Нам приходилось быть очень изобретательными в плане мест поиска специалистов, поскольку слишком часто приходилось искать эксклюзивные технические навыки. Когда мы искали эксперта по большим данным, никто не понимал, что собственно значит «большие». Мы не могли просто искать резюме по совпадающим ключевым словам. Наши рекрутеры по всему миру отыскивали всевозможные компании, имеющие дело с массивами данных. Многие из них прежде были страховыми компаниями или выпускали кредитные карты. Более того, наша рекрутинговая компания не обладала достаточными навыками, чтобы проверять технические навыки кандидатов. Нашим лучшим рекрутером технического персонала была Бетани Бродски (Bethany Brodsky). До прихода в Netflix она практически ничего не знала о технологии, но отлично понимала наш бизнес и коренные, требующие решения проблемы, она понимала, что важнее, чем совпадение прежнего опыта, было совпадение во взглядах на подходы к решению проблем.
Бетани рассказывала, что одно из лучших ее интервью прошло с человеком, которого мы в конце концов наняли и который работал в Lawrence Livermore Laboratory – правительственном исследовательском центре, ориентированным на ядерную физику. Это было, когда Netflix только переходила на потоковое вещание, доступное всего на нескольких устройствах: Xbox, Roku и TiVo. На собеседованиях Бетани говорила кандидатам, что мы всего за 30 дней прибавили миллион новых подписчиков через одно из этих устройств, и спрашивала, через какое, по их мнению. TiVo тогда действительно было на подъеме, поэтому большинство людей говорили про него: «Конечно, TiVo». Но этот человек спросил ее, были ли привязаны к какому-то из этих устройств особые условия подписки. Она сказала, что да, для подписки через Xbox нужно было иметь «золотое членство». Тогда он предположил, что это, должно быть, Xbox: если эти пользователи были готовы оплатить премиум-статус, они, вероятно, более склонны заплатить еще и за Netflix. Он был прав, и в этот момент она поняла, что это наш человек.
У меня был похожий момент озарения по поводу кандидата, когда я проводила собеседование с Кристианом Кайзером (Christian Kaiser), который управлял группой из 25 программистов в AOL. Я разговаривала с довольно многими людьми из его группы, поскольку они делали техническую работу, похожую в чем-то на то, что было нужно нам. Но все они хотели остаться в AOL. В то время Netflix была гораздо более притягательным местом работы, чем AOL, так что я была озадачена тем, что они не хотят сменить работу. Когда я их спрашивала об этом, они говорили: «У меня самый лучший начальник! Он лучший в общении человек из всех, что я когда-либо знал. Мне невыносима мысль о том, чтобы уйти от него». Так что я сказала своим рекрутерам: «Заполучите этого парня». Я была изумлена, когда он появился: у него не только был заметный немецкий акцент, он еще и заикался. Это тот превосходный в общении парень? Кроме того, он, очевидно, нервничал – в конце концов, он много лет не ходил на собеседования. Это было по-настоящему болезненно и для него, и для меня. Но когда я попросила его, мог бы он самыми простыми словами объяснить мне суть невероятно сложной технической работы, он просто преобразился. Он по-прежнему заикался, но он дал мне захватывающее объяснение, и я поняла: «Вот оно! Он отлично делает очень сложные вещи понятными!» Он стал прекрасным создателем команд в Netflix. Он также уходил из созданных им команд, чтобы вести новые проекты просто потому, что это должно было быть сделано. Он изменил понятие «моя команда», создавая такие хорошие команды, что они могли продолжать работать и без него.
Мы всегда старались творчески подходить к глубокой проверке людей и глубже вчитываться в их резюме. Бетани однажды решила проанализировать компендиум всех специалистов по данным, которых мы наняли, так как хорошо было бы увидеть, можно ли обнаружить у них общие черты, и она это сделала: они все всерьез интересовались музыкой. С того момента она и ее рекрутинговая команда, проводя собеседование, спрашивали об отношении кандидата к музыке. Она вспоминала: «Мы были очень взволнованы и выкрикивали: “Эй, я нашла парня, который играет на пианино!”» Она пришла к выводу, что эти люди легко переключаются между левыми и правыми долями мозга – отличный навык для аналитика данных.