Поиск Machine Learning тимлида для онлайн-кинотеатра за месяц

Совсем недавно мы в Lucky Hunter закрыли редкую позицию на должность Machine Learning Team Leader в одну IT-компанию из Москвы. Сложностей было довольно много: от специфики проекта до самой позиции и ее "экзотичности" на рынке IT.

Несмотря на это, уже через месяц после начала поиска, кандидат, найденный нашим IT-рекрутером Катериной Ильющенко, принял оффер и успешно вышел на работу в компанию клиента. Поэтапно рассказываем, как всего за месяц нам удалось закрыть такую непростую вакансию.

Задача

В июне 2021 года в Lucky Hunter обратилась одна российская IT-компания. Главный продукт компании — онлайн-кинотеатр классического формата. Желая создать новый, непохожий на другие продукты сервис, основатель хотел найти такого специалиста, который сможет с нуля создать архитектуру, перестроить алгоритмы под новый формат продукта.

Условия работы, предлагаемые нашим заказчиком, были релевантны рынку:

1

Рыночная заработная плата;
2

Возможность удаленной работы (или по желанию микс удаленки и офиса);
3

Стандартные бонусы в сфере IT (ДМС, компенсация обучения).

Клиент также не включал тестовое задание в этапы собеседований, организовав всего два этапа отбора.

Сложности

Все же, несмотря на то, что вакансия соответствовала требованиям рынка, задачу нельзя отнести к ряду простых, и вот почему:

1

Заказчик больше ориентировался на задачи бизнеса

Наш клиент был больше сосредоточен на целях бизнеса и не имел достаточно глубоких технических знаний. Поэтому, чтобы определить конечные пожелания заказчика и грамотно презентовать специфику проекта перед кандидатами, мы совместно с заказчиком формировали цели продукта, требования и будущие задачи кандидата.
2

Продукт создавался с нуля

В команде пока что не было ни одного разработчика, а значит, писать алгоритмические модели и строить архитектуру на первых порах потребуется тимлиду.

Больше количество IT-специалистов, занимающих должность тимлида в компании, зачастую стремятся по большей части управлять командой, не прибегая к самостоятельной разработке. Найти тимлида, готового вернуться к разработке, весьма непросто, и это значительно сузило пул подходящих специалистов.
3

Клиент искал специалиста со специфическим стеком технологий

Помимо классических в Machine Learning языков, таких как Java, С++ и Python, кандидат должен был знать Ruby (или быть готовым его освоить). Это сочетание навыков является довольно редким на рынке IT.
4

Machine Learning тимлид — редкая на российском рынке позиция

Специалистов, работающих в сфере машинного обучения, в целом, не так много относительно других IT-профессий. Специалистов, работающих в ML долгие годы и имеющих навык управления командой — еще меньше.

Закрытие вакансии

Профиль кандидата

Для того, чтобы закрыть вакансию и найти подходящего специалиста, в первую очередь, мы определили профиль кандидата. Это специалист, обладающий хорошим бэкграундом, который заинтересован не столько в работе на руководящих должностях, сколько в создании крутых, прорывных продуктов.

Кроме того, желательно, чтобы территориально наш кандидат находился в Москве. Мы не ограничивались одним городом поиска, но все же делали акцент именно на Москве, поскольку ключевые фигуры и руководители из других IT-отделов компании находились в Москве. Понимая, что найм специалиста из Москвы облегчит коммуникации и создаст условия для продуктивной работы, мы сконцентрировались на этом городе.

Мотивация

Прорабатывая способы мотивации кандидатов, мы решили делать акцент на уникальности продукта и возможности создать новый, полезный сервис с нуля. Нам было важно донести мысль, что кандидат сможет полноценно влиять на архитектуру проекта, собирать команду "под себя" и, что также важно, работать в компании, которая уже зарекомендовала себя на рынке, давно "перешагнув" этап стартапа.

Результат

Уже через несколько недель поиска нам удалось найти двух подходящих кандидатов. Оба кандидата успешно прошли все этапы собеседований и получили от клиента оффер. В результате один кандидат принял предложение о работе и успешно вышел на работу в компанию заказчика.

Несмотря на то, что найденный кандидат изначально не был заинтересован в смене работы, он "загорелся" идеей создания уникального на российском рынке продукта, отказавшись, таким образом, от текущей работы в пользу компании нашего клиента.

Всего мы взяли в работу 42 резюме специалистов, провели интервью с тремякандидатами, двум из которых наш клиент в результате выставил оффер.

На первый взгляд может показаться, что 42 кандидата — это немного, ведь грамотный IT-рекрутер способен обрабатывать сотни резюме в день. Что ж, на деле это не всегда так. В силу специфики позиции и требований к специалисту, у нас был весьма ограниченный пул подходящих кандидатов.

Кроме того, мы очень внимательно просматривали каждое резюме, создавая уникальное письмо, заточенное под интересы каждого конкретного кандидата.

Именно точечный поиск, внимание к портфолио специалистов и умение корректировать способы мотивации в зависимости от бэкграунда человека — то, что привело нас к успеху и позволило быстро закрыть такую непростую вакансию.

Секрет успеха

Точечный поиск

Рекрутеры Lucky Hunter всегда работают прицельно, отбирая только самых подходящих кандидатов. Вместе с тем, конкретно в этой истории точечный отбор кандидатов был дополнен созданием уникального предложения для каждого специалиста, пристальным изучением не только резюме, но и личной информации о кандидатах и все для того, чтобы на 100% попасть в цель.
Гибкость клиента

Несмотря на то, что наш заказчик был далек от IT-сферы, он прислушивался к нашим рекомендациям, был готов корректировать рекрутинговые процессы в соответствии с требованиями рынка.
Профессионализм Lucky Hunter

Благодаря нашему глубокому знанию сферы IT, мы смогли сориентировать нашего клиента в желаниях относительно целей будущего продукта. Это позволило нам точно определиться с профилем кандидата, понять, как нужно мотивировать специалистов и в результате успешно закрыть вакансию.

А что потом?

Привлечь грамотного сотрудника — это важный фактор достижения компанией ее бизнес-целей, создания уникальных продуктов и сохранения конкурентоспособности на рынке. Благодаря нашему опыту в области подбора персонала, компания наняла достойного ML тимлида, получив следующие результаты:

Новый и уникальный продукт

Компания создала инновационный продукт с нуля, что выделило ее на рынке;
Улучшенная архитектура проекта

Благодаря своим навыкам, тимлид построил алгоритмы и разработал архитектуру проекта, обеспечивая высокий уровень продукта;
Повышенная конкурентоспособность на рынке

Наличие ML-тимлида дало компании преимущество, повысив ее конкурентоспособность на рынке;
Рост доходов

Готовый инновационный продукт помог компании увеличить доход на 25% за восемь месяцев.

Если у вас редкая и сложная IT-вакансия, которую вы долго не можете закрыть — не сомневайтесь. Наша команда поможет вам найти идеального кандидата, выполнить поиск разработчиков, подбор персонала в сфере IT и успешно закрыть вакансию. Предоставляем резюме первых отобранных специалистов уже через 4 дня!

Создать свой кейс