软件项目经理新手上路(5) - 头痛医头,脚痛医脚

 

项目总有各种各样的指标,用指标对项目健康情况进行检查就像人的体检一样合理,但是会体检并不意味着会治病。

1. 小故事

张三受到了领导嘉奖。当张三刚到项目的时候,中国团队的任一指标都比国外团队差很多。张三选定了产出指标作为突破口。他凭借个人魅力和努力工作极大的激励了项目团队成员,终于在半年后,项目团队成员的产出指标已经与国外接轨。张三也因为卓越的领导力和卓有成效的工作成果受到领导嘉奖。

2. 常规想法

张三的确值得嘉奖,因为在这半年中项目团队取得了明显的进步,并且在这个过程中项目团队保持了比较高昂的士气和凝聚力。

但从后续情况来看,项目团队的表现不算好。张三得到嘉奖后离开了团队。项目在后续的半年到一年时间困扰于质量问题,进度迟缓。最近听说公司终于受不了超慢的进度和低劣的质量,派出架构师对代码进行彻底的重构(相当于重写)。

3. 继续思考

很多公司尤其是大公司都有各种各样的指标对项目进行考核。典型的有开发人员生产率,计划时间与实际执行时间误差比率,Bug数量等等。

与指标文化相连的是头痛医头脚痛医脚。管理层往往相信采取措施提高指标就能解决问题。“项目的Bug超出标准哦,员工生产率也没有达标哦。”很多项目经理迫于压力或者是没有办法,只好头痛医头脚痛医脚。可能获得一时的成功,但是项目后期是到处着火。(一个健康的项目会有健康的指标,但是修复不健康的指标并不能得到一个健康的项目。单纯提高单项指标在大多数情况下都不能真正解决项目问题。)

指标文化带来的另一个问题是指标本身也可能是错误的。例如,LOC曾经是衡量开发人员的生产率的流行指标,但是后来才发现LOC越小越好。

指标文化的第三个问题是收集指标费时费力但是效果不大。如果全部让团队成员做额外的工作收集容易引起团队的反感。

4. 参考案例

4.1 参考案例1

项目经理王磊保证了项目的健康。

项目经理王磊来到了一个与上述项目非常相近的一个项目,项目的评价体系是相同的。但是王磊并没有用指标来驱动自己的工作,而是致力于人员素质提升和沟通的改进,并在整个过程中推动团队协作。在前半年,王磊的项目与张三的项目很相似,有很多Bug并且有时不能按时交付。但在半年后,王磊项目的质量和进度就远远领先,到达一年的时候,该项目已经成为该组织中最好的项目。

4.2 参考案例2

项目经理王磊痛并快乐着。

项目经理王磊接手了张三的项目。接手后,项目的质量问题、进度问题和沟通问题都比较严重。王磊一方面利用个人魅力安排项目团队继续努力工作;另一方面帮助团队协调和救火。王磊凭借个人极强的推动力进行沟通协调,作为救火能手赢得了极大的尊重,他也乐在其中。一年半以后,项目团队的QA主管和开发主管都提出了离职。

4.3 参考案例3

A公司的指标战略。(请原谅我跑题了,到了公司层面。)

A公司是一个典型的项目外包公司,因此资源利用率是一个衡量公司运转效率的重要指标。A公司要求每个员工填写详细的资源利用率信息,并且每隔一段时间就要进行资源利用率分析,找出资源利用率不高的员工,想出提高该员工资源利用率的办法。但是公司项目质量问题层出不穷,与客户经常产生进度计划纠纷。没关系,公司依然执着于资源利用率的提升。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
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