经历了4个从0开始的项目,我对项目管理的7个看法

经历了4个从0开始的项目,我对项目管理的7个看法

项目需求

在项目立项时,一定要多去问,为什么要做?做的原因有哪些?谁是我们的客户?我们要解决他们什么问题?有没有时间要求等。这些都是这个项目立项的支撑点,如果没有这些支撑点,做出来的东西就不够稳定,经不起推敲的。

如果你是甲方,那么想要产品早早的上线,请一定一定不要相信乙方的项目经理所说的任何保证,除非这家公司你是真知道他的能力。在任何情况下,一定要把你们在会议沟通的任何需求和任何想法记录清楚,形成一份清晰的纪要文档,每次会议一定要有讨论结果和解决方案,切记:一定要有解决方案,问题谁都会找,管件是解决方案。

如果你是乙方,那么想要产品早早的交付,请一定一定不要相信甲方所说的每一句话,甚至是标点符号。甲方每一个人都是患有阶段性失忆症的,而且每一个甲方都是最牛的创意大师。他们的每个想法请不要盲目的答应,一定要考虑考虑再考虑,最好是当场能画流程图,草图,确定一切正常时,再确定是否能开发,并记录成纪要文档,并邮件告知项目关联的每个人,尤其是甲乙双发的商务人员和项目干系人员。

项目时间

有很多项目时间就是固定死的,需要把项目反推开发进度,但是也有很多是没有时间要求的,大部分是总监或老板,也有可能是商务直接嘴上说说。这时候的开发就看项目经理的能力了,是否能有效的把控项目的开发进度。

项目时间的评估一般是技术经理,我遇到的技术,在做周期评估时候,大部分的评估内容都是超时的。当然,作为项目管理人员,这个时候就是纯经验了,专业的PMP管理人员,并不适用互联网公司那种机动性较强的开发项目(可能我遇到的PMP管理人员是假的,不展开讨论)大部分互联网项目中,不会有那么多的时间去做评估、记录、方法论。大部分的项目都要求快速上线,时间较为紧张的项目中,一开始就知道了时间的局限性,那么合理安排开发顺序就非常重要了,这个下面再说。

项目开发安排

比较排斥分功能点开发。大项目的开发,大部分是几十个功能一起开发,开发时,尽量一个功能模块由一个人(团队)来做,这时候,一定要经常开会讨论,把各功能模块之间的关联关系说明白,写明白,画明白。不然开发时一定会出现,做出来的东西垮功能时的不适用(也就是Bug多)甚至会出现底层架构设计的错误。

看过一篇文章,里面说过,技术在开发功能时,如果是一个功能比较多的项目,一定要按照严格意义上的功能模块进行分配,何为严格意义上的功能模块,看完之后以我的理解,白话的解释就是一个功能,由某个工程师开发时,他要知道这个功能中包含的东西,就算不是他做的接口,也必须知道里面的业务逻辑。这样,在开发的时候,他可以把整个功能模块的业务全部理清楚,交付给测试后的Bug就会相对比较少,如果出现问题,一个人就可以解决Bug(我相信产品经理一定遇到过一个Bug找不到是哪个技术负责的修改的情况)

项目功能优先级

功能开发时,一定有优先级顺序,工期越紧越要搞清楚优先级顺序,在开发时,一定把遵循,业务级第一,功能级第二,统计级第三,页面(显示,UI)级最后的原则,项目的使用是满足业务的,业务能跑通,项目才是正确的,其次是让使用人员用的开心,就属于功能级的事情,减少使用人员的使用次数就是好的功能,越简单越好。

刚入产品经理行业时,跟不不知道到底什么是优先级,做的越久越发现,这个问题是真心的不好回答。

比如我管理的最早的产品,是一款对C的产品,我们的运营经理三天两头的来找我,要求把某个显示,某个颜色,某个弹框,某个提示语改改,甚至每次开会,提的最多的也是这类问题,这类产品我当时在评估时,第一要任是满足功能(某些盈利功能,某些产品代表性功能)其次是交互,好用好玩好看。最后才是用户可能无感的东西做优化。而我现在管理的对B的产品,老板说某客户要加个功能,你看一下。

商务说我现在收集发票信息太痛苦了,你给我做个发票管理系统。运营说,我下个月可能要做一波活动,需要一个营销工具,你来看看怎么实现比较合适。你收到此类信息后,发现每个都是比较紧要的事情,怎么破??唯一的评估要求就是,那个功能不做你损失最大。那个功能做了,对公司贡献最大。

关于测试

测试一定要写测试用例,一定要懂项目的业务需要和这个功能的使用场景,测试时尽量能做到角色扮演(把自己当成用户)。

曾经看过一篇文章,说张小龙谈论腾讯里面的最厉害的测试,张小龙自己说他要把自己变成一个小白用户需要酝酿很久,而马总(马化腾)只要一个呼吸间就可以把自己变成小白用户。我在要求我的测试的时候,第一要务是必须理解里面的业务逻辑,我会把产品设计的想法,场景,用户的要求全部讲出来,告知测试设计的原因,把每个功能点上可能涉及到的东西都会提出来,而测试偶尔提出的问题,我也会在会议中尽心讨论,随时修改或记录。

我一直相信产品只是一个人,没有办法把一个逻辑中可以涉及到的方方面面都考虑到,这个时候测试就是产品的一个补漏和补全的作用。测试用例-第一版中重要的边界值一定要考虑进去,而为什么说第一版只考虑重要的边界值问题呢,因为很多互联网项目中上线都是第一位。优化迭代时才需要去考虑各种边界值,容错问题的事项。

人员管理

项目开发过程中,一定存在沟通上的各种问题,小问题,人员自己沟通,大问题,整理成文档,每周做一次总结会议,把所有问题会议上摊开讲,就算是和其他人员没有关系,让其他人员了解一下,有助于对整个系统的了解。

人员才是项目中最大的问题,任何一个团队中,只要是人在的地方,就一定会有纠纷和争吵。尤其是在一个项目设计大量的开发人员,需要开发人员之间进行协调时,作为项目管理人员,一定要关注沟通的问题。能由项目牵头沟通的,尽量有一个可以中和的人来去引导整个沟通的过程。如果所沟通问题设计的人员比较多时,建议进行小范围会议来进行头脑风暴形式讨论,并形成会议纪要形式,记录解决方案和讨论内容(解决方案已定要有)很多工程师在解决Bug问题时都会出现抵触情绪,而测试在提出解决方案时的解决一定存在消极怠工的情况。

这个时候,项目管理人员在项目后期一定要定期开Bug评审会,评估每一个Bug的优先级,解决方案备注,解决人员的说明,解决时间的去顶等,以Excel的形式在会议结束后邮件发给每一个相关人员。很多时候问题说开了,人与人之间就会很好相处了。项目管理人员切记有团体情况。

需求变更

需求一定是经常变更的,需求变更的事情,大多不是业务层面的,大多是功能层面和使用层面的事情,这类需求变更,成文件形式记录,通报给技术总监和相关技术人员。业务层面变更就要组织相关领导开会确认,之后把变更后的内容告知所有技术人员。

需求变更一般是由甲方提出,甲方包括付钱的,发工资的,商务,业务,运营等。所以这个又老生常谈的问题–需求评估,当然没有谁能一次性把所有的问题想明白。需求变更的产生在产品的生命周期中一定是经常存在的。那么如何避免需求的变更就两个解决方案,一是在需求确立时多搞清楚情况,之前说过就不说了。二是需求管理—任何需求的产品都要文档形式记录,每次需求的结果都要邮件形式告知每一个相关人员,让需求变更人员不要意思提变更,再不济也让他们在提变更时想清楚再提。项目人员在接到需求变更时,又回到第四点说的,优先级,这个需求到底需要需要现在就去改,现在就做,评估清楚再做。

以上7点是入行几年来,经历了4个从0开始的项目后的一些总结。只是自己所接触的小公司的情况,没在大公司呆过可能不知道情况,希望大公司的大牛不要喷我。

1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。 1、资源项目源码均已通过严格测试验证,保证能够正常运行; 2、项目问题、技术讨论,可以给博主私信或留言,博主看到后会第一时间与您进行沟通; 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用,尤其对于人工智能、计算机科学与技术等相关专业,更为适合; 4、下载使用后,可先查看README.md或论文文件(如有),本项目仅用作交流学习参考,请切勿用于商业用途。 5、资源来自互联网采集,如有侵权,私聊博主删除。 6、可私信博主看论文后选择购买源代码。
应用背景为变电站电力巡检,基于YOLO v4算法模型对常见电力巡检目标进行检测,并充分利用Ascend310提供的DVPP等硬件支持能力来完成流媒体的传输、处理等任务,并对系统性能做出一定的优化。.zip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 1
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