chrome. Когда рекрутер заинтересовался и начинает переходить по ссылкам внутри этого распределенного профиля на источники информации, — скажем, «МойКруг», или GitHub, или Stack Overflow, — плагин как бы следует за человеком. И когда рекрутер смотрит на профиль человека на Stack Overflow, тут же демонстрируется распределенный профиль кандидата, комментарии, которые этот рекрутер оставил относительно него, может быть, ранее. То есть сохраняется единая «рабочая поверхность» — поисковая система плюс расширение для браузера. Дополнишь?
С. Д.: Все так. Я бы резюмировал: наша основная цель — найти всю доступную информацию о людях, объединить ее и ранжировать так, чтобы наши пользователи, в основном это рекрутеры, увидели в первую очередь тех кандидатов, которые лучше всего подходят под их поисковые запросы.
С. И.: А правильно ли я понимаю, что те источники, та информация, которую они видят в карточке кандидата, не является резюме в чистом виде? Кандидат может даже не подозревать о том, что его «хантят» в данный момент.
С. Д.: Это та информация, которую человек в том или ином виде разместил в интернете. Мы используем только открытые данные. Да, действительно, это не резюме. Тут, наверное, правильнее говорить не «резюме», а «профиль». Тот профиль, который мы показываем рекрутеру, собирается на основе разрозненных социальных профилей в интернете. Откуда-то мы берем информацию о профессиональном опыте, откуда-то мы берем информацию о примерах работ, иногда мы находим контакты, если человек где-то их указал. Таким образом, генерируется ценность для наших пользователей.
С. И.: А сколько источников задействовано в поиске IT-специалистов?
С. Д.: Сейчас у нас используется 15 источников, но мы постоянно подключаем новые. У нас есть большая очередь на подключение, в ней уже больше 80 ресурсов.
С. И.: А что за источники?
С. Д.: Совершенно разные. Их можно разбить на несколько групп. Это социальные сети, которыми пользуется каждый из нас, профессиональные сети, где люди рассказывают о своем опыте, профессиональные ресурсы, где люди делятся примерами работ либо что-то обсуждают, различного рода блоги, форумы.
С. И.: А если представить того же рекрутера, он может не обладать ясным пониманием того, какой специалист нужен? Допустим, у него есть задание подобрать человека, но сам он далек от IT-отрасли. Можно ли в таком случае рассчитывать на получение от сервиса релевантных результатов?
С. Д.: Мы однозначно снижаем барьер входа в профессию. Если раньше нужно было обладать большим объемом знаний о рынке и о технологиях, о том, как использовать тот или иной ресурс, то с помощью Amazing Hiring нужно знать меньше. При этом IT-область достаточно специфична, прийти и начать здесь искать очень сложно. Все-таки определенный бекграунд у человека должен быть.
С. И.: Должен быть, да? Я представил, что рекрутер представляет информацию на рассмотрение IT-специалисту внутри компании, который обладает определенной компетенцией и сличает те самые данные. Каков процент соответствия информации в карточке кандидата тому, что рекрутер видит, познакомившись с этим человеком персонально?
В. О.: Тут есть два момента. Первый: рекрутерам необходимо смотреть, как человек работает, как растет его карьера, чтобы, взглянув на карточку кандидата, быстро сделать для себя какие-то выводы. Что же касается конкретных технологий, то да, рекрутер может не знать каких-то там кодовых слов. Например, разработка драйверов — разработчик может указать DDK в своем резюме, свято веря, что все понимают, о чем это. А рекрутеру, чтобы освоить хотя бы минимальный набор ключевых слов, может потребоваться какое-то время. Поэтому мы их сразу «вшиваем» в поисковый запрос, и поиск проводится по целому классу синонимов. В этом плане мы снижаем барьер, пока что не до нуля. Более того, часто кандидаты, которых мы находим, лучшие, звезды, так скажем, и они могут не находиться в поиске работы. Рекрутеру нужен еще какой-то опыт, как начать говорить с незнакомым человеком, как ему написать так, чтобы он ответил, как его заинтересовать предложением. Наверное, скорее здесь требуется некоторый опыт.
С. И.: А правильно ли я понимаю, что система позволяет искать так называемых пассивных кандидатов? Есть кандидаты, которые всегда на виду, они пишут много резюме. По-моему, это не лучший контингент. Он часто меняет работы, очень много сил у него уходит на публичное освещение самого себя, и это не обязательно связано с реальными достижениями. А именно те самые рабочие лошадки, которые ценны именно как специалисты, находятся в тени, правильно?
С. Д.: Все так. Действительно, есть люди, которые находятся в поиске работы. По разным оценкам, это от 7 до 10% емкости рынка.
С. И.: Без использования вашего сервиса рекрутеры обречены удовлетворяться этими 10%, я правильно понимаю?
С. Д.: Если вы ищете среди кандидатов, которые находятся в активном поиске, то да. А к пассивным кандидатам рекрутер обычно переходит тогда, когда недостаточно активных, когда нужен какой-то суперталант. И этот рынок больше. И там есть вероятность найти действительно очень хороших людей. Вопрос сформулирован правильно.

Amazing Hiring — это система для поиска специалистов, не обязательно находящихся в активном поиске.

С. И.: Я понимаю, что помимо алгоритма поиска еще должен быть алгоритм ранжирования кандидатов. Можете рассказать о том, как происходит это ранжирование?
С. Д.: Есть две вещи. Первое — это оценка профессионализма. И второе, что мы считаем очень важным, — это оценка того, насколько кандидат подойдет в конкретную компанию и команду по непрофессиональным навыкам. Первую часть задачи мы уже решили, активно работаем над ее развитием. Вторую сейчас решаем. Пару слов о том, как мы это делаем: чтобы решить первую задачу, мы смотрим на пресловутую профессиональную репутацию соискателей, на проекты, которые они выложили в интернет, на их профессиональный рейтинг на различных ресурсах. Смотрим на то, где и кем они работают. Достаточно много разных параметров. Учитывая всю совокупность факторов, мы стараемся показать в первую очередь тех людей, которые наиболее компетентны. Оценить то, насколько человек подойдет для конкретной компании и команды…
С. И.: Поддается ли это автоматизации как-то?
С. Д.: Мы верим, что да. Сейчас активно проводим различные тесты, чтобы сделать рабочий алгоритм и внедрить его в продукт.
С. И.: У вас есть какая-то рабочая модель различных команд ваших заказчиков?
С. Д.: Я сейчас пару слов скажу о том, как это работает. До того как рекрутер начинает искать кандидатов, система анализирует всю доступную информацию о той компании, в которой он уже работает, и старается найти какие-то общие вещи у этих людей. Смотрит на разные факторы: сколько им лет, откуда они родом, какие институты оканчивали. Если это разработчики, то, может быть, они участвуют в каких-то проектах с открытым кодом.
С. И.: Каждому фактору свой рейтинг присваивается, да? Такой вуз, другой вуз и т. д., да? Факультеты, соответственно, ранжируются?
В. О.: До факультетов пока не дошли.
С. И.: Еще можно научных руководителей как-то оттуда выбирать!
В. О.: Там можно очень много декомпозировать. Это очень сложная система. Мы начинаем с простых вещей, но постепенно переходим к усложнению. Выдвигается гипотеза, и потом статистические тесты проводятся на подтверждение или опровержение.
С. И.: Я перебил Сергея, прошу прощения. У меня фантазия просто заработала.
С. Д.: Да, она у нас тоже часто в этом направлении как разыграется! Так вот, когда мы проанализировали много разных факторов, мы стараемся найти те, по которым люди совпадают. Например, мы поняли, что вся команда разработки училась в каких-то очень похожих институтах или даже в одном. Тогда среди массы кандидатов с определенными профессиональными навыками было бы здорово в первую очередь посмотреть тех людей, которые учились в этом же вузе. Фактически, анализируя информацию о компании, мы стараемся найти дополнительные факторы, которые нужно учитывать при ранжировании поисковой выдачи.
С. И.: Виталий, есть что добавить?
В. О.: Все так, затрагивается область так называемых big data, больших объемов вычислений. В интернете сейчас очень много доступной информации. Вопрос в том, как ее проанализировать, как выделить главное и как дать человеку информацию, чтобы он мог быстрее принять правильное решение. Если говорить про ранжирование одновременно по квалификации и по вероятности фактически найма человека, кого быстрее наймут? Если он похож чем-то на профессиональный типаж компании, его наймут гораздо быстрее. Соответственно, сначала мы ранжируем по квалификации, а потом смотрим, как мы можем немножко «загрубить» это ранжирование так, чтобы резко поднять вероятность найма. Здесь очень много интересных моментов появляется. Получается, что есть квалификация, есть то, насколько человек подходит под эту культуру, но есть очень сильные пересечения. Представим себе ситуацию, когда идет поиск человека, знающего C++, в команду, где большинство знает еще и Assembler. Конечно же, если мы найдем человека, знающего кроме C++ еще и Assembler, ему проще будет разговаривать с этими людьми. Очень много интересных моментов, очень интересная область.
С. И.: Какова разница во времени поиска тем же «вебдванольным» методом и методом автоматизированного поиска по Amazing Hiring?
С. Д.: Мы прикидывали. Когда только начинали проект, чтобы сверить свои ощущения того, что нужно рынку, с реальностью рынка, мы переговорили больше чем с сотней IT-рекрутеров из России и СНГ. И спрашивали, какими ресурсами они пользуются для поиска кандидатов. Поняли, что у всех есть общее ядро и какие-то разные ресурсы. Но каждый рекрутер в среднем использует три-четыре ресурса. Представим, что каждый из этих ресурсов занимает единицу времени. Используя Amazing Hiring, можно сократить эти три-четыре единицы времени до одной. Ну вот, примерно так.
С. И.: В четыре раза, получается.
В. О.: Это еще без учета того, что вам сразу покажут список наиболее подходящих. То есть вы не только время экономите, вы еще и качественно улучшаете кандидатов, которые попадают на вход вашей воронки рекрутмента.
С. И.: Так сложилось, что у вас приложение Amazing Hiring отдельно, а плагин отдельно. Как они между собой взаимодействуют? Я понимаю, что плагин еще играет роль какой-то чудесной рекламной приманки? Каждый может посмотреть всю информацию о себе, воспользовавшись плагином, и, таким образом, знакомится с сервисом и понимает его возможности. Я угадал?
В. О.: Да, все так. Тем пользователям, кто уже приобрел доступ к нашей основной системе, плагин помогает, ускоряет их действия. При этом есть бесплатная версия плагина. Она демонстрирует технологию объединения профилей и служит, скажем так, для вирального распространения информации. Это кусочек нашей технологии, который мы сделали доступным людям, и это приносит свои плоды.
С. И.: По окончании передачи пойду посмотрю на себя через ваш плагин. А кого вы считаете своей целевой аудиторией? Это все-таки стартапы или серьезные клиенты, которые были в агентстве Сергея GMS, — «Яндекс», Rambler, Parallels и т. д.? На кого вы ориентируетесь?
С. Д.: Скажу, что не все из перечисленных клиенты GMS.
С. И.: Значит, видимо, будут.
С. Д.: Хочется верить! По поводу целевой аудитории. Есть две группы: компании, которые подбирают персонал себе в штат, и рекрутинговые агентства, которые подбирают персонал по заказу своих клиентов. Могут быть и стартапы. Мы много думали на эту тему и поняли, что наша целевая аудитория — это компания, которая ищет лучших программистов. Она обязательно должна искать самых сильных. Обычно это действительно крупные компании, которые используют совершенно разные методы поиска персонала. Но бывают и исключения. Бывают небольшие компании, которые настроены на то, чтобы нанимать сильных, и они тоже пользуются Amazing Hiring. Вторая группа — это рекрутинговые агентства, которые уже сейчас понимают, что бизнес, связанный с подбором персонала, очень сильно завязан на технологии и будет завязан все больше и больше. Для того чтобы сокращать свои собственные издержки, они покупают доступ к сервису, ну и, соответственно, достигают лучших результатов.
С. И.: Каков потенциал масштабирования этого сервиса?
В. О.: Тут все зависит от двух вещей. Насколько большой цифровой след человека в интернете? Для программистов он достаточно большой, но они просто по роду своей деятельности…
С. И.: Мне кажется, он просто более качественный. След оставляют все, наверное.
В. О.: Нет, часть людей старается в интернете не присутствовать. Часть людей присутствует, но их, допустим, трудно оценить. IT-специалисты, программисты хороши тем, что отвечают обоим этим условиям. Можно обнаружить человека в интернете, собрать консолидированный профиль и как-то оценить. К ним, в принципе, близки дизайнеры, которых мы также сейчас начинаем подключать. Есть ресурсы, где они профессионально оценивают друг друга. По поводу маркетологов: они также присутствуют в интернете, но мы пока еще не научились их оценивать. Часто спрашивают о менеджерах по продажам, это тоже вопрос оценки. Мы видим, что есть другие вертикали, которые можно подключать. Мы в начальный момент сфокусировались на отрасли: а) которую мы хорошо понимаем; б) с которой можно начать и уже добиться какого-то успеха.
С. И.: Какие вертикали у вас сейчас на горизонте, помимо дизайнеров?
В. О.: Как я уже сказал, дизайнеры. Также интересен момент с нишевыми специалистами. И здесь встает вопрос об интеграции тех данных, которые уже есть у наших клиентов, но сейчас неэффективно используются. Это внутренняя база данных резюме. С ними две проблемы. Первая: по ним трудно искать, поиск не очень хорошо сделан в таких системах. Вторая проблема: данные там постоянно устаревают. И рекрутер понимает, что, если он ищет во внутренней базе, ему надо постоянно проверять, а что же сейчас с этим человеком. Он уже, скорее всего, сменил работу, географическое расположение. Поэтому, как правило, этими базами не пользуются, но это очень мощный источник данных. Там есть история общения с кандидатом, есть данные об интервью, можно уже оценивать. Встает вопрос интеграции данных, хранящихся во внутренней базе данных, с тем, что есть в открытом виде в интернете. Мы видим, что данная функциональность позволит работать практически с любой вертикалью.
С. И.: Американский HR-сервис TalentBin предоставляет разработчикам доступ к своему API, что позволяет использовать этот TalentBin в различных рекрутинговых приложениях. Есть ли подобные планы у вас и каковы перспективы этого типа масштабирования?
В. О.: Правильный вопрос, постоянно думаем об этом. В принципе, у нас API уже есть. Сами мы пользуемся API, он просто пока не публичный. И мы видим в этом как раз ответ на вопрос об интеграции с существующими системами, особенно с большими системами. Она возможна только через API, и, соответственно, здесь есть большое поле для деятельности. Видимо, это один из векторов будущего развития.
С. И.: Во сколько обходится этот быстрый, точный и эффективный способ поиска IT-специалистов для рекрутеров?
В. О.: У нас есть два тарифных плана. Люди платят за доступ к системе, за рабочее место. Либо оплата осуществляется помесячно, либо люди сразу выкупают годовой доступ. 500$ в месяц или 3600$ в год за рабочее место рекрутера.
С. Д.: Я бы еще добавил, что 80% наших текущих клиентов покупает годовой доступ. Модель продаж у нас построена таким образом, что, когда клиент приходит, мы обычно даем некоторое время попользоваться системой бесплатно.
С. И.: На какое приблизительно время? За какое время они уже понимают, что это то, что им нужно?
С. Д.: От недели до двух. У нас был один случай, когда компания в первый же день использования продукта закрыла очень сложную вакансию. Мы сами удивились! Наверное, совпадение, но да, такое было.
С. И.: А какое среднее количество рабочих мест покупают?
С. Д.: По-разному. Крупные компании берут 10+ мест, есть у нас такие клиенты. Средние компании могут брать несколько мест, небольшие берут одно.
С. И.: Термин big data мы уже упоминали — да, восходящий тренд последнего времени. Есть ли этому тренду место в рекрутинге? Вы как раз работаете с огромным количеством данных.
С. Д.: Просто чтобы разграничить: есть возможность обрабатывать большие объемы данных о потенциальных кандидатах, и эту информацию вы можете найти в интернете. Ее нужно собрать, каким-то образом обработать. Но при этом есть второе направление — это те данные, которыми компании уже обладают в своих HR-базах данных. Мы видим, что компании хранят сотни тысяч резюме. И зачастую они этими резюме не пользуются, потому что они не очень умеют с ними работать. Ценность возникает, когда мы используем эти внутренние данные вместе с внешними. Собственно, это одно из важных направлений развития Amazing Hiring — объединить то, что вы можете найти в интернете, с тем, что уже есть у компании.
С. И.: Я бы вас попросил дать нашим зрителям два совета: один стартапам, а другой, собственно, потенциальным соискателям. Как стартапам упорядочить свою HR-активность и как соискателям правильно себя вести?
С. Д.: Давайте начну со стартапов. Мы периодически с ними разговариваем. В плане автоматизации нужно начать делать хотя бы что-то. Обычно проблема в том, что стартапы никак не хранят информацию о тех вакансиях, которые у них были открыты, и тех кандидатах, которых они на эти же вакансии собеседовали. Так вот, нужно начать это делать. Можно использовать какие-то совсем базовые вещи вроде Excel-таблиц. Можно внедрить какую-то простую систему автоматизации. Наверное, такой совет. Про кандидатов скажешь что-нибудь?
В. О.: Про кандидатов? В первую очередь, наверное, надо, чтобы о вас была хоть какая-то информация в интернете и чтобы вы были на связи со своими коллегами по цеху, которые занимаются тем же самым.
С. И.: Ну что ж, я надеюсь, что ваши советы сослужат добрую службу и стартапам, и соискателям. Мы на телеканале SeoPult.TV очень любим всякие поисковые системы. Мы на этом сами взрослели и выросли. Очень любим умные алгоритмы поиска, правильное ранжирование и вообще всегда ратуем за чудесную кнопку, нажав которую получаешь быстрый, хороший и четкий результат. Я надеюсь, что и в HR наступит такая чудесная эра с вашей помощью.
С. Д.: Мы стараемся!
В. О.: Спасибо!
С. И.: Большое вам спасибо за интересный рассказ, за экспертное интервью! И желаю вам приблизить эту новую эпоху, название которой вы еще не придумали. Я думаю, что пора дать ей имя. На этом я прощаюсь с вами, уважаемые телезрители! Это была программа «Бизнес Online». Всего вам доброго, пока!

Развернуть текстовую версию
Комментарии
Похожие видео
Еще видео