论如何快速的拥有产品思维和架构师思维

    大家都在说程序员后期的发展方向可以是架构师,也可以是产品经理。然后巴拉巴拉的列出了一些相应的书籍。可是这些都是后期慢慢发展的方向,距离成为产品经理或者架构师还有很长的路要走,那么如果更快速的进入角色呢?然后每个人又都提出了,要有架构师的思维,要有产品经理的思维。那么,什么又是产品经理的思维,什么又是架构师的思维呢?然而得到的答案,大多就是考虑用户该怎么使用啊,这个东西该如何去架构啊,想别人之所想啊,云云……。可是对于我们来说,道理都懂,可就是不知如何下手。

    最近和别人合作做项目,好像有幸接触到了这到了这两个的核心思想,并且突然感觉他们的核心思想好像就是一个。那就是————选择。

    什么是选择,选择不是让我们去选择,而且让对方去选择。

    比如,以产品的思维,我们给出的选择,不是自己去选择使用哪个项目,使用哪个功能。而是交由用户去选择。我们给出用户的是选择,可以让用户有更多的选择,可以让用户有更好的选择,可以让用户选择更好的体验。这就是围绕产品的中心思想。

    在说说架构师,架构师针对的是谁?针对的是下面的程序员,而他的核心思想也是选择,选择哪种架构方案,选择哪种设计,选择哪些人来进行去做。等等,这些,都是成为真正的架构师后所要做的选择,当然,这些都是成为架构师以后的选择,还轮不到我们来考虑。那么我们来考虑下如何快速的成为架构师呢?那么就是我们要给出选择,让架构师进行去选择,让领导去选择。比如,针对这个功能模块,我可以有方案A,方案B,方案C。而方案A带来的好处是什么,缺点是什么,方案B带来的好处是什么,缺点是什么。所以我们往往在考虑一个模块的时候,应该先想到的是多种方案,而不是唯一解决方案,好多人考虑程序实现的时候,都没有考虑,如果不行了,该怎么办。更有甚者,或者最低级的程序员,则是直接给出填空题,然后让领导,让架构师去填空。所以说,要想尽快的成为一个架构师,是去考虑这个东西可以选择哪些方案,慢慢的,后面我们就会懂得,改使用哪种方案比较好,该选择哪种方案。

    所以我们发现,不管最后要成长为什么,最先学会的肯定是选择。然后我们上升到人生哲学上,然后我们发现,我们不管做什么,最喜欢的是选择,而不是去填空。比如考试,我们喜欢的是选择题。吃饭我们选择的是吃什么什么饭,而不是吃什么。在向领导或者客户展示的时候,是方案1,方案2,而不是问用户和另外要这个方案。甚至约会的时候,都是问选择去哪,而不是问,你想去哪。填空题永远是个无穷答案,而选择题,让用户很好的去选择哪些,少了很多的思考。

    我在跟着我们的架构师进行做项目的时候,听到他说的一句感触很大的话,那就是“你不能在盖房子盖到一半的时候,发现不能满足,而把整个楼都给推翻重来”。他的意思是说,如果当前的不满足,我们应该去寻找替代的方案,而不是为了去满足这个需求,去改底层的东西。尽量满足于需求,而不去动低层的东西。

    还有,我在跟着我们架构师做东西的时候,常常被问到了一句就是“你有什么方案?”。期初我还不是很理解,甚至认为,这个方案不应该你来出吗?不然要你这个架构师干啥?这个技术方案你不是应该早就知道了吗?为什么不发出来?后来跟他聊的时候,他才道出来缘由。如果每个我都给出技术方案,那么你永远学不会如何去思考,如何去架构。我的目的是,给出整体的架构,在具体的架构就需要你去考虑,我会在你想的技术方案偏离这个架构的时候,把你拉回来。甚至我有各种替代方案可以选择。

    另外,我在跟另外一拨人考虑做项目的时候,听到他们最多的就是,“这个这个让用户去选不就好了,这个让用户填,用户知道你这都有什么啊”。所以,他们总能把握到用户的需求,甚至在产品设计上不合理的地方。并且提出自己的想法,这个如何去做比较合理。

原文链接:Dennis`s blog

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
机器学习是一种人工智能(AI)的子领域,致力于研究如何利用数据和算法让计算机系统具备学习能力,从而能够自动地完成特定任务或者改进自身性能。机器学习的核心思想是让计算机系统通过学习数据中的模式和规律来实现目标,而不需要显式地编程。 机器学习应用非常广泛,包括但不限于以下领域: 图像识别和计算机视觉: 机器学习在图像识别、目标检测、人脸识别、图像分割等方面有着广泛的应用。例如,通过深度学习技术,可以训练神经网络来识别图像中的对象、人脸或者场景,用于智能监控、自动驾驶、医学影像分析等领域。 自然语言处理: 机器学习在自然语言处理领域有着重要的应用,包括文本分类、情感分析、机器翻译、语音识别等。例如,通过深度学习模型,可以训练神经网络来理解和生成自然语言,用于智能客服、智能助手、机器翻译等场景。 推荐系统: 推荐系统利用机器学习算法分析用户的行为和偏好,为用户推荐个性化的产品或服务。例如,电商网站可以利用机器学习算法分析用户的购买历史和浏览行为,向用户推荐感兴趣的商品。 预测和预测分析: 机器学习可以用于预测未来事件的发生概率或者趋势。例如,金融领域可以利用机器学习算法进行股票价格预测、信用评分、欺诈检测等。 医疗诊断和生物信息学: 机器学习在医疗诊断、药物研发、基因组学等领域有着重要的应用。例如,可以利用机器学习算法分析医学影像数据进行疾病诊断,或者利用机器学习算法分析基因数据进行疾病风险预测。 智能交通和物联网: 机器学习可以应用于智能交通系统、智能城市管理和物联网等领域。例如,可以利用机器学习算法分析交通数据优化交通流量,或者利用机器学习算法分析传感器数据监测设备状态。 以上仅是机器学习应用的一部分,随着机器学习技术的不断发展和应用场景的不断拓展,机器学习在各个领域都有着重要的应用价值,并且正在改变我们的生活和工作方式。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值