项目管理实例(2) - 选拔项目经理

 
“十一”长假前,公司格外忙碌,倒都是令人高兴的事情多,两个项目验收通过了,一个项目的实施方案经过艰难的协调客户也签字认可了。回想各个项目的过程,选拔一个合适的项目经理起着至关重要的作用。甚至可以说,选对人,项目就成功了一半。
刚刚验收通过的这个项目,我恰好体会了在选拔项目经理上的失败和成功。该项目2008年初启动,客户在四川地区,4月份刚刚做了一个简单的业务调研,5月份正要去呢,赶上大地震,就一直耽搁到08年11月底才又重新启动, 原先的项目经理也走了,我只好指派了一个新招聘的项目经理。姑且称他为G君,30多岁,一家大型知名企业过来的一位项目经理,自称做过100多个项目,能说能写。符合公司选拔项目经理的基本条件:阅历够、年龄正好、知名企业背景,就下决心用了他。
项目组刚一成立,现场前的准备工作就让我对G君有些失望。比如项目启动会的PPT和项目总体计划基本照搬其他项目,搞得我很生气。项目启动会是很重要的一个活动,客户高层参加,我们应当借此在启动会上给客户灌输一下我们软件产品的理念、信息化成功的要素等等。启动会的PPT公司会有一个比较通用的,但是每个项目都会有所不同。即便他是新员工,既然做了项目经理,现在也该下功夫熟悉并理解其内容,应当讲起来特别熟练。G君倒好,结结巴巴的,对着PPT都能说错,让我一问两问,就更不知要说什么了,还好意思说PPT上的内容他也不清楚!我大光其火,决定不让他在启动会上讲演这个 PPT,实在不行,小范围跟客户讨论一下即可。如果讲演不能增添光彩,就不如不做。另外,G君显得对公司的项目流程很不适应,总在强调他以前的公司怎么做怎么做,这种表现令我更加担心,每个公司都有自己的项目流程,但大同小异啊,总之都是要执行项目合同,对于一个老手来说,熟悉一下新公司的流程有这么费劲吗?
面对我的疑问。G君以刚来公司不久,对业务不熟悉造成的,我有些反感。因为有些跟项目本身的业务领域是无关的,完全是工作经验和能力问题。也是很巧,恰好另一个项目的项目经理也是我新招来的,人家一上任,就显示出项目经验、组织能力。不过,用人不疑,我还是挺支持他的,在大会小会都强调项目经理的绝对权威,要求项目组全力配合他。
按照项目流程,G君需要带领一个调研团队去客户现场工作,然后回来写业务调研报告和实施方案,经过客户确认之后,才算是真正开始做这个项目了,售前的时候虽然也做过需求调研,形成了工作说明书,但是毕竟还比较粗。因为对他有些不放心,我给他配备了精兵强将,该项目所依托产品的产品经理,老H,40岁了,经验丰富,最好的实施工程师,小Z,还有1个也是新员工,L君,也是新招来的项目经理,只是工作经历没有G君丰富。
他们到了现场之后,就遇到了意想不到的事情,在家里精心准备了调研大纲、调研计划,没想到似乎用不上了。客户提出2008初已经做过调研,此次的重点希望放在实施方案上。公司的销售总监在客户现场也是希望尽快评审实施方案,这样公司就可以收款了。其实这本来也是好事,该项目是以公司的产品为基础做的,二次开发工作量不是很大。客户不要求再做全面的调研,那么我们重点放在客户化的需求就是了。但是G君明显就有点抓狂了,原定计划一打乱,他就不知道该怎么办才好,发来的计划根本没有可操作性。我多问两句,又紧张,只会口头再三保证没有问题,让我放心。我要求他分一下组,一组写实施方案,一组调研客户化需求。四川那么远,那么多人去一次不能只做一件事。为了尊重他,我始终没有去直接指挥其他项目成员,只是建议他让老H牵头写实施方案, 小Z协助。实施方案顺利通过了客户的评审,但项目组回来后,老H、小 Z、L君都跟我汇报,说G君没起到项目经理的作用,我分别找他们了解现场情况,大致得到的情况是:
1、没有调研到明确的客户需求,只是将以前已调研到的做了确认;
2、现场调研活动主要以老H为主要提问人,小Z为主要补充提问人。G君在现场基本插不上话;
3、现场工作过程中没有阶段性的详细计划,对于双方的工作安排以及相互配合没有很好的统一规划协调;
4、每天的调研情况没有及时讨论汇总;
5、没有对第二天工作的安排和预期;
虽然实施方案通过了,可是客户化的需求一点没了解到,还得再去一趟才行!看到这样的结果,我第一次产生了换人的念头!

智慧旅游解决方案利用云计算、物联网和移动互联网技术,通过便携终端设备,实现对旅游资源、经济、活动和旅游者信息的智能感知和发布。这种技术的应用旨在提升游客在旅游各个环节的体验,使他们能够轻松获取信息、规划行程、预订票务和安排食宿。智慧旅游平台为旅游管理部门、企业和游客提供服务,包括政策发布、行政管理、景区安全、游客流量统计分析、投诉反馈等。此外,平台还提供广告促销、库存信息、景点介绍、电子门票、社交互动等功能。 智慧旅游的建设规划得到了国家政策的支持,如《国家中长期科技发展规划纲要》和国务院的《关于加快发展旅游业的意见》,这些政策强调了旅游信息服务平台的建设和信息化服务的重要性。随着技术的成熟和政策环境的优化,智慧旅游的时机已经到来。 智慧旅游平台采用SaaS、PaaS和IaaS等云服务模式,提供简化的软件开发、测试和部署环境,实现资源的按需配置和快速部署。这些服务模式支持旅游企业、消费者和管理部门开发高性能、高可扩展的应用服务。平台还整合了旅游信息资源,提供了丰富的旅游产品创意平台和统一的旅游综合信息库。 智慧旅游融合应用面向游客和景区景点主管机构,提供无线城市门户、智能导游、智能门票及优惠券、景区综合安防、车辆及停车场管理等服务。这些应用通过物联网和云计算技术,实现了旅游服务的智能化、个性化和协同化,提高了旅游服务的自由度和信息共享的动态性。 智慧旅游的发展标志着旅游信息化建设的智能化和应用多样化趋势,多种技术和应用交叉渗透至旅游行业的各个方面,预示着全面的智慧旅游时代已经到来。智慧旅游不仅提升了游客的旅游体验,也为旅游管理和服务提供了高效的技术支持。
智慧旅游解决方案利用云计算、物联网和移动互联网技术,通过便携终端设备,实现对旅游资源、经济、活动和旅游者信息的智能感知和发布。这种技术的应用旨在提升游客在旅游各个环节的体验,使他们能够轻松获取信息、规划行程、预订票务和安排食宿。智慧旅游平台为旅游管理部门、企业和游客提供服务,包括政策发布、行政管理、景区安全、游客流量统计分析、投诉反馈等。此外,平台还提供广告促销、库存信息、景点介绍、电子门票、社交互动等功能。 智慧旅游的建设规划得到了国家政策的支持,如《国家中长期科技发展规划纲要》和国务院的《关于加快发展旅游业的意见》,这些政策强调了旅游信息服务平台的建设和信息化服务的重要性。随着技术的成熟和政策环境的优化,智慧旅游的时机已经到来。 智慧旅游平台采用SaaS、PaaS和IaaS等云服务模式,提供简化的软件开发、测试和部署环境,实现资源的按需配置和快速部署。这些服务模式支持旅游企业、消费者和管理部门开发高性能、高可扩展的应用服务。平台还整合了旅游信息资源,提供了丰富的旅游产品创意平台和统一的旅游综合信息库。 智慧旅游融合应用面向游客和景区景点主管机构,提供无线城市门户、智能导游、智能门票及优惠券、景区综合安防、车辆及停车场管理等服务。这些应用通过物联网和云计算技术,实现了旅游服务的智能化、个性化和协同化,提高了旅游服务的自由度和信息共享的动态性。 智慧旅游的发展标志着旅游信息化建设的智能化和应用多样化趋势,多种技术和应用交叉渗透至旅游行业的各个方面,预示着全面的智慧旅游时代已经到来。智慧旅游不仅提升了游客的旅游体验,也为旅游管理和服务提供了高效的技术支持。
深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
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

打赏作者

Walker-cheng

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

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