Как мы вдохнули новую жизнь в процессы найма на масштабе в 15000 человек

Оптимизируй свою команду

Большие проекты/команды
Корпоративная культура и мотивация
HR

Доклад отклонён

Целевая аудитория

Доклад будет полезен как линейным интервьюерам, так и всем, кто задался целью нанять большое количество людей и при этом считает важным сохранить уровень и культуру команды. Если у вас возникла потребность в построении процесса найма, который легко масштабируется и сможет существовать без активного участия инициатора — из этого доклада вы узнаете, какие трудности вас ждут и как с этим справляются в Яндексе.

Тезисы

Я поделюсь увлекательной и поучительной историей о том, как и почему мы в Яндексе затеяли большие изменения в найме разработчиков и других технических специалистов. Расскажу, как предыдущая версия процесса деградировала с ростом компании и как мы себе видим новую целевую схему, которая максимально синхронизирована между разными бизнесами и при этом может гибко подстраиваться под новые потребности. И самое главное: обсудим, какие гипотезы мы выдвигали в процессе, где факапились и чему научились — будет много примеров!

В процессе мы детально разберём всю иерархию интервью:
— какое интервью мы считаем качественным (как со стороны компании, так и со стороны кандидата);
— как построить масштабируемую секцию, проверяющую конкретный набор скиллов;
— как из готовых кубиков-секций собрать рабочий процесс;
— как по итогу этого процесса принимать справедливые решения и уметь нанимать сотрудников в диапазоне от джуна до руководителя отдела.

В индустрии с 2013 года. Начинал как разработчик на C++, в 2017 году внедрил в Рекламу первый подход к оптимизации CPU и памяти с помощью ML-модели.
Соавтор «Поясов по C++» на Coursera, вёл лекции на ФКН ВШЭ и семинары в ШАД.
Сейчас отвечаю за инфраструктуру Рекламных технологий в роли заместителя CTO и активно участвую в изменениях процессов найма в компанию.

Яндекс

Строим высоконагруженные сервисы с отказоустойчивой архитектурой, работаем с сотнями тысяч RPS и петабайтами данных, внедряем в продакшен передовые ML‑модели. Всё для того, чтобы поиск и взаимодействие с сервисами в интернете были качественными и надёжными.

Видео

Другие доклады секции

Оптимизируй свою команду